인공지능과 빅데이터가 대중화되고, 각계각층에서 빅데이터를 수용하거나 수용하려고 노력하고 있기 때문에 데이터라는 개념은 누구나 익숙하다. 예를 들어, 얼마 전 제조 관리자와 대화를 나눈 적이 있습니다. 그는 "저도 데이터의 가치를 매우 인식하고 데이터 축적 작업을 해왔습니다. 우리는 ERP 시스템, CRM 시스템 등 많은 시스템을 보유하고 있습니다. 등이 있으며, 이미 많은 양의 데이터가 축적되어 있지만 아직 어떻게 활용해야 할지 모르겠습니다.
” “이 데이터를 어떻게 활용해야 할지 모르겠습니다”는 것입니다. 흔한 문제이고, 이 회사는 얼마나 많은 중국 기업이 데이터를 사용하고 있는지를 보여주는 축소판일 뿐입니다. 중국뿐만 아니라 전 세계가 그렇습니다. IDC 보고서에 따르면 2012년 전 세계 데이터 공급량은 2.8제타바이트(ZB), 즉 2,800조 GB에 달했지만 그 중 분석에 사용된 것은 0.5%에 불과했습니다. 많은 기업들이 광범위한 운영에서 정교한 운영으로 전환해야 할 필요성을 깨달았습니다.
정밀한 운영의 핵심 포인트 중 하나는 데이터 관리입니다. 과거에는 머리 위에서 많은 결정이 내려졌고, 급속한 성장이 그러한 결정의 단점을 덮어주었다. 그러나 이제 우리는 스톡 시대에 이르렀습니다. 즉, 기업의 경쟁력을 향상시키기 위해서는 현재의 운영이 더욱 정교해져야 하고, 내려지는 의사결정은 시장 조사, 시연, 데이터 분석 등에 기반한 과학적인 결정이어야 함을 의미합니다.
기업은 데이터를 축적하고 있는데, 그 데이터가 일정 수준에 도달하면 질적인 변화를 겪으며 새로운 비즈니스 모델이 탄생할 수도 있다. 예를 들어 Ant Micro Loan을 예로 들어 보겠습니다. Alibaba는 수년간의 온라인 소매 데이터, 결제 금융 데이터, 개인 신원 데이터 등을 사용하여 다차원 데이터의 통합, 처리 및 계산을 통해 신용 차원을 구축합니다. 이는 대출 발행에서 Ant Micro Loan의 효율성을 크게 향상시킬 수 있습니다. . 이는 금융분야에 인공지능과 빅데이터가 최초로 적용되는 것이며, 많은 금융상품 기관에서도 이 분야에 대한 개선을 진행하고 있습니다.
데이터가 금광이라는 사실은 모두가 인정했지만, 이 금광에서 금을 어떻게 찾을 것인가가 우리가 직면한 문제이다. 기업은 데이터를 어떻게 활용하여 비즈니스 성장을 촉진할 수 있나요?
그렇다면 기업은 어떻게 데이터를 활용하여 비즈니스 성장을 촉진할 수 있을까요? 우선, 기업이 해결해야 할 데이터 문제는 다음 네 가지 측면에서 시작해야 합니다.
1. 데이터 소스 통합
데이터 분석에 관해 이야기할 때 데이터는 어디에서 오는가? 웹 사이트, 시스템 또는 일부 오프라인 Excel 테이블에서 올 수 있습니다. 그렇다면 이러한 데이터를 관리할 때 어떤 측면에 주의를 기울여야 할까요?
1. 광범위한 데이터 소스
예를 들어 의류 업계 기업 고객의 경우 거래 건수와 단가를 분석합니다. 그러면 매장에 들어가는 사람의 수에 매장에 들어가는 사람의 수를 곱하면 됩니다. 데이터가 충분히 포괄적이라면 향후 분석을 지원하는 차원이 더 많아질 것입니다.
2. 데이터 소스의 깊이
예를 들어 주문을 볼 때 시간, 위치, 가격, 스타일 등을 알아야 합니다. 데이터 소스의 전반적인 데이터 품질이 부족하면 향후 상세한 데이터 분석을 지원하기에는 충분하지 않습니다. 우리가 가장 먼저 한 일은 모든 데이터를 수집하고 "요청 시 원클릭 액세스 및 업데이트"를 구현하여 데이터 소스의 폭과 깊이를 높이는 것이었습니다.
데이터가 충분히 광범위하고 깊이 있게 통합 관리 플랫폼에 통합되도록 데이터 소스의 품질을 관리해야 합니다. 예를 들어 회사에서 회의를 하는데 영업에 문제가 생기면 A부서에서는 영업자료를, B부서는 영업자료를 내는데 숫자가 일치하지 않아 비난을 퍼붓는다. 앞뒤로 문제를 해결할 수 없습니다. 이는 회사의 발전에 매우 해롭습니다. 우리는 이 문제를 해결하려면 기업이 데이터를 관리해야 한다고 생각합니다. 예를 들어 데이터 지표 프레임워크를 설정할 때 정의해야 할 핵심 지표는 무엇입니까? 비용인가, 이익인가, 수익인가? 수익을 예로 들면 고객 수, 단가 등으로 구분됩니다. 이러한 데이터는 어떤 데이터 소스와 시스템에서 나오는가요? 시스템 데이터 입력 담당자, 입력이 표준화되어 있습니까? 데이터 측정항목에 대한 정의가 일관성이 있나요? 따라서 데이터 관리 전반의 관점에서 일관성 있는 지표를 정의하고, 데이터 거버넌스를 잘 수행한 후, 통일된 플랫폼에서 데이터를 균일하게 출력하여 통일된 데이터 역량을 확보해야 합니다.
