企业应用大数据的三重境界:数据·分析·成果
近几年大数据变得越发重要,已成为企业发展不可缺少的要素,同时直接影响甚至改变着我们的生活。当前,处理数量庞大、增长迅猛、种类繁多的数据成为众多企业面临的挑战。Teradata天睿公司作为全球领先的分析解决方案与咨询服务供应商,基于客户需求,提供领先、全面、有效的解决方案,帮助企业获取商业洞察力,并且将之转化为行动力,创造商业价值。
数据·分析·成果 发现价值到创造价值
在我国乃至全球,很多企业都非常认可数据的价值,持续在做数据积累方面的建设,开发或购买了很多系统,如ERP、CRM等。但这些企业存在一个普遍的问题,那就是拥有如此庞大的数据,却不知如何利用。基于海量数据,利用分析手段获取少量且有效的数据,作用于业务以产生最大价值,是所有企业希望看到的结果。但这个过程真正做起来,不是易事。
Teradata天睿公司大中华区副总裁、咨询及服务部门总经理唐青(Janet Tang)表示,简单、量少、信息量相对也少的数据中得出的分析结果是有限的,在具备一定规模且流动的数据环境中得到的分析结果才更有价值。流动数据具有多元化和分析效率两个层面,企业想要得到希望的成果,但挡在前面的是超大规模且多元化数据分析和整合的高门槛。
那么创造价值的过程,就要借力Teradata这样的大数据分析的供应商了。唐青表示,针对多种格式的数据进行分析,会涉及到对数据来源和文本数据的识别。了解用户在使用企业产品和服务过程中的路径情况很重要,如某客户开了卡,有无消费,有无购买其他的分期贷款等。
通过对用户行为的路径追踪,可分析出谁和这个用户有关联,哪些因素会影响其购买行为。企业级应用和消费级用户区别在于,企业级的关系图谱非常复杂,数量级也是指数级增长, 如电信公司的某个分公司就可以梳理几亿条关系图谱。面对这种多种形式的分析,初创公司可能很难驾驭。Teradata的愿景就是帮助企业做分析,让企业清楚地知道客户是谁,谁和这个客户有关联,以及捕获这个客户所有信息、活动信息和活动信息所涉及的渠道。
帮助企业打破数据的桎梏,驱动业务增长
愿景是美好的,但要实行还是要面临业务、人才、架构和部署等方面的挑战。唐青表示,从业务角度来看,我们是否懂得企业的业务场景,具体到哪个业务场景需要改进。从人才资源方面看,如何用合理薪资,招到在操作和执行层面都有很好洞察力的人员。从架构层面看,数据源很多,交互时间变得很快,形式很多,所以对架构设计提出了很高的要求。生态圈的架构师,怎样能够把各种复杂场景的架构设计出来。这里包含来自客户的挑战,如企业架构凌乱且孤立,如何从中寻找统一和协同。在部署过程中,考量性能、流动、成本以及扩展性的同时还要考虑整个体系架构如何在混合云中建设。
唐青表示,Teradata现在正在实施五级转型:
提供业务分析解决方案。助力企业达到可以回答其用户问题的能力,从业务视角、数据模型来寻找客户的业务场景。
业务价值框架。对于咨询公司而言,这是一个重要的、指导性的框架。
专业的数据科学家。这些人才对工具掌握的很好,并且有很强的思维能力,能够把分析带到业务应用中去。
生态圈架构师。这些人会比企业咨询架构师的视角更宽阔、洞察力更有深度。
引入混合云。Teradata大数据平台体系架构,可支持混合云,在云端灵活的做适配。
案例解析 从企业视角解读数据分析的价值
唐青分享了银行的案例,从中我们可以更清晰地看到:数据·分析·成果,企业应用大数据的这三重境界。
过去银行只需通过扩大规模就能提升业绩。现在很多银行开始以客户为中心,以客户需求为导向,优化整个营销体系,打通产品渠道。就像Teradata一样,面向行业同时面向客户,所以在每个客户现场都有合作伙伴或者顾问,都有相配比的生态系统。最终,让所有客户的需求变成商机、变成业务诉求、变成架构实现。传统的银行营销方式,大多是从产品视角来拓展,看把产品卖给哪些客户合适,现在我们从客户视角来看,每个客户都有产生额外产值,增加收入的可能。
唐青表示,Teradata为银行建立客户精细化管理框架,分析每一个客户,把客户进行分类。这样可以做的事情很多,如从中识别哪些是重要客户,哪些是流失客户。在流失客户中识别出谁贡献最大,即使和其中一些失去联系,也可以从做了闭环的网点重新建立联系,挽回流失的客户。
通过银行的客户单一视图系统,客户经理能够及时获得银行用户的基本信息、交易信息及其特征标签,清楚地知道哪些是新客户,哪些客户可能会流失,哪些是睡眠客户。假如银行是上千万级,这样做,哪怕只挽回一个点也是十几万。
试想,如果为每个用户都做画像,清楚的知道整个的生命周期的同时,把其所有的渠道都关联在一起,那么CRM系统就形成了闭环。
这样一来,银行就可以了解客户处于哪个生命周期,有针对性地进行服务。对新用户进行品牌宣传,对衰退期的用户分析流失原因,最重要的是可以做更精准的营销。
写在最后:
未来,银行不仅使用内部数据,可能还会引入一些外部数据对客户进行更精细化的评级。Teradata提供行业领先的大数据解决方案,不仅包括结构化数据的处理及分析方法,还提供非结构化数据的分析手段及方法,更精确地描述客户特征甚至客户的族群标签。
数据分析咨询请扫描二维码
数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21