商业智能

商业智能

0
推荐
17
浏览

如何看懂行业分析报告?

从下面几部分聊聊行业分析:1.什么时候需要做行业分析?2.如何做行业分析?3.案例学习4.在工作中如何应用?5.在生活中如何应用?1.什么时候需要做行业分析呢?当你在对自己进行职业规划的时候,会思考选择哪个行...

猴子聊人物 发表了文章 • 3 小时前

0
推荐
19
浏览

中国企业数字化转型峰会 | 观远数据用智能BI驱动零售业务增长

随着人口红利的消失、互联网获客成本的增加,越来越多的企业开始投身到以效率为王的数字化革命当中。 9月20日,以“数字中国•智创未来”为主题的中国企业数字化转型暨首席信息官峰会在深圳举行。作为国内领先...

观远数据 发表了文章 • 4 小时前

0
推荐
45
浏览

超市处理临期商品遭遇社会指责,零售企业如何从源头止损

近日,一条有关盒马鲜生九点半之后扔掉大量海鲜、饭菜等临期商品的微博引发热议。很多网友指责,中国仍然不富裕,这种行为未免太浪费。“新鲜”一直是社区生鲜品牌相比其他零售最突出的优势,但“容易过期”的属性同...

观远数据 发表了文章 • 5 天前

0
推荐
66
浏览

全面数据化助力新华百货领跑西北商业圈

引言:近期,小麦有幸拜访了银川新华百货连锁超市有限公司数据信息中心副总监靳莹先生,听他讲述新百连超如何实现数据化转型的故事,小麦将采访整理成文,以供欣赏。关于新华百货银川新华百货商业集团是北京物美...

大麦 发表了文章 • 5 天前

0
推荐
99
浏览

淘宝APP用户行为分析

我是fengbailc:多年以来电子商务业务快速发展,尤其是移动客户端发展迅猛,移动互联网时代的到来让原本就方便快捷的网上购物变得更加便利,而淘宝作为国内最大的电商交易平台更是具有巨大的流量优势。淘宝APP的...

猴子聊人物 发表了文章 • 6 天前

0
推荐
84
浏览

观点 | FiBiNET: paper reading + 实践调优经验

《观点》栏目是由观远数据倾力打造的一档技术类干货分享专栏,所有内容均来源于观远数据内部员工,旨在为数据分析行业输出指导性的知识体系。FiBiNET全称Feature Importance and Bilinear feature Interaction NE...

观远数据 发表了文章 • 2019-09-11 18:58

0
推荐
103
浏览

一张图看懂数据分析、机器学习、深度学习、人工智能的关系

​我是思宇:现在找到自己喜欢的工作了,分享下我当时换工作的经验。1.为什么要换工作?目标是什么?一定要明白自己换工作的原因,三思后行。当有换工作想法时,对自己当前工作情况做个总结,避免随意性地做决定。...

猴子聊人物 发表了文章 • 2019-09-11 17:18

1
推荐
140
浏览

数据人的自白:不懂业务,分析就仅仅只是提数

我的数据从业历程是从咨询公司切入,那里有稍微学术点的指标体系和方法论。然后在数据服务公司应用,那里有比较成熟的数据采集实现技术。而后在微博数据创业公司将之前的知识技能进行应用和商业。回过头来看,那...

大麦 发表了文章 • 2019-09-11 14:18

0
推荐
86
浏览

数据分析必备的三大能力体系

1、大家对于数据分析的认知和理解支离破碎,缺乏一个整体的、系统的思维框架;2、大家的视野更多局限在数据报表、BI 系统、广告监测等领域,对于数据以及数据分析其实是缺乏深层次洞察的。这篇文章就从整体框架出...

大麦 发表了文章 • 2019-09-11 14:15

0
推荐
91
浏览

什么?你还不会这样做数据分析?

一、基本原则做数据分析工作,一定要遵循一定的原则,这些原则,我简单列了列,属于亮哥比较看重的,但是不一定是通用的。让我们先来看数据分析的流程。亮哥认为,数据分析应该遵循下面这个流程:也就是说,数据...

大麦 发表了文章 • 2019-09-11 14:12

0
推荐
139
浏览

如何提高逻辑思维能力?

今天介绍一种分析方法,可以提高我们的逻辑思维能力,分为以下几部分去聊:1.什么是假设分析方法?2.如何进行假设分析?3.在生活中如何应用?4.在工作中如何应用?1.什么是假设分析方法?假设分析方法底层思想其...

猴子聊人物 发表了文章 • 2019-09-09 17:17

1
投票
24
已解决
30440
浏览
0
推荐
141
浏览

零经验转行数据分析,需要做什么准备?

我是邓莎:数据分析让我通过数据,以“上帝视角”看世界,这是我选择数据分析行业的主要原因。本文从以下几点为你梳理转行数据分析的思路:1. 人人都可以转行数据分析么?2. 数据分析行业升级路线是什么?3. 转行数...

猴子聊人物 发表了文章 • 2019-09-06 18:09

0
投票
3
已解决
6511
浏览
0
推荐
182
浏览

7张图学会SQL

我是一颗橙子:很多朋友平时处理数据可能更熟悉Excel,提到SQL就想逃避,殊不知SQL在处理大量数据时有Excel无法比拟的优势。而且根据二八定律,其实只需掌握20%SQL的基础内容,就足以胜任80%的常见工作啦。因此,...

猴子聊人物 发表了文章 • 2019-09-05 17:39

条新动态, 点击查看
梁勇

梁勇 回答了问题 • 2013-06-28 14:48 • 24 个回复 不感兴趣

初学者应该如何去学习BI?

