《商業(yè)分析實(shí)務(wù)》商業(yè)分析概論

商業(yè)分析概述商業(yè)分析起源商業(yè)分析定義商業(yè)分析發(fā)展及趨勢(shì)企業(yè)商業(yè)分析環(huán)境01起源商業(yè)分析起源管理信息系統(tǒng)的概念產(chǎn)生MIS的應(yīng)用讓IT團(tuán)隊(duì)以報(bào)告和圖表的形式為組織機(jī)構(gòu)提供分析業(yè)務(wù)企業(yè)的科學(xué)管理時(shí)代商業(yè)分析師受雇起到協(xié)助經(jīng)理人的作用以分析報(bào)告的形式為企業(yè)提供服務(wù)四大重要技術(shù)趨勢(shì)之一97%收入超過(guò)10億美元的大公司都在運(yùn)用不同類(lèi)型的商業(yè)分析大量人才缺口大數(shù)據(jù)人才和高級(jí)分析專(zhuān)家的人才缺口將高達(dá)19萬(wàn)，預(yù)計(jì)美國(guó)企業(yè)對(duì)能夠運(yùn)用大數(shù)據(jù)分析結(jié)果的大數(shù)據(jù)相關(guān)管理人才需求將達(dá)到150萬(wàn)。商業(yè)分析演進(jìn)過(guò)程ChenHsinchun等人提出了商業(yè)分析從1.0至3.0的演進(jìn)過(guò)程影響企業(yè)的外部因素市場(chǎng)因素：包含激烈的競(jìng)爭(zhēng)環(huán)境、市場(chǎng)全球化、電子商務(wù)的新興、以及營(yíng)銷(xiāo)手段的革新等趨勢(shì)，需要在商業(yè)分析過(guò)程中得到重視。顧客因素：用戶(hù)創(chuàng)造內(nèi)容（UGC）使得顧客變得更具有影響力，同時(shí)選擇增加的顧客往往會(huì)具有缺乏忠誠(chéng)度的特點(diǎn)，會(huì)對(duì)產(chǎn)品有更高的質(zhì)量或功能要求，并具有產(chǎn)品個(gè)性化偏好，導(dǎo)致部分傳統(tǒng)商業(yè)分析理念的失效。技術(shù)因素：互聯(lián)網(wǎng)的發(fā)展催生出關(guān)聯(lián)新產(chǎn)品和新服務(wù)，生產(chǎn)出更多的商業(yè)分析原始資料，同時(shí)數(shù)據(jù)處理技術(shù)的發(fā)展，也使得這些大數(shù)據(jù)可以在商業(yè)分析領(lǐng)域得到運(yùn)用，推動(dòng)社交網(wǎng)絡(luò)及Web3.0等發(fā)展趨勢(shì)。社會(huì)因素：包括政府管制、勞動(dòng)力多樣化、人口老齡化、可持續(xù)發(fā)展等影響因素，將改變商業(yè)分析的具體建設(shè)路徑。02定義什么是商業(yè)分析商業(yè)分析（BusinessAnalytics，簡(jiǎn)稱(chēng)BA）是指通過(guò)定性與定量的方法，明確需求與問(wèn)題并提供相應(yīng)的解決方案，來(lái)為利益相關(guān)者提供價(jià)值，從而在組織環(huán)境中實(shí)現(xiàn)變革的做法，是為了評(píng)估歷史績(jī)效、驅(qū)動(dòng)未來(lái)規(guī)劃，而進(jìn)行的持續(xù)性的探索和調(diào)研的技術(shù)，經(jīng)驗(yàn)和實(shí)踐的總和。傳統(tǒng)的商業(yè)分析以統(tǒng)計(jì)學(xué)與概率論的方法為基礎(chǔ)，來(lái)解決傳統(tǒng)企業(yè)運(yùn)營(yíng)中所遇到的分析、預(yù)測(cè)或決策問(wèn)題，如反映市場(chǎng)對(duì)企業(yè)產(chǎn)品的需求情況、資源成本、市場(chǎng)條件和整體經(jīng)濟(jì)運(yùn)行情況?，F(xiàn)代商業(yè)分析廣泛地吸收了數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)、內(nèi)容管理、人工智能等信息技術(shù)，在配套軟件系統(tǒng)的支持下，商業(yè)分析活動(dòng)更緊密地與數(shù)據(jù)結(jié)合，商業(yè)分析模式也得以固化下來(lái)，持續(xù)有效地為企業(yè)創(chuàng)造價(jià)值。