Tableau:“人人都是数据分析师”在医疗业的经验之谈

简介:

今年六七月份以及接下来的更长一段时间,Tableau将会在中国进行一系列巡回可视化分析峰会,6月在上海,路演吸引了800多名客户;而这次在北京,到场的客户增长到1千。这些数字让Tableau亚太区高级副总裁JY Pook高兴了,还有一个因Tableau而高兴的人,是拜耳中国商业智能及业务分析总监王威。

让数据可视化,让人人都是数据分析师

Tableau于2013年在纽交所上市,公司由斯坦福的三位校友Christian Chabot (首席执行官) 、Chris Stole (首席开发管) 以及Pat Hanrahan (首席科学家) 于2003年在西雅图创立。创立最初只是因为斯坦福大学的一个创新成果,为了把电脑的图形、数据库以及人机的互动连接在一起,公司成立之后,在Tableau所有的产品中,这三点贯穿始终。

 Tableau:“人人都是数据分析师”在医疗业的经验之谈

Tableau亚太区高级副总裁JY Pook

“Help people see and understand data”——让任何人看懂并理解数据,是Tableau一直以来的使命。Tableau可以同时连接超过50多种数据,帮助拥有很多数据源的企业迅速读懂数据;Tableau也可以将数据分析变得个人化,让任何人都可以自如地运用数据。JY Pook强调了人的属性,他希望公司的工具让更多人受益,而不仅仅是企业和组织。

因此,在Tableau的现有客户中,有许多公司如拜耳、平安、东航等,而不再依赖IT部门按照用户需求先采集数据,再输出结果来指导业务;也有许多个人用户,每个人生活在一个数据爆发的时代,每天产生海量数据,而Tableau以一种快速、简单、易懂的形式帮助人们去分析这些数据,这个数据可以是个人的信用卡账单、购物账单、电话账单,也可以是公司报表、人力资源的分析报告等。

现在全球169个国家里有42000家企业在使用Tableau,且每个季度这个数字都在增加。2012年,Tableau的事业扩展到亚太地区,2014年打入中国市场,Tableau在2015年8月成立了上海分公司,2016年1月份成立了北京分公司,大中华区的整体团队规模从最初的3人拓展到了现在的50人左右。同时,伴随着经销商体系的发展,Tableau的业务规模也在不断扩展。

自助式数据分析或将成趋势

身处数字化世界,一来海量的数据越来越多、产生的速度越来越快;二来数据更具多元化,有的在云端,还有一些新的数据来源,让挑战和机遇并存。JY Pook总结了三类存在数据评估和分析的企业困难户:第一,大部分公司实际上没有数据分析能力;第二,还有一些公司数据量比较多,可能需要把大量的数据拿到Excel去整理,再决定要用什么样的图表来展示,但excel表格并不是用来分析数据的;第三,少数人他们处于一些大公司,这些人他们是有足够的人力资源和财力资源的,于是他们雇佣一些IT方面的专家来帮助他们从数据当中寻求价值,然而,他们在评估和分析数据方面没有拿到正确的工具。

“用了我们的工具,大家不需要成为编程员,或者是数据库方面的专家,只要提出对于数据的问题,就可以通过我们的解决方案以可视的方式得到答案。”JY Pook介绍,Tableau的核心技术为VizQL,该工具操作简单,动动鼠标,一个拖放功能就能进行可视化阅读,数据分析速度之快是可以以分钟、小时或者天计算,绝对不可能延迟到星期、月甚至是季度。

用数据取代经验

“我们中国大约有5000名专业传染病医生,而全英国仅仅只有50个人。”王威介绍,作为Tableau的客户,拜耳在中国的关键客户接近20万,而在号称世界第五大国家的巴西,拜耳的关键客户仅仅5000。如此大的差距,使得拜耳医药在中国的销售代表达到4千人、销售人员七八百个,超过其他多数国家不止一个数量级。

 Tableau:“人人都是数据分析师”在医疗业的经验之谈

拜耳中国商业智能及业务分析总监王威

这样的规模,对于德国拜耳这样的医药巨头来说,如果沿用国外的CRM系统架构,会存在很多瓶颈。传统的数据分析方法是excel表格,于是形成了一些可怕的现象:其一,部门都是质疑的报告,每个部门交给老板的报告都是他自己部门做的一些PPT,用excel分析出来,没有一个整体报告,让老板很难看到关于公司的一个全方面的数据;其二,传统数据分析系统搜集大量数据,耗时太久,等到数据统计出来就变成了旧数据了。