赞同来自:

这个我是过来人,可以说下我的经历。之前做.net开发的、码农,做汽车行业的。
学习BI的目的,说白了就是工资高,当时在公司里,有一个做BI的同事,同样的工作年限,他的工资比我高出很多。同时平常做的事情也不一样,我发现天天自己不仅Coding... 显示全部 »
这个我是过来人,可以说下我的经历。之前做.net开发的、码农,做汽车行业的。
学习BI的目的,说白了就是工资高,当时在公司里,有一个做BI的同事,同样的工作年限,他的工资比我高出很多。同时平常做的事情也不一样,我发现天天自己不仅Coding、改Bug、业务需求变了,还要继续改,事情一大推。重要的是:天天都编写一些重复的代码,复制粘贴等,对自己没有任何的提高。而BI同事天天做的事情就是设计一些报表,然后完成一些报表的开发,能够让客户立马看到效果的那种,在当时我们眼中觉得这个行业很高深。

抱着尝试的新行业和 工资高的诱惑,平日里在做完.NET工作,就自己琢磨公司里的BI项目;自己琢磨不出来的,用onenote把问题都收集起来,然后在咨询同事,问好的问题,全部都有记录,一直到现在还保存着,因为自己记录的东西,不管以后什么时候在遇到,自己都能够有印象。就这样持续了半年,在主管的帮助下,调到了BI开发部门,工资也相应的涨了。自己之所以能掌握BI技能,一个是运气,另一个就是自己一直信奉的四个字“天道酬勤” 。

总结以下几点: 1.要学习BI的朋友,多了解些数据库方面的知识基础。我当时就是因为数据库特别弱,专门在 CSDN 里面回答一些数据库方面的问题。基本每天上班,下班,周末都回答,整整持续了自己两个月。要学习,就要肯下本。
2.多积累,多收集,多记录,多总结。平时在学习和工作中,遇到的问题,怎么解决的,一定要记录下来,并且能够进行知识拓展,这样自己能够提升很快的。到目前为止我自己整理的 数据库项目文档 已经超过 300多页了。其他方面的自己也整理了很多。
3.多帮助别人,帮助别人的同时,也是帮自己巩固知识点。
前端展现工具,个人给他们进行一个分类,即兴的,没有太讲究,因此分类标准也是模糊的,肯定有不合适或是不尽准确之处:
传统类 的,大而全的,IBM的Cognos和SAP的BO、Oracle的BIEE,微软SSRS,其实还是Cognos最齐全的啦,CUBE和非CU... 显示全部 »
前端展现工具,个人给他们进行一个分类,即兴的,没有太讲究,因此分类标准也是模糊的,肯定有不合适或是不尽准确之处:
传统类 的,大而全的,IBM的Cognos和SAP的BO、Oracle的BIEE,微软SSRS,其实还是Cognos最齐全的啦,CUBE和非CUBE的都有,这个可以专题讨论了,就不多说了。微软SSRS有点弱,以前微软收购了个proclarity普科,大概是06年?可惜后来没消息了。
专业型 的,大概可以归类为二线厂商,MSTR、Actuate BIRT等等,其中Actuate报表方面有特点,且有BIRT开源,还有Arcplan,0506年时候有点热,烟草等行业推了一些;
特点型 的,先特技的Analyzer,连接微软的CUBE很不赖,作为微软体系的一个极好的补充;
新一代 的,以Qlikview、Spotfire、Tabuleau为代表,尝试突破,在仪表盘、移动BI、桌面分析等方面切入,强调快速部署实现,或是 内存式BI ,这也是这类新型工具的一个突破方向。后来传统的SAP HANA也引入内存式了,不过HANA是平台,非工具。
国内软件 ,以前的FEnet BI.Office,现在的SmartBI,以前尚蓝现在用友的蓝葵BQ,奥威智动的PowerBI,润乾、永洪敏捷BI,帆软等报表工具。
开源前端 ,BIRT、Jasper等等。
书有很多,好书也很多。分类说说好了
1、先是工具书,譬如你想了解一款工具,Cognos也好,Tableau也好,微软体系BI工具也罢,现在都有工具书了,实体书捧在手,多翻翻。
2、理论书籍,起到武装你的思路的作用,譬如Bill Inmon的《数据参考》,Ral... 显示全部 »
书有很多,好书也很多。分类说说好了
1、先是工具书,譬如你想了解一款工具,Cognos也好,Tableau也好,微软体系BI工具也罢,现在都有工具书了,实体书捧在手,多翻翻。
2、理论书籍,起到武装你的思路的作用,譬如Bill Inmon的《数据参考》,Ralph Kimball的一系列丛书,兼具理论和实践内容,不详述,人是大师,书为经典。
3、数据分析类的书,可以为你的数据方面技能升级,对前端或是需求、或是数据分析方面感兴趣可以考虑,这方面的书籍就多了去了。譬如数据分析方法什么的,一艘一大把。
4、项目管理类的书,往PM方向发展可以读读。或是想更深入理解项目、风险等方面也可以翻翻。
5、行业业务知识,这一类书籍,在你决定让自己专一某个行业的时候,是必须的,譬如零售、供应链这样的分类,或是房地产、服装、等等等等,不一而足。
6、潮流趋势与发展方面的书 ,譬如大数据时代这一类的,让你的思路和眼界不断Update。
好了。先列到这儿,欢迎大家补充。
 
