实现挖掘大数据价值的三大因素_数据分析师
很多公司都在探索如何挖掘大数据的价值,但有一类公司不得不擅长做这项工作,那就是:数据分析提供商。这些公司的商业模式决定了其必须能够有效、持续地提供客户愿意买单的数据产品和服务。
下面将分享一家伟大的数据分析提供商- ComScore,如何通过3个关键因素(一个便捷、可扩展的平台,一支深悟数据分析的员工团队,以及对客户的深刻理解)来实现对大数据价值的挖掘。
1个便捷、可扩展的数据平台
ComScore提供服务的基础是14个PB的多种来源在线数据,这些数据实时地从全球范围收集,这就是公司现在称之为大数据的东西。
数据的来源有4个主要渠道。第一个来源是样本库数据,来自200万个互联网用户,美国境内和境外用户各有100万人。样本库成员允许ComScore秘密地采集用户行为和人口特征。人口调查数据是第二个来源,从获准安放在大约90%的美国数字媒体机构百强公司里面的传感器获得数据。第三个数据来源是采用专属调查的方式,从样本库成员获得的认知数据。第四个来源是从战略合作伙伴获得的数据。比如,ComScore采用会员卡店内购买数据,来帮助客户将在线广告活动与线下商店购买行为紧密结合在一起。
在上世纪90年代后期,可管理ComScore数据工厂的主流商业技术解决方案还没有出现。ComScore就开发了一个高效、获专利保护的技术平台来存储和管理大数据。
到2013年,技术团队已经将平台从一个专有的解决方案进化为一种面向服务的架构,支持在MapR的Hadoop和Pivotal Greenplum数据库上运行的3个关键系统,每个系统都有独立的工作任务和扩展需求。ComScore需要不间断地呆在平台的顶端,在过去的12个月里,数据量大约增长了80%。
一支深悟数据分析的员工团队
ComScore依赖它出众的员工来掌握大数据的艺术和科学。它已经成长为一支1200人的全球团队,每个人都拥有不同水平的"数据科学家"能力。为了跟上公司成长步伐而选择和开发这些员工,公司领导实施了许多人才管理战略。
其中一项战略是:首先从大学的商学院和数学专业招聘分析人才,并给她(他)们提供更多的分析培训。ComScore有一个正在进行的公司内部范围培训项目-ComS core大学,大部分员工都参加。
另一项实践是旨在培养一支领域广泛、深悟数据分析的工作团队,根据员工的不同技能水平在整个公司成立不同的小组,但与此同时,员工必须具备足以确保这些小组能顺利沟通的基本技能。而这些需要沟通的团队通常都在同一个地方办公。
公司领导层还利用矩阵式组织架构,将具备不同技能组合的人才结合在一起。比如,ComScore同时运行了好几个并列的团队,每支团队都有一个商业产品经理来理解产品的开发路线图,以及分析师们来监控数据质量和分析方法论。这种方式被认为对产品开发流程尤为重要。
对客户的深刻理解获得行动的洞察力
ComScore每天发布大约15万份在线报告。其中的挑战在于如何传播优秀的报告,让客户不仅能获取洞察力,而且还能将这种洞察力与工作任务紧密结合。当客户将所获得的洞察力付诸行动时,比如改变一次广告活动的策略或定位一个新的细分客户群,她们可以从ComScore的产品和服务中取得价值。但是作为一个数据分析提供商,ComScore对于客户使用数据的方式缺乏控制力。
ComScore能够控制的是它自己对客户需求的理解。该公司致力于在专业知识领域深度挖掘,并理解其客户想要解决的难题。具备了这些知识之后,ComScore就使大数据变得"可消费",并且可以积极主动地帮助客户识别哪些是可付诸行动的洞察力。不得不承认,数据可以在短时间内压倒一切,激励客户聚焦于解决一些关键问题,然后反复适用。
ComScore给它的客户提供拥有图形界面、整合可视化和图表呈现的软件工具;通过向导和模板报告的大量使用来支持客户的自助服务;当需要即时决策时,通过控制面板提供数据的实时访问;以及创建知识门户来支持知识的分享。更进一步,公司还专门成立了一个组织单位,来为其产品和服务的可消费性提供支持。
(图为,ComScore的典型客户)
一切都归于数据
在大数据的空间领域,必须不断地适应才能跟上其迅猛发展。
多年以前,ComScore还仅仅期望测量挂有客户广告的网页的访问者数量;今天,它则必须报告这个广告是否被真正看过。在早期,公司客户对非美国数据还没有多大兴趣;全球化的发展催生了对ComScore覆盖全球数据的市场需求。
此外,ComScore还需要对技术相关的变化保持跟进。比如,客户可能会需要分析类似来自视频和智能手机的数据流这样的突发性数据类型。另一个重要的变化例子是,使用大量不同设备访问在线内容的用户数在持续增长。这样,公司客户就需要能识别跨多个设备的独立用户。
ComScore的平台、人才和深刻客户理解赋予公司足够的能量,来应对大数据产业环境的风云变幻。其便捷、可扩展的数据平台使得ComScore能够适应数据量的迅速增长,并获取新的数据类型。交叉组合的团队和技能,与拥有深厚分析技能的工作团队相结合,使它能够顺畅地适应需求的变化。对客户使用分析工具的良好培训,允许公司能够预期未来发展趋势,并据此调整其产品和服务。CISR(MIT信息系统研究中心)相信,对借助大数据发展自己感兴趣的公司可以考虑采用ComScore的方法,以获取良好的服务。
数据分析咨询请扫描二维码
《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数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21