灭血历史网 新闻 > 首页 > 军事社区 > 消息 > 正文 >

诸葛io赵乾坤:自助式数据分析的未来之路

2017-01-12 01:00:51 来源: 反馈

  二、自助式数据分析的突破点

  1、数据的联通性

  自助式数据分析的第一个突破就是数据源的对接,即数据的联通性是非常强的。我们把数据联通性分为三个核心要素。第一是第一方数据的联通或者是导入;第二是第三方数据的导入;第三取决于整个API经济的效应。现在越来越多的业务系统SaaS化,这些SaaS化的产品最终需要通过大量的API进行跨系统之间的数据交换。

  从诸葛io的角度,我们首先切入的就是第一方数据。比如企业有自己的CRM系统、网站、APP,我们首先帮助你打通的就是这些数据的联通。同时,自助式数据分析也支持第三方数据的打通。我们需要让企业内部自助式数据分析的平台拥有跟其他第三方标准接口进行对接的能力,让这个过程通过一键就能完成,而不需要研发人员过多参与。

  2、分析的实时性

  自助式数据分析除了在数据联通性上有了突破以外,在分析的实时性上面也有一个突破。像我们刚刚提到的一些敏捷式的BI,它们也不能做到完全实时的分析。现在的解决办法是,通过一些新的技术基于行业去做一些分析。自助式数据分析有两个维度,一个是按照行业,另一个是按照职能,只有通过这两个维度的细分,才能最终实现高质量的自助式数据分析。有了行业和职能以后,我们对于实时性分析这部分的模型就可以做很好的优化。

  3、技术方案的解耦性

  自助式数据分析的第三个核心突破点就是,我们的方案必须要和业务解耦。其实我们的理解就是,所有的数据分析平台背后的数据都可以归为人、物、场以及行为。人就是消费者或者用户;物就是商品;场指的是场景。有了人、物、场之后,其实所有关联人、物、场的基本上可以定义为用户的行为。自助式数据分析背后的逻辑就是通过人、物、场和行为这样的抽象模式,最后可以实现一个通用的数据模型。不论行业还是职能,都可以通过这样的模型来进行后面的技术架构。

  4、应用的联通性

  自助式数据分析的第四个特点是应用的联通性。也就是说我们不仅需要跟业务系统进行数据的打通,也需要将业务之间的通道打通。

  自助式数据分析就是每个业务人员能够以最小的沟通成本实现基于业务需求的各种数据分析。但是,刚才说的自助式数据分析更多的是指独立的第三方自助式数据分析平台,这在目前是远远不够的。现在很多美国的企业把分析进一步变成Embedded Analytics,就是把分析嵌入到相关的业务系统中去。比如传统做CRM的,刚才说的自助式数据分析更多的是将CRM的数据拿过来,然后在我的自助式数据分析平台上面整合CRM数据和其他数据,再进行分析。所谓的Embedded Analytics是指我应该把分析的功能更多地improve到我的系统,这样就会有Analytics CRM这样的工具出现。

  三、自助式数据分析给分析行业和分析人员带来的变化

  自助式数据分析给整个分析行业带来了什么样的新变化呢?直接的变化就是业务人员和分析人员最终合体,即我们的分析人员最终会变得对业务特别了解或者是业务人员最终变得对分析特别了解。但是IT这块基本上是被剥离出去了,我们不再需要专门的BI部门或者是为数据分析做IT支持的工作。现在很多的框架和模型都是开源的,所以这一块慢慢会被产品化的东西所替代。

  自助式数据分析会对分析人员的要求有什么样的变化呢?我从5个方面来和大家讲一下。

  第一、技术能力

  从技术能力上来说,在传统BI的第一个十年和第二个十年时,甚至在中国目前所处的环境中,对于分析师的招聘其实还在强调你会不会写代码,至少要会SAS、R或者是SQL,传统的这些要求其实会慢慢降低,因为自助式数据分析平台慢慢会让业务人员通过简单的筛选、拖拽就可以实现分析的需求。

  第二、分析能力

  从分析能力上来说,传统的数据分析师可能要求是统计学专业或者是数学专业,至少统计学和数学上的这些模型知识必须要掌握,不管是一个简单的回归分析还是做一些聚类分析,甚至是一些预测的模型,你至少需要掌握算法以及算法背后的公式推演。而现在在新的自助式数据分析的场景下,这部分的要求也和技术能力一样,是从高到低,不断降低的一个过程。

  第三、业务能力

  从业务能力上来说,这一块能力在以前的要求反而没有那么高,但是现在更高了,就是我需要你有更丰富的行业知识。比如你要做电商业务的分析,你就必须要对电商的整个流程,从物流、资金流到信息流是如何流动的,中间的每一步过程是怎样的,甚至是对整个产业链的上下游都要有很深的理解。前面两块将数据分析人员的要求都降低了,那么就有理由在业务能力这一块要求更高一些。

相关阅读

热点话题

热点文章

点击: