【中國智能制造網(wǎng) 學術(shù)論文】大數(shù)據(jù)應用有幾個方面，一個是效率提升，幫助企業(yè)提升數(shù)據(jù)處理效率，降低數(shù)據(jù)存儲成本。另外一個是對業(yè)務作出指導，例如營銷，反欺詐，風險管理以及業(yè)務提升。過去企業(yè)都是通過線下渠道接觸客戶，客戶數(shù)據(jù)不全，只能利用財務數(shù)據(jù)進行業(yè)務運營分析，缺少圍繞客戶的個人數(shù)據(jù)，數(shù)據(jù)分析應用的領(lǐng)域集中在企業(yè)內(nèi)部經(jīng)營和財務分析。　　
　　數(shù)字時代到來之后，企業(yè)經(jīng)營的各個階段都可以被記錄下來，產(chǎn)品銷售的各個環(huán)節(jié)也被記錄下來，客戶的消費行為和網(wǎng)上行為都被采集下來。企業(yè)擁有了多維度的數(shù)據(jù)，包括產(chǎn)品銷售數(shù)據(jù)、客戶消費數(shù)據(jù)、客戶行為數(shù)據(jù)、企業(yè)運營數(shù)據(jù)等。擁有數(shù)據(jù)之后，數(shù)據(jù)分析成為可能，企業(yè)成立了數(shù)據(jù)分析團隊整理數(shù)據(jù)和建立模型，找到商品和客戶之間的關(guān)聯(lián)關(guān)系，商品之間關(guān)聯(lián)關(guān)系，另外也找到了收入和客戶之間的關(guān)聯(lián)關(guān)系。典型的數(shù)據(jù)分析案例如沃爾瑪啤酒和尿布、蛋撻和手電筒，Target的判斷16歲少女懷孕都是這種關(guān)聯(lián)關(guān)系的體現(xiàn)。
　　
　　關(guān)聯(lián)分析是統(tǒng)計學應用早的領(lǐng)域，早在1846年倫敦第二次霍亂期間，約翰醫(yī)生利用霍亂地圖找到了霍亂的傳播途徑，平息了倫敦霍亂，打敗了霍亂源于空氣污染說的精英，拯救了幾萬人的生命。倫敦霍亂平息過程中，約翰醫(yī)生利用了頻數(shù)分布分析，建立了霍亂地圖，從死亡案例分布的密集程度上歸納出病人分布同水井的關(guān)系，從而推斷出污染的水源是霍亂的主要傳播途徑，建議移除水井手柄，降低了霍亂發(fā)生的概率。
　　
　　另外一個典型案例是第二次世界大戰(zhàn)期間，統(tǒng)計分析學家改造轟炸機。英美聯(lián)盟從1943年開始對德國的工業(yè)城市進行轟炸，但在1943年年底，轟炸機的損失率達到了英美聯(lián)盟不能承受的程度。轟炸軍司令部請來了統(tǒng)計學家，希望利用數(shù)據(jù)分析來改造轟炸機的結(jié)構(gòu)，降低陣亡率，提高士兵生還率。統(tǒng)計學家利用大尺寸的飛機模型，詳細記錄了返航轟炸機的損傷情況。統(tǒng)計學家在飛機模型上將轟炸機受到攻擊的部位用黑筆標注出來，兩個月后，這些標注布滿了機身，有的地方標注明顯多于其他地方，例如機身和側(cè)翼。有的地方的標注明顯少于其他地方，例如駕駛室和發(fā)動機。統(tǒng)計學家讓軍火商來看這個模型，軍火商認為應該加固受到更多攻擊的地方，但是統(tǒng)計學家建議對標注少的地方進行加固，標注少的原因不是這些地方不容易被擊中，而是被擊中的這些地方的飛機，很多都沒有返航。這些標注少的地方被擊中是飛機墜毀的一個主要原因。軍火商按照統(tǒng)計學家的建議進行了飛機加固，大大提高了轟炸機返航的比率。以二戰(zhàn)的B－17轟炸機為例，其陣亡率由26%降到了7%，幫助美軍節(jié)約了幾億美金，大大提高了士兵的生還率。
　　
　　一、數(shù)據(jù)分析中的角色和職責
　　
　　數(shù)據(jù)分析團隊應該在科技部門內(nèi)部還在業(yè)務部門內(nèi)部一直存在爭議。在業(yè)務部門內(nèi)部，對數(shù)據(jù)場景比較了解，容易找到數(shù)據(jù)變現(xiàn)的場景，數(shù)據(jù)分析對業(yè)務提升幫助較大，容易出成績。但是弊端是僅僅對自己部門的業(yè)務數(shù)據(jù)了解，分析只是局限獨立的業(yè)務單元之內(nèi)，在數(shù)據(jù)獲取的效率上，數(shù)據(jù)維度和數(shù)據(jù)視角方面缺乏全局觀，數(shù)據(jù)的商業(yè)視野不大，對公司整體業(yè)務的推動發(fā)展有限。業(yè)務部門的數(shù)據(jù)分析團隊缺少數(shù)據(jù)技術(shù)能力，無法利用新的大數(shù)據(jù)計算和分析技術(shù)，來實現(xiàn)數(shù)據(jù)分析和建模。數(shù)據(jù)分析和計算依賴于科技部門，效率較低，無法打通各個環(huán)節(jié)和實現(xiàn)效率和收益優(yōu)。