BIWORK

BIWORK 回答了问题 • 2015-10-09 15:18 • 13 个回复 不感兴趣

关于数据仓库模型的选取和大家进行一个讨论

赞同来自:

个人理解:
星型模型和雪花型模型没有绝对的谁好谁不好之分,都是维度建模的一种设计思想,只是看在什么情形下使用。
 
星型模型的提出主要是方便业务人员理解业务模型,通过什么样的维度来看数据,星型模型更加直观,并且查询效率高。雪花型模型对于业务人员来说直观程度不够... 显示全部 »
个人理解:
星型模型和雪花型模型没有绝对的谁好谁不好之分,都是维度建模的一种设计思想,只是看在什么情形下使用。
 
星型模型的提出主要是方便业务人员理解业务模型,通过什么样的维度来看数据,星型模型更加直观,并且查询效率高。雪花型模型对于业务人员来说直观程度不够,并且在查询上效率略低。
 
但是我来举一个反例。
日-月-年,产品-产品小分类-中分类-大分类,国家-省份-地区 加一个事实度量。如果每一个日,月,年类似于这样的都是一张维度表的话,就意味着这张事实表的外键涉及到上述所有的维度,变成 10 个外键维度和一个事实度量。可以想象一下这样的事实就如同一条蜈蚣一样形成了一个蜈蚣事实表,维度外键过多,虽然是星型模型但是实则并不好。
 
退一步说,这张事实表只关联到日,产品,地区这三个维度,日-月-年 成为日期维度的一部分属性,这种情况最终三个维度+一个事实,这种星型模型要稍微好一点。
 
我继续基于这个星型模型再来说明,我假设在产品维度中(产品-小分类-中分类-大分类) 假设小分类,中分类,大分类各有5个非重复的值,但是却有10W个产品。也就意味着在产品维度中,小分类-中分类-大分类差不多要重复10W次。 也就意味中如果要统计分类的量需要从这10W条里面做去重统计操作,这种做法我认为效率很低。
 
再次,如果小分类,中分类,大分类不仅仅是一个标签而且还包含着标签描述信息和其它的属性,可想而知在星型模型下的处理方式就只能扩展同样重复的字段,这种重复率随着需要补充描述的属性越多变得越高。反之,如果再把这些单个的小分类,中分类拉出去形成维度和事实度量值构成一个星型模型,就又回到我刚才说的蜈蚣表了。
 
所以,没有最好的设计,只有最合适的选择,我们就从上面的几个设计推演就能考虑很多星型模型的弊端,在很多时候不一定就是最好的。
 
关于第二个问题可以看看我的这篇文章 - http://www.flybi.net/blog/biwork/1084 微软BI 之SSAS 系列 - 维度的优化、灌木丛属性关系、以及自然层次结构与非自然层次结构的概念
 
慢羊羊

慢羊羊 回答了问题 • 2017-04-05 17:25 • 2 个回复 不感兴趣

传统BI报表如何转型敏捷BI(power bi)?

赞同来自:

qlik本身也是敏捷BI范畴的啊,这个问题太大了,最好能举实例,否则太难回答了。还有分析问题应该分主题,全都弄在一张报表里本身似乎就不合适,应该想办法分解问题。
qlik本身也是敏捷BI范畴的啊,这个问题太大了,最好能举实例,否则太难回答了。还有分析问题应该分主题,全都弄在一张报表里本身似乎就不合适,应该想办法分解问题。
接地气学堂

接地气学堂 回答了问题 • 2018-01-12 13:45 • 1 个回复 不感兴趣

商业分析能力是怎样炼成的?

赞同来自:

作为一个从一线摸爬滚打上来的老兵,补充一些个人心得:

曾经数据分析师是一个被严重低估的岗位。在我12年前本科毕业的时候,做分析是件相当没前途的事。我本人读的是应用数学系。那时候一流的学生做金融,二流的去宝洁、IBM这种五百强,三流的进各大银行三大运营商的IT... 显示全部 »
作为一个从一线摸爬滚打上来的老兵,补充一些个人心得:

曾经数据分析师是一个被严重低估的岗位。在我12年前本科毕业的时候,做分析是件相当没前途的事。我本人读的是应用数学系。那时候一流的学生做金融,二流的去宝洁、IBM这种五百强,三流的进各大银行三大运营商的IT部,四流的做软件开发,不入流的人才去做什么数据分析。在那个年代,腾讯还是一个年收入30亿的小公司,百度刚刚崭露头角,阿里还不知道在哪里。华为,好像华为和数据没啥关系……

在这种大环境下,我果断的读了研究生。不争气的转了管理学。进入文科生的世界以后才发现,原来本科读个数学专业是这么霸气,想水个管理学/经济学的论文简直太easy。只需要找到一篇底稿,修改一下研究假设,派个问卷,然后几十行代码往lisrel里一丢,就基本大功告成。如果输出模型检验值通不过,还能通过数据加权,合成变量等手段合理合法的改数据,改到OK为止。以上做法虽然为正儿八经学习的同学们所不耻(确实很无耻,同学们勿学),但是却是应付差事的利器。类似的还有利用SPSS做因子、聚类分析,用Eviews做经济学模型,虽然过程经不起推敲,结果却看起来像那么回事。


那个年代还没有调参侠这个称呼,因此没有人当头棒喝给我那么一下,告诉我这种二半吊子做法会有什么危害。两年水来水去的生活,让我饱受同学们好评与老板们喜爱。于是不知天高地厚的,以为做分析真的就是模型一套数据一堆就搞掂了。在找实习的时候恰逢经济危机,甲方企业普遍缩减用人,于是找了个咨询公司试试伸手。没想到一试效果还行,很受领导同事的喜欢。就这么阴差阳错的绕了一个大圈以后,我又回归了数据分析的行列。

