而当大数据从企业内部运营的动力,变成平台企业的产品和服务时,平台企业也在经历着一个从大数据运营到运营大数据的阶段。数据从运营的支持工具,变成了生产资料。此前平台们的关注点,更多的是如何用好现有的大数据。而未来,它们的关注点则更多是如何将大数据这个生产资料管理好、经营好,如何更好地为平台上的企业服务。这就涉及到收集的数据质量怎样?格式标准是否统一?数据作为一种原材料,其精细化程度如何?是否符合平台上企业应用的具体场景?是平台上企业拿来就能用的,还是还需要平台上的企业再加工?
为解决这些问题,各个平台在积极地努力。比如阿里巴巴建立了数据委员会,在统一数据格式标准、从源头上保证数据的质量,采集和加工出精细化的数据,确保其能符合平台企业的应用场景等方面,不遗余力地尝试。尤其在大数据精细化方面,阿里巴巴更是作为其大数据战略的重点。这方面,腾讯目前也在加快步伐。比如新版腾讯网出现了“一键登录”的提示,用户可以在上面通过一些细分标签,订阅自己关注的内容。实际上,这也是腾讯收集更精细化的用户兴趣数据的一个有效手段。
大数据实战手册
将大数据应用于内部运营中时,企业会遇到一些常见问题
1企业如何获取与分析数据?
互联网是大数据的一个主要来源,一些线下的传统企业很难获得。但它们可以:
a 和拥有或能抓龋量数据的平台、企业以及政府机构合作。比如淘宝上的电商就购买淘宝收集的海量数据中与自身运营相关的部分,用于自身业务。再如卡夫通过与IBM合作,在博客、论坛和讨论版的内容中抓取了47.9万条关于自己产品的讨论信息,通过大数据分析出消费者对卡夫食品的喜爱程度和消费方式。
b 建立自己在互联网上的平台,比如朝阳大悦城利用自己的微信、微博等平台收集消费者评论数据。
c 许多传统企业没有分析海量数据的能力,此时它们可以和大数据分析和挖掘公司合作,目前市场上已经有天睿公司、IBM、百分点、华胜天成等一批提供大数据分析和挖掘服务的公司,它们是传统企业进行大数据分析可以借助的力量。
2 如何避免大数据应用时的部门分割?
对于许多企业,其信息流被各部门彼此分割,数据难以互通,对于这种情况下,大数据的共享和汇集就只是一个泡影,更难以实现大数据的深度应用。
要打通部门之间信息分割的局面,首先要建立统一的、集中的数据系统。就像立白信息与知识总监王永红所说的,“要真正用好大数据,企业要采用大集中的信息系统。”从更深入的角度来谈,企业信息流的部门分割,更在于企业部门之间的分割,比如有一些企业的营销按照渠道分割,导致对于顾客的大数据收集和分析效果大打折扣。
IBM智慧商务技术总监杨旭青认为,“很多时候由于组织结构问题,大数据分析有效性大大降低了。”这就需要组织与流程层面的重新设计,在这方面,阿里巴巴的部门负责人轮岗制度,对于打破部门壁垒无疑是一剂好药。而一些企业为了打破部门分割,建立了矩阵型的组织结构,强化部门间的横向合作,这些无疑为大数据的汇集、共享与应用创造了良好条件。
3 如何让业务人员重视大数据的应用?
解决这个问题,一方面在于一把手对整个企业数据文化的倡导,比如1号店董事长于刚就要求业务人员无论在开会,还是汇报工作时,都以数据说话,而马云更是将大数据提升到了战略高度。
另一方面,也在于数据部门的带动,阿里巴巴数据委员会负责人车品觉分享了经验,“因为运营部门的业务人员很难看到大数据的潜力,可以首先从一些对业务见效快,见效显著的数据项目出发,通过一两个项目的成功,调动对方的积极性,然后再逐步一个个地引导。”
4 为何大数据工作与运营需求脱节?
这往往是由于数据人员与业务人员视角、专业知识不同而导致的。大数据人员做了很多努力,但是业务人员却认为这些努力无关痛痒。如何解决这个问题?
有的企业从组织设计上发力,将大数据纳入业务分析部门的管理之下,用业务统驭数据。对于朝阳大悦城,由主要负责战略和经营分析的部门来管理大数据工作,其中的大数据分析人员则作为支持人员。在负责人张岩看来,大数据要靠商业法则指导,关键是找到业务需求的点,然后由数据分析和挖掘人员实现。在具体操作中,大悦城对微信的数据挖掘,挖掘什么样的关键词,由业务分析人员确定,而具体挖掘则由数据部门做;有的企业从流程设计上着手,推动业务部门与数据部门人员之间的沟通,建立数据人员工作与效果挂钩的考核机制。
例如阿里巴巴根据数据挖掘的成效(比如带来的商品转化率的提升)来考核数据挖掘师,考核数据分析师则看其分析结果能否出现在经营负责人的报告中。从数据部门自身角度则需要降低运营部门使用数据的障碍和门槛,比如立白集团的数据人员会努力尝试向运营部门提供更易懂、更生动的图形化数据分析界面,在立白老板办公室上,就有一份“客户运营健康体检表”,让老板对全国经销商的当月销售情况一目了然。再如阿里巴巴开发的无线Bi,让经营人员在手机上也可以看到大数据分析结果,拿车品觉的话说,“以数据之氧气包围经营人员。”
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