Friday BI Fly | 2016年10月21日晚8点半微信直播交流在实践中挖掘数据的价值第36场 图文版记录

浏览: 1384

公告:

周五BI飞起来,每周一个主题,一场跟数据有关的行业、工具、技术的交流盛宴,锁定在每周五晚20:30,不见不散!

未来几期的微信直播活动分享主题将包括在大数据、大变革、大成长游戏行业数据仓库储存模型
具体日期安排请关注天善智能问答社区活动版块
https://www.hellobi.com/events

本期分享内容

1大数据及其分析方法

2大数据的主要应用场景

3企业经营分析涉及的领域存在的问题

4目前经营分析领域存在的问题


本期嘉宾介绍

朱东
北京殷塞信息技术有限公司 首席架构师、总经理
多年主持大型集团化企业信息化建设的经验。多年不同行业商业智能与管理最佳实践探索及大数据探索经验。“有思想的BI”提出者,出版企业信息化专著《信息化条件下的企业经营与管理》。


主持人:

大家好,我是微信直播活动的主持人咖啡,每周一个主题,一场跟数据有关的行业、工具、技术的交流盛宴。我们的口号是“Friday BI Fly 周五BI飞起来”。

下面我们就正式开始今天的活动了,关于我们的微信直播活动,新来的朋友可能还有各种疑问,下面我就针对常见问题给大家做个解答。

在实践中挖掘数据的价值

q.png

1、大数据及其分析方法            

大家好,我是朱东,是殷塞公司的总经理,也是甲骨文大数据及商业智能事业部重要的合作伙伴。

目前,大家对大数据的表述很多,但从本质上讲,大数据无外乎分为两类:稀疏数据和密集数据。稀疏数据的特点是类型复杂、处理难度大、价值密度低。对其主要的任务就是通过数据提炼发现其中的价值,而主要手段就是算法。早期从互联网领域发端出来的“大数据”概念指的也主要是这部分数据。现在大数据的概念泛化了,既包括稀疏数据也包括密集数据。密集数据主要指数据比较规范,价值密度高,这类数据通常是结构化的。对这类数据是传统BI面对的,主要处理方法是建模以便于对实际的业务和管理带来帮助,比如帮助发现问题、了解状态、分析原因以实现绩效改善。稀疏数据经过提炼、价值密度提升后可以转为密集数据,进而用BI的方法进一步处理。

w.png

2、大数据的主要应用场景

从目前实际的情况看,大数据的应用主要集中在三个领域:与互联网有关的领域、机构(具有社会公共服务性质的组织,如交通、医疗、公安、海关等)应用的领域、企业相关领域。互联网领域应用更偏重一些稀疏数据,机构应用稀疏、密集数据兼有,企业应用更偏重一些密集数据。图中所列的是企业进行大数据应用时常见的一些领域,这些领域我们基本上都有所涉足。

e.png

3、企业经营分析涉及的领域

完整的看,企业大数据应用和分析究竟都包括哪些领域呢?回答这个问题首先要研究企业经营都涉及了哪些因素,因为企业经营涉及的因素决定了经营者需要关注和分析的领域,这也就是大数据应该关心的领域。

企业是在社会环境和行业环境中,依靠自身资源(人、资金、设备工具、技术、知识资产等)和社会资源(供应商、合作者等社会资源网络),通过有序运作,为客户和利益相关者产生价值的一个组织。下图所示的企业经营环境要素模型从宏观上揭示了企业的经营者需要关心的所有外部经营环境要素。

之后的企业经营分析体系模型则揭示了企业内部经营所需要关注的所有要素。综合企业内部经营要素和外部经营环境要素则可以完整地理清所有企业大数据分析可能应用的领域,从而为进一步的深入研究找到方向。

r.png

t.png

4、目前经营分析领域存在的问题

经验的来看,从原理层面,目前关注的重点集中在“器”和“术”,对“道”(通过分析来取得企业经营收益的方法与途径)则关注不多。即大家目前关注比较多的还是找案例、上系统、上项目,研究系统都有些什么功能。但如何去运用系统,通过什么样的具体机制能够给企业经营和管理带来哪些实实在在的收益,这方面研究的少、关注的也少。很多情况下看到的都是一些新概念、新术语,看不到这些概念和术语给企业的经营和管理带来收益的具体机制。

y.png

从方法层面看,目前对数据可视化关注较多,对数据能够给管理者带来的洞察能力关注较少。而从业务价值和管理价值的角度看,可视化仅是业务洞察的初级阶段。一般地说,最简单的可视化就是监控器墙,延伸了人的眼睛,这称之为现场可视化。进一步,通过数据化抽象,图形化、表格化展示,可以将可视化提升为数字化的状态的展示,称之为业务可视化。而在此之上的业务洞察则进一步要求对业务过程从管理的角度提炼出管理要素,进而揭示出这些管理要素之间的关系,以及这些要素当前的状态,从中管理者可以较为容易地发现当前的状态、存在的问题、导致问题的原因,进而方便地制定对策。而这种洞察才是数据对管理者带来真正价值的根源所在。很多人热衷的可视化看起来很炫,实则用处不大。