2. 사용 시나리오
1. PC와 모바일 단말기를 포괄해야 합니다.
시나리오 이제 우리의 많은 애플리케이션 시나리오는 모바일 단말기, 특히 C에 있습니다. -side 응용 프로그램은 기본적으로 All입니다.
기존의 데이터 분석은 PC 측 모델이므로 PC 측 모델을 모바일 측으로 전환해야 합니다.
2. 비즈니스 시나리오
우리는 데이터 분석이 단순한 개념이나 형식이 아니라 실제 비즈니스 시나리오와 더욱 일치하고 그 가치를 최대한 발휘할 수 있기를 바랍니다. 비즈니스 프로세스에서 발생하는 실질적인 문제를 해결해야 합니다. 따라서 비즈니스 시나리오를 다루어야 하며, 비즈니스 담당자와 운영자가 실제 비즈니스 프로세스에서 발견한 문제를 효과적으로 해결하고, 그래야만 이 플랫폼을 비즈니스에서 사용할 수 있습니다. 그렇지 않으면 시간이 지나면 폐기될 수 있습니다.
3. 데이터 처리 성능
성능은 기존 소프트웨어에서는 고려되지 않는 지표입니다. 처음 시스템을 설치하려고 할 때 가장 중요한 것은 기능이었습니다. 기능이 충분하다면 시스템 속도가 느려도 문제가 되지 않습니다. 요즘에는 많은 C 측 응용 프로그램이 사용자의 사용 습관을 키워왔습니다. 매우 간단하고 매우 빠른 실행 환경에 익숙해지면 매우 느린 응답 시스템으로 다시 전환할 것입니다. 본 시스템 신청은 접수가 어렵습니다.
BDP 상용 데이터 플랫폼에서 수억 개의 데이터에 대한 계산 시간은 0.28초입니다. 온라인에는 600,000개 이상의 데이터 모델이 있으며, 데이터 소스 변경부터 모델 계산 완료까지 평균 시간은 24초입니다. 등; 성능 데이터는 사용자가 프런트 엔드에서 빠르고 반응이 빠른 분석 플랫폼을 경험하기에 충분합니다. 4. 데이터 시각화
미래에는 데이터 분석이 비즈니스 부서로 옮겨갈 것입니다. 비즈니스를 가장 잘 이해하고 데이터의 가치를 극대화할 수 있는 사람은 비즈니스 담당자뿐이기 때문입니다. 그러나 많은 수의 테이블을 통해 일반 비즈니스 담당자가 일부 비즈니스 문제를 신속하게 발견하기는 어렵습니다. 따라서 데이터도 데이터 테이블 형태에서 그래픽으로 변환됩니다. 결국 인간은 숫자보다 훨씬 빠르게 그래픽을 받고 처리합니다.
(비주얼 차트 제작 소프트웨어: BDP Personal Edition)
시각적 분석이 실제로 비즈니스 담당자에게 적용되려면 다음과 같은 특성을 갖추어야 합니다.
Easy to use : 데이터 분석 플랫폼과 전반적인 기술 애플리케이션의 현재 개발 추세는 단순성과 사용 편의성을 지향해야 합니다. 예를 들어 예전에는 사진을 찍으려면 사진가와 사진관이 필요했는데, 이제는 사진관에 가서 사진을 찍고 싶다고 하면 자연스럽게 '휴대폰이 없나요?'라고 묻게 됩니다. 누구나 사진을 찍을 수 있습니다. 사진 지식을 조금만 배우면 휴대폰을 이용해 사진작가 수준의 사진을 찍을 수도 있습니다. 따라서 데이터 분석 플랫폼 역시 임계값을 낮춰야 하며, 사용 편의성이 전제조건이다.
유연성: 특히 인터넷 기업의 경우 비즈니스 전개가 매우 빠르게 변화합니다. 오늘은 데이터 A를 분석해야 하고, 내일은 데이터 B를 분석해야 하며, 모레는 데이터 A와 B를 분석해야 합니다. 또 다른 차원. 이때 전통적인 플랫폼이라면 제한된 리소스와 한정된 R&D 인력으로는 결코 끝없는 변화를 감당할 수 없을 것입니다. 비즈니스 요구 사항을 충족할 수 없다는 것은 시장에 신속하게 대응할 수 없다는 의미이기도 하며, 이는 효율성을 떨어뜨리게 됩니다. 기업 운영 및 이점이 느려집니다. 따라서 이러한 데이터 분석은 비즈니스 변화를 지원하기 위해 유연하고 신속해야 합니다.
효율성: 인터넷의 발달로 인해 데이터의 양이 증가하고 있습니다. 데이터의 양이 일정량(예: 1억 개)에 도달했을 때 분석을 수행한다면 결과를 피드백하는 데 얼마나 걸리나요? 많은 기업에서 성능은 데이터 분석의 단점이 되었습니다. 예를 들어, 우리 소매 고객 중 한 명은 데이터 하나를 분석하는 데 6시간이 걸리곤 했지만 BDP 비즈니스 데이터 플랫폼을 사용한 후 2~3분 안에 결과를 얻을 수 있어 분석 프로세스가 크게 단축되고 회사의 업무 효율성이 크게 향상되었습니다. 운영 효율성 및 효율성. 상상해 보세요. 당신의 분석 과정은 6시간이 걸리고 상대방은 5분만 있으면 됩니다. 시간이 지나면 그 격차는 상상될 수 있습니다.