기업용 데이터 분석 및 마이닝 애플리케이션은 어디로 향하고 있나요?
최근 많은 친구들이 데이터 분석 및 마이닝 애플리케이션의 상업적 가치에 대해 언급했습니다. 그 중 하나는 데이터 분석 및 마이닝입니다. 지식 발견만 있고 지식 적용이 없다면 기업은 여전히 데이터의 가치를 깨닫지 못하고 있습니다. 둘째, 데이터 분석 및 마이닝은 인터넷 거대 기업에서 근무한 배경에 달려 있습니까? 견고한 데이터 수익 창출 기능이 필요합니까?
첫 번째 질문은 제3자 데이터 분석 서비스 및 회사 내부 데이터 분석과 분리되어야 하며, 그렇지 않으면 의미가 없습니다. 두 번째 질문은 데이터 분석 검색을 주도하는 사람이 누구인지에 달려 있습니다. 데이터 활용 방법을 파악하지 못한 HR 또는 고위 간부입니까, 아니면 데이터 분석 및 마이닝에 대한 명확한 목표를 갖고 있는 고위 간부입니까? ! ! 예를 들어 일부 기업에서는 인터넷 거인의 배경이나 특정 기술에만 의존하여 팀을 구성하는데, 이는 회사에 실질적인 도움이 되기 어렵고, 이는 이미 실제 상황에서 입증되었습니다.
저는 데이터 분석에 대한 명확한 목표와 요구를 갖고 있는 리더를 개인적으로 존경합니다. 선임 및 전문 데이터 분석 및 마이닝 인력이 그러한 비즈니스 리더를 섬기고 팀에 봉사한다면 그 불꽃은 분명 모두를 밝게 빛나게 할 것입니다. 기업과 회사가 함께 성장하고, 시장에서 두각을 나타내는 것입니다.
------두 가지 유형의 데이터 애플리케이션의 차이점------
개인적으로는 타사 데이터 분석 서비스가 기술 그룹에 속한다고 생각하며, 기술그룹은 비즈니스를 이해할 필요가 없다고 생각하지만, 그들의 가치는 비즈니스에 대한 심층적인 분석보다는 데이터 마이닝과 분석 기술에서 더 두드러집니다. 그래서 누군가 나에게 데이터 서비스나 광고 회사에서 적합한 데이터 디렉터를 찾고 있는지 물을 때마다 내 대답은 나 같은 사람이 고용될 수 있다는 것입니다. 그러나 이것이 우리의 강점은 데이터 관련 배경 지식을 가진 사람을 찾는 것이 가장 좋습니다. 그들의 핵심 가치는 기술과 비즈니스의 통합이 아닌 기술에 있습니다.
저는 개인적으로 기업 내에서 데이터 분석과 마이닝이 비즈니스 가치 중심의 학교, 즉 경영학부에 속한다고 생각합니다. 비즈니스 로직의 원인과 결과가 명확하게 정리되지 않고, 작업의 세부 사항이 익숙하지 않다면, 그의 채굴 기술의 가치는 일반 데이터만큼 좋지 않을 수 있습니다.
어떤 친구들은 비즈니스 가치 지향이 무엇인지 묻습니다. 비즈니스 문제를 노출해도 괜찮습니까? 분명히 그것만으로는 충분하지 않습니다. 당신이 노출한 문제는 "공개된 비밀"입니다. 비즈니스 부서에 필요한 것은 단지 문제를 노출하는 것이 아니라 문제에 대한 해결책입니다! 그렇다면 데이터의 상업적 가치를 극대화하는 방법은 무엇일까? 문제를 완전히 해결하는 것입니다! 모든 문제를 해결하기 위해 (하나 이상의) 비즈니스 부서를 지원합니다.
---------문제를 해결하는 방법은 무엇입니까? ------
친구가 문제 해결이 쉽다고 하더군요. BI는 IT 도구인데, 사업부에서는 데이터를 보면 해결이 된다고 하네요! 나는 매번 그렇지 않다고 말합니다. 그러면 비즈니스 부서에서 요구 사항을 제안하고 BI는 완벽한 모델이어야 하는 분석 및 개발을 수행합니다. 그런데 왜 이런 일을 하는 회사는 아주 기초적인 데이터 애플리케이션을 가지고 있을까요? 이유를 자세히 설명해야 합니다.
모두가 자주 제시하는 전환율 문제를 예로 들면, 실용적인 회사는 먼저 매출, 이익, 재고 등 소매 지표에서 전환율을 낮추게 됩니다. 많은 전자상거래 리더들의 전환율에 대해 이야기해 보겠습니다.
특정 주에 전환율이 크게 떨어진다면, 사업부서에서는 어떤 분석을 통해 수요를 제공하고 이를 해결하기 위한 데이터를 얻을 수 있을까요? 주문 전환율이 3에서 1.5로 떨어진다고 가정해 보겠습니다. 그러면 비즈니스 관점에서 어떤 가능성이 있을까요?
