企业应用大数据的三重境界:数据·分析·成果

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

近几年大数据变得越发重要,已成为企业发展不可缺少的要素,同时直接影响甚至改变着我们的生活。当前,处理数量庞大、增长迅猛、种类繁多的数据成为众多企业面临的挑战。Teradata天睿公司作为全球领先的分析解决方案与咨询服务供应商,基于客户需求,提供领先、全面、有效的解决方案,帮助企业获取商业洞察力,并且将之转化为行动力,创造商业价值。

企业应用大数据的三重境界:数据·分析·成果

数据·分析·成果  发现价值到创造价值

在我国乃至全球,很多企业都非常认可数据的价值,持续在做数据积累方面的建设,开发或购买了很多系统,如ERP、CRM等。但这些企业存在一个普遍的问题,那就是拥有如此庞大的数据,却不知如何利用。基于海量数据,利用分析手段获取少量且有效的数据,作用于业务以产生最大价值,是所有企业希望看到的结果。但这个过程真正做起来,不是易事。

Teradata天睿公司大中华区副总裁、咨询及服务部门总经理唐青(Janet Tang)表示,简单、量少、信息量相对也少的数据中得出的分析结果是有限的,在具备一定规模且流动的数据环境中得到的分析结果才更有价值。流动数据具有多元化和分析效率两个层面,企业想要得到希望的成果,但挡在前面的是超大规模且多元化数据分析和整合的高门槛。

那么创造价值的过程,就要借力Teradata这样的大数据分析的供应商了。唐青表示,针对多种格式的数据进行分析,会涉及到对数据来源和文本数据的识别。了解用户在使用企业产品和服务过程中的路径情况很重要,如某客户开了卡,有无消费,有无购买其他的分期贷款等。

通过对用户行为的路径追踪,可分析出谁和这个用户有关联,哪些因素会影响其购买行为。企业级应用和消费级用户区别在于,企业级的关系图谱非常复杂,数量级也是指数级增长, 如电信公司的某个分公司就可以梳理几亿条关系图谱。面对这种多种形式的分析,初创公司可能很难驾驭。Teradata的愿景就是帮助企业做分析,让企业清楚地知道客户是谁,谁和这个客户有关联,以及捕获这个客户所有信息、活动信息和活动信息所涉及的渠道。

帮助企业打破数据的桎梏,驱动业务增长

愿景是美好的,但要实行还是要面临业务、人才、架构和部署等方面的挑战。唐青表示,从业务角度来看,我们是否懂得企业的业务场景,具体到哪个业务场景需要改进。从人才资源方面看,如何用合理薪资,招到在操作和执行层面都有很好洞察力的人员。从架构层面看,数据源很多,交互时间变得很快,形式很多,所以对架构设计提出了很高的要求。生态圈的架构师,怎样能够把各种复杂场景的架构设计出来。这里包含来自客户的挑战,如企业架构凌乱且孤立,如何从中寻找统一和协同。在部署过程中,考量性能、流动、成本以及扩展性的同时还要考虑整个体系架构如何在混合云中建设。

唐青表示,Teradata现在正在实施五级转型:

  1. 提供业务分析解决方案。助力企业达到可以回答其用户问题的能力,从业务视角、数据模型来寻找客户的业务场景。
  2. 业务价值框架。对于咨询公司而言,这是一个重要的、指导性的框架。
  3. 专业的数据科学家。这些人才对工具掌握的很好,并且有很强的思维能力,能够把分析带到业务应用中去。
  4.  生态圈架构师。这些人会比企业咨询架构师的视角更宽阔、洞察力更有深度。
  5. 引入混合云。Teradata大数据平台体系架构,可支持混合云,在云端灵活的做适配。

案例解析 从企业视角解读数据分析的价值

唐青分享了银行的案例,从中我们可以更清晰地看到:数据·分析·成果,企业应用大数据的这三重境界。

过去银行只需通过扩大规模就能提升业绩。现在很多银行开始以客户为中心,以客户需求为导向,优化整个营销体系,打通产品渠道。就像Teradata一样,面向行业同时面向客户,所以在每个客户现场都有合作伙伴或者顾问,都有相配比的生态系统。最终,让所有客户的需求变成商机、变成业务诉求、变成架构实现。传统的银行营销方式,大多是从产品视角来拓展,看把产品卖给哪些客户合适,现在我们从客户视角来看,每个客户都有产生额外产值,增加收入的可能。

