以亲历实践到解决问题,谈BI和大数据在应用上的进化

浏览: 1922
为了避免老生常谈而没有结论,本文尽量简洁的情况下,做以下层次分布:
1.BI的历史缘由和相关技术形成,以及在企业中逐步形成的定位。
2.BI发展到现在,是否起到了人们期望的程度?
3.缘何大数据和数据挖掘崛起,和BI有些脱钩?
4.大数据仅仅是数据层面更广大了,BI应用的简单延展?
5.抛弃所有概念,吸取所有精华,以业务目标为导向去思考问题吧!
6.总结,以历史、离线为基础的BI,进化为杀入核心系统,不仅做数据支持和分析报告,拥抱实时、在线的大数据应用时代!
大数据时代.png

BI在传统行业地位的形成
在几十年前,现代企业还没BI的时候,就要固定出报表,Perl就是这个环境下创造出来的比C语言更简练的脚本语言,可以更方便来取数并制作企业固定的报表。

但随着企业的发展,只看财务、销售固定报表,已经不能满足企业需要了,因为问题越来越复杂,局势越来越多变,固定报表很难看清业务状况,对决策支持越来越有限,但从几十张常用报表,到开发几百、上千张报表,开发量实在太大。于是产生了OLAP这种技术平台,来快速实现人们对指数级上升的报表需求。而由于报表都是基于历史数据,所以没必要从业务系统直接取数,且过多报表生成要影响业务系统本身,于是数据仓库应运而生。
BI的使命是什么,达到预期了么?
BI,即商业智能,最初的想法是让企业通过数据,客观、有预见性地决策,实现智能的商务运作。

然而实际情况并非那么理想,无论传统行业,还是互联网,都在说拿数据说话,但看数据,说数据,并不意为着你就“智能”了,OLAP分析不能实现智能、数据挖掘分析也难以实现智能,原因就是商业的复杂、多边性。

无论BI还是数据挖掘,经常有些段子是,你发现A区域用户偏爱尺寸短的商品,决策者说,这个我也能感觉出啊,其他数据价值呢?对我有多大帮助呢?商务智能的智能就是发现了一个我可以感觉出来的问题么?
大数据时代2.png

大数据崛起与BI
如果画圈子的话,大数据和BI可能是两个圈子,只有经历过BI、大数据两个环境的人们,才能穿梭其中。你会发现,做大数据的人居然不懂任何数据仓库、OLAP理论和技术;而做BI的人,对于大数据也是十分陌生,惊呼大数据是不是就等同于Hadoop技术?大数据是不是让所有人都能看Report的平台?

你看,大数据与BI不脱节才怪,本是同根生,却是2个貌似不搭嘎的圈子了。
大数据最前瞻的应用说法是实时、在线、数据内容丰富,而不仅仅是4V,如果这样的话,貌似和传统领域的BI关系不太大了?其实不然,BI对历史数据成熟的处理、集成方案,它在需要的时候也可以被在线系统调用,并非所有在线智能都必须在线实时计算才行。完全抛弃BI优秀的东西,重新定义大数据应用,不太妥。
大数据的数据分析是否是BI的简单延续?
很多朋友谈到数据分析,总会想到用做分析报告,对业务和事务定性、发现问题、建议方案。如果这就是应用,无论你是大数据还是小数据,都没脱离传统BI应用的思维方式。

分析报告、决策支持,这个是有价值的,但不是数据的全部,它只是冰山一角。在大数据时代,如果你还是用数据分析做报告用,就好比你拿了把屠龙刀,在做屠夫,屠夫也有价值啊,谁说没价值?
抛弃所有概念以解决业务问题为导向
数据分析,BI平台,就是为做分析报告为目标,这是10多年来累计的思维方式,是企业认同的模式,所以我们后来的从业者,都遵从于这些思维方式去工作。

就如大数据做挖掘应用的人们,他们从一开始从业的时候,就用推荐算法解决推荐问题,或者解决流量优化问题,他们可能知道数据还可以做其他应用,听说有预测、风险预警,只觉得有意思,但为什么有人做这些,这些的价值在哪里,如何产生的?可能不太清楚,也许他们整个团队也不用清楚,听说XX巨头公司在搞,所以他们也要搞。

其实业务方、用户、合作方等已经多次有了诉求,只是看你从旁观者角度去看待(数据分析报告,问题说清楚了,问题解决不了,可别找我啊),还是要站出来解决?

有数据界的朋友就要说,我看别人都是要么做数据分析报告,要么搞点推荐系统,除了这些巨头们正在做的,我们还能做什么?分析报告本来很有价值的,是XX业务部门自己搞不清业务,不会解决问题,能怪我们么?
以历史、离线为基础的BI和数据分析,进化为数据分析杀入核心在线系统
有朋友一定要说,这个真咬口,既然是2个不同的系统,啥叫杀入核心在线系统?

本人经历过的行业多,就以大家熟悉的零售电商行业来说。

案例一:电商分析报告中,最常见的就是用户分析报告,我们的BI、数据分析,对用户分类、聚类,用户画像,进行了很多处理,但是如果和业务问题脱节,就非常自娱自乐了。有人说,我把用户分析好了,让CRM和营销团队去用吧,他们看不懂,我们也没办法了。

其实不然,试想,ERP、CRM出线之前,做这些相关工作的人,知道自己去设计这套系统么?不会,而是别人设计出一套系统后,他们去用,达到了更好的目标。

假设分析报告显示,销售增速放缓是因为老用户交易大幅降低,新用户沉不下来。如果分析结论是老用户其实还常来,就是交易更谨慎了,那说明你得用在线大数据应用了,离线分析再透彻,你总不能一个客户一个客户去维护吧?这里就对离线分析的用户聚类、画像等分析结论,可以在线调用了,例如喜欢到处逛却越来越难下单的群体,检索比价的用户,可针对他们的习惯,针对性地优化检索过程,让他们不要很久还没找到合适的;对于购物车焦虑族,那么购物车增加个什么购物车个性化管家功能,专门针对焦虑族实现个性化服务。

案例二:隐藏在后面的核心系统,例如供应链,它其实与前端销售一脉相承,供应链的在线大数据应用,最小粒度就不是用户的个体,而是商品的个体了。

现在的信息化发达后,用户订单中的商品在什么状态了,在哪里了,信息都有显示,请问在线大数据能发挥什么作用?

在商品管理系统中,主要是人员操作出库、入库、库存、虚拟库存分配等等,通过流程来管理,所有大数据能发挥的空间,都在于“问题”,如果普通流程都能处理好所有问题,那大数据还是去做数据分析报告去吧。

常见的问题有,用户看到有货,等发货的时候告诉用户没货了;发货时间混乱,同一个用户,不同商家发货,有的1天到,有的1周到;仓库和实体门店库存管理交织抢货;还有很多。。。。。

以上问题都不是用传统流程管理方法可以解决的,大数据的数据君们,上!

备注:以上案例并非全部都亲历实践解决过问题,仅做论述论证参考!
特别标注:本文来自去哪儿网机票事业部 数据营销 高级经理@innovate511
天善只能.jpg

1 个评论

楼主问下这个微策略平台能不能回来分析一下它写一篇文章

要回复文章请先登录注册