商業(yè)分析的基本實(shí)施流程1.明確商業(yè)分析和優(yōu)化的對(duì)象2.根據(jù)對(duì)象選定合適的方法和模型3.確定相應(yīng)的商業(yè)數(shù)據(jù)指標(biāo)和數(shù)據(jù)的計(jì)量尺度包括客戶(hù)、產(chǎn)品和服務(wù)、競(jìng)爭(zhēng)對(duì)手、運(yùn)營(yíng)流程、財(cái)務(wù)狀況等。如通過(guò)定性分析來(lái)確定導(dǎo)致業(yè)務(wù)異常的原因；通過(guò)數(shù)據(jù)挖掘來(lái)發(fā)現(xiàn)業(yè)務(wù)變量之間的潛在聯(lián)系；通過(guò)A/B測(cè)試來(lái)取舍決策；通過(guò)預(yù)測(cè)模型來(lái)推測(cè)未來(lái)趨勢(shì)等。商業(yè)數(shù)據(jù)指標(biāo)既要能夠匹配所選擇的方法，又要能夠達(dá)成商業(yè)分析的目標(biāo)；在符合分析場(chǎng)景的同時(shí)，這些數(shù)據(jù)的可得性、獲取成本以及處理難度也需要一并考慮在內(nèi)。數(shù)據(jù)的計(jì)量尺度包括定類(lèi)尺度、定序尺度、定距尺度、定比尺度等。商業(yè)智能與商業(yè)分析商業(yè)智能（BusinessIntelligence，簡(jiǎn)稱(chēng)BI）是支持信息訪(fǎng)問(wèn)和分析以改進(jìn)與優(yōu)化企業(yè)的決策和績(jī)效的應(yīng)用程序、基礎(chǔ)架構(gòu)、工具和最佳實(shí)踐的總稱(chēng)，由數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)集市、查詢(xún)報(bào)表、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)備份等部分組成二者區(qū)別：歷史淵源不同。商業(yè)分析形成于泰勒科學(xué)管理時(shí)代，而商業(yè)智能的概念則是在計(jì)算機(jī)商用、數(shù)據(jù)驅(qū)動(dòng)下發(fā)展的。運(yùn)用重點(diǎn)不同。商業(yè)分析重在信息應(yīng)用，商業(yè)智能重在數(shù)據(jù)分析。運(yùn)用階段不同。商業(yè)分析的運(yùn)用分布于整個(gè)管理流程，商業(yè)智能往往關(guān)注歷史數(shù)據(jù)。受益者不同。商業(yè)分析使用者包括了戰(zhàn)略層人員，而商業(yè)智能主要在運(yùn)營(yíng)層運(yùn)用。03發(fā)展及趨勢(shì)數(shù)據(jù)產(chǎn)生源頭從單純可獲取的結(jié)構(gòu)化數(shù)據(jù)變?yōu)楦鞣N跨界數(shù)據(jù)，如人與人之間的社交網(wǎng)絡(luò)數(shù)據(jù)、人與物之間的人機(jī)交互數(shù)據(jù)、物與物之間的傳感器及機(jī)器數(shù)據(jù)等數(shù)據(jù)存儲(chǔ)形式分為關(guān)系數(shù)據(jù)庫(kù)為代表的結(jié)構(gòu)化數(shù)據(jù)、HTML文檔為代表的半結(jié)構(gòu)化數(shù)據(jù)、多媒體文件為代表的非結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)形態(tài)分為靜態(tài)海量數(shù)據(jù)和動(dòng)態(tài)海量數(shù)據(jù)，如網(wǎng)絡(luò)點(diǎn)擊流、日志和實(shí)時(shí)行情等數(shù)據(jù)獲取頻度從原本的延時(shí)獲取變?yōu)閷?shí)時(shí)獲取商業(yè)分析發(fā)展及趨勢(shì)影響數(shù)據(jù)的四個(gè)維度商業(yè)分析發(fā)展及趨勢(shì)商業(yè)分析的應(yīng)用通過(guò)細(xì)分客戶(hù)、洞察需求等手段，能夠預(yù)測(cè)用戶(hù)偏好來(lái)挖掘潛在顧客，對(duì)掌握大量用戶(hù)行為和用戶(hù)信息的互聯(lián)網(wǎng)企業(yè)來(lái)說(shuō)，尤其是電子商務(wù)領(lǐng)域，具有很大的價(jià)值，如京東構(gòu)造用戶(hù)畫(huà)像為用戶(hù)推薦個(gè)性化的商品。