商业智能

商业智能

0
投票
2
已解决
1834
浏览
0
推荐
15
浏览

2018年 九大改变世界的技术趋势

技术的世界正在爆炸式发展,“日新月异”不再是一个修辞,而是正在发生的现实。在这其中,有一些发展趋势注定要改变世界,改变我们的生活方式。在此,我们借鉴美国大数据专家Bernard Marr的观点,为大家介绍2018...

数据观 发表了文章 • 7 小时前

0
推荐
15
浏览

一元(多元)线性回归分析之Excel实现

作者简介okajun个人博客:https://ask.hellobi.com/blog/okajun工作中最常用、最简单的估计就是一元(多元)线性回归分析了,比如预测销量等,今天来分享一下Excel的实现方法。1. 一元线性回归先说一元:使用R语...

R语言中文社区 发表了文章 • 8 小时前

0
推荐
12
浏览

基于Spark ALS算法的个性化推荐(仅需三行代码)

今天来使用spark中的ALS算法做一个小推荐。需要数据的话可以点击查看初识sparklyr—电影数据分析,在文末点击阅读原文即可获取。其实在R中还有一个包可以做推荐,那就是recommenderlab。如果数据量不大的时候可以...

王亨 发表了文章 • 10 小时前

1
推荐
17
浏览

为jupyter_notebook增加目录

前言jupyter_notebook是数据相关岗位从业者的一个不错的选择,很清晰、很方便,可以将分析过程和分析结果同步显示在一起。但是有的时候随着你的分析增多,你的代码就会变得很长,这个时候就需要目录这样的功能,...

张俊红 发表了文章 • 13 小时前

0
推荐
37
浏览

R语言实现统计分析——非参数假设检验

作者:糖甜甜甜 公众号:经管人学数据分析往期回顾:词云一分钟了解周董的歌词非参数检验是指总体不服从正态分布,且分布情况不明时,用来检验数据是否来自同一个总体假设等一类检验方法。非参数检验通常是...

R语言中文社区 发表了文章 • 1 天前

2
推荐
51
浏览

图表案例:全球主流社交平台“网红”收入统计分析

本篇会给大家讲解一个关于全球主流社交媒体平台网红收入统计的商务图表案例,该图表由经济学人团队制作,这里我用到的案例图来源于一个名叫“社会网络与数据挖掘”的微博主页。该图表制作精良,数据呈现维度精准有...

EasyCharts 发表了文章 • 1 天前

1
推荐
41
浏览

空间数据可视化与simple future模型应用

这是一篇关于关于空间地理信息数据可视化与simple feature 模型应用的笔记小结。之前关于simple feature地理信息数据模型的分享已经有两篇了,这里会继续分享simple feature模型在构建 Point/MutiPoint、LineStri...

杜雨 发表了文章 • 1 天前

0
推荐
49
浏览

小微企业的福音,大道至简的办公化BI

请点击此处输入图片描述还记得上次小麦跟大家聊的SaaS BI吗?详情见文章《无需浏览器 ,这样的SaaS BI,你喜欢吗?》,小微企业等轻量级BI用户一直被商业智能BI应用所“排挤”,硬件环境跟不上、人才跟不上,想想真...

大麦 发表了文章 • 1 天前

1
推荐
41
浏览

五个步骤,搭建企业的“大数据视野”

大数据时代,大多数企业都对大数据寄予厚望。通过数据分析,企业既能够实现危机预警,也能做到洞察先机。但是,企业规模不同、数据应用的成熟度不同,大数据技术的发展更是一日千里。俗话说,“一口气吃不成胖...

数据观 发表了文章 • 2 天前

0
推荐
57
浏览

ggplot2都有哪些使用不多但是却异常强大的图层函数

要说ggplot2中那些使用不多但是却功能强大的图层函数,我首先想到的就是geom_rect、geom_linerange、geom_segment、geom_ploygon。这四个函数分别定义了ggplot2中的矩形图、垂直线图(线范围图)、线段图、几何多...

杜雨 发表了文章 • 2 天前

1
推荐
91
浏览

请看罗永浩先生如何吹牛他的Excel

来来,大家先看一个段子:老同学KTV嗨皮,有五道口猫王之称的小明居然没唱歌。同学:怎么不唱一首?小明:嗓子疼同学:感冒了?小明:工作太辛苦同学:你现在做什么工作能把嗓子喊疼了?小明:我用TNT做excel欲知...