　　
　　數(shù)據(jù)分析和挖掘部門位于科技部門，優(yōu)點是直接可以了解所有數(shù)據(jù)，利用新的大數(shù)據(jù)計算分析技術(shù)來進行數(shù)據(jù)分析和建模，數(shù)據(jù)視野好。面對全局數(shù)據(jù)建立數(shù)據(jù)采集和分析系統(tǒng)，系統(tǒng)復用程度高，降低重復投資，效率高。但是團隊人員商業(yè)敏感度低，過度關(guān)注技術(shù)和架構(gòu)，重視技術(shù)的和處理效率，數(shù)據(jù)商業(yè)敏感度低，不重視數(shù)據(jù)商業(yè)化場景，對業(yè)務理解程度不夠，支持力度不如前者?？萍疾块T愿意搭建一個大數(shù)據(jù)平臺，讓業(yè)務部門自己去尋數(shù)據(jù)場景，業(yè)務部門在數(shù)據(jù)商業(yè)化過程中也會遇到環(huán)節(jié)不暢通，效率低下的問題。
　　
　　數(shù)據(jù)分析團隊應該屬于獨立的部門，為所有的業(yè)務部門提供服務，具有獨立的技術(shù)團隊，可以搭建獨立的大數(shù)據(jù)計算和分析平臺，利用新的數(shù)據(jù)處理技術(shù)來建立模型進行分析。另外數(shù)據(jù)分析團隊的人應來源于業(yè)務部門，具有高度的數(shù)據(jù)商業(yè)敏感度，可以將業(yè)務部門的需求分解為數(shù)據(jù)需求，將業(yè)務場景同數(shù)據(jù)場景以及數(shù)據(jù)分析相結(jié)合起來。
　　
　　數(shù)據(jù)分析是一項實踐性很強的工作，涉及到很多交叉學科，需要不同的崗位和角色，來實現(xiàn)不同的性質(zhì)的工作?；镜膷徫缓徒巧缦拢?br />　　
　　1、數(shù)據(jù)庫（倉庫）管理員DBA
　　
　　DBA了解企業(yè)內(nèi)部的數(shù)據(jù)和可用的數(shù)據(jù)資源，包括數(shù)據(jù)的存儲細節(jié)和數(shù)據(jù)字典，另外其對數(shù)據(jù)的采集、清洗和轉(zhuǎn)化起到關(guān)鍵作用。
　　
　　DBA為數(shù)據(jù)科學家和數(shù)據(jù)分析師提供加工好的原始數(shù)據(jù)，這些數(shù)據(jù)是數(shù)據(jù)分析和建模的基礎(chǔ)，DBA做了數(shù)據(jù)分析工作中重要的基礎(chǔ)工作，完成了大量的臟活和累活。
　　
　　2、業(yè)務專家
　　
　　業(yè)務專家的優(yōu)勢是數(shù)據(jù)的商業(yè)敏感度，了解業(yè)務需求，可以將業(yè)務需求轉(zhuǎn)化為數(shù)據(jù)需求，進一步找到數(shù)據(jù)應用場景。另外業(yè)務專家也可以通過對數(shù)據(jù)的分析，找到新的商業(yè)機會，同業(yè)務部門一起制定商業(yè)計劃，利用數(shù)據(jù)分析推動業(yè)務增長。
　　
　　業(yè)務專家的經(jīng)驗對于數(shù)據(jù)分析和建模是非常關(guān)鍵的，他們可能是風險管理人員、欺詐監(jiān)測專家、投資專家等。數(shù)據(jù)建模來源于業(yè)務經(jīng)驗和業(yè)務知識，正是業(yè)務專家的專業(yè)分析找到了業(yè)務規(guī)律，從而找到了建模方向，并對建模工作給出建議和解釋。
　　
　　3、數(shù)據(jù)科學家
　　
　　過去統(tǒng)計分析依賴于統(tǒng)計分析工具，大數(shù)據(jù)時代之后，數(shù)據(jù)量級的提升和數(shù)據(jù)類型的復雜程度，讓很多傳統(tǒng)的統(tǒng)計分析工具無法完成分析計算。這個時候，數(shù)據(jù)科學家出現(xiàn)了，他們可以利用自己的專業(yè)技能幫助業(yè)務專家和數(shù)據(jù)分析人員進行建模和計算。
　　
