1、数据智能驱动业务增长高波-小米-数据智能产品负责人课程收益个人：强化数据智能意识，了解数据智能解决方案并应用产品运营：了解用户画像，了解日常 分析业务数据方法工程师：智能化手段监控开发过程中的 质量问题并及时处理分析师：提升日常基础分析工作效率，专注探索更深的分析决策管理者：推动团队成员日常高效获取数据，促进业务关键决策形成课程目标了解数据智能能力，培养智能化意识，并将其应用于实际工作之中学用了解数据智能产品能力了解自己的业务数据场景掌握数据智能应用方法论理解数据智能适用场景与边界数据驱动重要吗？我的业务是数据驱动的吗？数据投入创造了多少价值？数据应用三大卡脖子难题业务部门看数难分析效率低市场

2、瞬息万变，数据可视化和分析需求快速增长、日益多元数据部门工作重取数任务多数据基建投入大价值不明显随着业务发展，大量临时、灵活、简单、一次性需求亟待解决固定看板和报表只能解决一部分预设需求，新需求响应时间太长数据分析工具门槛高，只有熟悉数据底层、掌握SQL的分析师能够查找分析数据分析工作高度依赖分析师，个人经验和业务知识影响分析效果分析师面对大量重复繁琐一次性取数工作，无法充分发挥专业价值业务人员无法和数据直接对话，数据基建的投入难以转化为业务价值数据不能被需要的人及时获取，无法充分释放价值数据应用最后一公里没打通，企业的数据驱动进程受阻严重是一个跨学科的研究领域，结合大规模数据处理、数据挖掘、

3、机器学习、人机交互、可视化等多个技术领域，为数据提炼和发掘决策信息时提供有效的智能支持。以数据化、智能化、产品化三位一体形式帮助机器辅导人做决策。大规模数据处理人机交互&可视化机器学习&大模型数据智能对话机器人增强分析BI人找数据数据分析数据找人数据驱动人机协同数据智能信息化数字化数智化DI 数据智能数据智能：数据消费最后一公里DI 数据智能=CI+BI+AIDI 数据智能数据消费效率提升数据驱动业务决策数据问答服务问答知识检索异常检测根因分析时序预测智能洞察用户画像实验平台用户行为分析用户舆情用户分析Data IntelligenceAI 人工智能Artificial Intelligenc

4、eBI 商业智能Business IntelligenceCI 用户智能Customer Intelligence数据分析用好数据海量用户画像/舆情数据大量看板图表越来越多企业数据/知识CI 用户智能BI 商业智能AI 人工智能目录面向未来面向集团面向用户解决 我们用户是谁丨我们用户口碑怎样 的问题解决 数据分析提效丨驱动业务精准决策 的问题肩负 全面数据应用丨全力拥抱大模型 的使命CI 用户智能面向用户：从精细化画像沉淀到全渠道用户心声发现Customer Intelligence什么是用户画像用户洞察研究精准营销/运营用户画像：是指根据用户的属性、用户偏好、生活习惯、用户行为等信息而抽象出

5、来的标签化用户模型用户画像全局视图基础属性年龄/性别职业位置属性常驻地家/公司资产属性车房消费属性购买力消费偏好兴趣属性游戏兴趣汽车兴趣行为属性APP使用视频播放设备属性手机品牌型号IoT绑定业务属性游戏会员客服投诉八大标签属性，全方位刻画用户用户洞察精细化运营广告投放做好画像第一步：定义用户站在一个数据维度上讨论问题使用小米硬件使用小米服务小米电商消费硬件服务消费手机OTTIOT小米商城有品小米之家第三方（网络/线下）互联网服务金融服务AI服务（小爱）（x亿）（x万）（x亿设备，x万用户）（x万）（x万）（x万）（x万）（应用商店x万，浏览器x万，信息流x万，小米视频x万，小米音乐x万，游戏