EasyCharts 发表了文章 • 2 天前

1
推荐
62
浏览

词云一分钟了解周董的歌词

作者简介糖甜甜甜,R语言中文社区专栏作者公众号:经管人学数据分析前段时间周董发布了一首新歌《不爱我就拉倒》被网友吐槽土味十足,这段时间有本科同学让我帮忙做词云,所以借此机会把代码记录下了,顺便借周董...

R语言中文社区 发表了文章 • 2 天前

0
投票
0
回答
40
浏览

微软BI求助

darklinboxs 发起了问题 • 3 天前
条新动态, 点击查看
kenneth

kenneth 回答了问题 • 2013-07-02 14:00 • 7 个回复 不感兴趣

有什么很好的比喻来说明BI是什么?

赞同来自:

如果把商场比作战场,那么,BI其实就是一种情报分析工作。。对敌方的战略部署、武器装备如果了如指掌的话,那么我们就能在战场上立于能够俯视全局的战略制高点的位置。时下是大数据时代,如果依然沿用老式的报表堆积式的分析方法,虽然也能应付一些问题,但是如果战场上已经有人... 显示全部 »
如果把商场比作战场,那么,BI其实就是一种情报分析工作。。对敌方的战略部署、武器装备如果了如指掌的话,那么我们就能在战场上立于能够俯视全局的战略制高点的位置。时下是大数据时代,如果依然沿用老式的报表堆积式的分析方法,虽然也能应付一些问题,但是如果战场上已经有人使用了BI。那么,杂乱无章的报表攻略就像在用烟花火箭筒对抗卫星定位导弹系统群,吓人还成,真刀真枪比拼起来可想而知其后果,所以古语有云:欲善其工,先利其器!不过,虽然Bi工作能分析很多事儿,是一个利器,却也仅仅是一个棋子,需要明智的布局才能尽情发挥其作用。。。所以也是需要领导们的得力群策才能得到立竿见影运筹帷幄的效果。
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。
 
农夫

农夫 回答了问题 • 2015-10-27 13:05 • 5 个回复 不感兴趣

如何保证数据质量?

赞同来自:

数据质量这块深有体味,曾经开发实施ERP多年,接过很多ERP业务需求并深入了解过业务,BI报表的需求等,有关数据质量分几种:
1.系统BUG问题:
 产生原因:A.开发测试验收流程不规范,遵循开发加自测=》测试=》业务需求部门验收的流程操作,减少这块引起的数据... 显示全部 »
数据质量这块深有体味,曾经开发实施ERP多年,接过很多ERP业务需求并深入了解过业务,BI报表的需求等,有关数据质量分几种:
1.系统BUG问题:
 产生原因:A.开发测试验收流程不规范,遵循开发加自测=》测试=》业务需求部门验收的流程操作,减少这块引起的数据质量问题。
        B.开发过程中,可能版本控制的问题,对公用的过程,我修改后另外的开发人员进行覆盖等等问题
 解决方案:A.规范开发测试及版本控制流程,没有任何捷径所走,上面几个朋友都有提到,对已发生的问题开发人员进行修改;
        B.曾经使用过一套平台化开发的ERP系统,主要原因是开发人员的进进出去,修修改改,数据质量经常不准确,后来通过3个月的时间,把所有单据明细与库存明细帐、销售明细账、期间表、即时库存、成本表等等所有的过账逻辑在晚上进行修复重算,再更新重算后正确的数据,一举解决了困扰公司几年老大难的问题。但这工作需要对业务、数据结构、ERP业务流程、开发能力都比较强的人员来操作,才能保证重算的准确。
2.分析指标统一口径问题:
 产生原因:在一公司做BI系统的时候,指标口径不统一,比如像成本有:门店成本、销售成本、加成成本等等好几个,每次开会的时候,采购部、销售中心、财务中心、市场部等等拿出来的数据可能名称一样,但数据都不一样;
 解决方案:我想这一块还是比较好解决的,只要先统计整理公司所有的指标,然后把业务部门请上来,统一指标名称、指标解释、计算公式等,就不会产生同一个人,这个叫李老四,那个叫李二狗。
3.企业不同的时期业务系统处理方式上逐步优化产生的数据差异:
 产生原因:企业在不同的发展时间,系统处理会有所差异,特别是二开比较多的公司
 解决方案:A.后续规范的数据与前面不规范的数据,看是否可以通过相对应的关系,进行整理统一;
        B.如果上述都不能处理的话,我想还是对前面的一些数据进行分开统计分析,否则两者不一样统计了来会误导业务人员
        以前在一通讯行业工作的时候,原来在联通新用户(存费送机、购机送费、单开户)、老用户等等以前都是通过一个或几个字段的状态标志进行区别,后来业务发展,发现这样太复杂,后来做了一个政策层级的分类,统一规范。在处理前面数据的时候,对以前的数据进行修复处理,以保证与后续的数据统计方式一致。否则区别两个统计方式。
4.因为实际业务过程中无法规范而产生的数据质量问题:
 问题举例:在一服装制造行业工作的时候,来统计产品的实际工时,因为是A产品完工、B产品新生产,在这一交接阶段,同时进行生产,无法正确的统计实际的生产工时,这是正常的实际情况。
 解决方案:后与业务部门沟通,将当天的实际工时根据当天完工产品的理论工价来按比例分配,这样对统计分析虽然会有不真实的情况,但也是能相对真实。
 所以碰到问题的时候,可以是否可以折中处理,只要不完全违背统计分析的原则,还要以考虑相应的处理方式。
 说了这么多废话,希望可以在实际工作中引起一些思考。
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
 
