免费试用

永洪科技王桐:如何打造具备深度业务价值的大数据应用

2018.08.08 / View:
大家好,我是王桐。
 
我演讲的题目是:如何打造具备深度业务价值的大数据应用。要想做到一个非常完整、成功的数据分析项目,不管我们是处在什么样的领域和行业当中,要想让这个项目取得比较好的成功和效果,它一定是在平台和应用两个方面同时发力。
 
平台和应用相辅相成,互相去促进和提升,才能够达到效果。有好的平台,但是没有好的业务场景,没有好的前端应用的实现,这个项目的价值不会得到很深度的挖掘。同样的,如果有好的应用场景的想法和设计,但是底层的平台能力和性能不能得到很好的提升,这个场景设计也不能比较好的落地。所以平台和应用,是缺一不可的。
 
前面我们已经谈得比较多的,关于平台的一些展望,和我们永洪在平台上面的一些新进展,可以看到我们在平台上不断投入和发力,不断向前演进和提升平台能力。
我们永洪在过去一年中,又取得了怎么样的进展?我们最新的一些思考和洞察,有哪些可以值得分享的内容?
 
 
一、数据必须对业务和管理带来增长和提升才有价值
 
其实从我们公司角度来讲,对于一个大数据的项目是否成功的判断标准,其实是比较严苛的。数据必须为业务和管理带来了增长和提升,才能说明这个数据是真正有价值的,只有这个数据真正产生了价值,我们才能说这个项目取得了成功。所以,这个数据是否有价值,以及项目是否成功,它的判断标准,并不是服务器数量非常多,或者是数据量非常大,或者是前端的报表非常漂亮。
 
价值是否真正产生了,才是项目是否成功的评判标准。并且这一条是否达成了,并不取决于我们或是甲方的科技部,而是甲方真正用到这个数据应用的最终使用用户。无论他是决策层,还是一线使用用户,他点头认可了,确实说明我们这个数据对他的业务有不小的帮助,我们才能说这个有价值,这是我们的原则。
 
以前,为了做到这样的水平,很多企业是如何进行的呢?根据我们走访的很多企业可以看出,数据应用的现状基本上都有这样一些问题。
 
1.零散
当前绝大部分的企业数据应用的现状,都是一些零散、固定的基础报表,也没有太多分析的功能。所谓零散的报表,是说它的报表内容非常零散,内容跟结构都是有比较严重的分割,主要是靠目录把这些报表编排到一起。像比较大的企业,有好几百甚至上千个报表,这不是靠业务逻辑串起来的,而是靠目录串起来的。这是非常零散的报表内容的呈现。
 
2.固定
此外,它呈现出来的内容,相对来说都是比较固定的,它的灵活性是有一定欠缺的。这种欠缺会带来的影响就是,效率不会很高。从需求的提出到实现,需要打破的固定模式非常多。
 
3.缺少分析功能
报表以统计和结果展示偏多,真正跟业务结合起来的分析,其实几乎是没有的。所以这就是当前企业数据应用的现状,而这种数据应用的现状,还会映射出更本质、更严重的问题,就是业务。数据应用都是这样零散的,不成体系的,也就意味着我们的同事们的工作方法和业务指导也是没有成体系的,这对于企业业务目标的达成会有一些负面的影响。对于我们IT和数据部门来讲,就会疲于这种零散的报表,而不能开展比较有高价值的工作。
 
二、具备深度业务价值的数据应用需要包括四个层级
要想做到打造深度价值的数据应用,它至少应该包括四个层级的能力。由上往下它的层级是逐渐深化的,分别是结果监控、问题诊断、决策支持和智能预测。
 
1.结果监控
这是目前是绝大部分企业所处的层级,这个层级是最简单的。需要完整疏理核心关注点和业务目标,然后把这些结果放在合适的驾驶舱上面,并且让它及时准确去监控业务的状况。当出现问题的时候,可以自动进行一些预警提示。只要做到这些,第一个层级就算达成了。在结果监控的层级里面,是需要不断去看结果指标的。
 
有时候这个结果是好的,有的时候这个结果可能是有问题的,比如利润下滑了,或者收入没有达到预期。这个预期无论好与不好,我们都需要精准去了解这背后的原因是什么,好也要知道怎么去复制推广,不好也要去快速了解这个问题到底出在哪儿?要想做到这个就到了下面的问题。
 
2.问题诊断
我们要结合客户的场景业务逻辑,不断把这个数据组织起来,并且进行细分,去层层分析业务当中的关键点到底是出现了什么样的问题,最后找到解决这个问题的答案。快速定位出这个问题以后,就可以形成一些业务的行动。比如老板召集大家开一个会议,或者拍一下桌子,或者鼓励大家解决这个问题,其实这种解决问题的办法不是很有效的。我们需要进行快速诊断的问题。
 
3.决策支持
再往下就是真正的决策支持。为什么我会特别强调“真正的”这三个字?是因为过去我们发现,其实有非常多的项目,它的名称叫某某企业数据决策支持系统。实际上,它做的是管理驾驶舱,它做的是第一层级,即结果监控。它并没有真正做到决策支持。当我们去问它,您做这个看板,都用来决策什么的时候?
 
他首先的反应是会懵一下,他没有考虑这个问题,他只是看这个数据,他对于本身这个问题并没有仔细思考过。可想而知,这样做出来的怎么可能是一个真正的决策支持?一个真正的决策支持它是长什么样的?后面我们直接拿一个例子来分析。
 
4.智能预测
在前面AI的主题里面分享的比较多,我就不再过多赘述了,主要是一些业务案例,业务点和查看背后逻辑的效果。所以一个数据应用要想具备深度的业务价值,应该至少包括以上这四个层级。
 
三、实例分析数据应用的四个层级
我们用实例来讲解一下上述的四个层级。
 
1.展示结果、进行对比
第一个层级结果监控,其实最简单。这是我们做的一个CFO监控看板,这是最简单的,只需要把我服务的业务对象,他的关注点,公司考核他的KPI,以及他今年工作任务目标是什么,把这些指标化,集中展示出来,这就已经做到了机构监控。
 
做得再好一点,因为我们数据科学研究院在做微观的数据分析方法论的时候,也总结了一些口诀,熟悉我们的老朋友知道,有一个口诀就是“做判断用对比”。
比如我发现我整体销售额是6000万,或者60亿,我第一个首先要做个判断,6000万到底是高了还是低了?我怎么做判断?
 
随着我们平台能力的不断加强,其实我们跟AI的融合有了更多的演进,所以可以看到右上角,它会自动生成一段文字,把业绩体现和财务状况显现出来,可以做出更好的客户体验。这是结果监控。
 
2.进行问题诊断的两个案例
以销售为例,一个 2B销售负责人,他最关心的结果是合同额够不够?收款额够不够?这个季度的任务完成率够不够?还有我这个季度已经完成了,接下来我未来的储备够不够?
 
我给销售的负责人做结果监控,帮我去诊断每一个结果里面问题的原因到底是什么。所以合同额、收款、完成率和未来商机储备,再分别