唐青表示,Teradata为银行建立客户精细化管理框架,分析每一个客户,把客户进行分类。这样可以做的事情很多,如从中识别哪些是重要客户,哪些是流失客户。在流失客户中识别出谁贡献最大,即使和其中一些失去联系,也可以从做了闭环的网点重新建立联系,挽回流失的客户。

通过银行的客户单一视图系统,客户经理能够及时获得银行用户的基本信息、交易信息及其特征标签,清楚地知道哪些是新客户,哪些客户可能会流失,哪些是睡眠客户。假如银行是上千万级,这样做,哪怕只挽回一个点也是十几万。

试想,如果为每个用户都做画像,清楚的知道整个的生命周期的同时,把其所有的渠道都关联在一起,那么CRM系统就形成了闭环。

这样一来,银行就可以了解客户处于哪个生命周期,有针对性地进行服务。对新用户进行品牌宣传,对衰退期的用户分析流失原因,最重要的是可以做更精准的营销。

写在最后:

当问及针对金融领域,Teradata在授信和风控方面建设经验时,Teradata天睿公司北京金融团队咨询服务部总监张天峰表示,风险管理是银行最核心的管理举措之一。Teradata针对商业银行的市场风险、信用风险、利率风险、流动性风险、操作风险等领域提供专业的风险管理咨询服务、风险分析服务以及风险数据管理服务。

未来,银行不仅使用内部数据,可能还会引入一些外部数据对客户进行更精细化的评级。Teradata提供行业领先的大数据解决方案,不仅包括结构化数据的处理及分析方法,还提供非结构化数据的分析手段及方法,更精确地描述客户特征甚至客户的族群标签。


本文作者:王雪燕

来源:51CTO

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
307 7
|
1月前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
47 2
|
1月前
|
存储 机器学习/深度学习 SQL
大数据处理与分析技术
大数据处理与分析技术
104 2
|
2天前
|
机器学习/深度学习 数据可视化 大数据
机器学习与大数据分析的结合:智能决策的新引擎
机器学习与大数据分析的结合:智能决策的新引擎
40 15
|
8天前
|
SQL 分布式计算 DataWorks
DataWorks产品测评|基于DataWorks和MaxCompute产品组合实现用户画像分析
本文介绍了如何使用DataWorks和MaxCompute产品组合实现用户画像分析。首先,通过阿里云官网开通DataWorks服务并创建资源组,接着创建MaxCompute项目和数据源。随后,利用DataWorks的数据集成和数据开发模块,将业务数据同步至MaxCompute,并通过ODPS SQL完成用户画像的数据加工,最终将结果写入`ads_user_info_1d`表。文章详细记录了每一步的操作过程,包括任务开发、运行、运维操作和资源释放,帮助读者顺利完成用户画像分析。此外,还指出了文档中的一些不一致之处,并提供了相应的解决方法。
|
7天前
|
分布式计算 DataWorks 搜索推荐
用户画像分析(MaxCompute简化版)
通过本教程,您可以了解如何使用DataWorks和MaxCompute产品组合进行数仓开发与分析,并通过案例体验DataWorks数据集成、数据开发和运维中心模块的相关能力。
43 4
|
26天前
|
机器学习/深度学习 存储 大数据
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系,保留最大方差信息,实现数据压缩、去噪及可视化。本文详解PCA原理、步骤及其Python实现,探讨其在图像压缩、特征提取等领域的应用,并指出使用时的注意事项,旨在帮助读者掌握这一强大工具。
63 4
|
27天前
|
关系型数据库 分布式数据库 数据库
PolarDB 以其出色的性能和可扩展性,成为大数据分析的重要工具
在数字化时代,企业面对海量数据的挑战,PolarDB 以其出色的性能和可扩展性,成为大数据分析的重要工具。它不仅支持高速数据读写,还通过数据分区、索引优化等策略提升分析效率,适用于电商、金融等多个行业,助力企业精准决策。
34 4
|
28天前
|
机器学习/深度学习 分布式计算 算法
【大数据分析&机器学习】分布式机器学习
本文主要介绍分布式机器学习基础知识,并介绍主流的分布式机器学习框架,结合实例介绍一些机器学习算法。
184 5
|
1月前
|
存储 监控 数据挖掘
【Clikhouse 探秘】ClickHouse 物化视图:加速大数据分析的新利器
ClickHouse 的物化视图是一种特殊表,通过预先计算并存储查询结果,显著提高查询性能,减少资源消耗,适用于实时报表、日志分析、用户行为分析、金融数据分析和物联网数据分析等场景。物化视图的创建、数据插入、更新和一致性保证通过事务机制实现。
147 14