数据化运营如何驱动智慧企业?

　当DataTechnology时代，很多企业已经开启了“淘金”大数据之旅，以数据化运营驱动企业智慧决策。不过，海量大数据正成为很多企业高层“幸福”的烦恼：运营得好就能在大数据中淘金，运营不好就成为企业的累赘。尤其是，企业IT部门还要面对瞬息万变的业务需求，面对TB甚至PD级的海量大数据分析，常常感到束手无策。

　　7月25日下午，数据可视化分析公司永洪BI在上海组织了一场主题为《如何以数据化运营驱动智慧型企业》的沙龙，这次沙龙特邀了3位拥有多年数据分析和商业智能背景的专家，为您解读如何以数据化运营驱动一个智慧型企业的诞生。下文是这3位专家演讲的精华摘要。

　　永洪BI VP王桐：凭什么敏捷BI能帮你实现数据化运营？

　　权威国际咨询机构Gartner今年最新的BI魔力象限报告分享了数据领域的技术趋势。总结来讲就是敏捷型的BI或者探索式的数据分析已成为大势所趋。

　　BI正在发生基础性的变革。现在越来越多的业务用户，想要进行探索式的分析。过去我们做BI系统主要的目的都是去做一些非常高度汇总的数据的报表，然后给到高层的管理者进行服务，但是很多业务的一线人员其实希望通过深度分析获取他自己的数据洞察力，但是另外一个现状是他们很少有IT背景。

　　从2013年开始，这种以IT为中心和主导的数据分析的平台正在越来越多的被以业务用户驱动的和交互式分析。同时不只是在国外，在国内也有越来越多的企业希望通过业务主导型的，高性能的并且具备大数据分析能力的敏捷的BI平台去指导自己的业务发展。

　　从Forester的统计来看，迄今为止打造传统BI的企业，最后发现有83%的用户逐渐的因为使用的门槛太高，操作太复杂，而且只有管理人员在看，一线人员不能享受它的价值，最后逐渐的发现这项投资逐渐的被浪费掉，大家回归到些原始方式去进行数据分析。

　　TDWI的数据显示发现，通过利用敏捷型的探索式的BI工具，有超过一半的用户可以真正的能够从大数据当中找到他们想要的答案。不是利用探索式的灵活可视化的分析工具，只有20%的用户，甚至不到才能做到这一点。

　　艾瑞咨询数据挖掘副总裁肖嘉敏： “活”做数据收集，“活”看数据指标

　　数据分析方法理论体系分为以下几种，分类(Classification)，估值(Estimation)，预测(Prediction)，聚类(Clustering)，相关性分组或关联规则(Affinity grouping or association rules)， 数据描述和可视化(Data Description and Visualization)，复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等) 。

　　常见的数据分析方法和模型则包括方差分析，回归分析，判别分析等;分类预测(Classification and Prediction);SVM, RF, DT;结构方程(SEM);满意度分析，semPLS, sem;机器学习(machine learning);聚类分析(Clustering);K-means, hierarchical clustering;数据描述和可视化。

　　有了这些方法和算法，数据分析师应该怎么开展工作？第一步，根据运营需要，想得清是否确实需要使用数据分析支持决策;第二步，明确问题后，提得全需要的数据;第三步，能够通过现有各种流程、产品，拿得到靠谱的数据;第四步，拿到数据后，能通过数据分析的方法，发现趋势、规律、问题;第五步在发现问题后，能透过现象看到本质，查找出问题背后的原因;第六步，得出数据分析的结果时，能客观地对待，真正支持决策。

　　你不应该忽视这些最常用的分析：趋势分析——查看一段时间某一数据的变化趋势，得出某一个业务上升、下降、平稳、波动等趋势信息;对比分析——看趋势、找规律;自己和别人比，找差异、问题。;细分分析——无细分，毋宁死。按属性值、新老会员、各个运营节点都可以拆分去做深入分析。

　　很多人在数据收集这一块忽视了外部数据，事实上外部数据可以大大增加分析精确度。比如亚马逊收集用户的IP地址，从IP地址破译出用户所处位置的附近是否有书店 。工作人员从收集到的数据中了解到，一个人是否选择在网上买书，很重要的原因是他的附近有没有书店。

　　进入数据处理环节以后，预处理很重要，因为没有高质量的数据，就没有高质量的分析结果，原始数据很可能不完整，比如缺少属性值，活在存在噪声，包含错误活在孤立点，又或者在编码或命名上不准确，这些都需要经过处理。数据处理的几个任务至少包括数据清理、数据变换、数据集成、数据规约和数据离散化。

　　时尚行业资深数据分析师周剑：时尚行业如何构建BI系统？

　　时尚行业十分有必要上BI系统。一来统计类应用不适合拿去分析业务系统;这类应用查询速度慢，处理不好跨年度、跨帐套、跨系统的统计需求，分析类图形及控件功能不强，上一套BI可以提高工作效率，也能提高数据的及时性、准确性、一致性这三大价值，同时还存在一些高级功能，比如定制化、模型化的，如智能配补货;帮助引入新的管理理念，如精细化管理、精准化营销、平衡计分卡，全面预算管理，推动运营模式的转变，如转型快时尚。

　　在上BI应用时，服装行业有几个可以遵循的原则：借鉴行业应用模板，快速导入部署;按需选择适合的建设方式，按主题、以KPI驱动，按角色、按场景;注重持续建设，不断完善与扩展;利用成熟功能组件，提升系统应用。

　　分析体系可以按照许多的思路来构建。譬如按主体进行主题的划分，按分析方法如对比、趋势、结构来进行应用的组织。另外也可以按照角色、按照场景来打造针对性极强的应用。譬如，针对店长的终端全面管理辅助应用，辅助督导确保业绩达成的相关数据支撑与分析应用，或是营销周例会，商品周例会这样的业务会议场景数据和分析包，等等等等，都可以很好的融入至企业的分析应用框架体系中。

　　第二类的应用，即是围绕企业的核心管控点，组织数据，构建应用。以凸显问题，辅助定位问题原因，以其采取合适的决策来解决问题为主线。应用包含了一定程度的分析流的思想，通常结合管理驾驶舱，或称看板应用等方式，以一些核心的管控KPI为入口。譬如，商品运营管理，可以商品的售罄率为核心KPI，辅以订单执行、毛利率等指标，做好当季的商品运作的事中监控工作。而营销线，则可以业绩的达成或是毛利的达成作为核心管控，也可以关注扩张速度与单店运营能力，代理批发业务还可加入订单执行情况跟进。另外，基于财务数据这一部分企业运营的最为关键的结果指标，也可以构建企业整体的看板。