企业数据分析的架构与方法.pdfVIP

企业数据分析的架构和方法 企业在正常运营中会产生数据 ，而对这些数据的深层次挖掘 产生的数据分析报告 ，对企业 的运营及策略调整至关重要。对企业数据做好分析 ，对于促进企业的发展、为企业领导者提 供决策依据有着重大作用。那么怎么做企业数据分析呢 ？带大家一起学习企业数据分析的架 构和方法 ，希望能给大家一些启发。 一、数据分析很普及 以往的数据分析在今天的各类型企业中 ，数据分析非常的普及 ，并且得到认可 ，数据分析的核心任 务往往是支撑运营和营销 ，将企业内部的数据 ，客户的数据进行分析和总结 ，形成以往工作情况的 量化表现 ，以及客户的行为趋势或特征等。 如果从更宏观的角度来认识数据要达到的目标就是希望通过数据来发现潜在的规律 ，进而帮助预测 未来 ，这一点同数据挖掘的目标一致。今天我们还是在反复提到数据挖掘这个概念 ，我们就需要来 看看数据分析都有哪些是没有做到的内容。 1、数据分散 多数数据分析岗位在公司中的岗位设置是隶属在单一业务部门中作为一个支撑岗 ，只有少数的公司 是将数据分析作为一个独立的部门。其差异性在于 ，前者的数据分析 能分析的内容仅限于自身部 门 输出的指标 ，比如投诉部门只看投诉处理过程中的数据 ，销售部门只看销售过程中的数据 ，一 旦涉及到需要将各类指标汇总分析的情况 ，这种组织架构就会带来极大的负面影响 ，由于不同部门 具备自己部门指标导出的权限 ，且与其他部门的配合并不影响绩效任务 ， 以这种跨部门采集数据 的过程往往效率奇低。而数据分析最关键的就在于汇集更多的数据和更多的维度来发现规律 ， 以 以往的数据分析多是做最基础的对比分析以及帕累托分析 ，少有使用算法来对数据进行挖掘的动作 ，因为越少的指标以及越少的维度将会使得算法发挥的效果越差。 2、指标维度少 在以往的企业中 ，数字化管理更多的体现在日常运维工作中 ，对于客户端的数据采集虽然从很早以 前就已经开展 ，CRM系统的诞生已经有很久的时间了 ，但是一直以来客户端的数据维度却十分缺失 ，其原因在于上述这些途径 获得的数据多为客户与企业产生交互之后到交互结束之间的数据 ，但 是这段时间只是这个客户日常生活中很少的一部分内容 ，客户在微博 ，微信上的行为特点 ，关注的 领域或是品牌 ，自身的性格特点等 ，可以说一个客户真正的特点、习惯 ，仅通过与企业的交互是无 从知晓的 ，因此难以挖掘出有效的结论。 3、少使用算法 在上述制约条件下 ，可想而知数据分析人员对于算法的使用必然是较少的 ，因为数据分析依赖于大 量的指标、维度以及数据量 ，没有这三个条件是难以发挥算法的价值的 ，而在排除掉算法后 ，数据 分析人员更多的只能是针对有限的数据做最为简单的分析方法 ，得出浅显易懂的分析结论 ，为企业 带来的价值则可以想象。 4 、数据分析系统较弱 目前的数据分析多采用excel ，部分数据分析人员能够使用到R或SPSS等软件 ，但当数据量达到T B 或PB单位级别时 ，这些软件在运算时将会消耗大量时间 ，同时原始的数据库系统在导出数据时 花 费的时间也是相当长的 ，因此对大数据量的分析工作 ，常规的系统支撑难以到达要求。 （目前市面 上较好的有纽带线CRM系统的数据分析工具 ） 二、技术革命与数据挖掘 得益于互联网对于人们生活的影响逐渐增大 ，我们发现数据正在疯狂的增长。今天一个人一天的时 间中有将近一半是在互联网中度过的 ，一方面这些使用互联网的交互都是能够被捕捉记录的 ，一方 面由于碎片化时间的使用 ，客户与企业交互的机会也变的越来越频繁 ，进一步保障了客户数据的 丰富。同时在大数据技术的支撑下 ，今天的系统能够允许对这些大规模的数据量进行高效的分析。 因此数据分析人员也能够开始使用一些较为抽象的算法来对数据做更为丰富的分析。 以数据分析 正式进入到了数据分析2.0的时代 ，也就是数据挖掘的时代了。 三、数据处理流程 数据分析也即是数据处理的过程 ，这个过程是由三个关键环节 组成 ：数据采集 ，数据分析方法 选取 ，数据分析主题选择。这三个关键环节呈现金字塔形 ，其中数据采集是最底层 ，而数据分析主 题选择是最上层。 四、数据采集 数据采集即是如何将数据记录下来的环节。在这个环节中需要着重说明的是两个原则 ，即全量而非 抽样 ，以及多维而非单维。今天的技术革命和数据分析2.0主要就是体现在这个两个层面上。 1、全量而非抽样 由于系统分析速度以及数据导出速度的制约 ，在非大数据系统支撑的公司中 ，做数据分析的人员也 是很少能够做到完全全量的对数据进行收集和分析。在未来这将不再成为问题。 2、多维而非单维