真正工作以后做的数据分析,和目前流行的数据分析基本是两个概念。确切的说,应该是更偏“分析”而不是数据。基础的数据整理、跑SQL、问卷统计等等并不需要我处理。一来当时有技术小哥帮我做这些事情,二来当时的任务是要面对客户老板。在2010左右,大企业的ERP系统已经很普遍,有条件的企业已经有了BI系统,他们所面临的问题,不是没有数据,而是没有结论。到底这些数说明了什么,到底我要怎么做,是最迫切需要回答的问题。


最初还没有自己负责项目的时候,还感觉这些东西很简单。如同所有咨询公司的同学一样,我也收藏了一套《麦肯锡七大手册》,SWOT,PEST,5w2h什么的背的滚瓜烂熟,没事就把杜邦分析法拉出来用过往项目数据撸一遍。感觉真的很简单yeah,从模版库捞ppt然后把数据往里填就好了。而且只是帮着别人撸报告,会觉得项目之间都很像。你看营销分析框架就是这一套,先诊断再找标杆最后出结论,换我我也会写。真不明白领导们在纠结什么。

出来混的,迟早是要还的。当我自己独立面对客户的时候,我终于明白领导们在纠结什么了:他们在纠结如何不被客户操死,活着把尾款收回来。因为寻找答案,比寻找数字难的多。客户花了几十上百万不是来听《管理统计》或者《市场营销》课的,而是结结实实的需要答案。到底数据背后说明了什么问题?到底这个数据能得出什么结论?我早知道这个情况了,你又分析了什么?是最常被提起的三个问题。而且,相信我,没有一本书能告诉你答案。请务必相信我,因为我真!的!试!过!

“我知道销售在这几天少了30%,所以又怎么样?”“模型预计增长30%,所以我只要坐着不动听模型的就对不对?所以我的销售要干什么?”“寻找高端客群,说的容易,我到哪里找?我要找多少?光找高端就够吗?”客户类似的咆哮,如同春节的鞭炮,在我耳边噼里啪啦啪啦霹雳炸的不停。以至于养成了一个习惯:但凡有新人写报告的时候附上:“我们一要提升销售连带率,二要优化产品品类”这种结论,我都会把这些爆竹拉出来再点一次,炸的新人魂飞破散为止。

当我很困惑的时候,我的领导用一种最简单的方式破开了我的困惑。某天在街边吃饭,他指着对面桌某个正在吃饭的小哥,说:“你注意到没有,他是我们某个客户的业务员,你现在告诉我,你可以怎样帮到他做业务”。我愣了半天,完全想不到该做什么。话说,要是我会做销售早就去做了好吧,为什么还要在这做分析写报告啊!我就是没有能力死皮赖脸的求人买东西啊。我只会找自己的熟人啊,介绍产品也含羞带臊啊。而且,这种基层业务员的动作,和数据有什么关系?我们分析的不是销售额,客单价,转化率这种抽象的东西吗?我们的分析和具体的业务离得很远啊。具体到一个个销售动作?有没有一个监控探头24小时拍摄业务员动作,数据都没有,分析个啥?

领导说:“这就是问题的关键了。你没有能力帮助基层的业务员,你怎么有能力帮助他的老板?他的老板下边有无数的这种人要管,他要烦的事本质上还得通过这些人搞掂。你不能帮助这些人做出业绩,你凭什么认为你能帮助他的老板搞掂业绩问题”。这一刻,我突然明白了为什么数据分析在企业内不被重视。

因为值钱的是数据,不是数据分析。比如对面的业务员小王,如果你能马上给他500个对我们产品感兴趣的顾客电话,那他怎么着也能把业绩做出来。如果你只是给500个电话,他还得辛辛苦苦打上一天,看有没有机会碰到一个订单。如果你给的只是:“我们的目标客户是年薪30-35岁,年收入2万以上喜欢在高端商城逛街女性”他估计能气到吐血,这他妈都是什么?你是让我去商城门口拦人吗?会被保安痛扁的好吧。如果有优质的数据,比如银行,可以拿到用户真实的个人信息,资产情况,通过银行卡记录用户消费情况,那么即使没有什么复杂的模型,也能轻松判断用户价值和需求。如果像大部分传统零售快消耐用企业那样,只有少量订单数据,就只能做一些不接地气的经营分析。对基层而言,有用的从来都是数据,而不是分析。

决定我职业发展的重大时刻,在这里来到了。我反问了领导一个问题:是滴,我是不会教小王,可是如果我能用数据追踪到一个优秀的业务员,让他去教呢?领导笑笑说:“你小子终于开窍了”。然而这个窍依然开的很艰难。当我真的在这个项目里找到了销售团队Ace以后,发现这他妈的根本复制不了。因为那哥们不是一个人,而是一个“人精”。无论外貌、着装、言语、谈吐、思维速度,根本不是一般人可以比的。而我既不能建议客户把剩下的200个销售都炒了换成这种人精,又不能建议销售们集体再投一次胎。感觉这标杆树的跟数据分析没什么关系,应该归入《投胎学》范畴。