1. 전환에 문제가 있습니다. 새로운 트래픽 소스에서 좀비 사용자가 많이 발생합니까? (이용자의 접속 습관적 행위 판단)
2. 프로모션에 문제가 있습니까? 많은 사용자가 실수로 광고를 클릭합니까(종료율로 판단)?
3. 웹사이트를 재설계하여 고객 경험을 줄였습니까? (사용자 행동 경로 판단)?
4. 일부 기능을 사용하기 어렵거나 웹사이트가 느려지는 등 웹사이트에 다른 문제가 있습니까? (사용자 행동 액세스 노드 분석으로 판단)
5.
예를 들어 예전에는 50~60% 할인 상품을 많이 판매하던 제품이 지금은 20% 세일을 해서 트래픽을 유도하고 있는 걸까요? (상품접근심도와 상품접근성을 통한 비교분석)
어떻게 하면 문제를 효과적으로 해결할 수 있을까요? KPI 이상 여부를 객관적으로 판단하지 못하면 비즈니스 부서의 문제 해결을 돕는 것은 물론 문제를 정확하게 찾을 수도 없습니다! 동시에 비즈니스 부서에서 수요를 제시하고 이를 BI로 분석하기를 기다리고 있는 친구들은 위에서 언급한 일반적인 이유에 대한 전환율과 다양한 분석 요구 사항에 대해 문의하고 싶습니까? 비즈니스 부서는 포괄적인 요구를 제시할 수 있습니까?
포괄적인 요구사항이 없다면 비즈니스 부서가 문제를 완전히 해결하는 데 도움이 되는 포괄적인 분석과 솔루션이 있어야 합니다. 예를 들어 광고가 지연되면 전환율이 낮아지는데 전체적인 순서가 변함이 없다면 광고 투자액이 너무 높은 것이 아닐까? 광고 투자액이 너무 높다면 홍보부서와 광고회사에 재협상을 권유할 필요가 있을까? 비용을 절감하거나 다른 프로모션 채널을 찾아 광고 ROI를 높이세요. 이는 당사가 사업부서와 협력하여 전진하고 후퇴하는 경우 중 하나입니다. 웹사이트나 제품에 문제가 있는 경우에도 마찬가지입니다!
------회사에는 어떤 분석 및 마이닝 인재가 필요한가요? ----
물론 분석기술, 마이닝 알고리즘 인재도 필요하지만 전문인력이 충분한 역할을 하기 위해서는 전략, 전술, 사업 전반을 이해할 수 있어야 한다. 방금 분석한 대로 사업 부서에 의존하여 수요를 제공하는 모델로는 데이터 가치의 문제를 해결할 수 없기 때문에 알고리즘 사람들이 데이터의 상업적 가치를 극대화하는 데 앞장서야 합니다.
데이터 업계에 종사하는 친구와 소통하면서 매번 자신의 분석이 구현되어 상업적 가치를 창출하길 원한다면 가장 좋은 방법은 사업 운영과 방법을 잘 아는 것이라고 말했습니다. 사업부가 운영됩니다. 예를 들어, 최근 매출 감소의 원인 중 하나는 평균 제품 방문 깊이가 월간 20% 감소했다는 점입니다. 많은 데이터 분석가에게 이는 이미 좋은 결과입니다. 잠깐만요. 이것은 여전히 비즈니스 부서의 "가상" 진술입니다.
이런 경우는 웹사이트 제품 관리 동료들에게 이 데이터를 보면 레이아웃 방법에 대한 돌파구를 찾지 못할 수도 있기 때문에 깊은 생각에 빠질 가능성이 높다고 말하는 것입니다. 제품에 대한 액세스 깊이를 향상시킵니다. 그들의 임무가 신제품과 기존 제품을 정리하고, 트래픽, 이익, 고수익의 다양한 제품 조합, 제품 조합 할인 및 기타 운영 작업을 구성하는 것임을 이해한다면 귀하의 분석은 실제 적용에 더 가까워질 것입니다.
이 문제를 해결하려면 제품 부서에서 해결할 수 있는 이유를 찾아야 합니다. 이러한 문제가 명확하게 명시되어 있는 경우 제품 레이아웃 수준의 문제입니까, 아니면 서로 다른 카테고리의 조합에 대한 문제입니까? , 제품 작동 원인이 무엇인지, 해결 방법은 담당자가 자연스럽게 알게 될 것입니다! !
---------요약------
회사마다 가치 지향이 다르고, 필요한 인재도 다르며, 가치 표시 방식도 다릅니다. . 제3자 서비스 회사는 기술과 알고리즘을 기반으로 특정 산업 비즈니스 지식을 보완해야 하며 기술적 핵심 경쟁력을 갖추고 있습니다. 그러나 산업 비즈니스에 대한 더 깊은 이해가 있다면 제3자 기업의 더 높은 가치를 반영하여 더 많은 참조 및 컨설팅 가치로 데이터를 분석하게 됩니다. 회사에는 사업과 운영에 익숙한 사람이 필요하지만, 사업 추진이 문제가 되지 않을 때는 기술과 알고리즘이 매우 중요합니다. 비즈니스에 대해 잘 알고 기술 알고리즘을 잘 활용하는 것이 매우 중요합니다. 데이터 분석 단순화