andrea_zhou

andrea_zhou 回答了问题 • 2016-12-17 21:06 • 8 个回复 不感兴趣

公司选型BI求助

赞同来自:

这个貌似又是我的菜啊。
选型本身不是一下子可以完成的事情,三天的时间,完成对比,那这期间你需要的信息量是非常大的。
先给你介绍下在不缺时间的情况下,几个大的方面你可以参考下的吧,毕竟你就是说因为实际那关系走捷径,但是原本应该怎么来还是知道下比较好。
1、BI选... 显示全部 »
这个貌似又是我的菜啊。
选型本身不是一下子可以完成的事情,三天的时间,完成对比,那这期间你需要的信息量是非常大的。
先给你介绍下在不缺时间的情况下,几个大的方面你可以参考下的吧,毕竟你就是说因为实际那关系走捷径,但是原本应该怎么来还是知道下比较好。
1、BI选型之前,首先是项目的定义,需要了解项目建设的目标,面向人群,建设范围(主题域),才能依据此目标或者业务人员的特点来选型工具。
2、需要大致了解应用建设的类型结构,譬如以Excel报表迁移到BI工具平台为主,还是希望业务人员更多的自助式查询,或是给管理层的管理驾驶舱并需要移动设备访问,等等都将会对选型产生较大影响。
3、了解下现有数据量,现有涉及到的源系统,如果数据量不是太大的话,且没有Hadoop等大数据架构的话,那么性能角度各个工具区别不大。
4、大致有个项目建设预算范围段的评估,包含产品费用、实施费用等,以在选型时候考虑。
5、厂商对于行业方面的经验。能否提供参考。
6、高标准、高质量的实施服务及售后服务。
另外,建议你可以考虑:
1、选择几家工具厂商,进行方案沟通,一来吸收行业经验,而来可以自己做一些技术预研,另外也可以适当让业务部门参与工具呈现的选择。
2、邀请第三方机构进行一次约2日左右的咨询,对项目建设方法论、需求管理、项目选型、项目组结构设计、等等 ,乃至梳理简单需求,框定下来形成建设框架,这样通过第三方视野,更好的选型,已经更新业务人员的认知,为项目的顺利进行提供良好的保障。
 
再说到比较产品的功能点,那就非常的细了。
譬如
大到OLAP功能,钻取功能,是否有丰富的函数,
小到单元格可调属性有多少,油量表可以加入些什么参考值,
总之是非常的多了。需要结合自己的实际情况和时间充裕度,总归是要整理一个表格出来的,然后对各家的满足度进行填写。
 
缺时间的情况下,
1、问人,找人直接咨询,或可咨询我,微信Anz0214;
2、百度,看跟你面临同样问题的人有无资料可供你使用,但是不要抱太大希望;
3、看看领导的想法,简单点来,最终结果就是几款产品,各自优缺点,让领导们可以再做选择去拍板,给他们做选择题。
 
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。
唐太宗

唐太宗 回答了问题 • 2017-04-01 11:16 • 2 个回复 不感兴趣

BIEE12C回写配置问题

赞同来自:

已经解决,是模板问题!!
已经解决,是模板问题!!
你按照这个顺序尝试解决:
1. 换浏览器试试
2. 将Configuration改为匿名登录
3. 配置Gateway,并访问这个地址
4. 重建资料库(这样就不会有遗留问题了)

从个人经验看来还是跟浏览器有关。
你按照这个顺序尝试解决:
1. 换浏览器试试
2. 将Configuration改为匿名登录
3. 配置Gateway,并访问这个地址
4. 重建资料库(这样就不会有遗留问题了)

从个人经验看来还是跟浏览器有关。
Vincent_lu

Vincent_lu 回答了问题 • 2017-11-20 10:50 • 1 个回复 不感兴趣

BIEE可以对透视表的结果进行计算么?