6、中心x万，多看阅读x万）（x万）（x万）小米的用户标签是如何被挖掘出来的建立 用户行为数据 与 用户特征 之间的关系从标签挖掘方式上，可将标签分为三类预测类利用深度学习/机器学习模型预测得到的标签例如：性别、年龄等根据业务场景分析数据，制定一系列规则、策略得到的标签例如：米粉、兴趣爱好等基于事实数据的聚合、统计得到的标签例如：归属地、客单价等策略类事实类万象平台：一站式用户智能运营平台一站式智能运营与分析平台，支持洞察用户特征、分析用户行为、精细化投放触达用户、AB实验等场景数据现状分析洞察效果评估运营干预案例：1标签应用场景：业务运营/投放哪些人可能会买商品？这群人可以在哪些渠道被触达？对这

7、群人说什么，他们会买？这群人中哪些最终会买？人群渠道素材/利益点效果xx234效果人群渠道素材/利益点xx用户心声：和小米用户交朋友质量运营产品定义舆情防控VOC产品口碑管理情感话题产品/质量部运营管理标签抽取情感话题意图场景参数观点行为模块质量管理体验管理PSI、NPS口碑度量故障质量/研发部ITR沉淀为质量/测试用例咨询建议产品/市场部IPD沉淀为需求共性问题质量/测试部闭环改善心声洞察采集处理提炼分发行动爬虫+内部数据社媒电商问卷客服售后社区反馈整合多渠道用户声音，量化产品口碑、洞察用户心声、精准舆情防控更精准科学的关注用户从产品定义竞品分析产品口碑舆情动向实现全面深度分析，指导业务决策

8、全方位精细化了解市场各模块情况精准深度的竞品对比，制定差异化卖点大盘产品参数分析对比竞品异同第一时间了解口碑监控10+SNS渠道，更充分了解产品在用户心目中的口碑情况提前关注舆情动向质量与舆情相关问题从发现到改善相比以往提前20余天BI 商业智能面向业务：从智能化分析提升效率到进一步洞察业务决策Bussiness Intelligence低效现阶段用户仅仅能看到数据变化情况，业务对于数据变化背后的深度分析以及得到结论来驱动业务决策的需求日趋强烈数据变化是常态，特别重要的数据哪怕发生一点波动都需要我们及时关注，背后都牵扯着整体的业务状态01 表象：每天都在惊讶数据变化业务核心数据往往都会通过多个

9、子指标和维度构成需要不断拆解子指标和维度进行深度分析才能发现可能原因下载N份数据、N种透视交叉、N种Sql.通常一份数据异动分析报告时间都超过1周甚至更久03 人肉：超级低效的人肉工作02 拆解：进行复杂业务逻辑拆解又变了？4.72.12.82.56.92.12.72.14.76.13.41.85.81.92.81.83.41.83.41.83143213135C1C2C3C4C5C6C7C8C9C10S1S2S3数据分析现状如何数据异常预警智能分析得出业务决策第一天一分钟内第一天查看数据看板发现问题提交需求透视表分析原因收集整理数据建立新看板数据重新校验问题解决来回多次协同第一周第二周一个月

10、如何从现实跨越到理想数据智能分析异常检测场景一：场景二：场景三：C1C2C3C4C5C6C7C8C9C10S1S2基于日常看数场景提供便捷、高效、智能化的数据分析能力：根因分析时序预测C5_S1 与 C4_S1 相比，销量上升5,158（涨幅210%）的主要原因是武汉市&京东的销量上涨1,234导致（涨幅120%）通过分析算法化能力来提升业务数据分析效率和业务日常决策效率 以上数据均为虚拟数据全面深度赋能BI平台22 以上数据均为虚拟数据有看数场景就有分析数据的需求，如何让数据分析更连贯、更简单是我们的目标点击分析智能检测智能分析的服务场景智能分析的不同能力会面向不同的用户提供场景化服务A M

11、ONTH专业的分析师团队更多时候需要针对集团核心的指标和项目的数据进行非常深度且全面的分析，得到扎实可靠的分析结果深度探究分析师团队DAILY面对日常频繁的业务数据变化，产品运营同学往往需要较快给出数据变化的原因以指导产品动作快速结论产品运营团队A WEEK专职的数据产品团队往往按周需要对产品的核心北极星指标做较为深度的分析，得到多维度的分析结论多维分析数据产品团队面向全场景提供服务快速结论 以上数据均为虚拟数据多维分析深度探究从日常快速结论应用逐步面向业务的深度分析结论与工具支持主动化数据分析常用的图表不希望每天来看它的变化，而是希望当它有异常变化时能够主动飞书通知到你并且告知你原因智能预警