但是对于Tableau来说就比较简单,可以快速整合数据且智能化,自动识别里面的关键字段、自动匹配、集中整合。一旦把CRM与KPI的数据打通,原来向老板做汇报用的PPT中的死数据,就变成了随时从数据库中调用的在线的活数据。数据的可视化使得原本以数据为中心的部门,变成了现在以员工和决策为中心。这样的转变过程,对于客户的用户体验来说,一目了然。

“以前的业务沟通会,每个经理都在谈自己区域的困难。”王威坦言,如今数据说话,全员透明化,给执行人员无形的压力,从根本上改变了公司的管理模式,公司整体业绩也在缓慢的恢复。

王威的拜耳中国商业智能及业务分析团队一共有7个人,其中2名专家,2名项目经理,用Tableau可以支撑四五千人的数据分析业务,而且License成本很低。用Tableau来取代以往的PPT,形成一个数据库,省去了知识积累和知识管理成本。因此在王威看来,数据取代经验,相当于隐形的工作助手。




原文出处:科技行者
转载请与作者联系,同时请务必标明文章原始出处和原文链接及本声明。
目录
相关文章
|
1月前
|
机器学习/深度学习 算法 数据挖掘
数据分析的 10 个最佳 Python 库
数据分析的 10 个最佳 Python 库
88 4
数据分析的 10 个最佳 Python 库
|
4月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
在数字化时代,数据分析至关重要,而Python凭借其强大的数据处理能力和丰富的库支持,已成为该领域的首选工具。Python作为基石,提供简洁语法和全面功能,适用于从数据预处理到高级分析的各种任务。Pandas库则像是神兵利器,其DataFrame结构让表格型数据的处理变得简单高效,支持数据的增删改查及复杂变换。配合Matplotlib这一数据可视化的魔法棒,能以直观图表展现数据分析结果。掌握这三大神器,你也能成为数据分析领域的高手!
93 2
|
4月前
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
240 4
|
4月前
|
机器学习/深度学习 算法 数据挖掘
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
本文介绍了2023年第二届钉钉杯大学生大数据挑战赛初赛A题的Python代码分析,涉及智能手机用户监测数据分析中的聚类分析和APP使用情况的分类与回归问题。
103 0
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
|
1月前
|
SQL 数据挖掘 Python
数据分析编程:SQL,Python or SPL?
数据分析编程用什么,SQL、python or SPL?话不多说,直接上代码,对比明显,明眼人一看就明了:本案例涵盖五个数据分析任务:1) 计算用户会话次数;2) 球员连续得分分析;3) 连续三天活跃用户数统计;4) 新用户次日留存率计算;5) 股价涨跌幅分析。每个任务基于相应数据表进行处理和计算。
|
2月前
|
机器学习/深度学习 数据采集 数据可视化
数据分析之旅:用Python探索世界
数据分析之旅:用Python探索世界
37 2
|
3月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
【9月更文挑战第2天】数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
71 5
|
4月前
|
供应链 数据可视化 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
本文详细介绍了第十一届泰迪杯数据挖掘挑战赛B题的解决方案,涵盖了对产品订单数据的深入分析、多种因素对需求量影响的探讨,并建立了数学模型进行未来需求量的预测,同时提供了Python代码实现和结果可视化的方法。
156 3
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
|
4月前
|
机器学习/深度学习 数据采集 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题二
本文提供了第十一届泰迪杯数据挖掘挑战赛B题问题二的详细解题步骤,包括时间序列预测模型的建立、多元输入时间预测问题的分析、时间序列预测的建模步骤、改进模型的方法,以及使用Python进行SARIMA模型拟合和预测的具体实现过程。
119 1
|
5月前
|
数据挖掘 PyTorch TensorFlow
Python数据分析新纪元:TensorFlow与PyTorch双剑合璧,深度挖掘数据价值
【7月更文挑战第30天】随着大数据时代的发展,数据分析变得至关重要,深度学习作为其前沿技术,正推动数据分析进入新阶段。本文介绍如何结合使用TensorFlow和PyTorch两大深度学习框架,最大化数据价值。
120 8

热门文章

最新文章