
大数据成决策参谋 企业如何“胸中有数”_数据分析师考试
“大数据正在改变我们的生活以及理解世界的方式,成为新发明和新服务的源泉……”2012年12月,一本名为《大数据时代》的大数据系统研究的先河之作问世,书中如是说。 这边厢,我市大数据产业计划正式起步5月9日,重庆“融信通”全国基地正式起航,为企业提供宽带、语音、短彩信、即时通信等一体化的信息服务。 传统企业如何跟进大数据时代的脉搏?本期老板下午茶,商报邀请到众老板和业界专家,就相关话题进行讨论。 形势:无孔不入的数据需求 重庆商报:您的企业一般对哪些基础数据有需求? 廖伟:在旅行社的档案库中,往往存着包括旅客的身份信息、出行选择的方式、花销的水平,旅客入住酒店的级别、目的,以及景点消费级别、接待什么样的游客等多方面的数据信息。
只看这些数据信息意义有限,如何根据这些海量数据获得更深入的、更有价值的信息才是重要的。比如,我们希望的是从数据中分析出消费群体的消费级别和他们的需要,推荐目标旅游地。 邓晓琴:在艺术设计、产品开发方面,整个市场上畅销的品牌、款式、型号、价格区间以及流行的颜色、版型等,都是时装企业必须掌握的数据。而在企业自身管理运作的方方面面,我们都需要数据为经营管理做参考。比如,由于每个区域的流行趋势有所差别,因此,在某个区域的公司各种产品的销售数据必须要有详细的统计,为企业的备货、仓储等作参考。 万晓洪:如今,不管是一线品牌和二线品牌,在“三公”消费受限的背景下,回归市场成酒企求存的必经之路。白酒行业怎么获得市场的认可呢?发展中端产品可能成为认可度最高的说法之一。
得出这个结论的基础,便是众多酒企发力市场调查的结果。 对我们来说,现在最为关注的莫过于什么价位的酒销量最好,以及渠道分布比例如何、是什么样的人在喝、区域销量分布、渠道库存、销售成本等数据。 意义:数据已成为决策的砝码 重庆商报:数据挖掘对您的企业的意义在哪? 廖伟:我们通过对港澳游的数据分析发现,高端消费群体往往选择自由旅行,以购物为主观光为辅,因此,旅行社对他们的作用就是预订繁华地段的酒店和机票。如果是中低端消费群体,他们的目的则是观光为主购物为辅,往往选择跟团游。
在接下来跟踪服务时,我们就会点对点为高端消费者设计迪拜、北美等可实现购物需求的旅游产品。面向中低端消费群,则会推荐东南亚等地的旅游产品。怎样设计这些定向营销的旅游产品呢?就得从长年累月搜集看似散乱的数据中,挖掘出具有关联性的信息,经过研究得到多种参考方案。 邓晓琴:时装是一个前瞻性很强的行业,在推出新产品之前,如果没有市场调研数据做基础,企业就相当于盲人;企业自身的销售数据分析和市场趋势的调研分析被称之为服装企业的生存命脉。 万晓洪:行业危机显现后,我们聘请重庆的一家数据分析机构与我们合作,历经三个多月,采集了市场上酒类的各种价格区间分布、口感分布、甜度分布、消费渠道、消费群体、销售数据以及包装设计等数据,进一步分析后发现,250ml左右的小酒销量不但没有倒退,反而在快速上升。
经过对多份报告的分析后,我们决定推出中高端的“山城小调”小酒。 动作:组建大数据“参谋”部门 重庆商报:您的企业是如何实现对接“大数据”的? 廖伟:此前,我们获取信息的渠道主要包括旅客登记,航空公司、酒店、景点、商圈等合作伙伴提供等,而负责数据收集整理分析的往往也是国际部或是国内部等部门的负责人。
不过目前看来,这种方式已过时。 为此,我们不久前将酝酿已久的B2C和B2B交易平台对公众开放,并为之建立起资料库,还成立了专门的综合网络管理部门,负责对公司200多家门市部和100多家供应商的数据进行采集、分析和归纳,为决策部门提交参考方案。 邓晓琴:我们获取数据的主要方式是大型商场监测、服装行业的专门机构的数据库查询以及每年派出三四批调查人员前往世界各大时装周做调查,同时还会定期邀请渠道商上的VIP合作伙伴举行座谈,获取资讯。 为了实现更高效的数据分析,我们成立了专门的策划研发部门,并配置专业的数据采集、分析人员,比如数据采集分析师就有5人。
并将每位分析师的工作细分化,每一个人负责某个领域中的一个步骤,深入挖掘对应数据库中有价值的信息,得出初步分析报告,提交策划部运营部负责人,再经分析后最终形成有参谋价值的方案。 万晓洪:尽管行业相对传统,诗仙太白公司也基本形成了一套数据挖掘的流程:一方面,一线数据采集人员将渠道商各种酒类的销售汇总到片区和总部,并将餐饮、商超、经销商等渠道按照业绩分为不同的等级,以便后续的加权分析;另一方面,公司成立专门的数据分析部门,除了汇总销售市场回馈的数据,还负责监测公司各个产品的销量、库存以及运作成本等数据,实现双向监测。
为了满足“大数据”的需求,我们最近斥巨资引进了专业的信息管理系统,完成数据库的建立。公司要求数据分析部门定期为决策部门提供分析报告和综合运作方案,若是一些大的项目,我们还会聘请第三方机构参与。 场外观点 创造需求先行 大数据有大智慧 在赵国栋看来,大数据不只是一种工具,它是一种智慧,是一种思维模式。“大数据”将会给企业在销售渠道、流程管理、成本控制、库存管理、定制服务等方面,提供最优的运作方案。例如目前不少企业在库存危机中陷得很深,往往就是缺乏对市场需求的了解,造成了需求和供给之间的无法逾越的鸿沟,企业生产什么,就“逼”着市场消费什么,最终的结局就是渠道堵塞。
在大数据的思维模式下,则是需求先行,市场需要什么,企业生产什么,企业的库存将会无限接近于零。但赵国栋特别指出,实现“大数据”的分析工具、软件服务以及市场调查初期的数据采集等流程可以外包第三方,而进入到后期的方案的策划总结,便不应该交由他手,“基于已经萃取的数据,得出什么样的结论,这是企业应该有的智慧,如果企业将这个流程也交由他方,那无异于放弃自己的智慧和思考。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19