1、自助式商业数据分析 赵乾坤 信息行业发展背景及趋势 效率 提升 信息化 精细 运营 数字化 自动 优化 智能化 IT系统 电商 电子政务 移动化 AR/VR 传感器 交易场景 群体到个体 统计到预测分析 敏捷A/B测试 预测 个性化 语言,知识图谱 深度学习 自动协作 大数据价值体系的4个层次 Making Better Informed Decisions Discovering Hidden Insights Automating Business Processes Generate Revenue Strategies,Recommendations Forensics,Pattern
2、s,Trends Complex Events,Translation Know What Your Customers Want and When 可见,可用 分析,治理 流程化,量化反馈 干预运营,完成闭环 信息行业发展背景及趋势 大数据价值体系的4个层次 数据驱动型组织的特点 1.全员参与,数据意识 2.善用工具/集 3.中心化治理&自助式分析 4.连通性和易用性数据接口 5.分析的前瞻性&事后分析 6.懂技术和业务的商业分析师 7.量化衡量和benchmark 企业级商业数据分析现状 洞察 行动 数据 整合 开放 统计 验证 探索 预测 A/B测试 监测 优化 采集 生产 80%的时间
3、花在准备数据和基本统计上 10%的时间花在数据探索和预测 10%的时间花在行动上 过程很重要,一个都不能缺 结果更重要,投入在核心上 企业商业数据分析挑战 洞察 行动 数据 CIO BI 业务 决策 执行 IT 内部数据流转和协作弱 中心化治理欠缺 中心化分析与业务隔离 数据视角及分析人才欠缺 重要性认识足够,万箭齐发 系统性不够,战略不清晰 自助式商业数据分析 1.构建数据驱动的组织 2.配备商业数据分析方法 3.嵌入行业业务和场景 构建数据驱动型组织 场景验证 部分业务 部分数据 部分目标 百花齐放 全民融入 数据流转 数据思维 体系化 数据治理 自助式 最佳实践 特区思路:局部带动整体
4、行业探索,方法论和效率 内部专业分工,善用工具 构建商业数据分析框架 定义目标 数据准备 分析探索 洞察可视化 行动方案 反馈优化 OMO案例分享 OMO现状和面临的挑战 考虑 消费者 认知 购买 服务 会员 Word of Mouth PR Radio,TV,Print,Outdoor Digital Billboards Viral Emails Online Ads Mobile Website In Store Download Delivery SUBSCRIBE TO Blog Email Newsletter Promotion on Invoice Trial/Get Advi
5、ce Validate Advice Consumer looking online Interested in product Buys Product,becomes Customer Likes 日益复杂的用户旅程,不断增加的用户触点,层出不穷的运营手段 构建OMO行业的数据治理基础 以用户为中心构建数据中心:实现人,物,场的三位一体数据结构 交易为中心 产品为中心 用户为中心 OMO一站式商业数据分析方案 背景:线上线下的结合越来越紧密,中间的界限越来越模糊,用户体验的要求对零售行业越来越高。挑战:如何实现多触点用户交互的流畅性,如何优化体验和促单 价值:实时洞察,动态干预 OMO自助式商业数据分析案例 物流数据 市场推广 销售数据 客服数据 在线客服分析 壹看板产品介绍 构建数据 治理基础 自助分析 人人可用 行业经验 专业顾问 内部流转 账号管理 构建数据治理的基础 多源数据汇总建立数据关联 以实体为中心的数据架构,统一口径 API访问体系 提供自助式数据分析工具 灵活图表支持 人人可用 行业特有的看板智库 行业和职能模版 专业的顾问服务 数据流转体系及安全 移动,web端支持,分享便捷,批注流程,实时更新 权限管理和数据加密 THANKS 壹看板