嵌入式数据分析

标签:数据分析案例

访客:28602  发表于:2013-08-20 15:22:07

    

预测未来,原本只存在科幻电影与想象中。大数据的出现,终于让人类有可能掌握这一神奇的力量。每个公司都在贪婪地收集数据,期待能在竞争中抢占先机。大部分公司认为,收集的数据越多,预测的准确性就越高。但这种论断并不完全正确。

当今企业面临的最大问题是数据泛滥,很多企业已经被海量的数据淹没。前所未有的计算能力,飞速发展的传感器技术和日新月异的数据挖掘工具,这些都为公司带来大量非结构化的原始数据。公司现在缺乏的是“正确”的数据。

想要正确的答案,先问正确的问题。到目前为止,企业所应用的软件系统是以功能为基础的。举例来说,电子商务应用软件的主要功能是完成交易。尽管它也会收集数据,但这些数据都是和改善消费体验相关的,它不会去收集其他数据。换言之,公司凭借本能去鲸吞数据,并没有带着明确的目的和问题。当然,这些数据对完成交易功能已绰绰有余,但当公司用数据分析制定战略决策时,例如进入新市场或为产品定价,他们就会发现,手头的数据根本无法回答这些问题,我们将这种现象称为数据缺口。

要填补数据缺口,公司要彻底改变软件系统的设计和应用思路,它们要为数据分析而生。公司要抛弃漫无目的的数据收集方式,要有的放矢地去收集数据。未来,新一代软件系统将成为公司数字供应链的第一个环节,它不但能满足基本的功能需求,为消费者服务,更能为公司收集正确的数据,解答公司最迫切的问题。因此,对公司来说,技术现在已不是最大的难题,最大的挑战是根据自身业务需求,设计出正确的问题。

量化周边世界。当公司无法收集需要的数据,那么就应重新审视收集这些数据的方法。有很多软件公司已经开始研发下一代软件系统,添加更多的API(应用程序编程接口),让用户更便捷地从软件中提取数据。

公司也在行动,他们在客户交互系统中添加更多的数据收集点。Netflix(在线影片租赁公司)会记录用户观看影片的整个过程,例如用户何时会暂停播放,又会重复观看哪些片段。Knewton(在线教育公司)则观测学生如何使用公司的软件,例如他们完成作业的时间、最高得分、甚至学生的键盘记录和完成某一问题的时间。公司创始人兼CEO何塞·费雷拉说:“我们每天要从每位学生身上获取数千个数据点。”

传感器技术的发展,使公司获得了又一件填补数据缺口的利器。UPS开发了一套车载传感器和手持电脑系统,它不仅可以追踪货物的位置,还可以跟踪送货车辆的行程。通过这套系统,公司发现,送货路线中左转弯越多,送货的速度就越慢,油耗越高。根据这些发现,公司将送货路线中的左转弯限制到最低的数量,仅这一措施,就使公司每年节省约九百万加仑的汽油。

创建数据供应链。在很多公司中,辛苦得来的数据只停留在硬盘中,无人问津。公司应停止建立数据仓库,而去打造一条数据供应链。得到可靠的数据源后,公司还要将这些数据组合、分析,就像工厂的生产线将零部件组装成产品一样。一直以来,数据分析对公司来说是一个艰巨的挑战,但这在很大程度上是由于此前公司分析数据方式无目的性。要有效地分析数据,公司必须想方设法地搞清楚,什么样的数据才能够支持战略决策,并确保收集正确的数据。换句话说,公司要带着明确的目的收集数据,这样才能带来更好的数据和更好的分析结果。

福特公司研究发现,购买混合动力汽车的消费者都颇具环保意识,他们希望电力驾驶的比例尽可能高。但是在原先的驾驶系统中,是否进行油电切换取决于电池的剩余电量。如何在保证汽车正常运行的前提下,尽量提高电力行驶的比例呢?带着这一明确的问题,福特分析了车载GPS上的数据,他们发现很多车主的驾驶范围集中在几个固定的位置之间,例如学校、公司和超市等。于是公司开发了一套路径算法,当电脑发现汽车的行驶范围在电池的容量之内时,汽车就会更多地依赖电池行驶。

在不久的将来,一些公司将会建立起行动敏捷的数据供应链,形成数据收集、数据分析和结果反馈的良性循环。随着商业环境和战略的变化,他们会重新设计自己的问题,收集并分析全新的数据。

转变企业文化。在向数据分析转型中,仅仅在软件开发环节加入数据需求还不够,下一步是要培养以数据和事实为导向的企业文化。公司要淡化业务模块(数据的使用者)与IT模块(数据的提供者)之间的界限,这样才能同时提高两者的效率。

为达成这一目标,很多公司在内部设定新的高级管理职位,例如首席数据官(Chief Data Officer)。他们负责数据的收集、整合、输送和分析。即便没有这样一位数据带头人,每位员工都要培养寻找更好、更多和更新的数据的意识。只有这样公司才能系统性地使用数据引导决策,变成更聪明、更成功的组织。(via.哈佛商业评论)

评论(1)

您可以在评论框内@您的好友一起参与讨论!

    1. 西城往事如风 数据缺口在我们的产品设计时经常会遇到,我之前在做一个招聘类产品时,就曾遇到相似案例,当时每天都有大量的新用户注册,积累了很多的用户数据,但是对于用户缺乏细分,后来在注册环节增加了若干选择项后,便清楚的了解到每个用户近期的需求变化状况,比如对某类培训是否感兴趣,然后有针对性的向其推送有关培训内容,获得了不错的反响。类似情况在很多场景中都会存在,这就需要我们不断的去分析,而不是产品做好后扔在那里不管不问,要不断的去进行数据分析和做出相应调整,最大限度的挖掘其潜力。

      回复[0] 2013/08/20 16:24

<--script type="text/javascript">BAIDU_CLB_fillSlot("927898");