京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据分析需求转型与商业模式重构
现如今各行各业对于数据分析的理解都已经发生了改变,这也使得技术层面和业务层面都出现了一定挑战,大家都希望更好的利用数据,将数据进行变现,因为数据带来的市场机遇是巨大的。
这是我第二次见Teradata天睿公司营销与业务拓展副总裁Mikael Bisgaard-Bohr,他一上来就迫不及待地和我分享了最近发生在他女儿身上的一件趣事。作为社交达人的女儿活跃在各大社交网站,有一天她看到Facebook的财报,不禁产生疑问,为什么提供免费服务还可以赚钱?
Mikael为女儿解释了Facebook是如何利用用户数据赚钱,女儿马上意识到未来在社交网站上上传数据需要更谨慎。这正是消费者越来越意识到数据的价值,这对于企业利用数据将是一个挑战。
Teradata天睿公司营销与业务拓展副总裁Mikael Bisgaard-Bohr
当然数据也可以帮助企业从新定义商业模式,在Teradata Universe峰会德国站,Mikael遇到的一个德国客户谈到,十年以后各个企业的CEO不能再找借口说我不知道这件事情发生了,因为数据可以将现实重现。
市场转型带来的技术与业务突破
在2013年,Teradata将市场分为美洲和国际两大部分,Mikael 负责市场营销及国际市场营销和业务拓展。在他看来虽然在三四年之前美国市场有一定的疲软,但2015年国际业务的各个市场都表现良好,尤其是中国市场增长明显。
Teradata去年财报出现了降幅,这也反映出传统数据仓库市场需求出现变化,数据分析相关需求却正在逐渐增加。Teradata同时也收购了多家公司来扩充技术实力,结合开源技术来提供更多更强大的数据分析服务,来应对市场的转型。
Mikael强调说,他们看重长期的发展,Teradata最重要的行业是金融、电信、零售三个行业,其中电信行业在过去一段时间基本已经达到饱和,但零售业由于中国地理分布的原因,在中国还有很多可以拓展的地方。
在三大行业之外,Teradata同样也在做一些新的拓展,尤其是新的增长领域,这其中很多是B2C的企业,因为他们会产生大量丰富的数据。另外,“中国制造2025”战略强调制造业的数字化转型,之前制造业客户更多是在营销和财务系统上进行投资,而现在核心生产系统的数据分析需求正是Teradata拓展的新领域。
在技术上Teradata也在改变策略,强调包容不同技术的分析生态系统,来帮助客户解决问题。同时,在技术上也会坚持创新,实现业务模式的不断突破。
数据将重新定义企业
现如今各行各业对于数据分析的理解都已经发生了改变,这也使得技术层面和业务层面都出现了一定挑战,大家都希望更好的利用数据,将数据进行变现,因为数据带来的市场机遇是巨大的。
以银行为例,五年前他们做的还是关系型数据库或者列式数据库,当数据不断的累积后,他们在想利用这些数据能解决什么业务问题?银行客户们总结了200多个可以用数据解决的新业务问题,这其中涉及了移动数据、网络数据、甚至各种各样交互产生的数据,并且查阅这些数据进行分析的人也在发生变化。
数据在电信行业也有三个趋势,第一,全渠道地整合线上线下信息,在销售前对客户有一个全面的了解;第二,根据客户相关数据来制定促销价格,因为定价将直接影响他们的损益;第三,通过数据了解供应链,客户在什么时间什么地点需要什么货品,帮助零售商控制成本。
有一个制造业客户曾向Mikael抱怨,流水线组装工人投诉没有时间上卫生间,但管理层却说不存在这个问题。最后他们通过给每个流水线上的工人配发一个智能穿戴设备(Fitbit)来收集工人信息解决投诉问题。
通过这些数据,他们还能发现流水线上工人的整个工作流程设计是否合理。例如,他们发现重型工业组装操作需要单手举起非常重的部件,然后又要弯下腰拿工具进行操作,所以这里就需要进行工作流程再造,而这都说明数据能更快速地帮助他们解决了多种问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26