从BAT看企业构建大数据体系的六层级

本文将企业大数据体系的构建分为六个层级,但并非是线性过程,每个层级之间或有基础关系,但并不是说一定要逐层构建。例如创业型公司,在缺乏数据研发实力的时候,多数会借助第三方平台进行数据上报与分析。

下面一张图,是本文的精华概括,后面一一展开与大家探讨。

一、数据基础平台

基础的数据平台建设工作,包含数据平台建设,数据规范,数据仓库、产品数据规范,产品ID,用户ID,统一SDK等。

很多公司的数据无法有效利用,就是缺乏统一规范,产品数据上报任由开发按照自己的理解和习惯上报,没有标准化的SDK和上报协议,并且数据散落在各个部门产品的服务器,无法构建结构化的数据仓库。

做数据平台的架构,很多人会理解为高大上的技术活,其实整个数据平台价值的体现,需要公司各个部门的配合,例如关键数据指标体系的建立,需要从各个部门业务指标进行提炼,并得到业务部门认可。常见的关键指标有:DAU、PCU、WAU、MAU、按天留存率(1-30日留存)、累计留存率(7日、14日、30日累计留存率),新增用户,有效新增用户,活跃转化率,付费转化率,收入指标,ARPU人均收入,渠道效果数据等。

下图是腾讯和阿里的数据平台架构


阿里大数据业务架构:

阿里云梯分布式计算平台整体架构:

二、数据报表与可视化

在第一层级中,进行数据指标体系规范,统一定义,统一维度区分,就可以很方便的进行标准化可配置数据报表设计,直观的可视化输出设计,包括行为、收入、性能、质量等多种数据类别。

在PPT中以友盟、迅雷、百度、腾讯等公司的数据报表体系进行详细讲解。

腾讯数据门户

阿里数据地图

三、产品与运营分析

在建立数据平台和可视化基础上,对已有的用户行为、收入数据等进行各种分析,输出日报、周报、月报、各种专题分析报告。常见的数据分析工作如下:

1. A/B TEST进行产品分析优化;

2. 运用漏斗模型进行用户触达分析,如TIPS、广告等曝光到活跃的转化;

3. 收入效果监控与分析,包含付费转化率、渠道效果数据等;

4. 业务长期健康度分析,例如从用户流动模型、产品生命周期分析产品成长性和健康度;

5. 营销推广活动的实时反馈;
用户画像也是常见的数据分析方式,包括用户如性别、年龄、行为、收入、兴趣爱好、消费行为、上网行为、渠道偏好、行为喜好、生活轨迹与位置等,反映用户各种特征,以达到全面的了解用户,针对性的为用户提供个性化服务的目的,通常每半年做一次用户画像的专题分析。

下图是常见的数据分析思路

常用分析工具:EXCLE,SPSS,SAS,Enterprise Miner,Clementine,STATISTICA。个人用的比较多的是:EXCEL和SPSS。

下图是SPSS常用的数据分析与挖掘方法

四、精细化运营平台

基于数据基础上搭建的精细化运营平台,主要的平台逻辑多数是进行用户细分,商品和服务细分,通过多种推荐算法的组合优化进行商品和服务的个性化推荐。另外还有针对不同产品生命周期,用户生命周期构建的产品数据运营体系。

五、数据产品

广义的数据产品非常多,例如搜索类,天气预报类等等。这里主要讲狭义的数据产品,以BAT三家公司的数据产品为例进行分享。

腾讯:广点通、信鸽

阿里:数据魔方、淘宝情报、淘宝指数、在云端

百度:百度预测、百度统计、百度指数、百度司南、百度精算

截取几张PPT如下:

六、战略分析与决策

战略分析与决策层,更多的是跟很多传统的战略分析、经营分析层面的方法论相似,最大的差异是数据来自于大数据。

有很多企业错误的把“业务运营监控层”和“用户/客户体验优化层”做的事情放在经营分析或者战略分析层来做。傅志华认为“业务运营监控层”和“用户/客户体验优化层”更多的是通过机器、算法和数据产品来实现的,“战略分析”、“经营分析”更多的是人来实现。很多企业把机器能做的事情交给了人来做,这样导致发现问题的效率较低。

建议是,能用机器做的事情尽量用机器来做好“业务运营监控层”和“用户/客户体验优化层”,在此基础上让人来做人类更擅长的经验分析和战略判断。

在变化极快的互联网领域,在业务的战略方向选择上,数据很难预测业务的大发展方向,如果有人说微信这个大方向是通过数据挖掘和分析研究出来,估计产品经理们会笑了。从本质上来说,数据在精细化营销和运营中能起到比较好的作用,但在产品策划、广告创意等创意性的事情上,起到的作用较小。但一旦产品创意出来,就可以通过灰度测试,数据验证效果了。

时间: 2024-09-28 08:41:14

从BAT看企业构建大数据体系的六层级的相关文章

企业构建大数据分析体系的4个层级

关于企业的大数据体系构建,可以分为4个层级,每个层级之间可以是递进的关系,虽然业务主导不同,但构建思路相通. 下面这张图,是本文的精华概括,接下来将一一展开与大家探讨. 一.数据基础平台 基础的数据平台建设工作,包含基础数据平台的建设,数据的规范,数据仓库的建立.数据质量,统一业务口径等等. 很多公司的数据无法有效利用,一来是数据散落在各个部门产品的服务器,各个业务系统的数据没有打通:二来是缺乏统一的数据规范,业务系统数据按照各自的口径和理解习惯上报,没有标准化的SDK和上报协议,难以构建高质量

