수익에 도움이 될 수 있는 장면 데이터 분석은 오직 하나뿐입니다. 즉, 비즈니스 단위 +B42 가 정말 형편없고 고장이 났다는 것입니다. 이때 일부 수익이 분석을 통해 향상될 수 있다면, 그들은 행복하지 않을 것이다. 이것이 많은 성숙한 데이터 마이닝 프로젝트가 고객 서비스 외호, 문자 전송, EDM 을 겨냥한 이유이기도 하다. 이런 곳에서는 자연 전환률이 무섭기 때문에 업무 부서의 문안, 제품, 광고는 그다지 큰 역할을 하지 못한다. 동시에 이러한 채널은 포인트 투 포인트 푸시이며 데이터 축적 및 모델링 환경은 상대적으로 폐쇄적입니다. 데이터 모델은 자연 전환율을 1% 에서 2% 로 올릴 수 있어 업무 부문은 이미 감사하다.
사실 데이터 분석은 기업에 도움이 되며, 성과 평가, 결과 평가, 결과 최적화와 같은 직무에 더 많이 반영됩니다. 흥미롭게도, 많은 종업원들 자신도 이 점을 이해하고 싶지 않다. 예를 들어, 모든 소프트도 이 질문에 대한 답을 가지고 있다. 너는 볼 수 있다. 안에 제시된 예는 모두 어떻게 비용을 삭감하는 것이지 수입을 늘리는 것이 아니다.
그러나 범완의 대답은 그 자체로 매우 전문적이다. 비용 절감이 수익 증가보다 데이터 분석의 공로를 더 잘 반영하기 때문이다. 위의 신제품이 수입을 늘리는 과정을 살펴 보겠습니다. 만약 데이터 분석에 의하면 이 실적이 내가 한 것이라면, 적어도 6 개 부서가 너와 함께 공을 초대할 것이다. 그러나 데이터 분석에 따르면 여기에 한 제품이 쓰레기라고 해서 잘라낼 수 있다면, 한 부서 (이 제품을 설계한 부서) 의 기분을 상하게 할 수 있고, 나머지 다섯 부서는 여전히 너를 지지할 것이다. (시간을 낭비할 필요가 없기 때문이다.) (알버트 아인슈타인, 시간명언) 따라서 지능형 데이터 분석은 항상 외부로부터 증수되는 관점이 아니라 내부 통제의 관점에서 가치를 입증합니다.
그러나, 이것은 두 번째 어색한 곳으로 이어진다. 바로 내가 양모의 마지막 데이터 제품을 위해 이렇게 할 것인가? 양모라도 데이터 분석가를 고용해서 이것을 해야 하나요? 인보이스 자료도 ERP 에 있기 때문에 이론적으로 SQL 을 아는 프로그래머가 ERP 에서 번호를 달리는 한 어떤 제품의 수익성이 떨어지는 지 알고 싶습니다! (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마), 상품명언) 따라서 데이터 분석의 가치가 내부 통제에만 연결되어 있다면 데이터 분석의 중요성과 전문성은 매우 낮아질 것입니다. 각 부서의 사장은 스스로 분석할 것이다. Sql 을 이해합니까? 업무를 이해하지 못하면 너는 무엇을 관리하느냐?
이때 데이터 분석의 가치를 반영하기 위해서는 더 많은 포장이 필요하다. 핵심은 마지막 제품입니다! 후궁의 후궁처럼 젊고 아름다울 때는 황제의 비위를 맞추지만, 장기적으로는 아이를 낳아야 한다. 아이가 당신의 지위를 확보할 것이다. 예를 들어, 판매에는 종이 청구서를 사용할 수 있습니다. 왜 pos 시스템을 사용해야 합니까? 즉, pos 시스템이 온라인 상태이며 비즈니스 프로세스가 실행 중입니다. 그는 멈출 이유가 없습니다. 아이가 이미 태어났으니 키워야 한다.