u.png

i.png

o.png

5、解决问题的办法

经过和甲骨文的专家、顾问紧密合作,我们找到一套新而有效地解决问题办法。

首先,分析的目的是为了有助于提升管理水平和决策能力,因此要想做出来好的分析工具、达到好的分析效果,就必须首先弄清管理分析的原理。即欲洞察企业,必须先研究管理。

只有完整系统地认识企业的运行方式和管理逻辑,以此为基础才有可能构建合理的分析系统。以下是我们研究企业和企业管理的过程:先研究单独企业的架构,之后梳理企业内部所有的业务活动和管理活动、相互间关系及其内容,进而总结各项活动的最佳实践以理清单独企业进行最佳管理的方法。在此基础上,研究集团企业的架构、集团企业的类型与最佳管控模式。最后以上述研究结果为基础,构建有管理思想支撑的BI系统,即“有思想的BI”。

a.png

其次,需要梳理企业IT系统和内外部数据源状况,根据管理和业务逻辑,结合企业发展规划,形成数据规划,系统地指导数据治理和分析应用。

为此,我们探索建立了国内领先的企业综合数据规划方法论,以应对大数据时代的挑战。按此方法论对企业进行数据规划,可以解决决策支持与数据分析领域的三大疑难问题:系统孤岛、数据治理与系统建设和应用脱节、数据分析应用与企业管理需求脱节。

s.png

第三,基于管理逻辑与数据分析最佳实践,总结形成可复制的数据分析模块。

我们经过研究和实践总结形成了了一系列分析模块(如下图),这一系列数据分析模块覆盖了企业中几乎所有的管理领域。在构建每一个模块的时候,都要去寻找那个模块所在的管理领域中公认的先进管理方法,以此管理方法为指导,结合分析工具和实践经验提炼成分析主题、指标、分析视图,进而形成可重用的数据分析模块。按照这样不断研究、实践、积累形成的模块,沉淀了很多系统化的管理分析方法,这在实践中常常会对实际用户产生启发和借鉴的作用,对加快项目实施的进程也会有所帮助。

d.png

第四,建立完整的分析系统架构、收集完整口径的数据——全数据。因为完整的业务洞察需要“全数据”+“全口径”的分析,解释如下:

全数据 = (IT系统内+ IT系统外) & (结构化+非结构化)

全口径 = 预置固定分析模式的BI + Hadoop 模式下的快速数据挖掘与探索

完整的、全口径的分析系统架构方案示例如下。

f.png

第五,研究通过数据分析来发现运营问题、提升管理绩效的方法。

为此,我们总结提炼形成了完整覆盖分析问题原因、确定“肇事来源”、行动改善绩效的分析方法,并形成了发明专利。利用该方法,可以支持管理者通过快速、精准分析发现问题,有针对性地采取改善措施,达成业务绩效目标的。真正地让数据对企业的管理提升和绩效改善产生价值。

g.png

第六,通过构建智能决策辅助系统(DSI)实现业务洞察以及持续的绩效改善。

通过综合应用以上各项成果,我们可以构建出功能强大的智能决策辅助系统。利用这样的系统,可以极大地提升企业的管理能力和水平,从而有效地提升企业的经营绩效。

h.png

6、几个例子

以下为我们应用上述研究成果和专利分析技术建立的几个智能决策辅助系统(DSI)的例子。

1.目标绩效管理系统使各级领导随时把握企业的经营脉搏。

(1)目标绩效地图

通过该地图可以动态了解企业所有重要战略目标的进展(所有红绿灯均可点击下钻分析)。

j.png

(2)目标绩效计分卡

汇总各项经营目标内容,综合反映企业各项重要目标、指标、重点工作进展,所有内容均可下钻分析。

k.png

2.全面动态反应企业供应链运行绩效的智能分析系统。

基于全球公认的供应链运营分析模型SCOR,通过智能化的供应链分析系统,以国际先进的供应链理论为依据,可以从每年150万张订单的企业运行数据中找出影响供应链绩效的原因,追踪问题直到每一笔执行的订单。系统可以及时掌握企业供应链运行的状态,洞察供应链运行低效的原因、及时改善,以实现企业整体供应链运行的高绩效,保证及时可靠的交付率、实现更快的供应链响应、降低成本,提升客户满意度和企业竞争优势。