这时候再经过领导提示,我才真正理解了流程梳理的含义。梳理销售流程不是简单的列4个P然后填做填空题,而是真正深入到业务当中。观察每一步细节。到底这个行业销售过程分作几步?最原始的名单从哪里来?工作计划如何安排?拜访客户时间表怎么定?FAB先怎么讲后怎么讲?不同类的客户是否有区别?如何探测需求成熟度?多少天、多少频次、什么理由、什么形式做跟进?最后投标价格如何比拼?一步步,一个个细节去理解销售场景,去观摩业务员行为。去剥茧抽丝,哪些是所有人可以执行的,哪些是个人特性的;哪些是可以量化的,哪些是主观能动的;哪些需要系统工具,哪些需要人工考核。

详细的梳理之后,有限收集的数据和无限复杂的业务场景结合起来,数字忽然变得有意义。这个时候开始理解为什么一个行业销售数据会有自己的波动形态;才开始理解为什么在这个行业中销售波动5%不是问题,波动10%就是问题;才开始理解为什么客户看到A类用户75%流失率也不为所动,看到B类用户10%流失率就开始发飙。虽然这样理解以后只能和客户对行业的认识打个平手,但是客户往往没有系统全面的看过数据,只有零散的凭经验的认识。逻辑性+行业理解,可以让顾问赢得客户的认可,至少能和客户平等的探讨问题,而不是被人呼来喝去了。

之后就是无数的项目积累,接触的行业越来越多,被操的次数越来越多,能力也成长了很多。到现在我都坚信:好的数据分析师都是被操出来的。被人反复质疑:你这个数据说明了什么?看到数据又能做什么?我早知道了,你又分析了什么?这三大问题以后,就会越来越思考数据分析的价值,就会越来越聚焦于分析的意义,就会抛弃那些刻板的公式与理论,找到真正对企业经营有意义的分析结论。这些才是客户愿意花钱买的东西。“如果只是看数,人家的BI系统早就有数了,为什么要花钱找你们这些人”每次培训,我都会这样给新兵们强调。

But,题目是《一个优秀的商业分析师》,所以到底优秀体现在什么地方呢?在我看来,优秀就是赚钱。如果做科研的话早就读博去了,我们出来打工就是为了赚钱,对不对。赚到钱的才算优秀。而在这一点上,陈老师有一点小小的心得可以分享。就是当我开始和销售一起打标的时候,我得到了第二次分析能力突飞猛进的机会。

这个机会叫弄死竞争对手。因为我只是广大乙方公司中很普通的一员。每次客户招标可能要看几份甚至十几份详细的方案。对面也是电脑E盘工作资料文件夹里收藏了几十G ppt的小哥小姐姐,怎么能脱颖而出呢?某次我去打标,做的方案太四平八稳,被客户吐槽:“你们分析都是这些套路,有什么新意思吗?”我很不服气,回来的路上一路吐槽:“净TMD扯淡,我TM就不信他TM能找到更TM厉害的,做市场进入研究不就TM这个套路其他公司还TM能玩出花来”。骂完之后我忽然有个想法:为什么不把这些常见套路直接展示给客户呢?我还就不信了谁还能比谁强多少。

某次客户初步和我们沟通意向,只是抛了个很常规的新品研究与上市策略的需求。眼看着又要被人吐槽:老一套。我主动出击了:“通常市场研究公司或者咨询公司都会先看目标群体再看市场份额最后做竞争态势。输出到您面前的一个条形图,您的对手bar大概这么长,您的大概这么长。然而我们早知道了啊。这个领域我们两家独大,且我们落后于竞争对手,这是个基本事实。我们的用户画像,即使没有明确的数据大家心里也八九不离十。与其花大力气重复这个事实,不如提炼出发展新用户的逻辑。这样就能真正找到切入市场的办法”。

我边说边在白板上画出图表的形态。我看到客户那边手下小弟很认真的看着我画的然后微微一笑,我看到领导表情很沉重如有所思,我知道这鱼基本上上钩了,他们应该看过类似的报告,而我正在赢得这场游戏。领导听完愣了一下,缓缓的说:“那你的建议呢?”我知道我的机会来了。我坚定的说:“既然明知道处于下风,就不要分散投入。我可以在完成基础画像完成后,快速切入竞争胜利与失败的用户群体,把更多项目费用用在测试竞争效果上,这样后续落地建议将更具体和有效”。客户领导认可的点了下头。当天晚上就发了中标通知。这是我第一次用竞争分析法搞掂客户。

之后我便更常使用这个方法。当然,之后应用的更灵活,没有那么激进的直接抨击对手(因为发现太过直接的抨击别人,会显得自己太过高调,会引起客户反感)。而是站在客户的角度思考:“到底这样做有什么用”。当我自己把自己当成评标委员,自己怼自己一顿以后,差不多如何打赢竞争对手的思路也差不多有了。

当然,赢得客户靠的不止有专业性,还有关系、费用、品牌大小等等,陈老师也并非一路战无不胜。但是这种自我diss,站在需求方角度看问题的思维方式,使得我至少超过了平均水平。即使没有赢下单子,客户至少认可我的个人能力。直到脂肪肝把我赶离咨询行业以前,我都能保持很好的工作状态。

最后总结一下,一个优秀的商业分析师是如何炼成的:第一,摆正位置,从理解如何做生意开始,理解商业问题;第二,理清流程,了解商业过程的完整流程;第三,探索规律,从优秀/差劲案例中总结商业经验;第四,提炼假设,总结出可以定性/定量分析的维度;第五,总结经验,从具体的问题分析中总结出适用于一个行业,一个企业的经验;第六,挑战经验,不断反问自己,除了这些经验以外还有没可能性,还有没有更多办法。这六个过程不断迭代,最后自己会在梳理问题逻辑,理解行业运作上越来越深入,自然也越来越优秀。