赞同来自:

a和b在RPD设置聚合规则是sum时,新建字段c=a/b,默认得到的结果就是sum(a)/sum(b),如果你要sum(a/b)反而要特殊处理,在源写公式
 
a和b在RPD设置聚合规则是sum时,新建字段c=a/b,默认得到的结果就是sum(a)/sum(b),如果你要sum(a/b)反而要特殊处理,在源写公式
 
seng

seng 回答了问题 • 2017-11-26 15:36 • 1 个回复 不感兴趣

BIEE里数值类型转字符串怎么处理的?

赞同来自:

用 cast(int as char)函数看看
用 cast(int as char)函数看看
加一个隐藏列=avg(column),用条件格式判断即可。
加一个隐藏列=avg(column),用条件格式判断即可。
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
0
推荐
228
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
790
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
556
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
805
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
924
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

7
推荐
955
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
1767
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
750
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
1359
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
714
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
988
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
650
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
1547
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
1320
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

3
推荐
1244
浏览

数据分析技术:信度与效度分析;信度和效度不仅仅能用于问卷分析!

20170418的微课《玩透信度与效度》已经在上完了,下面是微课介绍的部分内容。课后大家踊跃的提问,也给了我很多的课程改进思路,谢谢大家的踊跃参与!什么是信度和效度?信度代表的是数据的可靠性程度和一致性程...

老谢 发表了文章 • 2017-04-20 11:08

0
投票
0
回答
40
浏览

微软BI求助

darklinboxs 发起了问题 • 3 天前
0
投票
1
回答
70
浏览
0
投票
1
已解决
100
浏览
0
投票
0
回答
85
浏览
0
投票
0
回答
80
浏览
0
投票
0
回答
54
浏览

OBIEE管理权限报错

北京熊猫 发起了问题 • 2018-04-26 19:27
0
投票
0
回答
174
浏览

Biee 12c 外部表验证失败

tuffer 发起了问题 • 2017-07-03 19:04
0
投票
2
回答
402
浏览
0
投票
0
回答
68
浏览
0
投票
1
已解决
120
浏览
1
推荐
156
浏览

入坑/学习评分信用卡需要弄懂的 18个问题

一、前言昨晚有一期关于《1小时学会建立信用评分卡(金融数据的小分析-Python)》的线上公开课 ,老师线上回答了大家很多问题,在此分享给大家,内容较多,问题答案可以参考线上直播,算是引起大家的思考和回顾吧...

天善智能 发表了文章 • 2018-04-27 12:51

0
推荐
195
浏览

【资料大放送】19页PPT|1小时学会建立信用评分卡(金融数据的小分析-Python)

本文是天善智能签约讲师Ben老师的课程:Hellobi Live | 4月26日 1小时学会建立信用评分卡(金融数据的小分析-Python) ,课件,未经允许,禁止转载。推荐课程:1小时学会建立信用评分卡(金融数据的小分析-P...

天善智能 发表了文章 • 2018-04-26 14:55

1
推荐
195
浏览

社会技术时代 如何安放企业协作的未来

作者:Jacques Bughin,Michael Chui,Martin Harrysson,Shannon Lijek来自:数据观 https://www.shujuguan.cn/?from=ts编译:数据观[摘要]:从即时沟通到约会约饭,从交换技能到共享智慧,不断升级与多元化的...

数据观 发表了文章 • 2018-03-30 12:01

0
推荐
163
浏览

打造行业解决方案,数据领域厂商发展必修之路

在查询资料了解各行业数据解决方案的时候,帆软有一篇文章吸引到了我,是以永辉为案例介绍的零售行业案例,具体就不广告了有兴趣的朋友可以自己去搜索。读毕能有收获,算是有干货的案例文了。放眼看国内和国际的...

数据行者 发表了文章 • 2017-12-30 22:21

1
推荐
263
浏览

永洪科技与润乾软件战略合作之思考

11月8日,有看到永洪科技的一则报道,与润乾软件达成战略合作,报道中具体的合作内容未作太多的披露,仅言及双方将携手为更多行业客户提供完整的大数据解决方案。行者君觉得这是非常有意的一个合作,因此便作为本...

