数据分析在企业管理上的运用

发布时间:2015-10-28 来源:数据统计分析 作者:admin 点击:120

大数据的时代背景

  

何为“大数据”?——

 

大数据(Big Data)是指由强大的分析工具进行筛分的庞大数据集。作为一种出色的工具,旨在帮助企业在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策的资讯。

大数据无疑是未来影响各行各业发展的最受瞩目的技术之一。近几年,越来越多的管理者意识到大数据已经是未来发展不可规避的事务。尽管大数据的概念在这两年才人们广泛认知,但大数据的商业应用模式已经开始渐渐升级。

在大数据的时代背景下,影响企业变革的因素将越来越深刻,而这些本质性的改变使得管理的疆界和管理的深度都得到了无限延拓。

毋庸置疑,大数据的深入影响也在提醒我们,企业管理在未来将会因大数据技术而改变。企业高层管理者应该思考,如何利用大数据提高管理的效率?

 

大数据的特点

我们研究认为,大数据具有三大特点,数据体量大、数据类型多、处理速度快。

 

 

大数据到底能帮传统企业什么忙?
 

大数据时代下的企业变化

 

数据显示,每一天都有无数的数据被收集、交换、分析和整合,数据已如一股“洪流”注入了世界经济,成为全球经济领域的重要环节,这些数据将和企业的固定资产、人力资源一样,成为生产过程中的基本要素。

其中,大数据已经成为企业的核心竞争力,且企业在处理数据时面临着挑战也在不断增加,风险在不断增大。

 

1、 非结构化和结构化数据的统一、整合——企业85%的数据属于非结构化数据,但是企业现有的数据处理方法仅适用于结构化数据,如何整合数据发掘数据中的价值?

2、 跨业务平台数据的关联、分析:企业中的数据由于业务模块的划分而被割裂开来,单一业务模块的数据价值远远小于所有业务模块数据关联起来进行分析运用所产生的价值。

3、 数据实时分析:企业业务的运营状态将体现在海量数据的快速处理和有效进行实时分析的基础上。但随着大数据的爆炸式增长,与企业相关的数据可能在无限量的不断增长,这些不断变化的数据,需要企业进行全面、实时的分析。

4、 数据分析下的战略决策:企业的决策行为将日益基于数据和分析而做出,并非基于经验和直觉,这对于企业来说是一个巨大的挑战。

 

大数据各信息处理环节的流程图

 

大数据按照信息处理环节可以分为数据采集、数据清理、数据存储及管理、数据分析、数据显化等多个环节。

 

 数据收集——主要为收集用户日常在网络上的各种数据,企业应该思考的是未来如何将企业做到行业专精。

‚ 数据清理——主要是将筛选出有用数据并进行传输。

ƒ 数据存储及管理——主要对搜集到的数据进行存储及管理。

„ 数据分析——主要是根据企业的发展需求,从大量的数据中进行具体分类分析。

… 数据显化——主要是将数据分析得来的结果可视化,将这些有用的数据与企业的商业运营相结合。

† 行业应用——主要是将得到的数据分析结果应用到市场中,切实落实企业的发展战略,强化战略执行。

 

大数据在行业中的应用

 

通过分析不同行业的发展特征、行业特点,不同行业企业的发展差异性,可以看出:

在大数据应用综合价值潜力方面,信息行业、金融业、保险业、政府与事业单位、制造业、贸易等行业的潜力较高。

具体到行业内每家公司的数据量来看,信息、金融保险、计算机及电子产品、公用事业四类的数据量最大。

从交易密度来看,金融保险、批发贸易、房地产和租赁三类的密度最高。

1、 客户洞察、市场洞察及运营洞察是金融行业大数据应用重点

2、 服务支撑、创新支撑及运行支撑是电信行业大数据应用重点

3、 营销变革、信息变革及业务变革是互联网行业大数据应用重点

 

大数据广阔的应用前景

 

从应用方向上看,通过对大数据的储存、挖掘与分析,大数据在营销、企业管理、数据标准化与情报分析等领域大有作为。从应用行业来看,大数据一方面可以应用于客户服务水平提升及营销方式的改进,另一方面可以助力行业内企业降低成本,提升运营效益,同时还能帮助企业进行商业模式的创新及发现新的市场商机。从对整个社会的价值来看,大数据在智慧城市、智慧交通及灾难预警等方面都有巨大的潜在应用价值。艾瑞预测,随着互联网技术的高速发展,云计算、物联网应用的日益丰富,大数据未来发展前景将更为广阔。

 

大数据未来发展的瓶颈

 

通过对大数据产业链的分析,我们可以看到,在大数据产业链的各个生产环节中,各大公司都已开占位,随着高性能计算机、海量数据的存储和管理的流程的不断优化,技术能够解决的问题都终将不会成为问题。真正会制约或者成为大数据发展和应用瓶颈的有三个环节:

第一、数据收集和提取的合法性,数据隐私的保护和数据隐私应用之间的权衡。

第二、大数据发挥协同效应需要产业链各个环节的企业达成竞争与合作的平衡。

第三、大数据结论的解读和应用。