本质上,商业分析为的是解决商业问题,商业问题是盈亏利损,不是加减乘除。能理解商业运作本质,具体问题具体分析,才是商业分析师真正该做的事。把《管理统计》和《市场营销》两本书订在一起,只是证明一个人手劲很大而已。与大家共勉。

更多个人分享,可以关注公众号:接地气学堂
li052468

li052468 回答了问题 • 2018-02-23 15:10 • 2 个回复 不感兴趣

ssis 查找问题

赞同来自:

因为‘指定如何处理无匹配项的行’你选的是组件失败,所以如果DLBH1列有和BigCatagoryKey匹配不上的值的时候就直接报这个控件执行失败
因为‘指定如何处理无匹配项的行’你选的是组件失败,所以如果DLBH1列有和BigCatagoryKey匹配不上的值的时候就直接报这个控件执行失败
answer里面有一个无结果页, 可以改提示信息.
answer里面有一个无结果页, 可以改提示信息.
你修改excel 源控件对应列的数据类型即可
你修改excel 源控件对应列的数据类型即可
参考官方文档
https://docs.oracle.com/middleware/bi12214/lcm/OBIUP/GUID-D0867450-1AEF-43DE-8144-7816F7105CB1.htm#OBIUP-GUID-D0867450-1AEF... 显示全部 »
参考官方文档
https://docs.oracle.com/middleware/bi12214/lcm/OBIUP/GUID-D0867450-1AEF-43DE-8144-7816F7105CB1.htm#OBIUP-GUID-D0867450-1AEF-43DE-8144-7816F7105CB1
wffger

wffger 回答了问题 • 2018-07-23 16:10 • 1 个回复 不感兴趣

BIEE12c如何用程序修改用户密码

赞同来自:

请使用weblogic.management.mbeanservers.runtime
请使用weblogic.management.mbeanservers.runtime
seng

seng 回答了问题 • 2018-07-03 22:52 • 2 个回复 不感兴趣

biee 某些组件启动不起来

赞同来自:

看这个文档
https://ask.hellobi.com/article/368
这3个组件日志都不一样的,看了才可能知道问题。
看这个文档
https://ask.hellobi.com/article/368
这3个组件日志都不一样的,看了才可能知道问题。
已解决。原因是Excel 变了,客户端Excel全部变成了OA365版本了,导致不能识别原来的连接字符串。微软还是需要努力的!!!
已解决。原因是Excel 变了,客户端Excel全部变成了OA365版本了,导致不能识别原来的连接字符串。微软还是需要努力的!!!
军心兵情

军心兵情 回答了问题 • 2019-01-31 14:06 • 1 个回复 不感兴趣

WEBI 查询脚本,自动增加一列: 3 AS GID,,

赞同来自:

好像知道了。。。。
 
这是在一个报表里面查询出来的结果集不一样;
 
一个页面只用到了部分字段,二另外页面用到剩余字段,所以导致了,这种查询,缺少维度,故SQL会自己拼接上去
。具体可以参考这个解释:http://10.86.20.79:7082/BOE/p... 显示全部 »
好像知道了。。。。
 
这是在一个报表里面查询出来的结果集不一样;
 
一个页面只用到了部分字段,二另外页面用到剩余字段,所以导致了,这种查询,缺少维度,故SQL会自己拼接上去
。具体可以参考这个解释:http://10.86.20.79:7082/BOE/portal/1607051547/AnalyticalReporting/help/zh_CN/html/default.htm#TOC
hyxiu

hyxiu 回答了问题 • 2019-06-18 09:49 • 2 个回复 不感兴趣

BIEE 12C 的缓存在哪里设置?

赞同来自:

摸索捣鼓了一阵,发现在另一个sheet页里有,把标识红色框里把勾打上即可;
摸索捣鼓了一阵,发现在另一个sheet页里有,把标识红色框里把勾打上即可;
0
推荐
1099
浏览

淘宝童装市场儿童内衣裤子类目市场分析简报·第十九期

    本篇分析报告主要是针对淘宝市场2018年儿童内衣裤类目在春季的热卖属性进行分析,消费者人群的基本特征以及洞察消费者在给宝宝购买内衣裤时更关注哪方面的信息,围绕这三个方面的内容进行详细...

零一老师 发表了文章 • 2018-01-25 09:55

3
推荐
2149
浏览

《人人都会数据分析》20万字电子版

去年的时间把之前的数据分析工作经历、大环境背景、职场选择、公司选择、岗位选择、统计学的基本常识、需要掌握的分析工具、怎么写好一个报告、互联网和金融行业的分析场景这些都整理了下。具体购买链接:https:/...

面包君 发表了文章 • 2018-01-03 15:15

5
推荐
1415
浏览

《R的极客理想》系列图书作者张丹:用R语言把数据玩出花样

前言作为数据分析师,每天都有大量的数据需要处理,我们会根据业务的要求做各种复杂的报表,包括了分组、排序、过滤、转置、差分、填充、移动、合并、分裂、分布、去重、找重、填充 等等的操作。有时为了计算一个...

R语言中文社区 发表了文章 • 2017-09-28 09:59

4
推荐
1780
浏览

Python简介

什么是Python Python是一种解释型的、 面向对象的带有动态语义的高级程序设计语言Python的诞生第1个Python编译器/解释器于1991年诞生 Python名称来自Guido挚爱的电视剧Monty Python's Flying Circ...

