阿里云全球首批MVP张建平专访 - 我对数据有执念

本文涉及的产品
智能商业分析 Quick BI,专业版 50license 1个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 我认为业务数据化有三个阶段:1、数据存储;2、数据展现和使用;3、数据应用。

昨天我们采访了阿里云全球首批MVP傅奎,让我们认识到了一个“可爱”“谦虚”的安全大牛。

今天很荣幸给大家介绍另一位阿里云MVP阿里云MVP计划,数据分析专家张建平,希望能帮大家拓宽数据分析的思路 ^_^


花肉酱:建平你好,能否先介绍一下你自己?

我之前在通信行业工作8年多,在这8年期间做过产品开发,业务运营,后来才到互联网行业,作为入行互联网不到2年的“老年人”吧。(害羞笑)

我对数据有着很深的执念,反观十年多的工作经历,自己最为擅长的还是和数据打交道,理解业务、理解数据,并将两者进行结合,是一件很有意思的事情。


在中国移动成都分公司待了5年多,在移动的前三年多时间内负责公司的经营分析系统建设,积累了较多关于BI的经验。

在2013年,基于对业务理解的兴趣,主动申请至市场部负责业务运营管理工作,在两年时间内,深刻的感触到了数据对业务的重要性。

但也看到,公司业务数据化的工作还存在较多的不足。带着积累的BI经验和对数据化的理解,我选择离开了国企,希望投身于数据化程度较高,数据需求更为强烈的互联网行业


在2016年初放弃国企稳定而且还不错的收入,进入了成都青桔科技。在成都青桔负责数据运营,业务数据化的推动。

期间,研究了互联网产品的数据体系,尝试了多种数据可视化产品,如:Tableau、PowerBI、gglot2等,最重要的还是接触到了阿里数加这个产品,认识到了做数据化及大数据,并不需要太多的技术投入。

结合阿里云,一年时间完成了青桔科技的运营指标体系建立,并利用阿里数加的Quick BI产品完成了数据化运营的关键一步Data View。


 

花肉酱: 现在大数据是热潮,很多人对大数据都停留在概念阶段,或者觉得大数据就是高大上的东西,反而忽略了最基础的BI,而你们却把数据化这一层应用得很好,其实就是大数据的践行者,你们是怎么理解业务数据化?

建平:我个人觉得大数据这个概念对于大多数公司来说比较远,大部分中小型企业对于公司业务数据化的需求很强烈,比如:报表数据,数据监控等,这些需求就是BI的基础功能。

我认为业务数据化有三个阶段:1、数据存储;2、数据展现和使用;3、数据应用。

要做到业务数据化,首先要将业务的数据收集起来,也就是存储阶段;有了数据之后,就可以将数据进行加工,形成对业务有帮助的维度指标数据,将数据利用工具展现出来。让公司人员看到和分析这些数据,并利用数据的结论改进自身工作,这样就完成数据的初步应用。

在公司有数据使用经验及成果后,可以将这些经验及成果应用化,做成业务逻辑的一部分,达到数据应用的阶段。

 

花肉酱:你曾经提到很多像你们这样的中小企业都非常需要Quick BI这样的工具,那当时你们在选择搭建BI数据分析平台时,是从哪些方面进行了考虑?

建平:其实当时考虑的东西不多,仅仅想解决数据最后一公里问题,即数据的展现

当时考虑了很多的方案,如:自建BI、购买成熟的BI产品、使用三方的BI工具。自建BI和购买BI产品的方案都属于高投入的方案,而三方BI工具比较成熟的都是国外的产品,学习时间成本和网络问题不太理想。

对于我们这种初创企业,时间和金钱成本是首要考虑的问题,最终也没有找到一个适合的解决方案。但后面接触了Quick BI产品后,时间和金钱成本都得到了解决,因为Quick BI使用类似于Excel,使用费用一年不到2000元,并且产出成果时间效率高。所以最终我们采用Quick BI解决数据展现问题。

 

花肉酱:你们基于ECS上的数据做应用,并集成了钉钉,采用报表嵌入,统一了访问入口,想法很赞,你们是怎么实现这个过程的,可以分享下吗?

建平:首先谢谢阿里对我们这种做法的认可,其实嵌入钉钉这个过程还是比较容易。

主要步骤有三个:

1、建立BI的一个简单WEB应用,实现登录鉴权等功能;

2、将做好的仪表盘嵌入到WEB应用中,用户登录后可以查看到拥有权限的仪表盘;

3、将WEB应用通过钉钉的管理后台,配置在企业的自有应用中。

整个过程一个前端+一个后台只需1~2天内完成。

 

花肉酱:恭喜您成为阿里云全球第一批MVP,你平时做了哪些贡献?对于MVP怎么看?

我觉得对MVP应该是一个发声者,

1、作为深度使用者而发声,表达意见和建议;

2、传播布道,发出自己的成功使用经验的声音。

今后希望使用阿里云的全系列产品,实现业务的数据化,促使数据业务化;持续推进公司数据化运营,利用数据为公司创造更多的价值。


6d42e80e1663cea29408f1fb90fbb7fbdd0066fd我是建平,数据分析专家,我在阿里云MVP等你

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
前端开发 JavaScript API
使用 JavaScript 检测系统主题色
使用 JavaScript 检测系统主题色
693 0
Quick BI V5.3 发布 | 面向场景“真需求”,解锁用户“新体验” !
V5.3 版本功能速递:面向场景“真需求”,解锁用户“新体验”。
203 7
|
SQL 数据采集 BI
Quick 引擎-抽取性能提升
本文介绍了一种通过并发抽取方案提升 Quick BI 数据抽取性能的方法,利用 DataX 进行二次开发,实现数据同步至高性能 OLAP 引擎。通过指定分区键或配置多条 SQL 实现任务拆分,显著减少了数据抽取时间,优化效果得到客户认可。
400 0
Quick 引擎-抽取性能提升
|
监控 算法 数据挖掘
ERP系统中的生产线排程与调度优化解析
【7月更文挑战第25天】 ERP系统中的生产线排程与调度优化解析
626 6
|
机器学习/深度学习 自然语言处理 算法
长序列中Transformers的高级注意力机制总结
Transformers在处理长序列时面临注意力分散和噪音问题,随着序列增长,注意力得分被稀释,影响相关上下文表示。文章探讨了序列长度如何影响注意力机制,并提出了多种解决方案:局部敏感哈希减少计算需求,低秩注意力通过矩阵分解简化计算,分段注意力将输入分割处理,层次化注意力逐级应用注意力,递归记忆增强上下文保持,带有路由的注意力机制动态调整信息流,以及相对位置编码改进序列理解。这些方法旨在提高Transformer在长序列任务中的效率和性能。
851 3
|
算法 关系型数据库 MySQL
浅谈postgre-sql uuid生成方法的细节
浅谈postgre-sql uuid生成方法的细节
570 0
|
监控 JavaScript 前端开发
Postman 如何定时 自动化运行Collections?
Postman 如何定时 自动化运行Collections?
551 0
java.net.BindException: Address already in use: 解决方法
java.net.BindException: Address already in use: 解决方法
1461 0
|
编解码 Linux 对象存储
荔枝派Zero(全志V3S)开启alsa,测试codec
ALSA 是 Advanced Linux Sound Architecture,高级Linux声音架构的简称,它在Linux操作系统上提供了音频和MIDI(Musical Instrument Digital Interface,音乐设备数字化接口)的支持。在2.6系列内核中,ALSA已经成为默认的声音子系统,用来替换2.4系列内核中的OSS(Open Sound System,开放声音系统)。
530 0