　　過去數(shù)據(jù)統(tǒng)計分析建模常用SPSS，SAS，MATLAB等工具，現(xiàn)在基于大數(shù)據(jù)平臺的分析建模可以使用Spark＋Scala／Python／R／Java。數(shù)據(jù)科學家了解模型和算法，可以直接承擔建模和調(diào)優(yōu)工作，懂得選擇合適的算法來進行計算，提率。
　　
　　4、數(shù)據(jù)分析師
　　
　　數(shù)據(jù)分析師站在數(shù)據(jù)和商業(yè)的角度來解讀數(shù)據(jù)，利用圖標和曲線等方式向管理層和業(yè)務人員展現(xiàn)分析結(jié)果，揭示數(shù)據(jù)分析產(chǎn)生的商業(yè)機會和挑戰(zhàn)。
　　
　　數(shù)據(jù)分析師將雜亂的數(shù)據(jù)進行整理后，將數(shù)據(jù)以不同的形式展現(xiàn)給產(chǎn)品經(jīng)理、運營人員、營銷人員、財務人員、業(yè)務人員等。提出基于數(shù)據(jù)的結(jié)果和分析建議，完成數(shù)據(jù)從原始到商業(yè)化應用到關(guān)鍵一步，數(shù)據(jù)分析師的數(shù)據(jù)敏感度、商業(yè)敏感度、分析角度、表達方式對于商業(yè)決策很重要。
　　
　　5、運營專家
　　
　　數(shù)據(jù)分析結(jié)果和商業(yè)決策出來之后，運營專家負責實現(xiàn)商業(yè)決策。通過有計劃的運營活動，將數(shù)據(jù)分析的結(jié)果應用到實際的商業(yè)活動之中，運營專家是實現(xiàn)數(shù)據(jù)變現(xiàn)后一公里的關(guān)鍵人物。
　　
　　運營專家屬于業(yè)務人員，實際上參與業(yè)務運營活動，利用數(shù)據(jù)分析結(jié)果，實現(xiàn)業(yè)務場景和數(shù)據(jù)場景的結(jié)合，實現(xiàn)數(shù)據(jù)商業(yè)化應用。
　　
　　二、數(shù)據(jù)分析之前的各項準備工作
　　
　　數(shù)據(jù)分析團隊各成員確定之后，將進行下一項工作，就是找到有價值的數(shù)據(jù)進行分析了。數(shù)據(jù)是分析的基礎(chǔ)，因此數(shù)據(jù)的質(zhì)量、數(shù)據(jù)的相關(guān)度、數(shù)據(jù)的維度等會影響數(shù)據(jù)分析的結(jié)果影，其中GIGO（垃圾進垃圾出）對于數(shù)據(jù)分析結(jié)果影響大。
　　
　　1、數(shù)據(jù)源選擇
　　
　　數(shù)據(jù)分析團隊面對大量的數(shù)據(jù)源，各個數(shù)據(jù)源之間交叉聯(lián)系，各個數(shù)據(jù)域之間具有邏輯關(guān)系，各個產(chǎn)品統(tǒng)計口徑不同，不同的時間段數(shù)值不同等。這一系列問題多會影響數(shù)據(jù)分析結(jié)果，因此確定數(shù)據(jù)源選擇和數(shù)據(jù)整理至關(guān)重要。
　　
　　DBA可以基于數(shù)據(jù)分析需要，找到相關(guān)數(shù)據(jù)，建立一張數(shù)據(jù)寬表，將數(shù)據(jù)倉庫的數(shù)據(jù)引入到這張寬表當中，基于一定的邏輯關(guān)系進行匯總計算。這張寬表作為數(shù)據(jù)分析的基礎(chǔ)，然后再依據(jù)數(shù)據(jù)分析需要衍生出一些不同的表單，為數(shù)據(jù)分析提供干凈全面的數(shù)據(jù)源。寬表一方面是用于集中相關(guān)分析數(shù)據(jù)，一方面是提率，不需要每次分析時都查詢其他的數(shù)據(jù)表，影響數(shù)據(jù)倉庫效率。
　　
　　2、數(shù)據(jù)抽樣選擇
　　
　　簡單的數(shù)據(jù)分析可以調(diào)用全體數(shù)據(jù)進行分析，數(shù)據(jù)抽樣主要用于建模分析，抽樣需考慮樣本具有代表性，覆蓋各種客戶類型，抽樣的時間也很重要，越近的時間窗口越有利于分析和預測。在進行分層抽樣時，需要保證分成出來的樣本比例同原始數(shù)據(jù)基本一致。
　　
　　3、數(shù)據(jù)類型選擇
　　
　　數(shù)據(jù)類型分為連續(xù)型和離散型，建模分析時需要確定數(shù)據(jù)類型。進行業(yè)務收入趨勢分析、銷售額預測分析、RFM分析時，一般采用連續(xù)型變量。信用評級、分類預測時一般采用離散變量。