要不咱们从数据建模开始吧,这是数据方面最基本的技能之一,数据如果是生产要素,那必然是一个业务资产,识别数据将是一个业务行为,开发侧我们在谈开发左移,数据侧要不要数据左移呢?肯定要啊。 你可能会觉得数据定义太难了,太技术化了,不是业务的职责,这就未必了,业务的职能也是随着时代变化的,数字时代,业务技能不会包括数据定义吗? 我觉得很难想象,不了解数据,是很难保证数据的生产的,谁说业务就是用数的,业务也是数据最大的生产者,最核心的管理者,责无旁贷啊。 好了,看视频吧:
昨天刚好给一家杂志写了篇关于金融机构数字化转型的文章,也正好把学习报告的一些体会融入其中,数字化转型离不开三大抓手,“数据”、“软件”、“网络”,毕竟业务发展思路,在一个不断深化科技支持的背景下,终归会有一部分思路
业务能力是组织为履行核心职能所需的能力、材料和专业知识的表达或发声。企业架构师使用业务能力来说明业务的总体需求,以便更好地制定满足这些业务的IT解决方案需要。 从业务能力的概述来看,IT和业务领导人能够跨组织交流应该完成的任务,而不需要业务和技术术语。 业务功能允许更明确的架构定义,因为功能有助于提供更好的业务定义,从而产生有效和高效的技术解决方案。 2–定义您的业务能力 业务能力语法:当有疑问时,请选择广度而不是深度 想想你的业务需要运行的主要功能。在第一级(1级),应该只有几个关键的。 对LeanIX前100个工作区的分析表明,公司通常在最高级别上使用大约7-10种功能。你可以通过自上而下(公司想要实现什么)和自下而上(公司有什么组织、流程和人员)来构建它们。 ? 图2:创建业务能力模型的4个步骤 3-评估你的能力 “并非所有业务能力在对客户的价值和财务影响方面都是平等的。” 并非所有能力都同等重要。根据定义的标准评估能力,作为以后分析和规划的基础。
业务能力是组织为履行核心职能所需的能力、材料和专业知识的表达或发声。企业架构师使用业务能力来说明业务的总体需求,以便更好地制定满足这些业务的IT解决方案需要。 从业务能力的概述来看,IT和业务领导人能够跨组织交流应该完成的任务,而不需要业务和技术术语。 业务功能允许更明确的架构定义,因为功能有助于提供更好的业务定义,从而产生有效和高效的技术解决方案。 2–定义您的业务能力 业务能力语法:当有疑问时,请选择广度而不是深度 想想你的业务需要运行的主要功能。在第一级(1级),应该只有几个关键的。 对LeanIX前100个工作区的分析表明,公司通常在最高级别上使用大约7-10种功能。你可以通过自上而下(公司想要实现什么)和自下而上(公司有什么组织、流程和人员)来构建它们。 图2:创建业务能力模型的4个步骤 3-评估你的能力 “并非所有业务能力在对客户的价值和财务影响方面都是平等的。” 并非所有能力都同等重要。根据定义的标准评估能力,作为以后分析和规划的基础。
1.2 选好数据指标的通用方法论 三部曲 1.从业务的最终目的出发梳理业务模块 拆解:多问几个how 目的:我要卖货 手段:通过图文来买货 支撑手段的手段:通过社区创作的优美的图文来卖货 2.判断业务模块所属类型 业务类型 二.数据分析方法论 2.1 对比分析 绝对值(本身具备价值的数字) eg:销售金融 阅读数 比例值(在具体环境中看比例才具备对比价值) eg:活跃占比 注册转化率 环比: 与当前时间范围相邻的上一个时间范围对比 :豆瓣,百度,知乎等 查看异常流量来源的渠道 2.分城市来源分析 查看异常流量来源分布 3.按浏览器类型来分:爬虫一般不会改浏览器名称 4.按浏览器版本进行拆解:爬虫有时候不会传浏览器版本号 产品日活DAU Case:比较用户阅读某种类型小说后的留存率 VS 用户大盘留存率 用来分析不同内容渠道的质量以及用户粘性分析 2.将用户分为不同的群体后,观察其之间留存的区别 适用场景:评估产品功能粘性,验证产品长期价值 2.用户分新老 销售额 = 新用户销售额 + 老用户销售额 新用户:在平台进行用户生命周期的首笔消费 老用户:已经在平台支付过的用户在此进行消费 新用户(保质保量获新客)关注点: 来源渠道分析 用户质量评估
