京公网安备 11010802034615号
经营许可证编号:京B2-20210330
SAP:大数据必须和行业应用相结合_数据分析师考试场
在大数据这个词出现之前,关于数据价值的问题就一直存在。 至于为什么近期大数据如此火热,我认为,真正驱动大数据热的原因来自于用户所面临的商业挑战。
事实上,我们在和客户谈论关于大数据的问题时,经常会从大数据谈到大、而有用的数据,或者是大却不好的数据,抑或是如何获取实时的数据分析等。由此可见,什么样的名词其实并不重要,关键在于能够帮助用户解决怎样的业务问题,怎样让用户的数据能够发挥作用,变为真正的业务价值和“真 金白银”的收入。 Q:中国的大数据市场潜力如何? 麦马翰:中国的大数据市场有着巨大的潜在商机。首先,中国有很多大型的客户,例如银行、电信运营商等,他们对于大数据分析都有着很迫切的需求。以银行为例,他们有着非常大的数据量,但如何才能够从这些大数据中提取价值,来改善用户体验,提升利润率呢? 以往在市场竞争不是十分激烈时,这一需求并不是十分迫切。
但随着市场竞争的加剧,以及中国居民收入的迅速增长,银行的客户服务方式也在发生变化,需要针对客户的个性化需求提供及时的、有针对性的服务,否则很有可能会因为服务方面的问题而造成客户的大量流失。 但银行如何才能知道哪些用户在消费行为、收入等方面发生了变化呢?采用传统的数据分析方式,银行也许可以在一个月后知道这些信息,但那为时已晚。而通过大数据的应用,银行可以实时的了解哪些客户的消费行为发生改变,收入发生了怎样的变化,这样就可以告诉银行的客户经理,采取有针对性的服务去留住那些客户。 Q:与竞争对手相比,SAP的大数据策略有什么不同? 麦马翰:市场上有很多大数据厂商,但其实S A P并不是经常谈论大数据。因为,我们认为,大数据必须和特定行业用户的特定应用相结合,从业务需求的角度来进行讨论,才更有价值。
所以,我们在和用户沟通时,更多是在分析用户的业务发展方向,以及用户所面临的业务难题等。而不是简单的说大数据应该存在哪里,或者大数据应用如何使用等。 举个例子,一家美国的大型农机产品生产企业,面临着来自中国和东南亚一起企业的市场竞争压力,因此他们想通过I T应用的实施来帮助他们增强市场竞争力。我们在和这家企业进行沟通时,并没有谈什么大数据,而是从业务角度入手,看如何能够使其公司所生产的农机产品具有更大的价值:因为,竞争对手产品的价格可能只是他的1/2。
通过对用户的业务进行分析,我们发现他们可以为用户提供一些增值的服务来提升自己对客户的价值,从而避免陷入到单纯的价格竞争中,例如通过地理情况的分析、天气情况的分析,来看看不同的农作物,在不同的地理位置、不同的土壤条件、不同的天气情况下,它的产量如何。
这样他们就能够为用户提供相应的种植方面的建议和服务。针对这些业务需求,我们给他们提供了数据实时分析的解决方案,通过对数据进行实时分析,他们可以为用户提供更多的、更有价值的建议和服务,也使自己的市场竞争力得到了大幅的提升。
我们认为,从业务的角度出发来探讨大数据,远比单纯的卖设备或软件等对于用户更有价值,这也是S A P与竞争对手的很大区别,因为我们对于用户的业务更加了解,也更有经验。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27对数据分析从业者和学生而言,表结构数据是最基础也最核心的分析载体——CRM系统的用户表、门店的销售明细表、仓库的库存表,都 ...
2025-11-27在业务数据可视化中,热力图(Heat Map)是传递“数据密度与分布特征”的核心工具——它通过颜色深浅直观呈现数据值的高低,让“ ...
2025-11-26在企业数字化转型中,业务数据分析师是连接数据与决策的核心纽带。但“数据分析师”并非单一角色,从初级到高级,其职责边界、能 ...
2025-11-26表格结构数据以“行存样本、列储属性”的规范形态,成为CDA数据分析师最核心的工作载体。从零售门店的销售明细表到电商平台的用 ...
2025-11-26在pandas数据处理工作流中,“列标签”(Column Labels)是连接数据与操作的核心桥梁——它不仅是DataFrame数据结构的“索引标识 ...
2025-11-25Anaconda作为数据科学领域的“瑞士军刀”,集成了Python解释器、conda包管理工具及海量科学计算库,是科研人员、开发者的必备工 ...
2025-11-25在CDA(Certified Data Analyst)数据分析师的日常工作中,表格结构数据是最常接触的“数据形态”——从CRM系统导出的用户信息表 ...
2025-11-25在大数据营销从“粗放投放”向“精准运营”转型的过程中,企业常面临“数据维度繁杂,核心影响因素模糊”的困境——动辄上百个用 ...
2025-11-24当流量红利逐渐消退,“精准触达、高效转化、长效留存”成为企业营销的核心命题。大数据技术的突破,让营销从“广撒网”的粗放模 ...
2025-11-24在商业数据分析的全链路中,报告呈现是CDA(Certified Data Analyst)数据分析师传递价值的“最后一公里”,也是最容易被忽视的 ...
2025-11-24在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20