
BI和数据分析需要准确的数据
TJX公司在这个经济快速下滑的大背景下公布了这个季度的稳健收益,表明公司正在蓬勃发展。TJX公司拥有T.J. Maxx and Marshalls折扣连锁店。在2011年销售总额是232亿元,同比去年有6%的涨幅。但是谈到商业智能(BI)和数据分析的时候,作为信息架构和商业智能部门副总裁的Jon Geggatt表示这家零售商还有很长的路要走。
Jon在最近召开的波士顿信息管理界大会对在场的所有CIO们表示“TJX在BI领域不够成熟”。事实上,这家零售商长久以来对企业BI和数据分析的项目不感兴趣,2010年起任职于这家公司的Geggatt在LinkedIn上称自己“被同事们戏称Rodney Dangerfield似的分析”。
当然这一切都很具挑战。Geggatt的架构小组正在引领公司走向BI和数据分析。可以确信,这意味着他们通过持续给业务部门灌输关于主数据管理和BI治理的概念,更重要的将正确的信息推送给那些能产生经济效益的人等方式在努力实现目标。他说“我们专注在提供给我们的客户有哪些来自供应商的好产品在等待着你同时宣传当今市场的主流趋势”。商业智能正在通过类似IPAD和IPHONE等广为接受的方式来部署,这种移动应用就像传统意义上在销售中已经被最顽固的买家接受并用于记录的绿色条纹纸。
听过了参加SIM大会演讲者Geggat的演讲之后我们会得以讹结论,像政治一样,BI和数据分析也是见仁见智,至少要适应公司自身需要。Thomas Davenport任职于马萨诸塞州Wellesley市的Badson大学的管理和计算机技术学院,他是总统授勋的卓越教授。他表示小组的论述表达了BI和数据分析是如何反映一个公司的文化,虽然这早已是20年以来不变的规律。
BI和数据分析需要准确的数据
在TJX不紧不慢按部就班的投入BI的同时,总部位于波士顿已经拥有十年历史的家居电商Wayfair LLC已经将BI和数据分析植入了公司的DNA中。该公司的市场和商业分析副总裁Ed Macri说“我们早在公共关系或是品牌团队建立之前就已经拥有BI和数据分析”。公司花了一年的时间对点击流数据进行清理确保数据的准确。Ed说“我们不需要变更管理。我们不需要说服别人去做这些事。我们最大的挑战是庞大的数据量,他增长的速度远高于利润 ”。
媒体大亨“Mort"Zuckerman于1970年成立的Boston
Properties公司在1997年上市之时就将数据管理纳入企业的一个信条。Jim
Whalen作为这家总部位于Boston的房地产投资信托基金公司的CIO说:“在公司上市之初,我们就已经完成很多关于数据标准的工作”。该基金信托公司拥有美国最大规模的A级办公场所的开发权和拥有权。
在过去的两年半里,Boston Properties公司一直在专注于将BI和数据分析应用在财务上,并搭建模型模拟20年后的场景。Whalen说:“这对我们来说是一个分水岭”。那时,公司已经开始对我们每一座大厦的前台服务进行测量和比较分析。他说:“例如,位于纽约的通用汽车大厦一年有18000名访客”。(这个数字是反映经济的一个不错的指标)与Wayfair相同的是,Boston
Properties很快会引入大量数据,正如他们开始收集和分析安装在楼宇系统内的上千个数据收集点来优化能源管理和其他服务。但这只是项目的初始阶段。他补充,BI会作为公司的一项持续改进过程。
在场所有的CIO们纷纷表示BI和数据分析项目的目标和如何被更好应用(以及是否由IT控制)等问题都毫无疑问取决于公司的文化。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10