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? 一、业务指标分析的定义 业务指标分析可以为企业提供快速的评估和路线图,帮助企业识别机遇和规划转型路线。它还可以通过分析,帮助企业开启实现价值和竞争的新途径。 二、业务问题构建 数据分析师所做的工作是要从识别企业的业务问题开始,然后才开始解决这个问题。在数据分析的过程中,这个环节被叫做问题构建,它在数据分析的过程中很重要。 数据分析人员在设计业务指标或构建业务指标体系的注意事项 要避免自己一个人就完成了所有业务指标需要与业务部门进行沟通。建立一业务指标体系不是数据分析师个人就能够完成的,需要企业的业务部门的配合。 通过报告,把业务指标的数据结果及建议完整地呈现出来,供业务分析人员参考。 一份好的数据分析报告需要满足以下3点要求:好的分析框架,明确的结论,提出具有可行性的建议或解决方案。
——(二)To B 业务 vs To C 业务 序言: 你点进来?那很大程度上说明你如今正面着以下问题: 1.什么是to B 业务?请看to B业务数据分析序列(一): 2. To B 业务有必要做数据分析吗? 4. To B 业务数据指标体系怎么搭建,重点关注哪几个指标? 如果你真遇到上述问题,那你点进来就对了。 这不是本文要讨论的问题… 2、那么,B端产品又有什么核心诉求呢?那就更多了… (1) 关注组织与业务:什么意思? 意思是一开始就很明确需要做什么,而不需要很深入的去探索挖掘用户需求,B端产品存在的前提就是为了满足“组织完成业务信息化”的需要; (2)出路:只有灵活设计流程,业务体验,并降低学习门槛,才能让越来越多的用户去尝试 作者:王婷,腾讯SNG数据中心,数据分析工程师,专注于腾讯云业务数据分析与挖掘,腾讯云用户画像等工作,通过数据了解产品,进而启发产品,辅助业务决策。
请看to B业务数据分析序列(一): https://www.qcloud.com/community/article/337097 那To B 和To C 的最明显区别是什么? To B 业务有必要做数据分析吗? To B 业务数据指标体系怎么搭建,重点关注哪几个指标? Ok ,如果你真遇到上述问题,那你点进来就对了。 显然,2C产品就是面向个人用户,直接服务于终端用户的,这里强调直接,因此2C就是所谓的大众产品,个人产品;而2B产品,多是面向企业用户,直接或者间接服务于终端用户,这里强调的是间接属性,因此2B产品多为系统产品 这不是本文要讨论的问题… 2、那么,B端产品又有什么核心诉求呢?那就更多了… (1) 关注组织与业务:什么意思? 意思是一开始就很明确需要做什么,而不需要很深入的去探索挖掘用户需求,B端产品存在的前提就是为了满足“组织完成业务信息化”的需要; (2) 出路:只有灵活设计流程,业务体验,并降低学习门槛,才能让越来越多的用户去尝试
不能用shutdown.sh 和startup.sh来进行启动控制,需要使用catalina.sh run这种方式来进行启动,配置完成后重启即可
今天这个话题也挺有意思,有点儿不知道该怎么往跑题了写,成熟,这是个很有趣也很难讲的话题。
点击“博文视点Broadview”,获取更多书讯 业务分析方法是遇到特定业务问题时使用的分析定式,是在业务分析工作中被固定下来的、行之有效的分析“套路”。 这里将为大家介绍帕累托分析方法、A/B 测试分析方法、同期群分析方法及因果分析方法 4 类实际工作中常用到的业务分析方法。 帕累托分析方法是将帕累托法则反向应用,以帮助分析人员定位影响业务结果的关键业务对象时使用的分析方法。 ,找准关键业务对象后就可以在分析业务问题时着重围绕这些对象的业务行为结果进行深入分析。 步骤 1 明确测试目的,根据测试要达到的效果、决策者的业务决策内容等对 业务目的进行精准定义。 步骤 2 明确测试对象,决定测试人群及人群的分组条件。
使用技能栈 JDK1.8 MySQL 8+ Maven 3+ Spring cloud Greenwich.SR2 Eureka Zuul / gateway Feign ...