· 发表了文章 • 2017-09-19 10:26

7
推荐
2223
浏览

拉勾网数据分析岗数据分析

简介:试着,做了一个拉勾网数据分析师职位的数据分析。其实,虽然很想做数据分析师,但是是跨行,心里相当忐忑,做这个分析就相当于加深自己对数据分析这个行业的了解了。思路大致思路起始数据来源本来是想自己...

wangtianshan 发表了文章 • 2017-08-23 12:51

8
推荐
2435
浏览

我爬了某宝上4000+网店只为了告诉你中国人最爱喝什么绿茶

作者:吴人链接:http://blog.csdn.net/liu_sn/article/details/72567476微信:1521172694求实习:本人明年3月份浙大硕士毕业,想找一份今年暑期的实习,若能推荐,不胜感激!著作权归作者所有。商业转载请联系作...

吴人beng越 发表了文章 • 2017-05-20 18:37

18
推荐
2580
浏览

为啥214被塞狗粮的单身汪,520还会被塞狗粮

马上就是520,又是一大波狗粮即将来袭,又是一片单身汪呼天抢地,又是一批《为什么优秀的男生都不追女生》这种直男癌YY文开始传播。套路如此熟悉,结果却依然相同:该单身的还在单身啊!到底是什么阻碍了单身汪们...

陈老师 发表了文章 • 2017-05-19 16:28

1
推荐
1847
浏览

数据分析,R还是Python?真的是个问题么?

R和Python作为数据分析的两大主流语言,究竟哪一个更好的争论不绝于耳。但对于两个语言都了解尝试过的小伙伴而言,结论其实非常简单:都好但都有不好。下面从几个方面聊聊我的看法。开发目的据我近期的观察了解,...

张土豆 发表了文章 • 2017-05-17 18:05

10
推荐
2236
浏览

数据分析师VS算命先生,除了算盘与键盘,还有啥差别?

想了解自己数据分析能力到了哪一层,戳{数据分析6个能力等级}想和大牛学更多思维方式,戳{和管理咨询顾问学思考}我们到底是在做预测还是算命 无论从各个层次,各个维度看,数据分析师和算命先生都有天渊之别...

陈老师 发表了文章 • 2017-05-16 16:32

1
推荐
1363
浏览

【数据分析】员工奖金合理性分析

分析目的:根据20**年以来的奖金分配数据分析分公司员工奖金分配是否合理。分析结果:按月份不分分公司,从整体数据来看经理奖金与人均奖金符合y=2.2308x-308.81,且拟合度达到了0.981,即98.1%的数据符合两者的关...

w卫东 发表了文章 • 2017-05-12 17:47

8
推荐
1690
浏览

数据分析师该这样霸气回应“0.00008的转化也很好”的谬论

活动做的好不好,到底谁说了算? “花费300万成本做促销推广,买了一堆KOL,淘宝广告,微博刷屏,最后转化率0.00008,也是极其成功的活动,原因有三:”“第一,花钱做社交媒体就是没转化的,这是常识”“第二,...

陈老师 发表了文章 • 2017-05-12 16:26

2
推荐
1881
浏览

【重磅干货】65页PPT讲述一个完整R语言与数据挖掘的案例

一、如何用R语言做数据清洗1.1、数据质量分析—缺失值处理二、如何用R语言进行建模三、常用数据挖掘算法的基本原理及R语言实现3.1数据挖掘模型分类3.2常用数据挖掘模型四 、利用关联规则进行购物篮分析4.1关联规则...

datakong 发表了文章 • 2017-05-12 09:42

7
推荐
2409
浏览

分析报告被嫌弃没重点。怎么办?看这里

想了解自己数据分析能力到了哪一层,戳{数据分析6个能力等级}想和大牛学更多思维方式,戳{和管理咨询顾问学思考}数据驱动决策?还是被人嫌弃? 数据驱动决策?说的好听,有几次老板决策是听数据分析师的。实...

陈老师 发表了文章 • 2017-04-27 12:07

11
推荐
2163
浏览

精准营销大扫盲。破除模型迷信人人有责,有利你我他

其实最智能的精准营销模型叫亲妈,其次是迷魂汤 阿尔法狗化名master挑翻一众高手,引爆了人们对人工智能和算法的关注,也使得数据模型与算法再次成为热点话题。在各路自媒体大肆宣传下,似乎通过算法就可以...

陈老师 发表了文章 • 2017-04-21 15:33

1
投票
24
已解决
30440
浏览
0
投票
2
已解决
302
浏览

BIEE 12C 的缓存在哪里设置?

hoaoaihuong 回复了问题 • 2019-06-18 10:52
0
投票
2
已解决
1040
浏览
0
投票
6
回答
2237
浏览
0
投票
5
回答
1174
浏览
0
投票
1
回答
575
浏览
0
投票
4
回答
1759
浏览
0
投票
2
回答
801
浏览
0
投票
0
回答
528
浏览
1
推荐
232
浏览

赋能外卖平台精细化运营,观远数据为抢鲜到打造智能决策大脑

流量红利时代过后,粗放式的经营方式已经不能满足外卖平台长足发展的需求,品牌更需要依赖数据分析去解决存量和销售增长的瓶颈。  抢鲜到签约观远数据 近日,国内新型互联网点餐平台“抢鲜到”(隶...

观远数据 发表了文章 • 2019-08-29 19:39

0
推荐
95
浏览

商业智能为企业发展带来了哪些优势

数据信息化的发展,带动着企业的生产运营,商业智能加入企业的决策,提高了企业的生产效益。这两年大数据的爆发增长,加快了企业实行商业智能的步伐。越来越多的企业加入了实行商业智能的行列,商业智能是什么,...

