
BI和数据分析需要准确的数据
TJX公司在这个经济快速下滑的大背景下公布了这个季度的稳健收益,表明公司正在蓬勃发展。TJX公司拥有T.J. Maxx and Marshalls折扣连锁店。在2011年销售总额是232亿元,同比去年有6%的涨幅。但是谈到商业智能(BI)和数据分析的时候,作为信息架构和商业智能部门副总裁的Jon Geggatt表示这家零售商还有很长的路要走。
Jon在最近召开的波士顿信息管理界大会对在场的所有CIO们表示“TJX在BI领域不够成熟”。事实上,这家零售商长久以来对企业BI和数据分析的项目不感兴趣,2010年起任职于这家公司的Geggatt在LinkedIn上称自己“被同事们戏称Rodney Dangerfield似的分析”。
当然这一切都很具挑战。Geggatt的架构小组正在引领公司走向BI和数据分析。可以确信,这意味着他们通过持续给业务部门灌输关于主数据管理和BI治理的概念,更重要的将正确的信息推送给那些能产生经济效益的人等方式在努力实现目标。他说“我们专注在提供给我们的客户有哪些来自供应商的好产品在等待着你同时宣传当今市场的主流趋势”。商业智能正在通过类似IPAD和IPHONE等广为接受的方式来部署,这种移动应用就像传统意义上在销售中已经被最顽固的买家接受并用于记录的绿色条纹纸。
听过了参加SIM大会演讲者Geggat的演讲之后我们会得以讹结论,像政治一样,BI和数据分析也是见仁见智,至少要适应公司自身需要。Thomas Davenport任职于马萨诸塞州Wellesley市的Badson大学的管理和计算机技术学院,他是总统授勋的卓越教授。他表示小组的论述表达了BI和数据分析是如何反映一个公司的文化,虽然这早已是20年以来不变的规律。
BI和数据分析需要准确的数据
在TJX不紧不慢按部就班的投入BI的同时,总部位于波士顿已经拥有十年历史的家居电商Wayfair LLC已经将BI和数据分析植入了公司的DNA中。该公司的市场和商业分析副总裁Ed Macri说“我们早在公共关系或是品牌团队建立之前就已经拥有BI和数据分析”。公司花了一年的时间对点击流数据进行清理确保数据的准确。Ed说“我们不需要变更管理。我们不需要说服别人去做这些事。我们最大的挑战是庞大的数据量,他增长的速度远高于利润 ”。
媒体大亨“Mort"Zuckerman于1970年成立的Boston
Properties公司在1997年上市之时就将数据管理纳入企业的一个信条。Jim
Whalen作为这家总部位于Boston的房地产投资信托基金公司的CIO说:“在公司上市之初,我们就已经完成很多关于数据标准的工作”。该基金信托公司拥有美国最大规模的A级办公场所的开发权和拥有权。
在过去的两年半里,Boston Properties公司一直在专注于将BI和数据分析应用在财务上,并搭建模型模拟20年后的场景。Whalen说:“这对我们来说是一个分水岭”。那时,公司已经开始对我们每一座大厦的前台服务进行测量和比较分析。他说:“例如,位于纽约的通用汽车大厦一年有18000名访客”。(这个数字是反映经济的一个不错的指标)与Wayfair相同的是,Boston
Properties很快会引入大量数据,正如他们开始收集和分析安装在楼宇系统内的上千个数据收集点来优化能源管理和其他服务。但这只是项目的初始阶段。他补充,BI会作为公司的一项持续改进过程。
在场所有的CIO们纷纷表示BI和数据分析项目的目标和如何被更好应用(以及是否由IT控制)等问题都毫无疑问取决于公司的文化。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26