当前位置:首页 > 云计算 >

如何在一体化大数据平台构建有价值的探索式商业分析

发布时间:2016-05-04 19:56:21 来源:中国软件网 作者:贾聪聪
[摘要]在于4月28日举行的第九届中国软件渠道大会暨2016中国软件生态大会上,永洪科技联合创始人谢玲表示,数据化运营是打造智慧企业的唯一选择,但企业在运用数据的过程中,往往存在投入大、期望高,但价值产出和预期并不匹配的问题。对此,谢玲指出,一站式大数据分析平台是未来企业的标配,探索式分析可完全释放数据价值,是未来企业构建一站式大数据分析平台的唯一选择,而建模层与业务层分析是探索式分析的最佳实践。
       在于4月28日举行的第九届中国软件渠道大会暨2016中国软件生态大会上,永洪科技联合创始人谢玲表示,数据化运营是打造智慧企业的唯一选择,但企业在运用数据的过程中,往往存在投入大、期望高,但价值产出和预期并不匹配的问题。对此,谢玲指出,一站式大数据分析平台是未来企业的标配,探索式分析可完全释放数据价值,是未来企业构建一站式大数据分析平台的唯一选择,而建模层与业务层分析是探索式分析的最佳实践。

永洪科技联合创始人 谢玲

企业精细化运营需要搭建平台

对于企业来说,互联网+运营具有重大意义。企业如果做不好数据化运营,就无法获知当前的业务状况、发展规律、用户画像等信息,在一片漆黑中凭感觉前行;更可怕的是,当企业出现利润下滑、用户增长停滞、用户流失等现象时,不能有效解决问题,未来再发生此类问题时,依然如此;此外,当企业做业务拓展时需要准确预测,如果没有量化指导,就可能通过拍脑袋来决定,就可能会对企业产生不必要的损耗。

在开一个新门店的场景下,备多少货、货在多长时间内消耗掉、招多少人合适……都需要预测。在同行业、跨行业竞争激烈的情况下,如果在做决策性判断时出现失误,可能会带来半年甚至一年的损失。而如果能用数据模型进行相应预测,无论从经济、时间还是人力上,都会大大节省成本。

然而, 企业在运用数据进行预测的过程中会面临一些痛点问题,主要有以下三个方面:

1、IT资源瓶颈化。对于实业企业来说,IT部门员工可能只占总人数的10%以下,大部分员工都是业务人员,可能占90%以上。当业务部门提取数据或者做相应的报告分析时,IT资源完全不能满足业务需求的提出速度,导致IT部门忙得要死,业务部门急得要死。业务部门提出的需求,可能以周或月为单位才能得以实现。

2、工具的碎片化。在做数据处理的过程中,可能需要考虑很多层面,涉及ETL、计算引擎、BI、深度分析等。每一个工具都是不同的产品,导致IT部门的采购成本、实施成本、集成成本、维护成本和使用门槛都很高,业务用户的使用体验也不一致。

3、不能高效地运用大数据。企业虽然对海量数据的存储和离线数据处理性能已经有足够的支撑,但灵活的即席查询和动态分析需求带来了更高的实时计算性能要求,这让企业遇到了新的挑战。如果实时计算性能不能满足业务需求,就会让业务用户疲于等待,导致体验变得糟糕。

因为存在这些痛点问题,导致企业尽管投入很大,但大数据的价值产出与预期并不匹配。Forrester在报告中指出,有83%的用户拒绝使用企业级数据分析平台。可以看出用户对这种投入产出不匹配的失望。

若想在出现问题时迅速、精准地定位问题,在做新的尝试时有预测模型来辅助工作,进而让数据预测价值产出达到预期,我们需要通过精细化运营去支撑,就需要通过探索式的方式搭建平台。

探索式分析成大势所趋

如何让数据真正被业务所使用促进业务的发展?2015年美国最权威的咨询机构Gartner提出,敏捷BI、探索式分析已成大势所趋。Gartner在2016年的BI魔力象限报告中指出,传统型和报表型的BI厂商已经完全从领导者象限出局,被敏捷型产品厂商替代,探索式分析将融入一站式大数据分析平台。

在传统BI的架构里,大部分数据从原始数据源里抽取过来以后,需要进行处理,然而当数据量达到一定数额时,数据库就不能支撑建模分析了,这时只能提前做好计算。这种做法能在几秒钟内快速解决复杂一点的计算,但如果指标发生变化,想查看中位数、总和数或平均值发生的变化时,只能由IT部门重新提交需求,第二天才能看到结果,不具备敏捷性和灵活性。

业务驱动已逐渐在BI市场进行着基础性的变革。过去,大多由IT部门主导BI项目的投资,这些项目高度集中、高度管控。大部分需求都由IT部门产出,再推送给消费者和分析人员。现在,大量的商业用户迫切要求进行探索式分析,希望通过深度分析获取数据洞察力,然而他们只有非常有限的IT技能和数据科学分析技能。

在国内,越来越多的企业希望借力业务主导型、高性能、具备大数据分析能力的敏捷BI平台来解决他们的问题,而探索式分析就是目前有效的一种方式。探索式分析的价值相比传统BI而言,是从有限的价值到价值完全释放的转变。一线业务人员需求非常多,如果数据只能被少数人掌握,那么企业的数据价值就不能充分释放。通过探索式分析,可以让一线人员灵活分析数据,数据也能指导每个人的业务运营。同时,探索式分析也是一种人人都会用的可视化分析工具,并可实现海量数据的实时计算。

探索式分析最佳实践——建模层和业务层分析

探索式分析是一站式大数据分析平台中的一个关键阶段,也是决定平台是否具有灵活性和可预见性的关键点。一站式大数据分析平台包括自服务数据准备、探索式分析、深度分析以及企业级管控。自服务数据准备就是做数据清洗、汇集的工作,将数据处理到可以分析的状态。接下来的探索式分析阶段,分析业务时的需求是多变的,整个过程不能提前做好设定,不能提前计算,所以要求平台拥有灵活和可预见的特性。

永洪科技在实践中发现,探索式分析的最佳实践是建模层和业务层分析,一个很重要的特点是对建模层和业务层进行分离。建模只需要考虑表与表之间的关系,这样一来,当表无关、底层没有变化的时候,任何分析都可以快速从模型中找到答案。只有对建模层和业务层进行分离才能达到高度灵活的效果。

除此之外,一站式大数据分析平台还要让业务用户能轻松使用探索式深度分析。有的用户虽然不是数据分析师,但也有深度分析的需求。虽然用户不懂算法,不知道怎么用工具来实现,但是需求非常明确,可能想要做用户画像来进行用户的类别划分等等。如果使用常见的,如聚类、分类、回归、时序等用户能理解的算法,在平台上进行相应的分析,就能达到深度分析的效果。

谢玲表示,永洪科技的部分客户在搭建一站式大数据平台后,通过探索式分析把门槛和成本降低,让企业可以在不担心成本的情况下尽量试错。

【返回首页】