帆软软件 发表了文章 • 2019-08-27 14:41

0
推荐
119
浏览

BI报表需要具备的条件与好处

企业经营的情况,通常以报表的形式展现。在企业中,报表制作的好坏,通常与制作人员的专业素养和使用的工具有关,好的报表工具往往可能使得即使是低级的制作也能以高端的形式展现。相比于传统的制作报表,现代的...

帆软软件 发表了文章 • 2019-08-27 10:01

0
推荐
114
浏览

数据可视化工具与探索分析过程

大数据时代,数据的采集、分析、利用都进入了高速发展的阶段。数据可视化技术的嵌入,更是将数据使用的范围大幅度的提升,在企业的日常经营中,数据可视化的应用范围越来越广泛,所带来的影响也越来越大。数据可...

帆软软件 发表了文章 • 2019-08-26 14:53

0
推荐
120
浏览

展开解读十大BI供应商

巨大的市场需求衍生出了许许多多的行业,每一个行业。都有着其代表型的企业,在相关领域占据着大量的市场份额,在大数据时代,与数据相关的商业智能,在世界各地,同样有其具有代表性的企业。今天,我将列举十大...

帆软软件 发表了文章 • 2019-08-26 11:50

0
推荐
96
浏览

国内外商业智能知名厂商简介

数据发展的今天,各个行业都受到了大数据的影响。对于企业而言,更是如此,合理利用大数据带来的便利,将更有利于企业的发展,这时,选择一款合适的BI工具是非常关键的,一款合适的BI工具不仅能帮助公司预测用户...

帆软软件 发表了文章 • 2019-08-26 09:18

0
推荐
114
浏览

金融行业数据分析应用

金融,是关乎于每一个人的领域,金融行业的景气与否直接关乎着一个国家人民的生活水平。同样,金融行业的每一个数据,都有着潜在的价值,合理的运用金融数据,可以直接影响整个国家的经济命脉。今天,我将分享有...

帆软软件 发表了文章 • 2019-08-23 13:57

0
推荐
151
浏览

如何设计出高端大气、有黑科技感的可视化大屏?

只要一提起可视化,很多人第一个想到的,肯定就是火得一塌糊涂的大屏了。从我身边很多从事可视化的朋友来看,越来越多的公司都将可视化大屏作为企业数据工作展示的“高级手段”和“对外平台”,这就苦了这些做大屏的...

帆软软件 发表了文章 • 2019-08-23 09:41

1
推荐
182
浏览

签约 | 凯儿得乐携手观远数据,用智能分析赋能母婴电商决策升级

随着第三次婴儿潮以及母婴行业主力消费大军年龄结构的变迁,母婴行业迎来了前所未有的发展契机和挑战,数字化转型逐渐成为企业转型升级过程中新的突破口。近日,母婴零售创新企业凯儿得乐(深圳)科技发展有限公...

观远数据 发表了文章 • 2019-08-22 19:44

0
推荐
223
浏览

几个你必须知道的数据分析软件

数据为王的时代,掌握着数据,就等于掌握着市场的发展。在竞争激烈的互联网公司,数据分析软件一直是一个重点项目,即使拥有很强大的数据分析能力,每年依旧会投入大量的人力财力。由此可见,数据的增长造就着数...

帆软软件 发表了文章 • 2019-08-22 14:00

0
推荐
106
浏览

探索数据可视化组件的布局与应用

数据时代,无论是数据的采集还是数据的分析,对于行业的发展都是十分重要的,最直观的表现形式就是对于数据的视觉感受。将数据转化为视觉图的过程中,需要很多的工具进行辅助。今天,走进数据可视化组件的世界,...

帆软软件 发表了文章 • 2019-08-22 09:39

0
推荐
110
浏览

实用性的数据可视化设计建议

可视化在互联网时代的助推下也进入了高速发展的阶段。可视化技术的进步加快了用户接受信息的时间。在数据可视化领域的竞争,也一直是各个科技公司的核心点。对于用户而言,一眼就能对信息有个大概的了解,这样的...

帆软软件 发表了文章 • 2019-08-21 14:12

0
推荐
111
浏览

设计可视化大屏应该注意的要点

可视化大屏的应用加快了大众接受信息的速度,也方便了信息传播途径的扩展。在如今很多企业中都有应用,大屏的特性决定着它独有的特质。大屏的背后,是什么在支撑,设计可视化大屏的流程是什么,下面我将一一道来...

帆软软件 发表了文章 • 2019-08-21 09:43

0
推荐
116
浏览

做可视化分析,它比Exxcel透视表强过10倍

最近经常跟别人讨论数据可视化分析的未来,不禁联想起在微软系统出现之前,程序员的电脑系统还是用的linux,只能通过各种复杂的指令来实现字符的简单可视化;而当win系统普及于世后,计算机从此突破了技术人群的...

帆软软件 发表了文章 • 2019-08-21 09:38

0
推荐
124
浏览

解读大数据分析系统

大数据的重要性日益突出,对于大数据的应用也在逐步加深,对于很多科技公司而言,掌握大数据分析系统开发的前沿,就等于拥有了整个大数据分析市场,过往追求的是大数据分析最终的结果,现如今,分析的快慢,准确...

帆软软件 发表了文章 • 2019-08-20 09:32

商业智能(Business Intelligence,BI),又称商业智慧或商务智能,指用现代数据仓库技术(Data Warehouse)、线上分析处理技术(OLAP)、数据挖掘(Data Mining)和数据展现技术进行数据分析以实现商业价值。