(1)动态掌握企业供应链运行全局状态的分析页面。

l.png

(2)通过因果分析追溯问题原因和驱动因素的分析界面。

z.png

3.大数据客户分析与精准营销系统。

改系统实现了在80万名有效交易客户中找出销量变化的“肇事者”。系统以in-Sight 专利分析技术为基础设计的客户精准营销分析,可以精确地识别出“每一个”潜在的营销对象、发起精准营销并测量分析营销效果。

x.png

4.洞察经济环境、市场与竞争对手。

利用与传统BI分析完全不同,基于Hadoop的大数据即时探索工具,从大量结构化数据和非结构化数据中快速探索,形成分析结论。

(1)大数据探索工具(Bigdata Discovery)的功能和工作原理。

c.png

(2)洞察经济环境、市场与竞争对手。

在我们所作的实际案例中,综合了来自各方面的数据:企业内IT系统、互联网上的数据、IOT数据以及手工数据,构成了全口径数据。所作的POC快速分析的例子:7天之内三个测试案例、仅依靠互联网搜索数据,完成了完全开放式的快速数据探索,挖掘出业务变化的原因,找出了影响产品销量变化的因素。

v.png

(3)进行未来产品销量预测。

利用系统的建模预测功能对企业未来产品的市场销量进行预测。以为下一步的市场营销与销售策略提供参考依据。

b.png

(4)综合各方面的分析结果形成产品竞争力分析报告。

n.png

5.畅想一下未来智能企业的样子:企业管理驾驶舱。

下面是我们曾经建设完成的企业管理驾驶舱系统,该系统包含了上述各类数据分析系统,并从业务逻辑、管理逻辑、系统逻辑进行了集成,可以灵活支持企业的管理分析和经营分析,实现智能决策。

m.png

好了,我要介绍的讲完了,欢迎大家踊跃提问。

主持人:

咖啡姐:

非常感谢朱先生为我们带来的精彩演讲,同时也感谢我们在场积极提问的朋友们,相信大家对今天的会议内容已经有了更深一步的了解,衷心的希望您通过今天的演讲能有所收获。接下来是自由讨论时间:


自由讨论

问题一:请问朱总,目标绩效积分卡的数据最佳采集方式是什么呢

朱老师:ETL,手工填,计算得出,多种方式均可。

问题二:老师  您那边主要使用的BI产品都有哪些

朱老师:比较多的是Oracle BIEE ,Oracle BDD

问题三:我想问下,BI如何才真正的实现 “道” ,方向如何去走?

朱老师:先设计管理分析逻辑,再把分析逻辑指标化、体系化,最后展示:“道“

问题四:密集数据一般都是怎么处理?

朱老师:密集数据一般的处理方式,BI&Oracle Advanced Analytics

问题五:BI的产品选型从哪几个方面考虑?

朱老师:部门级应用:敏捷性BI,企业级应用:传统BI,比如Oracle BIEE

问题六:请问朱总 上面提到的互联网搜索数据。是用到了哪些具体内容?  

朱老师:互联网搜索及分析工具:爬虫+OracleBDD

问题七:我也想了解下BI产品的选型问题?

朱老师:关于选型:个人用、部门用选敏捷BI,企业用则用传统BI。

问题八:现在传统BI的实施方法,从ETL到数仓再打前端分析,这个过程会耗时比较长,如何能适应需求变化很快的企业?

朱老师:要想在变化很快的情况下让BI持续满足企业的需求,就必须让BI具有管理逻辑,具有管理思想,能够帮助管理者沿着管理分析逻辑找出现象来、发现问题线索。这样的BI永远不会过时。

问题九:企业的bi系统一般只面向少数的管理层吗?

朱老师:BI原来是少数高管层的工具,现在已经在平民化了。很多单位的一般分析人员都在用了。

友情提示:天善智能是国内最大的商业智能BI、数据分析、大数据领域社区,欢迎大家登陆天善学院有更多免费行业专家数据库,商业智能BI,数据分析,大数据,数据挖掘视频和干货好文分享。

Friday BI Fly:每周一个主题,一场跟数据有关的行业、工具、技术的交流盛宴。我们的口号是“Friday BI Fly 周五BI飞起来”。 Friday BI Fly 微信直播活动目前已举办36期,往期分享内容包括:【金融行业、零售行业、旅游行业、大数据挖掘、大数据落地、数据分析师、数据治理、大数据征信、风控管理、Python实战、用户画像、数据治理、数据架构、R语言等】。

今天的微信直播活动到这里就结束了,喜欢天善智能的朋友们请继续关注我们,每周五晚8:30,我们不见不散哦!

下期预告

2016年10月28日晚8点半微信直播交流大数据、大变革与大成长第37场

https://www.hellobi.com/event/127


每周 Friday BI Fly 微信直播参加方式,加个人微信:fridaybifly,并发送微信:公司+行业+姓名,即可参加天善智能微信直播活动。

天善智能 www.hellobi.com 是一个专注于商业智能BI、数据分析、数据挖掘和大数据技术的垂直社区平台(国内唯一的数据类技术问答社区、博客、在线学院)。

天善智能拥有国内最大的数据领域社群组织,每周五晚上 8:30 Friday BI Fly 40+ 微信群同步直播行业和大数据技术交流。

Saturday BI Fly北上广深以及全国其它各个城市 200-500人规模的大数据沙龙活动。

WechatIMG39.jpeg

关注天善智能,关注大家都在关注的大数据社区

推荐 1
本文由 天善智能 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册