
數(shù)據(jù)化運(yùn)營如何驅(qū)動智慧企業(yè)?
當(dāng)DataTechnology時代,很多企業(yè)已經(jīng)開啟了“淘金”大數(shù)據(jù)之旅,以數(shù)據(jù)化運(yùn)營驅(qū)動企業(yè)智慧決策。不過,海量大數(shù)據(jù)正成為很多企業(yè)高層“幸?!钡臒溃哼\(yùn)營得好就能在大數(shù)據(jù)中淘金,運(yùn)營不好就成為企業(yè)的累贅。尤其是,企業(yè)IT部門還要面對瞬息萬變的業(yè)務(wù)需求,面對TB甚至PD級的海量大數(shù)據(jù)分析,常常感到束手無策。
7月25日下午,數(shù)據(jù)可視化分析公司永洪BI在上海組織了一場主題為《如何以數(shù)據(jù)化運(yùn)營驅(qū)動智慧型企業(yè)》的沙龍,這次沙龍?zhí)匮?位擁有多年數(shù)據(jù)分析和商業(yè)智能背景的專家,為您解讀如何以數(shù)據(jù)化運(yùn)營驅(qū)動一個智慧型企業(yè)的誕生。下文是這3位專家演講的精華摘要。
永洪BI VP王桐:憑什么敏捷BI能幫你實(shí)現(xiàn)數(shù)據(jù)化運(yùn)營?
權(quán)威國際咨詢機(jī)構(gòu)Gartner今年最新的BI魔力象限報(bào)告分享了數(shù)據(jù)領(lǐng)域的技術(shù)趨勢。總結(jié)來講就是敏捷型的BI或者探索式的數(shù)據(jù)分析已成為大勢所趨。
BI正在發(fā)生基礎(chǔ)性的變革。現(xiàn)在越來越多的業(yè)務(wù)用戶,想要進(jìn)行探索式的分析。過去我們做BI系統(tǒng)主要的目的都是去做一些非常高度匯總的數(shù)據(jù)的報(bào)表,然后給到高層的管理者進(jìn)行服務(wù),但是很多業(yè)務(wù)的一線人員其實(shí)希望通過深度分析獲取他自己的數(shù)據(jù)洞察力,但是另外一個現(xiàn)狀是他們很少有IT背景。
從2013年開始,這種以IT為中心和主導(dǎo)的數(shù)據(jù)分析的平臺正在越來越多的被以業(yè)務(wù)用戶驅(qū)動的和交互式分析。同時不只是在國外,在國內(nèi)也有越來越多的企業(yè)希望通過業(yè)務(wù)主導(dǎo)型的,高性能的并且具備大數(shù)據(jù)分析能力的敏捷的BI平臺去指導(dǎo)自己的業(yè)務(wù)發(fā)展。
從Forester的統(tǒng)計(jì)來看,迄今為止打造傳統(tǒng)BI的企業(yè),最后發(fā)現(xiàn)有83%的用戶逐漸的因?yàn)槭褂玫拈T檻太高,操作太復(fù)雜,而且只有管理人員在看,一線人員不能享受它的價值,最后逐漸的發(fā)現(xiàn)這項(xiàng)投資逐漸的被浪費(fèi)掉,大家回歸到些原始方式去進(jìn)行數(shù)據(jù)分析。
TDWI的數(shù)據(jù)顯示發(fā)現(xiàn),通過利用敏捷型的探索式的BI工具,有超過一半的用戶可以真正的能夠從大數(shù)據(jù)當(dāng)中找到他們想要的答案。不是利用探索式的靈活可視化的分析工具,只有20%的用戶,甚至不到才能做到這一點(diǎn)。
艾瑞咨詢數(shù)據(jù)挖掘副總裁肖嘉敏: “活”做數(shù)據(jù)收集,“活”看數(shù)據(jù)指標(biāo)
數(shù)據(jù)分析方法理論體系分為以下幾種,分類(Classification),估值(Estimation),預(yù)測(Prediction),聚類(Clustering),相關(guān)性分組或關(guān)聯(lián)規(guī)則(Affinity grouping or association rules), 數(shù)據(jù)描述和可視化(Data Description and Visualization),復(fù)雜數(shù)據(jù)類型挖掘(Text, Web ,圖形圖像,視頻,音頻等) 。
常見的數(shù)據(jù)分析方法和模型則包括方差分析,回歸分析,判別分析等;分類預(yù)測(Classification and Prediction);SVM, RF, DT;結(jié)構(gòu)方程(SEM);滿意度分析,semPLS, sem;機(jī)器學(xué)習(xí)(machine learning);聚類分析(Clustering);K-means, hierarchical clustering;數(shù)據(jù)描述和可視化。
有了這些方法和算法,數(shù)據(jù)分析師應(yīng)該怎么開展工作?第一步,根據(jù)運(yùn)營需要,想得清是否確實(shí)需要使用數(shù)據(jù)分析支持決策;第二步,明確問題后,提得全需要的數(shù)據(jù);第三步,能夠通過現(xiàn)有各種流程、產(chǎn)品,拿得到靠譜的數(shù)據(jù);第四步,拿到數(shù)據(jù)后,能通過數(shù)據(jù)分析的方法,發(fā)現(xiàn)趨勢、規(guī)律、問題;第五步在發(fā)現(xiàn)問題后,能透過現(xiàn)象看到本質(zhì),查找出問題背后的原因;第六步,得出數(shù)據(jù)分析的結(jié)果時,能客觀地對待,真正支持決策。
