京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据分析需求转型与商业模式重构
现如今各行各业对于数据分析的理解都已经发生了改变,这也使得技术层面和业务层面都出现了一定挑战,大家都希望更好的利用数据,将数据进行变现,因为数据带来的市场机遇是巨大的。
这是我第二次见Teradata天睿公司营销与业务拓展副总裁Mikael Bisgaard-Bohr,他一上来就迫不及待地和我分享了最近发生在他女儿身上的一件趣事。作为社交达人的女儿活跃在各大社交网站,有一天她看到Facebook的财报,不禁产生疑问,为什么提供免费服务还可以赚钱?
Mikael为女儿解释了Facebook是如何利用用户数据赚钱,女儿马上意识到未来在社交网站上上传数据需要更谨慎。这正是消费者越来越意识到数据的价值,这对于企业利用数据将是一个挑战。
Teradata天睿公司营销与业务拓展副总裁Mikael Bisgaard-Bohr
当然数据也可以帮助企业从新定义商业模式,在Teradata Universe峰会德国站,Mikael遇到的一个德国客户谈到,十年以后各个企业的CEO不能再找借口说我不知道这件事情发生了,因为数据可以将现实重现。
市场转型带来的技术与业务突破
在2013年,Teradata将市场分为美洲和国际两大部分,Mikael 负责市场营销及国际市场营销和业务拓展。在他看来虽然在三四年之前美国市场有一定的疲软,但2015年国际业务的各个市场都表现良好,尤其是中国市场增长明显。
Teradata去年财报出现了降幅,这也反映出传统数据仓库市场需求出现变化,数据分析相关需求却正在逐渐增加。Teradata同时也收购了多家公司来扩充技术实力,结合开源技术来提供更多更强大的数据分析服务,来应对市场的转型。
Mikael强调说,他们看重长期的发展,Teradata最重要的行业是金融、电信、零售三个行业,其中电信行业在过去一段时间基本已经达到饱和,但零售业由于中国地理分布的原因,在中国还有很多可以拓展的地方。
在三大行业之外,Teradata同样也在做一些新的拓展,尤其是新的增长领域,这其中很多是B2C的企业,因为他们会产生大量丰富的数据。另外,“中国制造2025”战略强调制造业的数字化转型,之前制造业客户更多是在营销和财务系统上进行投资,而现在核心生产系统的数据分析需求正是Teradata拓展的新领域。
在技术上Teradata也在改变策略,强调包容不同技术的分析生态系统,来帮助客户解决问题。同时,在技术上也会坚持创新,实现业务模式的不断突破。
数据将重新定义企业
现如今各行各业对于数据分析的理解都已经发生了改变,这也使得技术层面和业务层面都出现了一定挑战,大家都希望更好的利用数据,将数据进行变现,因为数据带来的市场机遇是巨大的。
以银行为例,五年前他们做的还是关系型数据库或者列式数据库,当数据不断的累积后,他们在想利用这些数据能解决什么业务问题?银行客户们总结了200多个可以用数据解决的新业务问题,这其中涉及了移动数据、网络数据、甚至各种各样交互产生的数据,并且查阅这些数据进行分析的人也在发生变化。
数据在电信行业也有三个趋势,第一,全渠道地整合线上线下信息,在销售前对客户有一个全面的了解;第二,根据客户相关数据来制定促销价格,因为定价将直接影响他们的损益;第三,通过数据了解供应链,客户在什么时间什么地点需要什么货品,帮助零售商控制成本。
有一个制造业客户曾向Mikael抱怨,流水线组装工人投诉没有时间上卫生间,但管理层却说不存在这个问题。最后他们通过给每个流水线上的工人配发一个智能穿戴设备(Fitbit)来收集工人信息解决投诉问题。
通过这些数据,他们还能发现流水线上工人的整个工作流程设计是否合理。例如,他们发现重型工业组装操作需要单手举起非常重的部件,然后又要弯下腰拿工具进行操作,所以这里就需要进行工作流程再造,而这都说明数据能更快速地帮助他们解决了多种问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12