對(duì)有著龐大運(yùn)營(yíng)體系的傳統(tǒng)大型企業(yè)而言，可以利用商業(yè)分析縱向整合供應(yīng)鏈，并橫向聯(lián)合不同渠道，將大大提升運(yùn)營(yíng)效率。用戶(hù)創(chuàng)造內(nèi)容（UGC）是大數(shù)據(jù)時(shí)代的關(guān)注重點(diǎn)，由此，如路徑分析、社交媒體分析、位置分析、社交網(wǎng)絡(luò)分析和文本分析等新興方法在商業(yè)分析領(lǐng)域得到運(yùn)用。例如，路徑分析和位置分析可以借助實(shí)時(shí)數(shù)據(jù)的采集從而獲得用戶(hù)出行數(shù)據(jù)、停留位置等信息；文本挖掘分析則從海量用戶(hù)數(shù)據(jù)中提取特征和識(shí)別規(guī)律，包括文本分類(lèi)、文本摘要、情感分析等。技術(shù)趨勢(shì)主要體現(xiàn)在五個(gè)方面：數(shù)據(jù)量大、處理速度快、技術(shù)成本下降、移動(dòng)設(shè)備普及和社交媒體的加入。大數(shù)據(jù)不僅僅體量大，同時(shí)多源異構(gòu)，包括網(wǎng)絡(luò)爬蟲(chóng)數(shù)據(jù)、社交媒體數(shù)據(jù)、服務(wù)器日志、傳感器數(shù)據(jù)、多媒體數(shù)據(jù)等等，使得傳統(tǒng)數(shù)據(jù)處理方法無(wú)法應(yīng)對(duì)。04企業(yè)商業(yè)分析環(huán)境企業(yè)商業(yè)分析環(huán)境商業(yè)分析環(huán)境模型數(shù)據(jù)環(huán)境應(yīng)用環(huán)境技術(shù)環(huán)境組織環(huán)境數(shù)據(jù)環(huán)境數(shù)據(jù)環(huán)境是提供商業(yè)分析的原材料，隨著科學(xué)技術(shù)的不斷發(fā)展，數(shù)據(jù)環(huán)境正在變得越來(lái)越龐大和復(fù)雜，各行各業(yè)借助各終端的互聯(lián)網(wǎng)和無(wú)處不在的傳感器，正在產(chǎn)生越來(lái)越多的數(shù)據(jù)。截至2018年，全球約有40.21億人使用互聯(lián)網(wǎng)，其中約31.96億人社交網(wǎng)絡(luò)的使用者，而擁有手機(jī)的全球居民高達(dá)51.35億人，約占76億世界人口的三分之二。在數(shù)據(jù)流量方面，異構(gòu)數(shù)據(jù)也在不斷增長(zhǎng)，思科公司預(yù)計(jì)，到2019年全球互聯(lián)網(wǎng)視頻的數(shù)據(jù)流量的月均值將達(dá)到105EB。2017年一整年中國(guó)移動(dòng)互聯(lián)網(wǎng)數(shù)據(jù)使用已經(jīng)高達(dá)約25EB，相較2016年同比增長(zhǎng)124%。

面對(duì)龐雜的數(shù)據(jù)環(huán)境，企業(yè)主要通過(guò)企業(yè)級(jí)數(shù)據(jù)模型實(shí)現(xiàn)數(shù)據(jù)整合。根據(jù)企業(yè)的業(yè)務(wù)活動(dòng)如市場(chǎng)營(yíng)銷(xiāo)、財(cái)務(wù)管理等抽象出參與人、事件、地域、產(chǎn)品等數(shù)據(jù)主題，并將這些主題之間建立數(shù)據(jù)聯(lián)系，形成企業(yè)級(jí)數(shù)據(jù)模型。