你不應(yīng)該忽視這些最常用的分析:趨勢分析——查看一段時間某一數(shù)據(jù)的變化趨勢,得出某一個業(yè)務(wù)上升、下降、平穩(wěn)、波動等趨勢信息;對比分析——看趨勢、找規(guī)律;自己和別人比,找差異、問題。;細(xì)分分析——無細(xì)分,毋寧死。按屬性值、新老會員、各個運(yùn)營節(jié)點(diǎn)都可以拆分去做深入分析。
很多人在數(shù)據(jù)收集這一塊忽視了外部數(shù)據(jù),事實(shí)上外部數(shù)據(jù)可以大大增加分析精確度。比如亞馬遜收集用戶的IP地址,從IP地址破譯出用戶所處位置的附近是否有書店 。工作人員從收集到的數(shù)據(jù)中了解到,一個人是否選擇在網(wǎng)上買書,很重要的原因是他的附近有沒有書店。
進(jìn)入數(shù)據(jù)處理環(huán)節(jié)以后,預(yù)處理很重要,因?yàn)闆]有高質(zhì)量的數(shù)據(jù),就沒有高質(zhì)量的分析結(jié)果,原始數(shù)據(jù)很可能不完整,比如缺少屬性值,活在存在噪聲,包含錯誤活在孤立點(diǎn),又或者在編碼或命名上不準(zhǔn)確,這些都需要經(jīng)過處理。數(shù)據(jù)處理的幾個任務(wù)至少包括數(shù)據(jù)清理、數(shù)據(jù)變換、數(shù)據(jù)集成、數(shù)據(jù)規(guī)約和數(shù)據(jù)離散化。
時尚行業(yè)資深數(shù)據(jù)分析師周劍:時尚行業(yè)如何構(gòu)建BI系統(tǒng)?
時尚行業(yè)十分有必要上BI系統(tǒng)。一來統(tǒng)計(jì)類應(yīng)用不適合拿去分析業(yè)務(wù)系統(tǒng);這類應(yīng)用查詢速度慢,處理不好跨年度、跨帳套、跨系統(tǒng)的統(tǒng)計(jì)需求,分析類圖形及控件功能不強(qiáng),上一套BI可以提高工作效率,也能提高數(shù)據(jù)的及時性、準(zhǔn)確性、一致性這三大價值,同時還存在一些高級功能,比如定制化、模型化的,如智能配補(bǔ)貨;幫助引入新的管理理念,如精細(xì)化管理、精準(zhǔn)化營銷、平衡計(jì)分卡,全面預(yù)算管理,推動運(yùn)營模式的轉(zhuǎn)變,如轉(zhuǎn)型快時尚。
在上BI應(yīng)用時,服裝行業(yè)有幾個可以遵循的原則:借鑒行業(yè)應(yīng)用模板,快速導(dǎo)入部署;按需選擇適合的建設(shè)方式,按主題、以KPI驅(qū)動,按角色、按場景;注重持續(xù)建設(shè),不斷完善與擴(kuò)展;利用成熟功能組件,提升系統(tǒng)應(yīng)用。
分析體系可以按照許多的思路來構(gòu)建。譬如按主體進(jìn)行主題的劃分,按分析方法如對比、趨勢、結(jié)構(gòu)來進(jìn)行應(yīng)用的組織。另外也可以按照角色、按照場景來打造針對性極強(qiáng)的應(yīng)用。譬如,針對店長的終端全面管理輔助應(yīng)用,輔助督導(dǎo)確保業(yè)績達(dá)成的相關(guān)數(shù)據(jù)支撐與分析應(yīng)用,或是營銷周例會,商品周例會這樣的業(yè)務(wù)會議場景數(shù)據(jù)和分析包,等等等等,都可以很好的融入至企業(yè)的分析應(yīng)用框架體系中。
第二類的應(yīng)用,即是圍繞企業(yè)的核心管控點(diǎn),組織數(shù)據(jù),構(gòu)建應(yīng)用。以凸顯問題,輔助定位問題原因,以其采取合適的決策來解決問題為主線。應(yīng)用包含了一定程度的分析流的思想,通常結(jié)合管理駕駛艙,或稱看板應(yīng)用等方式,以一些核心的管控KPI為入口。譬如,商品運(yùn)營管理,可以商品的售罄率為核心KPI,輔以訂單執(zhí)行、毛利率等指標(biāo),做好當(dāng)季的商品運(yùn)作的事中監(jiān)控工作。而營銷線,則可以業(yè)績的達(dá)成或是毛利的達(dá)成作為核心管控,也可以關(guān)注擴(kuò)張速度與單店運(yùn)營能力,代理批發(fā)業(yè)務(wù)還可加入訂單執(zhí)行情況跟進(jìn)。另外,基于財(cái)務(wù)數(shù)據(jù)這一部分企業(yè)運(yùn)營的最為關(guān)鍵的結(jié)果指標(biāo),也可以構(gòu)建企業(yè)整體的看板。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10