大数据时代的商业分析（精）

作者简介

内容简介

持续改善强调迅速传递和创造价值，而非仅仅完成经 营活动。通过不断试验和学习获得微小进步，积少成多向 最终目标迈进。 这种理念明显区别于时下的主流分析发展趋势。目前 ，分析领域倾向于耗费很长开发周期去构建“完美”模型 。因为分析项目跨多个职能部门，建模和模型应用工作千 头万绪。但在这个崭新的时代，现代分析团队必须摆脱象 牙塔学术桎梏，精简传统分析步骤，缩短项目周期。将商 业反馈融人分析过程，有利于增加模型灵活性和响应性， 进一步完善分析结果。 以持续改善作为指导原则，现代分析团队迅速构建和 应用分析模型，然后在短期内进行优化和完善。同时，将 分析工作与IT相结合，创建一个无缝对接、不断传递商业 价值的分析环境。事实上，分析团队经常运用将传统方法 和敏捷方法结合的方法，或快速应用程序开发法，来缩短 项目周期，减少跨部门团队合作壁垒。加速学习和执行 今天，现代分析团队都在尝试新生事物，例如：试验 新组合方法、新分析工具、可视化，以及揭示大数据模式 的算法。通过不断尝试、不断试验，团队把宝贵经验和分 析技术应用到其他完全不同的领域，以期解决全新问题。 这不仅能加速学习进程和能力的提高过程，也创造出大量 新价值。然而，要想培养这种通过试验来创新的能力，就 不得不忍受失败，这必须成为一种企业文化。 数据规模日益膨胀，现代分析团队已经开始从单一统 计法转向预测法和可以利用所有数据的机器学习算法。它 们所获得的关键经验之一是，随着数据规模的增大，为了 实现商业目标，尤其为了满足服务水平协议，基本分析工 具和设备必须最大程度减少数据移动。现代分析团队很快 就意识到这一经验的重要性，将其运用于各类分析项目。 开始建模时，它们就把这一点明确地列入建模要求。 目前，根据行业现状调查显示，分析人员60％～80％ 的时间在进行程序调试、数据准备或数据处理。现代分析 团队总结出另一条宝贵经验，即分析项目前期，应该尽量 减少手动处理数据的工作量，尽早实现数据准备的自动化 ，或将数据自动处理作为分析处理活动的一部分。这一宝 贵经验，恰恰与企业寻求快速发展、保持市场领先地位的 需要紧密契合。企业实时学习的能力是未来的一个趋势， 它将不断地打造企业发展的动力。在当今商业世界，企业 要具备实时发现新模式且立刻采取行动的能力，并且能够 继续挖掘更深层次的洞见，来改进下一周期的分析任务。 创新分析方法 企业将产品、客户服务和运作流程融合起来，力图营 造差异化竞争优势。分析法可以直接支持每一项商业活动 ：它提供有价值的分析结果，使企业更全面深入地了解竞 争对手，抑或帮助企业制定高度差异化的竞争战略。这可 能意味着，你成为所在行业中首次应用分析法的，或者意 味着你使用了更优秀的分析方法，抑或意味着你更快地在 生产领域中应用了分析法。 许多企业试图通过市场调研来了解竞争环境和竞争条 件。然而，一味的模仿会导致你永远处于市场次要地位，