在數(shù)聚股份看來，越來越多的企業(yè)開始搭建自己的大數(shù)據(jù)平臺(tái)體系，并傾注大量資源用于平臺(tái)的迭代和運(yùn)營(yíng)。那么大數(shù)據(jù)平臺(tái)作為越來越被關(guān)注的企業(yè)新興價(jià)值點(diǎn)，它應(yīng)該以何種方式看待，并且以什么樣的方式去建設(shè)和運(yùn)營(yíng)，值得每一位企業(yè)運(yùn)營(yíng)者思考。

本文提供大數(shù)據(jù)平臺(tái)運(yùn)營(yíng)的三元素模型，旨在幫助企業(yè)管理層以全面的視角審視企業(yè)當(dāng)前正在建設(shè)的大數(shù)據(jù)體系，真正地實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)。

1. 大數(shù)據(jù)平臺(tái)的數(shù)據(jù)指標(biāo)體系

雖然技術(shù)在不斷地拓展，但很多的商業(yè)邏輯并沒有變化，數(shù)據(jù)指標(biāo)體系體現(xiàn)的正是企業(yè)最為關(guān)注的各種商業(yè)目標(biāo)與邏輯。具體來說，可以分為以下三點(diǎn)：

1） 市場(chǎng)端數(shù)據(jù)?？蛻魯?shù)據(jù)和產(chǎn)品數(shù)據(jù)。應(yīng)用場(chǎng)景一般來說是構(gòu)建客戶畫像（包括基本信息和生命周期分析）以及產(chǎn)品分不同維度（時(shí)間、地點(diǎn)、經(jīng)銷商、生成質(zhì)量、SKU等）的銷售情況。

2） 經(jīng)營(yíng)數(shù)據(jù)。傳統(tǒng)上也被稱為財(cái)務(wù)數(shù)據(jù)，收入、成本、毛利、費(fèi)用。此處不展開闡述。

3） 運(yùn)營(yíng)數(shù)據(jù)。關(guān)鍵KPI，運(yùn)作情況等。主要應(yīng)用場(chǎng)景體現(xiàn)在指標(biāo)的完成情況（目標(biāo)、實(shí)際、達(dá)成率），復(fù)雜的分析包含趨勢(shì)預(yù)測(cè)分析和果因分析。

2. 大數(shù)據(jù)平臺(tái)的工具體系

為了闡述的簡(jiǎn)潔，這里僅將工具體系分為前端和后端。

后端：其主要的工作組成部分是數(shù)據(jù)的儲(chǔ)存和ETL。以2018年為分界點(diǎn)，很多企業(yè)已經(jīng)在逐步地拋棄傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)，轉(zhuǎn)向更為靈活高校的數(shù)據(jù)倉(cāng)庫(kù)建設(shè)，同時(shí)在整體的選擇上也更傾向于迭代更快，成本更低的開源技術(shù)。Hadoop和Python的火爆已經(jīng)預(yù)示著開源`體系的來臨。同時(shí)，無論是架構(gòu)還是代碼，都在朝著云端化發(fā)展，隨著5G時(shí)代的來臨，整個(gè)大數(shù)據(jù)平臺(tái)都將實(shí)現(xiàn)云端化。

前端：數(shù)據(jù)分析及可視化軟件的使用門檻顯著降低，業(yè)務(wù)人員不再過分依賴技術(shù)人員才能完成整個(gè)的分析工作。各種BI工具（Tableau、SEMF、Microstrategy、帆軟等）都朝著敏捷化方向快速發(fā)展，傳統(tǒng)BI已經(jīng)走入末路。高效的部署速度和快捷優(yōu)質(zhì)的分析交互使得企業(yè)節(jié)省大量的部署維護(hù)成本，進(jìn)而用于更高價(jià)值的分析工作。在前端技術(shù)領(lǐng)域值得關(guān)注的發(fā)展趨勢(shì)具體體現(xiàn)在人工智能領(lǐng)域的響應(yīng)式BI工具(如tableau和power bi推出的問答式BI)以及能夠集成多種工具的微服務(wù)架構(gòu)平臺(tái)式BI(如SEMF)。

在獨(dú)立于前端后端外，值得注意的還有傳統(tǒng)的優(yōu)質(zhì)數(shù)據(jù)工具Excel，仍然在發(fā)揮著巨大的作用，企業(yè)大可不必將其視為落后的生產(chǎn)力工具。作為目前仍然少數(shù)的圖靈完備工具，Excel仍然適用于大量數(shù)據(jù)分析場(chǎng)景，并且還在不斷地完善功能與性能。

3. 大數(shù)據(jù)平臺(tái)的分析思維方法論

提到數(shù)據(jù)分析的方法論，最主要的便是數(shù)據(jù)分析的流程。一方面大數(shù)據(jù)分析講究對(duì)業(yè)務(wù)流程的梳理、一方面是對(duì)數(shù)據(jù)模型的建立，這兩個(gè)過程中其實(shí)是貫穿在整個(gè)數(shù)據(jù)分析流程中的，而整個(gè)數(shù)據(jù)分析流程又是一個(gè)PDCA的閉環(huán)過程。

在數(shù)聚股份看來，對(duì)于企業(yè)數(shù)據(jù)分析，首要的任務(wù)是流程的梳理，同時(shí)建立起標(biāo)準(zhǔn)化，格式、出處、名稱等多個(gè)方面都要建立起一套標(biāo)準(zhǔn)的統(tǒng)一范式，同時(shí)不斷強(qiáng)化數(shù)據(jù)治理文化，形成有序高效的數(shù)據(jù)準(zhǔn)備氛圍。再者，要結(jié)合業(yè)務(wù)場(chǎng)景的變化，不斷地對(duì)各項(xiàng)指標(biāo)制定出符合場(chǎng)景的分析標(biāo)準(zhǔn)，特別是區(qū)分出不同時(shí)間和場(chǎng)景的分析側(cè)重點(diǎn)，這樣才能讓數(shù)據(jù)分析真正地產(chǎn)生價(jià)值。

通過對(duì)業(yè)務(wù)數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù)的梳理，將這些數(shù)據(jù)標(biāo)準(zhǔn)化，然后進(jìn)行分析，這時(shí)變需要用到各種常用的分析方法。常用的幾種數(shù)據(jù)分析方法：

1、交叉表分析

2、聚類分析

3、回歸分析

4、杜邦分析

5、RFM分析

6、因果分析與果因分析

當(dāng)然，在數(shù)聚股份看來，數(shù)據(jù)分析的方法模型，不僅僅限于這幾種，不同的行業(yè)涉及的方法與指標(biāo)組合及其側(cè)重也有所不同。具體的方法原理描述此處不做詳細(xì)介紹，可以自行進(jìn)行網(wǎng)絡(luò)查找并學(xué)習(xí)了解。

審核編輯 黃宇