܄ 

企业构建大数据分析体系要经历4个层级

【数据猿导读】 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。

企业构建大数据分析体系要经历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。

下面这张图,是本文的精华概括,接下来将一一展开与大家探讨。

企业_大数据_分析体系_层级-1

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

下图是互联网常见的数据分析思路:

企业_大数据_分析体系_层级-2

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。


来源:CSDN博客

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

新手如何快速全面建立自己的大数据知识体系?
新手如何快速全面建立自己的大数据知识体系?
大数据24小时:可口可乐计划打造无人贩卖机APP,却是醉翁之意不在酒
大数据24小时:可口可乐计划打造无人贩卖机APP,却是醉翁之意...
他山之石,可以攻玉  大数据产业发展的国际经验
他山之石,可以攻玉 大数据产业发展的国际经验

我要评论

精品栏目

[2017/06/27]

大数据24小时

More>

[2017/06/19-23]

大数据周周看

More>

[2017/06/19-23]

大数据投融资

More>

[2017/06/19-23]

大咖周语录

More>

[2017/06/19-23]

大数据周聘汇

More>

[2017/06/28-4]

每周一本书

More>

返回顶部