12、简报推送 以上数据均为虚拟数据探索：数据进一步智能洞察显著高不同 维度1 的 指标1 在 维度2 的分布有显著差异时序离群点某维度下的某个维度值的指标在某个时间存在异常，背后根因同环比某维度下的某个指标在某时间显著变化，环比和同比变化情况 以上数据均为虚拟数据智能分析在业务中的应用人工分析发现数据异常梳理异常数据手动写SQL频繁下载数据提数据需求数据导入分析工具多个维度交叉分析整理分析报告10min1h1min4h1min0.5h30min1day1min30min30min1day从发现异常到获得结论需 4 步，整体需要 30min2day智能分析发现数据异常一键智能分析获得根因分析结果整理

13、分析报告3s1min智能分析仅需 2 步，约 3s1min分析效率提升 三十倍 以上智能分析的关键环节123深入了解并分析业务具体使用场景以及对应目标数据情况目标场景及数据分析准备目标分析数据搭建对应数据模型业务数据处理搭建看板/配置简报预警验证分析效果应用搭建及效果验证一切以业务价值为依规，底层数据情况直接决定业务的智能分析能力是否 好用 、是否 有用我们并不想智能分析只是可用，而是要真正能够好用，产生价值AI 人工智能面向未来：专注问答式消费，探索大模型赋能数据应用Artificial Intelligence（软件 x 硬件）AI小米科技战略深耕底层技术，长期持续投入，软硬深度结合，AI

14、全面赋能获取信息图片生成数据分析时代的转变：GUI LUI 体验突破GUI界面在过去几十年里一直是数字产品的主流用户界面LUI则采用了更加自然和直观的语言交互方式用户界面换种思路：不用拖拉拽，数据问题直接问基于大模型底座，以人机对话方式来提升集团业务数据消费体验和效率摘要分类生成式任务分析算子人机对齐LLM底座Prompt 学习和微调LLM结果Prompt Learning意图识别数据Q/A数据可视化 以上数据均为虚拟数据会 搜索 就能做智能分析让 对话 成为数据分析第一生产力0门槛，随时随地可使用基于看板和飞书日常看数场景，免去繁琐筛选条件，快速直达目标数据 以上数据均为虚拟数据打造一个平台

15、多端数据消费矩阵复杂业务数据创新数据应用数据问答事实问答智能分析与洞察简报与预警报告生成服务（性能丨数据图谱丨统一权限丨）算法（准确率丨推荐策略丨大模型）核心指标牵引产品矩阵飞书应用机器人业务自定义Bot飞书原生机器人Web端对话机器人Web端搜索框机器人开放平台（主阵地）通用QA-Pair问答泛知识问答API场景问答数据分析问答意图识别支持数据的实时筛选&运算可覆盖简单场景，不止于智能客服作为对数据分析场景的补充可支持业务、三方、二开的APILLM实体识别知识图谱数据图谱支持丰富的问答场景扩展数据问答的整体使用流程指标梳理数据处理数据配置同义词配置绑定机器人开启数据问答梳理业务核心指标、对应

16、维度以及层级之间的关系将指标、维度等数据处理成为标准的数据模型将各种类型数据源导入到数据问答开放平台在Web端看板搜索框、开放平台、飞书中进行数据问答配置项目中的人员权限、数据权限并绑定飞书机器人针对导入的数据所获取的维度、指标等进行同义词配置DataDecisionValue准确及时决策有用PeopleCulture全民用数数据文化数据价值()数据触手可及才是真正价值2025：成为数据智能驱动的企业技术的快速革新、数据价值的觉醒和员工数据素养的提升，将重新定义数据驱动2025年，企业每个员工习惯用数据来职称自己工作，会使用创新的数据工具，短时间内解决问题2025年，通过全新的数据使用方式，数据相关团队将从成本部门转变为利润部门数据+智能，共同驱动业务增长 以上来自麦肯锡报告数据驱动企业2025The data-driven enterprise of 2025感谢观看！