데이터 분석에 익숙한 아이들은 여러 가지가 있습니다. 관리 지향 대시보드, 과학적 관리 이론에 적합한 boss 지향 데이터 제품입니다. 추천 시스템, 정확한 마케팅 모델, 비즈니스 어시스턴트 또는 데이터 마트일 수 있습니다. 요컨대 업무 부서의 일상 업무에서 반드시 사용해야 하는 부분이다. 포장, 데이터 포장, 제품 지향 마케팅 알림 도구 및 운영 데이터 가이드로 패키지화합니다. 영업 사원에게 매일 한 번 보라고 하면 불편할 것이다. 운영자들이 문안을 쓰기 전에 모두 열 순위를 보고 마음을 보지 않도록 해야 한다. 나는 자세히 말하지 않을 것이다. 사장의 주의를 끄는 방법, 업무 부서를 끌어들이는 방법, 일선에서 사용하는 방법, 책을 쓰는 것으로 충분하다. 이렇게 여러 해 동안의 상담을 통해 대량의 갑을 측과 접촉했고, 모든 지능 데이터인들은 결국 내부 통제 → 경영진의 중시 → 제품 투입 → 업무 부서와 협력 → 조직 구조를 확대하는 길에 올랐다. 마지막 대형 데이터 시스템이 XXX 를 수익성있게 만들 수 있다고 주장하는 사람들은 기본적으로 좋지 않습니다.
최근 2 년 동안 큰 데이터와 인공지능 개념이 불붙었고, 데이터 분석이라는 직위는 젊고 예쁜 첩처럼 각 대기업의 사장들에게 사랑받고 있으며, 수많은 학생들이 이 분야에 몰려들고 있다. 그래서 저는 우리 스스로가 여러 가지 방법과 복잡한 개념을 가질 수 있다는 것을 진심으로 상기시켜 드리지만, 기업이 결국 우리에게 돈을 버는 것이 우리의 오랜 안식처가 될 수 있는 자본이라는 것을 진심으로 상기시켜 드리고자 합니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 성공명언) 보조적인 역할만 한다면, 가능한 한 빨리 특정 업무 시나리오를 중심으로 제품을 출력하고 업무와 밀접하게 결합함으로써 자신의 지위가 견고해질 수 있습니다. 마지막으로, 알고리즘은 사진 인식, 자재 할당, 경로 계획 및 프로세스 제어와 같은 생산 시스템과 권장, 예측 및 BI 와 같은 분석 시스템 모두에 적용될 수 있기 때문에 알고리즘의 구분에 유의해야 합니다. 생산 시스템에 적용할 경우 생산 라인이 완전히 대체되지 않고 계속 최적화될 수 있기 때문에 위치가 비교적 안정적입니다. 그러나 분석 시스템에 적용하면 수분이 너무 많기 때문에 이 알고리즘이 무슨 용도로 쓰이는지 자세히 살펴보고 결정해야 한다. 일찍이 20 13' 빅 데이터 시대' 가 유행했을 때' 빅 데이터 분석' 열풍이 일었다. 그 결과, 나는 당시 사장에게 "우리는 빅데이터 XXXX 로 분석하고 우리의 실적을 높일 수 있다" 고 소리쳤다. 이제 무덤초는 우리 아기만큼 키가 큰 것으로 추산되는데. 선배로서 이 업계의 진실을 말씀드릴 의무가 있습니다. 데이터의 가치는 다양할 수 있습니다. 반드시 직접 수입을 늘리는 것은 아닙니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 가족명언) 데이터는 확실히 유용하지만, 큰 사람들이 이 용도를 인정한다는 것을 의미하지는 않으며, 우리가 여기서 승진하여 봉급을 올릴 수 있다는 것을 의미하지는 않는다. 기술 외에도 가치를 창출하는 방법은 코드와 알고리즘 외에 도움이 필요할 수 있습니다. * * * 여러분과 함께.