數(shù)據(jù)環(huán)境企業(yè)級(jí)數(shù)據(jù)整合模型應(yīng)用環(huán)境應(yīng)用環(huán)境涉及到選擇信息的具體應(yīng)用方向與信息戰(zhàn)略，來(lái)優(yōu)化業(yè)務(wù)流程。主要包括根據(jù)企業(yè)年度總目標(biāo)，確定部門(mén)戰(zhàn)略，如CRM戰(zhàn)略，物流戰(zhàn)略，庫(kù)存戰(zhàn)略等；各個(gè)部門(mén)基于自身戰(zhàn)略，確定三到五個(gè)個(gè)成功關(guān)鍵因素；在明確關(guān)鍵成功因素的基礎(chǔ)上，提出信息需求，具體分為引領(lǐng)性信息和滯后性信息兩部分，組織往往對(duì)滯后性信息加以利用，如何把引領(lǐng)性信息作為戰(zhàn)略資源引入，是值得思考的問(wèn)題。根據(jù)用戶(hù)群與規(guī)模的大小，以及分析方法的靈活性與用戶(hù)交互性，企業(yè)數(shù)據(jù)分析可分為五種類(lèi)型，不同類(lèi)型的數(shù)據(jù)分析支持著不同層次的決策技術(shù)環(huán)境

獨(dú)立數(shù)據(jù)集市虛擬數(shù)據(jù)集市輪輻式數(shù)據(jù)倉(cāng)庫(kù)中央數(shù)據(jù)倉(cāng)庫(kù)優(yōu)點(diǎn)?容易建設(shè)?范圍較小?技術(shù)上比較簡(jiǎn)單?不需要ETL?不需要單獨(dú)的平臺(tái)?容易的定制用戶(hù)界面和報(bào)表?單一的企業(yè)級(jí)視圖?數(shù)據(jù)可重復(fù)利用?數(shù)據(jù)一致性有保障?TCO很低缺點(diǎn)?缺少企業(yè)級(jí)的業(yè)務(wù)視圖?重復(fù)投資嚴(yán)重?ETL/應(yīng)用開(kāi)發(fā)/DBA的代價(jià)太高?僅僅能對(duì)于小數(shù)據(jù)量的訪(fǎng)問(wèn)?元數(shù)據(jù)的問(wèn)題?網(wǎng)絡(luò)瓶頸和跨系統(tǒng)的分析?用戶(hù)端壓力較大?企業(yè)級(jí)視圖?重復(fù)投資嚴(yán)重?DBA壓力比較大?數(shù)據(jù)延遲嚴(yán)重?需要有整個(gè)企業(yè)級(jí)的戰(zhàn)略和支持技術(shù)環(huán)境方面，可利用多種分析的IT環(huán)境來(lái)整合數(shù)據(jù)，提供分析平臺(tái)，以支撐企業(yè)決策。主要是運(yùn)用數(shù)據(jù)集市與數(shù)據(jù)倉(cāng)庫(kù)來(lái)搭建技術(shù)環(huán)境，相關(guān)知識(shí)會(huì)在第三章中詳細(xì)介紹。目前，主要的技術(shù)環(huán)境包括獨(dú)立數(shù)據(jù)集市、虛擬數(shù)據(jù)集市、輪輻式數(shù)據(jù)倉(cāng)庫(kù)、中央數(shù)據(jù)倉(cāng)庫(kù)等。組織環(huán)境基于企業(yè)環(huán)境，利用商業(yè)分析進(jìn)行高效運(yùn)營(yíng)正在成為趨勢(shì)。知名物流公司UPS發(fā)現(xiàn)，汽車(chē)在左轉(zhuǎn)彎時(shí)發(fā)動(dòng)機(jī)一直處于空轉(zhuǎn)狀態(tài)，造成了無(wú)謂的油耗?；谏虡I(yè)分析，該公司找到了解決方案——鼓勵(lì)司機(jī)在送貨路線(xiàn)上盡量右拐，并通過(guò)組織管理有效地執(zhí)行了下去。他們開(kāi)發(fā)信息技術(shù)，使得數(shù)秒內(nèi)就能提供司機(jī)右轉(zhuǎn)彎多的路線(xiàn)，右轉(zhuǎn)彎的比例提升至90％。該公司跑在路上的車(chē)每天約有60萬(wàn)輛，最終，僅靠右轉(zhuǎn)彎一項(xiàng)，一年內(nèi)就節(jié)省310萬(wàn)加侖燃料，減排32000立方噸。組織環(huán)境取決于戰(zhàn)略的組織結(jié)構(gòu)、流程及策略。成功的商業(yè)分析需要技術(shù)環(huán)境與組

織環(huán)