关于企业的大数据体系构建,可以分为4个层级,每个层级之间可以是递进的关系,虽然业务主导不同,但构建思路相通。

  一.数据基础平台

  基础的数据平台建设工作,包含基础数据平台的建设,数据的规范,数据仓库的建立、数据质量,统一业务口径等等。

  很多公司的数据无法有效利用,一来是数据散落在各个部门产品的服务器,各个业务系统的数据没有打通;二来是缺乏统一的数据规范,业务系统数据按照各自的口径和理解习惯上报,没有标准化的SDK和上报协议,难以构建高质量的数据仓库。

  大数据平台架构的搭建并不是什么高大上的技术活,整个平台价值的体现,其实需要公司各个部门的配合,是一个相互依存的关系。例如关键数据指标体系的建立,需要从各个部门业务指标进行提炼,并得到业务部门认可。常见的关键指标,比如营销业务新增用户,有效新增用户,活跃转化率,累计留存数,渠道效果等。比如销售部门,日销售额、月销售额、回款占比等等。

  二.数据报表与可视化

  在第一层级中,进行数据指标体系规范,统一定义,统一维度区分,就可以很方便的进行标准化可配置数据报表设计,直观的可视化输出设计,包括财务、销售、供应链等多种数据类别。常见的数据报表工具有帆软FineReport、birt、水晶报表,小规模也可以用Excel来替代,但需要一定的开发量和使用水平。企业的报表通常可分为基础查询类报表、管理层分析报表和主题分析报表。

  基础查询类报表:来自于基层业务和日常工作,功能作用于某一项具体的工作,比如销售业绩查询、商品库存查询、在途库存查询、采购订单查询等。

  管理层分析:不局限于某项具体的工作,覆盖相关人员的某一个工作模块。例如店长业绩管理看板、库存管理、异常店铺管理等。这类报表基于日常管理工作,通过查看这类数据报表来监控所负责业务的当前状态,发现问题,主要用于决策辅助。

  主题分析:不同于日常管理类报表,这类报表更具有针对性和主动性,需要针对某一个模块和主题进行分析,通过分析报表数据来发现并思考问题。

  每一类都针对不同的层级不同的目的。基础类报表针对业务人员查询用,管理报表用于管理层分析做决定向上级汇报用。主题分析用于分析问题,开拓业务用。

  三.精细化业务分析

  某些业务是需要精细化管理的,比如互联网电商的运营,为此还提出了“增长黑客”一概念。在建立数据平台和可视化基础上,对已有的销售用户行为、收入数据等进行各种分析,输出日报、周报、月报、各种专题分析报告。以互联网为例,常见的数据分析工作如下:

  1.通过A/B测试进行产品分析优化;

  2.运用漏斗模型进行用户触达分析,如广告从曝光到活跃的转化;

  3.营销推广活动的实时反馈;

  4.业务长期健康度分析,例如从用户流动模型、产品生命周期分析产品成长性和健康度;

  常用的数据分析工具

  免费工具:excel、SPSS、R、Python

  付费应用:SAS、Tableau、大数据BI工具FineBI

  四.战略分析与决策

  战略分析与决策更多的是基于企业经营层面的分析和重大决策改变的分析,这些决策往往需要大量数据和指标的支持,而在过去是依靠报表和经验。

  企业如果要将大数据体系贯彻落实,建议是用机器来做好业务运营监控,在此基础上让人来做人类更擅长的经验分析和战略判断。

  从本质上来说,数据在企业的运营和精细化管理能起到比较好的作用。企业构建大数据体系是艰巨的任务,无论是谁主导,都需要说动高层,提供有力的从上至下的执行。

大数据分析体系由哪些层级构成相关推荐

  1. 从BAT看企业构建大数据体系的六层级

    文章讲的是从BAT看企业构建大数据体系的六层级,本文将企业大数据体系的构建分为六个层级,但并非是线性过程,每个层级之间或有基础关系,但并不是说一定要逐层构建.例如创业型公司,在缺乏数据研发实力的时候, ...