在BI界广泛流传着一个观点,不懂商业别做数据分析,可见商业理解对于数据分析的重要性。然后现实中,数据分析切合业务往往四处碰钉子,那么如何解决这个业界难题呢? 数据分析人往往是用经典案例套业务的需求,或者等待业务需求,然后数据分析来实现,得出分析结论提供给业务使用。 所以这当中需要多深业务功底才能做好分析,把分析价值呈现给业务,让他们用起来,这是一个难题,但也是企业最想解决的难题。 浅析数据分析如何深入业务 案例一,由系统性分析框架,与业务需求一起完善BI,并用之产生足够价值。 数据分析要深入业务,需要做以下事情: 1、先虚心学习基础业务知识 2、建立分析体系,不完整的地方,有业务帮忙补充,BI的业务知识更为全面 3、了解业务的决策、执行困难,对实用性业务经验积累有巨大帮助 4
对于企业而言,数据分析的作用主要体现在三大领域:(1)是对业务的改进优化;(2)是帮助业务发现机会;(3)是创造新的商业价值。 数据分析最重要的是基于对业务的理解,因此本文就此展开... To B or Not to B, there is not a question ——(一)什么是to B 业务 序言 时光荏苒,不觉在分析to B 业务中摸爬滚打了两年有余,对接的是整个腾讯云数据 本文是我数据分析在to b 业务应用系列文章的第一篇-----什么是to B 业务? 希望以此为起点,逐步在后续文章中分享to b 业务应该关注哪些指标? 比如当年的阿里巴巴B2B电商平台,就是将采购、供应双方进行连接,从而形成供应链电商体系。比如我们公司的腾讯云业务,企点等等。 作者:王婷,腾讯SNG数据中心,数据分析工程师,专注于腾讯云业务数据分析与挖掘,腾讯云用户画像等工作,通过数据了解产品,进而启发产品,辅助业务决策。
本文主要介绍分析业务的一般流程,分为两个部分:分析是怎样一个过程?分析解决业务问题的框架是什么? 2.定义问题 对于发现的问题,要能够清晰的定义出来:可以根据SMART原则,不断的向下发问,直到没有问题为止。 带着这些问题,辅助看一些数据,之后同老板再次确认细节,最终明确出来,老板提的需求是:分析某社区附近的自家生鲜超市2月份水果品类销量同1月份比较为什么下滑了10%? 我们分析的项目常常会对应多个业务场景,例如:产品场景、运营场景、市场场景等等;所以我们在拆解这个项目时要把场景考虑全了,根据业务顺序,按场景来拆解。 如此往复的进行这个过程,直到业务问题被解决,商业价值最大化才算整个分析的过程有效,才算结束。
# 非主流营销分析 在分析这个问题之前,事先声明:本人从未做过销售相关岗位,故所有分析内容都属于个人见解,是从研发视角去谈论营销。你也可以当成非主流营销分析,当成相声听听。 <2>中国市场的经历是中国独有的,有别于海外市场,想在中国做生意得首先了解中国市场,应该了解自己的金主爸爸。 <2>阿里云官网会给用户推荐各种产品试用,各种新品优惠,让用户低成本的去体验,去试用。 随着AI技术,大数据分析技术的成熟,合格的SaaS管理端将是集成功能管理,分析诊断,方案推荐于一体的整体界面。 运营团队:管理日常业务,优化销售流程,执行市场活动,管理客户关系。团队协作要求:收集客户使用状况,典型行业业务场景,归纳入公司的行业案例库,供产品与售前团队参考。
比如当年的阿里巴巴B2B电商平台,就是将采购、供应双方进行连接,从而形成供应链电商体系。比如我们公司的腾讯云业务,企点等等。 (2)流失率: 流失率 = 流失客户数量 ÷ 客户总数量 这个指标与业务发展的不同时期以及不同的客群下,所带来的影响是不一样的。 举个例子,比如你有1万的付费客户,销售加营销费用为2万元,那么一个付费客户的CAC=2块钱的,如果在客户的全生命周期,你都不能赚到6万块的话,那么你的业务或者策略需要要及时调整了。 (2)客户留存指标,关注客户留存率,在线时长,NPS a)留存率:留存率其实与流失率是相对的关系,降低流失率其实也就是提高了留存率,流失率是to B业务是否能成功,是否有发展瓶颈的一个很重要的关键指标。 通过以上分析,不难看出,to B业务具有一系列不同于to C 业务的显著特征:客户留存是即使,获客成本高,产品/服务客单价高,产品迭代需要数据支撑。
SearchRequest searchRequest =buildSearchRequest(param); try { //2. client.search(searchRequest, GulimallElasticSearchConfig.COMMON_OPTIONS); //3.分析响应数据封装成我们需要的格式 QueryBuilders.rangeQuery("skuPrice"); String[] s = param.getSkuPrice().split("_"); if (s.length==2) builder.postTags(""); sourceBuilder.highlighter(builder); } /** * 聚合分析 brand_img_agg").field("brandImg").size(1)); sourceBuilder.aggregation(brand_agg); //2.
回复 "clickhouse" 可获得全套大厂clickhouser实践,并推荐一本全网唯一一本clickhouse书籍
A、业务部门领导问:数据分析,如何推动业务发展? B、数据部门领导问:数据分析,如何推动业务发展? 答:主导权不一样。业务部门问了建议,可以直接去落地。 你看看,活跃率高了,我真厉害 这么干肯定被业务喷死 随便问几个问题: 1、谁来搞? 2、啥时候搞? 3、搞到多少? 4、花多少钱搞? 5、有这钱我搞别的不行吗? 6、用大转盘搞还是浇花种树搞? 所以想要推动业务,就得认真分类业务工作,找到数据的发力点。 ? 2 推动业务的切入点 业务解决问题,从决定立项到执行完成,分为四大环节(如下图所示) ? 在整个过程中,数据分析不能包打天下。 因此合理安排输出产物,才能更好地推动业务去行动,而不是让业务患上数据依赖症:“你用人工智能大数据分析一下我这一幅画该几点红几点绿”——数据不是这么用的。 所以业务跟你说:我们活跃率不行;我们的转化还得加强;我们的用户体验不好的时候,一定要追溯的问题源头,落实到一个数字或者一件事上,具体讨论到底是啥问题。 ? 坑点2:没有相关指标分析。