立即扫码
享受一对一服务
企业大数据体系构建，从这4层逐步递进递进
发布时间：2019.05.20来源：数据分析网浏览量：218次标签：数据治理
关于企业的大数据体系构建，可以分为4个层级，每个层级之间可以是递进的关系，虽然业务主导不同，但构建思路相通。
关于企业的大数据体系构建，可以分为4个层级，每个层级之间可以是递进的关系，虽然业务主导不同，但构建思路相通。
一、数据基础平台
基础的数据平台建设工作，包含基础数据平台的建设，数据的规范，数据仓库的建立、数据质量，统一业务口径等等。
很多公司的数据无法有效利用，一来是数据散落在各个部门产品的服务器，各个业务系统的数据没有打通；二来是缺乏统一的数据规范，业务系统数据按照各自的口径和理解习惯上报，没有标准化的SDK和上报协议，难以构建高质量的数据仓库。
大数据平台架构的搭建并不是什么高大上的技术活，整个平台价值的体现，其实需要公司各个部门的配合，是一个相互依存的关系。例如关键数据指标体系的建立，需要从各个部门业务指标进行提炼，并得到业务部门认可。常见的关键指标，比如营销业务新增用户，有效新增用户，活跃转化率，累计留存数，渠道效果等。比如销售部门，日销售额、月销售额、回款占比等等。
二、数据报表分析与可视化
在第一层级中，进行数据指标体系规范，统一定义，统一维度区分，就可以很方便的进行标准化可配置数据报表设计，直观的可视化输出设计，包括财务、销售、供应链等多种数据类别。常见的数据报表工具有帆软FineReport、birt、水晶报表，小规模也可以用Excel来替代，但需要一定的开发量和使用水平。企业的报表通常可分为基础查询类报表、管理层分析报表和主题分析报表。
三、精细化业务分析
某些业务是需要精细化管理的，比如互联网电商的运营，为此还提出了“增长黑客”一概念。在建立数据平台和可视化基础上，对已有的销售用户行为、收入数据等进行各种分析，输出日报、周报、月报、各种专题分析报告。以互联网为例，常见的数据分析工作如下：
1. 通过 A/B 测试进行产品分析优化；
2. 运用漏斗模型进行用户触达分析，如广告从曝光到活跃的转化；
3. 营销推广活动的实时反馈；
4. 业务长期健康度分析，例如从用户流动模型、产品生命周期分析产品成长性和健康度；
四、战略分析与决策
战略分析与决策更多的是基于企业经营层面的分析和重大决策改变的分析，这些决策往往需要大量数据和指标的支持，而在过去是依靠报表和经验。
企业如果要将大数据体系贯彻落实，建议是用机器来做好业务运营监控，在此基础上让人来做人类更擅长的经验分析和战略判断。
（部分内容来源网络，如有侵权请联系删除）
立即免费申请产品试用
免费试用
相关文章推荐
-
-
数据治理带给企业的6个惊喜
数据治理是GDPR的强制要求实际是一把双刃剑。一方面，法律法规的强制规定能立即引起客户对数据治理的重视。另一方面，为了达到合规，很多企业……查看详情发布时间：2019.08.07来源：CSDN浏览量：119次
-
实施数据治理 - 学到3个主要经验教训
尽管数据治理在开发过程中可能会有些流动和迭代，但遵循最佳实践并设计精心定位的路线图有助于确保成功。……查看详情发布时间：2018.12.21来源：亿信华辰浏览量：188次
-
数据与数据治理两个基本概念
数据治理这项基础数据能力的重要性越来越多突出。2017年4月22日，中国数据标准化及治理奖实践奖的现场评审在清华大学成功举行。……查看详情发布时间：2018.11.30来源：御数坊浏览量：144次
-
企业如何开展数据治理项目
从大的阶段来看，数据治理主要分为存量数据“由乱到治”的阶段，以及增量数据严格按照规章制度实施确保“行不逾矩”的运营阶段。在“由乱到治”的……查看详情发布时间：2020.06.30来源：知乎浏览量：121次
-
-
-
元数据到元数据治理，这一篇文章就够了
“元数据管理是企业数据治理的基础”，在数据治理战略实施的时候，这是我们经常会听到看到的一句话。但是，数据治理的概念在国内还并未普及，如何……查看详情发布时间：2020.08.14来源：亿信华辰浏览量：141次
-
银行业数据治理还面临着四方面的挑战
一是数据整合度不高。银行内部数据虽多，涉及各个业务条线、各个部门，但未经系统化的治理，数据分布零散化，搜集整合存在错配，未能实现大数据集……查看详情发布时间：2019.11.29来源：知乎浏览量：140次
-
2021金融数据治理案例分享
2021年，分析机构BARC在一项研究中对全球378家公司进行了调查，96%的受访企业认为，数据治理已经不可或缺，而且未来将继续在企业中……查看详情发布时间：2021.04.09来源：数据治理研究院浏览量：266次
相关主题