  2. birt报表数据只有一条_企业构建大数据分析体系的4个层级

    关于企业的大数据体系构建,可以分为4个层级,每个层级之间可以是递进的关系,虽然业务主导不同,但构建思路相通. 一.数据基础平台 二.数据报表与可视化 在第一层级中,进行数据指标体系规范,统一定义,统一 ...

  3. 爱奇艺大数据分析平台的演进之路

    首先讲一下爱奇艺大数据平台业务背景,目前日均DAU接近三亿,爱奇艺在业务初期主要关注于长视频,随后发展业务有PPC.UPC,同时还发展了游戏.直播.小说等业务.目前业务线达到20多条,存量的设备信息达 ...

  4. 中国主流的大数据分析厂商

    随着互联网和IT技术的推进,大数据的应用逐渐渗透到各行各业.尤其是数据体量大的互联网.金融.银行.制造行业.大数据正逐渐改变企业的运营模式,市场导向,进而惠及人们的生活. "大数据" ...

  5. 十大最值得关注的国内大数据分析厂商

    随着互联网和IT技术的推进,大数据的应用逐渐渗透到各行各业.尤其是数据体量大的互联网.金融.银行.制造行业.大数据正逐渐改变企业的运营模式,市场导向,进而惠及人们的生活. "大数据" ...

  6. 从OA、ERP到大数据中心,一个完整的数据分析体系原来是这样

    随着工业化和信息化的发展,传统企业公司的规模和体量都在迅速扩张,逐渐接触到运营和管理的天花板,粗放型管理带来了许多问题,精细化运营势在必行. 那么如果提高企业的运营管理效率.实现精细化运营呢?答案就是 ...

  7. 图文详解 DBMS 数据库管理系统三层架构体系(三级模式)《ClickHouse 实战:企业级大数据分析引擎》...

    引文 计算机科学领域的所有问题,都可以通过添加一层中间层来解决.通过在用户和计算机中间添加一层逻辑层(概念模型层),于是就有了"数据库的三级模式":数据库在三个级别 (层次)上进行 ...

  8. 基于Hadoop和Spark体系的大数据分析平台构建

    谢谢分享! 转载:http://www.sohu.com/a/249271561_481409 随着大数据.人工智能等技术的快速发展,企业对大数据平台的需求越来越强烈,通过大数据分析技术为企业提供经营 ...

  9. 七牛大数据平台的演进与大数据分析实践--转

    原文地址:http://www.infoq.com/cn/articles/qiniu-big-data-platform-evolution-and-analysis?utm_source=info ...

最新文章

  1. Python基础语法总结,Python初学者必备
  2. 不焦虑、不内卷能拿图灵奖吗?来自智源研究院的灵魂拷问
  3. VS asp.net 连接64位oracle 11g
  4. 019_with语句
  5. 【WIN10】VisualStateManager使用說明
  6. eclipse中配置c++开发环境 Eclipse + CDT + MinGW
  7. datatable 转list ,list转datatable
  8. dxComponentPrinter记录
  9. python实现基于 Adaboost 框架来构建自定义集成模型【自定义基分类器模型】
  10. 传输线阻抗方程的推导
  11. java+ElementUI前后端分离旅游项目第五天 移动端开发上
  12. Microsoft Network Monitor的select network栏空白
  13. 奔驰A200L升级内饰氛围灯,发光涡轮等,绚丽多彩,温馨又惬意
  14. 哈工大计组大作业-RISC处理器设计
  15. gitHub有什么作用
  16. CentOs解决下载速度慢 更换下载源
  17. 响应式编程项目中总结
  18. magma build system 分析 —— Makefile 篇 02 记
  19. 如何使用 Github 页面建立一个简单的免费网站
  20. N - DAG优化SDUT

热门文章

  1. 最近工作上的两个问题的调查报告
  2. MySQL之Handler_read_*查看索引使用情况
  3. 惠普瘦客户机多屏显示T5740
  4. 程序员面试金典——9.9n皇后问题
  5. logback日志框架的简单使用
  6. 进度条ProgressBar及ProgressDialog
  7. 取消Eclipse的自动代码格式化
  8. php error_log记录日志的使用方法和配置
  9. Java 中的volitle 关键字
  10. vue2+vuex+vue-router 快速入门(三) vue 实例介绍