1、自助式商业数据分析,信息行业发展背景及趋势,效率,提升,信息化,精细 运营,数字化,自动 优化,智能化,IT系统 电商 电子政务 移动化 AR/VR, 传感器 交易场景 群体到个体 统计到预测分析 敏捷A/B测试, 预测 个性化 语言，知识图谱 深度学习 自动协作,大数据价值体系的4个层次,Making Better Informed Decisions,Discovering Hidden Insights,Automating Business Processes,Generate Revenue,Strategies, Recommendations,Forensics, Pattern
2、s, Trends,Complex Events, Translation,Know What Your Customers Want and When,可见，可用,分析，治理,流程化，量化反馈,干预运营，完成闭环,信息行业发展背景及趋势,大数据价值体系的4个层次,数据驱动型组织的特点,1. 全员参与，数据意识2. 善用工具/集3. 中心化治理 & 自助式分析4. 连通性和易用性数据接口5. 分析的前瞻性 & 事后分析6. 懂技术和业务的商业分析师7. 量化衡量和benchmark,企业级商业数据分析现状,数据 洞察,行动,整合,开放,统计,验证,探索,预测,A/B测 试,监测,优化,采集,生
3、产,80%的时间花在准备数据和 基本统计上,10%的时间花在数据探索和 预测,10%的时间花在行动上,过程很重要，一个都不能缺,结果更重要，投入在核心上,企业商业数据分析挑战,数据 洞察,行动,CIO,BI,业务,决策,执行,IT,内部数据流转和协作弱,中心化治理欠缺,中心化分析与业务隔离,数据视角及分析人才欠缺,重要性认识足够，万箭齐发,系统性不够，战略不清晰,自助式商业数据分析,1. 构建数据驱动的组织2. 配备商业数据分析方法3. 嵌入行业业务和场景,构建数据驱动型组织,场景验证, 部分业务 部分数据 部分目标,百花齐放, 全民融入 数据流转 数据思维,体系化, 数据治理 自助式 最佳实
4、践,特区思路：局部带动整体,行业探索， 方法论和效率,内部专业分工，善用工具,构建商业数据分析框架,定义目标,数据准备,分析探索,洞察可视化,行动方案,反馈优化,OMO案例分享,OMO现状和面临的挑战,考虑,消费者,认知,购买,服务,会员,Word of Mouth,PR Radio, TV, Print, Outdoor,Digital Billboards Viral Emails Online Ads,Mobile,Website,In Store,Download,Validate Advice Delivery,Likes SUBSCRIBE TO,Blog,Email,Newsle
5、tter,Promotion on Invoice,Trial/Get Advice,Consumer looking online,Interested in product,Buys Product, becomes Customer,日益复杂的用户旅程，不断增加的用户触点，层出不穷的运营手段,构建OMO行业的数据治理基础,以用户为中心构建数据中心： 实现人，物，场的三位一体数据结构,交易为中心,产品为中心,用户为中心,OMO一站式商业数据分析方案, 背景：线上线下的结合越来越紧密， 中间的界限越来越模糊，用户体验的 要求对零售行业越来越高。 挑战：如何实现多触点用户交互的流 畅性，如何优化体验和促单 价值：实时洞察，动态干预,OMO自助式商业数据分析案例,物流数据,市场推广,销售数据,客服数据,在线客服分析,壹看板产品介绍,构建数据 治理基础,自助分析 人人可用,行业经验 专业顾问,内部流转 账号管理, 构建数据治理的基础, 多源数据汇总建立数据关联 以实体为中心的数据架构，统一口径 API访问体系, 提供自助式数据分析工具, 灵活图表支持 人人可用, 行业特有的看板智库, 行业和职能模版 专业的顾问服务, 数据流转体系及安全, 移动，web端支持， 分享便捷，批注流程，实时更新 权限管理和数据加密,THANKS,壹看板,
