
大数据如何发挥大价值
大数据时代,CIO的竞争优势从信息技术转变为围绕客户体验、数据分析、流程管理领域,让数据发挥大价值。
全球每秒钟发送2900万封电子邮件,推特上每天发布 5000万条消息;亚马逊每天产生 630万笔订单;Google每天需要处理24PB 的数据……
海量数据的处理,以及如何用数据创造更大的价值,给CIO们提出了更多的挑战。根据Valueresearch研究报告显示,大数据已经跃升为CIO关注度排名第四的技术与应用,并且还在持续提升中。
2013年9月4日,商业价值、ITValue和CommVault公司在北京联合举办了“大数据的大价值”的CIO沙龙。12位来自不同行业的CIO进行了精彩的分享和讨论。
业务需求引导数据分析
在一个家庭里,谁来主导旅游消费?谁来做旅游决策?
中青旅控股有限公司(下称“中青旅”)的IT部门和市场推广部联合成立了一个数据挖掘小组,在总裁助理林军的带领下,以业务需求出发用信息技术做数据挖掘,得出如下信息:在中国家庭里,旅游通常是太太来做决策;国内家庭客户策划旅游中,欧美游所需计划决策时间最长,其次是东南亚旅游,而国内游则是决策时间最短,经常会临时抱佛脚说走就走。于是,中青旅根据数据挖掘分析的结果,进行旅游产品策划和收益管理的调整,更能针对性地满足客户的需求和优化客户的体验,而且优化之后的旅游产品推广效果和盈利情况更佳。
中粮大悦城(下称“大悦城”)CIO张岩也表示,明晰业务需求才能更好地进行数据挖掘。大悦城进驻了数百家知名品牌商户,其内部系统的数据是纷繁复杂的:包括POS数据、客流的数据、商流的数据、会员的数据等等。如果从IT的角度进行分类管理、分析价值,各个业务部门的数据差异巨大,数据分析价值很低。但改由数据创造价值或者以大悦城整体商业价值来进行分析,数据分析更有价值 。
张岩带领数据分析团队,优先从商业的逻辑来考虑,对大悦城历年的销售数据进行系统梳理,建立了符合购物中心行业特色的数据分析体系。体系中包含了品牌商户、消费客群、项目收益3大系统模块,做到了从3大商业经营角度综合分析项目运转情况。得益于这套商业分析系统,朝阳大悦城帮助入驻的500多家商户,根据分析情况调整销售策略,实现了朝阳大悦城销售额年增长率近40%的高增长。
新东方教育科技集团信息管理部总监官冲认为,做数据分析和挖掘的人,一定得是懂业务的人。数据挖掘可以由外部人员来教授方法,但一定由内部人员自己实践。只有自己更了解自己的业务,能判断出哪类数据挖掘对企业有价值。其实,企业能用以分析的数据越全面,分析的结果就越接近于真实。大数据分析需要由业务需求为主导,这样企业能够从这些新的数据中获取新的洞察力,并将其与已知业务的各个细节相融合。
大数据有大价值
爱康国宾健康管理集团每年有200万人次的体检数据,这些数据蕴含着黄金般的价值。这些数据能从遗传、生活习惯、饮食等角度出发,对身体状况跟踪预测,对疾病早期预警,进行全方位的健康干预,进而对客户进行有偿或无偿服务,成为爱康国宾一片新的业务蓝海。
爱康国宾信息技术副总裁冯朝晖介绍,爱康国宾现在已经在为客户提供一些基础的健康管理服务,比如根据体检指标,分析客人的常见慢性病风险,并将慢性病的预防和保健常识通过短信定期推送给客人。未来这项业务还会和医院实现联动。
在张岩的主持下,大悦城搭建商业经营预测、管理体系:以数据挖掘方式,分析大悦城的整体商业变化规律。在数据挖掘中,大悦城并不是关注确切的销售数据,而是寻找发现在商业经营中销售变化的规律。同时,通过大数据技术筛选评估出近百个影响销售规律变化的主观因素,并通过大量的计算与验证,评估出每个影响因素的影响度指标,同时确定该影响因素相关的业务部门。最终,由近百个专项数据分析的结果,建立了全数据的大悦城经营模型(即虚拟大悦城)。从这个模型中,可以预测购物中心的经营状况,为招商、运营、推广各部门的工作提供了良好指导,并且成为管理层经营策略制定的重要依据。
CommVault中国区总经理徐永兴表示,做企业基本要考虑3个关键问题:1.增加收入;2.降低成本;3.控制风险。近30年来,企业将70%以上的资金和注意力都集中在前两项,而控制风险总是容易被忽视。CIO很多时候投入的大量的资金和精力都是在控制风险。其实,如果把数据管理做好,不但能帮CIO节省IT支出,甚至还能挖掘数据的价值,来更好地增加收入和降低成本,让CIO更具价值。
CIO如何从数据处理转型到数据业务?商业价值总经理万宁谈到,在社会信息化环境下,企业IT新趋势:1.CIO竞争优势从信息技术转变为围绕客户体验、数据分析、流程管理领域。2.相比业务流程设计,信息管理技术的重要性会更高。创建企业数字化业务模式,企业需要从技术角度、业务流程、人员角色、上升到企业企战略层面建立数字化企业。3.集中提供的应用和基础架构将会嵌入在业务服务之中,由企业共享的服务组织提供。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-19偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12