引跑科技助力传统企业构建大数据价值体系

2015年8月11日,在工信部信息化推进司指导下,由国家两化融合创新推进联盟主办的第二届<云计算应用创新推进大会>在北京西苑酒店成功召开.大会将以"推进产业互联.探索工业4.0发展道路"为主题,深度探讨企业"云化"过程面临的挑战与问题,寻求最佳技术解决方案和实施路线,推进"企业云"建设,实现企业信息化的全面升级. 本次会议上共计有超过10多家的国有大中型企业及IT服务和供应商分享在云计算.大数据领域的实践和应用成果. 国家两化联盟,全

BAT&quot;做&quot;大数据,企业&quot;用&quot;大数据

摘要 : 为什么Zara毛利率比LV高?当百度“大数据引擎”等互联网巨头向社会开放大数据基础设施,敢用.会用,就能创造更多商业奇迹和民生福利. 大数据,是不是“大忽悠”? 当Zara这家零售企业将大数据运用于创新经营时,它创造了比奢侈品巨头LV税前毛利率更高的奇迹!要知道,Zara平均服饰价格只有LV的四分之一. 随着百度开放“大数据引擎”,超级互联网公司们正在向全社会提供大数据的基础设施服务.敢用.会用,就可以创造更多类似的商业突破和民生福利. [为什么Zara毛利率比LV高?] 据悉, Za

从0到1构建大数据生态系列1:数据蛮荒中的拓荒之举

缘起 我们都知道,当前大数据的需求基本属于遍地开花.无论是帝都.魔都,还是广州.深圳,亦或是全国其他各地,都在搞大数据:不管是不到百人的微小公司,还是几百上千人的中型公司,亦或是上万的大型公司,都在需求数据岗位. 大公司暂且不论,他们一切都走在前头.那么,对于中小型企业来说,开始尝试以数据的思维去思考问题,开始涉足大数据领域,这就是一个从0到1的过程了. 有(bu)幸(xing),近半年来,我亲自见证以及亲身体会到了这个过程,或者至今仍然在完善1这个过程中.期间,有痛苦有坑.有喜悦有成功.有沉静

企业工商大数据API在互联网行业的应用

近年来,中国数字经济规模持续上涨,贡献占GDP近四成,AI.大数据.新能源汽车.新药研发.金融科技等新经济领域也开始出现大批初创企业,这些新入局者需要有效对接资本.对接人才与优质项目及技术服务,借力大数据工具无疑是这些企业发展的必经之路.互联网/科技行业有哪些可通过数据服务解决的业务发展或经营风险方面的问题?1. 寻找合作伙伴.投资标的或投资方.小型企业需要了解大型科技企业的业务及投资动向,精准识别达成合作可能性更高的投资方:大企业需要构建企业内部的潜力合作/投资项目库,提升技术开发.生态构建能

行业企业“攻克”大数据需从三方面入手

最近,有幸和国内不同行业的CIO(医疗.教育.互联网.金融等)交流了大数据的看法,听了听他们一线用户对于大数据的理解,总体来看他们对于大数据本身充满了积极的热情,并且对于大数据有着深刻的认知包括对于大数据技术.产品以及“瓶颈”,虽然现阶段这些行业企业开展大数据仍然存在一定的阻力,但这些行业CIO普遍看好大数据以及其未来行业的发展. 大数据行业前景以及发展不做过多的阐述,从大数据的应用现状来看,现在不论哪个行业企业在开展大数据时有许多问题待解决比如如何打通并且获得基于企业内部数据之外的互联网数据?

Flume+Kafka+Storm+Redis构建大数据实时处理系统:实时统计网站PV、UV+展示

[TOC] 1 大数据处理的常用方法 前面在我的另一篇文章中<大数据采集.清洗.处理:使用MapReduce进行离线数据分析完整案例>中已经有提及到,这里依然给出下面的图示: 前面给出的那篇文章是基于MapReduce的离线数据分析案例,其通过对网站产生的用户访问日志进行处理并分析出该网站在某天的PV.UV等数据,对应上面的图示,其走的就是离线处理的数据处理方式,而这里即将要介绍的是另外一条路线的数据处理方式,即基于Storm的在线处理,在下面给出的完整案例中,我们将会完成下面的几项工作: 1

大数据系列之三:大数据体系架构的重要里程碑

欧凯惯例:引子 世界上唯一不变的就是变化,大数据的架构也不例外. 这次变化的推动者,多是一些大的商业公司! 首发地址 --- Teradata 美国天睿 Teradata这家公司其实挺陌生的,但这并不能让我们忽视其在大数据方面做出的贡献.简单一句描述这家公司的贡献就是: 2008年之前,这家公司以关系型为基础,硬刚大数据,之后意识到数据实在太大大复杂了,终究实现了对非关系型数据的支持. 具体它拿关系型作为对大数据的解决方案硬刚到什么程度呢?拿一个数据说来说明白了,直到2017年,它可以基于其关系

蔡先生论道大数据之(十六) :穷则思变

数据化运营讨论(2) 数据化运营的理念与技术对企业来说是革命性的,它能将现在"卖方市场"商业状态变成为"买方市场". "穷则思变"古话说的好,在当下传统营销方式手段很难明显提升业绩和市场竞争力时"数据化运营"的理念和技术就成为企业未来打破竞争,提升自我强有力地商业武器. 企业通过对数据的分析和挖掘,运营不在盲目,真正做到心中有数,有的放矢.举例,传统的营销活动带来的问题:"我知道投入的广告费有一半打了水漂,收效甚微,