
而当大数据从企业内部运营的动力,变成平台企业的产品和服务时,平台企业也在经历着一个从大数据运营到运营大数据的阶段。数据从运营的支持工具,变成了生产资料。此前平台们的关注点,更多的是如何用好现有的大数据。而未来,它们的关注点则更多是如何将大数据这个生产资料管理好、经营好,如何更好地为平台上的企业服务。这就涉及到收集的数据质量怎样?格式标准是否统一?数据作为一种原材料,其精细化程度如何?是否符合平台上企业应用的具体场景?是平台上企业拿来就能用的,还是还需要平台上的企业再加工?
为解决这些问题,各个平台在积极地努力。比如阿里巴巴建立了数据委员会,在统一数据格式标准、从源头上保证数据的质量,采集和加工出精细化的数据,确保其能符合平台企业的应用场景等方面,不遗余力地尝试。尤其在大数据精细化方面,阿里巴巴更是作为其大数据战略的重点。这方面,腾讯目前也在加快步伐。比如新版腾讯网出现了“一键登录”的提示,用户可以在上面通过一些细分标签,订阅自己关注的内容。实际上,这也是腾讯收集更精细化的用户兴趣数据的一个有效手段。
大数据实战手册
将大数据应用于内部运营中时,企业会遇到一些常见问题
1企业如何获取与分析数据?
互联网是大数据的一个主要来源,一些线下的传统企业很难获得。但它们可以:
a 和拥有或能抓龋量数据的平台、企业以及政府机构合作。比如淘宝上的电商就购买淘宝收集的海量数据中与自身运营相关的部分,用于自身业务。再如卡夫通过与IBM合作,在博客、论坛和讨论版的内容中抓取了47.9万条关于自己产品的讨论信息,通过大数据分析出消费者对卡夫食品的喜爱程度和消费方式。
b 建立自己在互联网上的平台,比如朝阳大悦城利用自己的微信、微博等平台收集消费者评论数据。
c 许多传统企业没有分析海量数据的能力,此时它们可以和大数据分析和挖掘公司合作,目前市场上已经有天睿公司、IBM、百分点、华胜天成等一批提供大数据分析和挖掘服务的公司,它们是传统企业进行大数据分析可以借助的力量。
2 如何避免大数据应用时的部门分割?
对于许多企业,其信息流被各部门彼此分割,数据难以互通,对于这种情况下,大数据的共享和汇集就只是一个泡影,更难以实现大数据的深度应用。
要打通部门之间信息分割的局面,首先要建立统一的、集中的数据系统。就像立白信息与知识总监王永红所说的,“要真正用好大数据,企业要采用大集中的信息系统。”从更深入的角度来谈,企业信息流的部门分割,更在于企业部门之间的分割,比如有一些企业的营销按照渠道分割,导致对于顾客的大数据收集和分析效果大打折扣。
IBM智慧商务技术总监杨旭青认为,“很多时候由于组织结构问题,大数据分析有效性大大降低了。”这就需要组织与流程层面的重新设计,在这方面,阿里巴巴的部门负责人轮岗制度,对于打破部门壁垒无疑是一剂好药。而一些企业为了打破部门分割,建立了矩阵型的组织结构,强化部门间的横向合作,这些无疑为大数据的汇集、共享与应用创造了良好条件。
3 如何让业务人员重视大数据的应用?
解决这个问题,一方面在于一把手对整个企业数据文化的倡导,比如1号店董事长于刚就要求业务人员无论在开会,还是汇报工作时,都以数据说话,而马云更是将大数据提升到了战略高度。
另一方面,也在于数据部门的带动,阿里巴巴数据委员会负责人车品觉分享了经验,“因为运营部门的业务人员很难看到大数据的潜力,可以首先从一些对业务见效快,见效显著的数据项目出发,通过一两个项目的成功,调动对方的积极性,然后再逐步一个个地引导。”
4 为何大数据工作与运营需求脱节?
这往往是由于数据人员与业务人员视角、专业知识不同而导致的。大数据人员做了很多努力,但是业务人员却认为这些努力无关痛痒。如何解决这个问题?
有的企业从组织设计上发力,将大数据纳入业务分析部门的管理之下,用业务统驭数据。对于朝阳大悦城,由主要负责战略和经营分析的部门来管理大数据工作,其中的大数据分析人员则作为支持人员。在负责人张岩看来,大数据要靠商业法则指导,关键是找到业务需求的点,然后由数据分析和挖掘人员实现。在具体操作中,大悦城对微信的数据挖掘,挖掘什么样的关键词,由业务分析人员确定,而具体挖掘则由数据部门做;有的企业从流程设计上着手,推动业务部门与数据部门人员之间的沟通,建立数据人员工作与效果挂钩的考核机制。
例如阿里巴巴根据数据挖掘的成效(比如带来的商品转化率的提升)来考核数据挖掘师,考核数据分析师则看其分析结果能否出现在经营负责人的报告中。从数据部门自身角度则需要降低运营部门使用数据的障碍和门槛,比如立白集团的数据人员会努力尝试向运营部门提供更易懂、更生动的图形化数据分析界面,在立白老板办公室上,就有一份“客户运营健康体检表”,让老板对全国经销商的当月销售情况一目了然。再如阿里巴巴开发的无线Bi,让经营人员在手机上也可以看到大数据分析结果,拿车品觉的话说,“以数据之氧气包围经营人员。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28