数据行者 发表了文章 • 2017-11-30 22:15

0
推荐
330
浏览

这家“娃娃兵”公司,凭什么入选Gartner全球市场指南?

-本文为CSDN记者孙浩峰撰稿最近,在全球著名咨询公司Gartner发布的传统企业报告平台市场指南中,一个名字吸引了老孙的注意——FineReport,之所以对这个名字熟悉,是因为在老孙的印象中,有一家中国的企业帆软也是...

帆软软件 发表了文章 • 2017-11-17 17:14

0
推荐
407
浏览

开放、共享、智能,帆软报表FineReport9.0全新上线!

11月15日,帆软旗下报表产品FineReport9.0正式上线。新版本围绕“开放·共享·智能”主题,新增/优化了填报、平台、图表、移动端、智能检索、智能运维、参数模板推荐等40+功能,全新优化了界面和交互设计。提供了更强...

帆软软件 发表了文章 • 2017-11-17 17:08

0
推荐
448
浏览

企业BI系统不普及,数据怎么可能变成“新石油”?| 五个方法助力您提升BI普及率

        对于CIO们来讲,许多用户花了大价钱上了企业BI之后,系统在企业内部推广困难。这也是近几年商业智能领域出现的一个普遍性问题。我们将BI在企业内部的推广情况其称之...

DataCVG 发表了文章 • 2017-11-16 15:42

0
推荐
227
浏览

数聚股份“智慧圈”团队荣获上海开放数据创新应用大赛SODA大奖

        2017年国际开放数据与城市创新峰会于11月8日在上海落下帷幕,而压轴大戏——上海开放数据应用创新大赛(Shanghai OpenDataApps,简称SODA,下同)的各项奖项花落谁家也...

DataCVG 发表了文章 • 2017-11-15 17:50

2
推荐
435
浏览

大家好,给大家介绍一下,这是“FineReport+”

在说“FineReport+”之前,我们先聊聊“互联网+”。“互联网+”是个老概念,通俗来讲是“互联网+各个传统行业”。很多人说,“互联网+”应该叫“+互联网”,因为互联网只是个工具而已。其实不然,“互联网+”并不是简单的“+”,...

帆软软件 发表了文章 • 2017-10-18 09:48

0
推荐
336
浏览

百年高校的“可持续发展梦”——同济大学数据化管理案例

文|帆软数据应用研究院 陈陵志引言《教育信息化“十三五”规划》提出:到 2020 年, 基本建成“人人皆学、处处能学、时时可学”、与国家教育现代化发展目标相适应的教育信息化体系。本文通过同济大学数据应用的案例,...

IT小牛 发表了文章 • 2017-09-19 10:33

2
推荐
493
浏览

金融毕业生一年转型数据分析师的心路历程

2017年又一部热播剧火了,《我的前半生》对剧荒期的大家的传播影响无疑是海啸式的,剧还没完结的那段日子每天上下班在地铁上都能看见有人举着手机在看,这部剧也让我们对商业分析这个名词不再陌生,咨询公司最需...

许伊梅 发表了文章 • 2017-08-10 16:01

1
推荐
255
浏览

电商运维BI解决方案-微信运营情况分析

电商运维BI解决方案之微信运营情况分析报表:        (1)利用数字图展现了我们比较关注的指标,新增关注人数、取消关注人数、图文页阅读人数、原文页阅读人数、分享转发次数、微信收...

珠海奥威软件 发表了文章 • 2017-08-03 10:11

0
推荐
274
浏览

数据可视化分析--客流量分析

  数据可视化分析--客流量分析,主要包含以下内容  (1)当天的客流量、订单量、销额、成交率,以及跟昨天的对比情况  (2)当月累计的客流量、订单量、销额、成交率,以及跟上月的对比情况  (3)各时间...

珠海奥威软件 发表了文章 • 2017-07-31 15:42

0
推荐
610
浏览

商业智能(BI)选型评估指南:如何选择正确的现代商业智能(BI)和数据分析平台

关于本指南本评估指南旨在帮助 IT 组织评估和选择适合进行大规模企业范围部署的现在商业智能和分析平台。 在向基于自助功能的现代商业智能模型过渡的过程中,IT 必须采用一种能够让业务部门在所有层面参与 整个计...

JoyBI 发表了文章 • 2017-07-12 10:49

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。