那些已经采集来的信息,除常规用途之外,还能起点什么作用
云计算""="" width="" 592""="" height="" 415""="">
一个团队有机会去自主的选择一个项目,通常是一件不错的事儿,如果你有这样的机会,我建议首先考虑做数据集成类型的项目,这在未来的企业中也许就是“明日之星”!
想想我们生活的大自然,最可怕的是什么?我想很多人会联想到荒凉,想到漫无边际的沙漠、茫茫大海上的孤岛。想想我们身处的社会,最可怕的场景是什么?很多人会联想到冷漠,想到人与人之间的尔虞我诈、冷眼相对。尽管我们对此感觉不适,但我们却能接受企业信息环境中存在多个系统,它们彼此孤立,互不来往,就恰恰像极了海上的孤岛,彼此独立的存在,可惜的是:它们原本可以连在一起成为一个乐园。如果说我们无法改变海岛的位置、无力挽回热心丢失的人群关系,我们何不放手试一试让企业信息孤岛消失在下一秒呢?至少这是我们能做的!
可能面对这样一个宽泛的建议,你会感觉到无从下手,让我们从几个简单的例子开始:
1、 如果企业已经有考勤系统,你有没有想过打卡记录除了考勤,还能干什么?
2、 如果企业已经有CRM(客户关系管理系统),你有没有想过客户信息除了便于查询,还能干什么?
3、 如果企业已经有详细的销售记录,你有没有想过这些信息除了备查,还能干什么?
4、 如果企业已经有库存管理(包含出库和入库),你有没有想过这些信息除了管理仓库,还能干什么?
5、 如果企业已经有了xxxx,还能干什么?
这些问题简单而直接,就是在提醒你,那些已经采集来的信息,除了他们原本的常规用途之外,还能起点什么作用?就拿考勤的例子来说,有时我们甚至是开玩笑的说:如果考勤记录开放,那就能知道一个人有没有来上班?第一反应可能是这个太无聊了!但是根据我多年的经验:越是无聊的东西,可能越有价值,这是个信息泛滥的时代,有的企业连用户手机上的gps定位信息都给收刮了去,一开始肯定是无聊的很,但实践证明gps定位信息引爆了移动互联网,因为互联网只能知道你有没有上网,移动互联还能知道你在哪里上网,这尤其重要。
好了,让我们回到考勤的问题。一个人有没有来上班被打卡时间点确定了!那么我们可以把它做成标准的web服务,等待其他的应用在需要时调取。什么应用会使用这样一个服务呢?试想一下,某个流程软件,需要流转一项及时性非常高的任务,有甲乙丙等等的几个人可以流转,请注意,这时某人是否已经来上班就非常的重要了,不知你看明白没有?
再说一个,比如客户信息。如果企业有呼叫中心,那么客户信息的web服务就会被呼叫中心的来电识别所亲睐!而呼叫中心的信息反馈也可以直达CRM。
比如销售记录。如果企业有运筹部门,他们可能就可以利用销售记录的web服务参考着制定产能计划。销售信息还能够直接反应不同类型的产品谁更畅销,帮助企业决策系统和决策者制定战略方向!
比如库存信息。如果企业在乎风险的话,那么企业的库存是要建立风险模型的,要防止大量的积压。库存信息对于物流的意义同样重大,你甚至可以参考出入库信息,综合的安排物流车辆,一车装的更多,你就省的更多!库存信息甚至可以提供给在线交易平台,你的客户可以看到你的商品什么时间发货,就像快递信息一样给你的客户一份透明的物流“账单”!
还有很多很多。说到这里,我们不难发现,这些道理相当的简单,也相当的容易操作,最可贵的是,它们相当的没有失败成本!怎么理解失败成本呢?比如你的及时性任务调用了某人是否上班的服务,由于某些原因,后来不想调用了,那么撤掉就是了!你会惊奇的发现:好像没什么大事,好像没损失什么,哪天他们又想调用了,来就是了,你会惊奇的发现:好像没什么大事,好像没增加什么负担!千万不要以为这个很正常,是数据的包容性决定了这一点,也就是“环境+数据=结论”是基本模式,它们能自由的退化为“环境=结论”,也可以升级为“环境+数据+数据2=结论”!就像多多益善,但是咸菜萝卜干也能对付着过日子!这是数据的世界最美妙的东西,谁做谁知道!
故事本该结束了,但是依照惯例,我点一点数据的思想!有人可能会问:既然这么有用,那么考勤系统集成这个功能、crm集成这个功能。。。它们各自集成功能不就行了么?用不着你插这一手啊!让我们把思想的束缚拿掉,自由的飞一会儿。然后你回答我这个问题:请问如果我集成了这些功能,它们在我这里的使用记录,是什么?
哈哈!是数据!于是,你发现:宇宙之外是宇宙!手法越高明,部署越密集,眼界就会越高远,我们站在数据之上,走过的脚印也是数据本身,你能明白我想说什么?
数据分析咨询请扫描二维码
《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