Teradata首席分析官Bill Franks:数据分析变革犹如一场工业革命

简介:

2013年Teradata天睿公司首席分析官Bill Franks出版了《驾驭大数据》,时隔两年他又带来了新书《数据分析变革》,从书名可以看出大数据的应用已经发生了质变。Bill也把数据分析的变革比做是一场工业革命,因为技术的发展带来了更多的分析能力,以及可以实现自动化的分析,这些也就如同蒸汽机给工业革命带来发展的动力是同一道理。

Teradata首席分析官Bill Franks:数据分析变革犹如一场工业革命

Teradata天睿公司首席分析官Bill Franks

从分析到高级分析的进化

分析的重要性已经成为现如今企业的共识,很多企业都在使用商业智能软件将自身的业务进行汇总呈现。但报表呈现和分析的概念不尽相同,报表通常是按照固定格式自动生成,而分析并不是简单的信息汇总,企业需要将汇总的数据进行整合并分析为决策给出建议。

当然分析的程度也有浅有深,大数据分析就是时下企业非常追捧的数据分析技术。Bill认为,大数据必须置于更广泛的企业数据和分析战略的场景中,而且不要纠结于如何定义大数据,只需思考如何善用大数据!

然而分析的种类也多种多样,有人会问普通分析和高级分析有什么区别?普通分析属于概述型分析,高级分析则更多是预测性分析。在四、五年前很多企业并不具备高级分析的技能,所以观望是普遍状态,而现在高级分析已经成为主流的发展趋势,企业需要把高级分析作为标配。

在Bill看来,高级分析要从探索发现、设计、部署整个流程形成闭环,因为数据类型的不同就需要不同的算法和存储方式,所以在发现阶段就要考虑未来阶段怎么才能推进地更加迅速,并且在部署之后还有一个很重要的阶段衡量和评估。

作为Teradata首席分析官,Bill的工作主要有三部分,战略、客户、品牌。在企业里首席分析官的职位并不多见,Bill建议如果企业对于数据分析有核心需求就应该设立这一职位,当然其需要具备优秀的数据分析的能力,以及优秀的沟通能力,可以用业务语言对管理者和非IT人员进行沟通。

行业客户如何做数据分析

Teradata 天睿公司一方面为具有共性需求的客户提供标准化的解决方案,另一方面为大型客户进行个性化定制解决方案,同时针对行业客户进行分析,嵌入相应的功能模块。

零售、金融、通信等行业是目前应用大数据较好的行业,那现在的零售行业是如何用创新的方法挖掘数据价值呢?“其实零售行业有很多问题有待解决,”Bill说。例如,卖场在即将结束营业的时段会有大量客人集中结账,这对于结账带来了很大的压力,零售商则可以通过监控卖场的人流量和停车场流量来进行多方面数据分析,预测出未来5-15分钟的流量压力,让管理人员可以及时进行调度,为顾客带来更好的购物体验。

大数据分析已经不再是某几个行业的“玩物”,其已经在各行业开始蔓延,那些看起来不太适合采用大数据分析的行业都已经开始了大数据,像汽车行业目前就在大量应用车联网的大数据分析技术。

物联网也会使得新的数据源逐渐增多,Teradata也将应对新的数据源解决新的业务问题。例如,传感器就可以引发多环节的客户体验提升的连锁效应,在仓储物流行业通过传感器可以了解到仓储环境的温度,从而进行温控保证产品质量,之后卖家还可以分析产品的买卖行为和途径,从而制定未来的营销策略。

未来云服务会是企业越来越认可的一种服务提供模式,使得客户可以获得按需提供的数据分析服务。在过去的一年中Teradata也同一些云服务商展开沟通,目前看来这种服务方式更加适合中小型企业,因为产品的部署和实施对于中小企业相对困难,所以通过云的模式可以使用到一些共性的分析服务。


 

原文发布时间为:2015-7-14

本文作者:王聪彬

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网


相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
3月前
|
搜索推荐 数据挖掘 C++
数据分析方法-对比分析和用户画像
数据分析方法-对比分析和用户画像
79 1
数据分析方法-对比分析和用户画像
|
3月前
|
数据采集 数据可视化 数据挖掘
数据分析案例-汽车客户信息数据可视化分析
数据分析案例-汽车客户信息数据可视化分析
142 0
|
13天前
|
数据可视化 数据挖掘
R语言生存分析数据分析可视化案例(下)
R语言生存分析数据分析可视化案例
|
3月前
|
数据可视化 搜索推荐 数据挖掘
数据分析案例-顾客购物数据可视化分析
数据分析案例-顾客购物数据可视化分析
111 0
|
13天前
|
数据可视化 数据挖掘
R语言生存分析数据分析可视化案例(上)
R语言生存分析数据分析可视化案例
|
22天前
|
数据采集 数据可视化 数据挖掘
Seaborn在数据分析中的应用:案例分析与实践
【4月更文挑战第17天】本文介绍了Seaborn在数据分析中的应用,它是一个基于Python的可视化库,简化了复杂数据的图表创建。通过一个销售数据分析的案例,展示了数据加载、描述性统计、相关性分析、多变量分析及高级可视化步骤。实践技巧包括数据清洗、图表选择、颜色使用、注释标签和交互性。Seaborn助力高效数据探索和理解,提升分析效率。注意,实际使用需根据数据集和目标调整,并参考最新文档。
|
1月前
|
存储 机器学习/深度学习 数据采集
数据分析师如何处理数据以进行分析?
【4月更文挑战第4天】数据分析师如何处理数据以进行分析?
21 9
|
2月前
|
机器学习/深度学习 数据可视化 算法
python数据分析——在面对各种问题时,因如何做分析的分类汇总
Python数据分析是指使用Python编程语言对数据进行收集、处理、分析和可视化的过程。Python是一种非常流行的编程语言,具有简单易学、代码可读性高、生态系统强大的特点,因此在数据科学领域得到广泛应用。
87 0
|
2月前
|
监控 搜索推荐 数据挖掘
python数据分析——业务指标分析
业务指标分析是企业运营中不可或缺的一环,通过对各项关键指标的深入剖析,我们能够更好地了解企业的运营状况,发现潜在问题,进而制定相应的策略来优化业务流程、提升经营效率。 在业务指标分析中,我们首先要明确分析的目的和范围。是为了评估整体业务健康状况,还是针对某一具体环节进行优化?明确了目的后,我们需要收集相关的数据,这些数据可能来源于不同的业务系统和数据库,因此数据的整合和清洗也是分析过程中的重要步骤。 接下来,我们要选择合适的分析方法。比如,对于销售数据,我们可以采用时间序列分析来观察销售趋势;对于用户行为数据,我们可以使用用户画像和路径分析来洞察用户需求和行为习惯。
106 1
|
3月前
|
数据挖掘 数据库
GEE——降水数据分析(半天)图表分析含(IANA(IANA Time Zone Database) 时区名称的定义)
GEE——降水数据分析(半天)图表分析含(IANA(IANA Time Zone Database) 时区名称的定义)
32 1