大数据业务案例分析

大数据业务案例分析传输、储存和处理的数据流量正呈指数级增长。数据本身的价值有限，但经过分析转换成信息后就会呈现非常可观的直接和间接的价值。数字业务提供商如亚马逊和谷歌在理解如何将数据转换成价值方面一直处于领先地位，其他数字业务提供商只能望其项背、不停追赶。新的工具和技术不断开发使之变得越发简单。大数据分析论可在客户满意度方面提供意义深远的洞察力，通过加强理解客户需求和行为识别收入的新领域，通过识别客户使用服务或登录网站等出现的问题提升客户满意度，帮助防欺诈、将风险降到最低并提供从第三方获得收益的潜力。中兴通讯作为知名的解决方案提供商，同样在大数据分析创建业务案例方面起着非常重要的作用。中兴通讯深刻理解大数据本身的概念，为如下问题找到最佳的方式方法，有助于为大数据分析论创建业务案例。●什么是大数据分析论的业务案例？如何启动投资？●如何创建一个以数据为中心的文化（涉及到人员、过程和系统）？●什么是数据分析论的用例，它在哪方面增加最高价值？●怎样成为数据商品：聚合、打包和销售客户洞察？当通信服务提供商考虑大数据时，他们首先想到的是网络以及网络管理方面的挑战。然而，大数据不仅仅是网络管理的问题，它提供了重定义和客户、合作伙伴内部跨部门的互动的机会，即我们需要重新定义大数据。什么是大数据？关于大数据有很多定义和见解，但大部分人都认为大数据有3个主要的特性：流量、速度和种类。近期发布的Gartner研究报告提供如下定义：大数据是高流量、高速和多种类的信息资产，需要经济、创新的信息处理形式，能够提升洞察和加强决策。除了上述3个特性，还有2个“V”，即精确性（Veracity）和价值（Value）。对于通信公司来说，除了基本的特征外最值得考虑的是价值，因为对于通信服务提供商来说最重要的事情是客户价值。通信服务提供商拥有大量的符合大数据基本特性的数据，并且已经在管理、安全防护和储存数据上投资。然而机会在于让用户得到这些数据，并帮助他们更容易地进行分析，并得出更好的知情决策。数据仓库中一天前总结的数据可能对例行的信息报告是有效的，但这并不适用于快速变化和难以预测的管理信息需求。在新的方法论基础架构范例中一个根本性的转变是，可以支持实时大量数据的可视化发掘从而商业用户可以及时发现关键信息。业务案例和最初投入不存在唯一的方法来部署针对特定公司问题的商业智能方案，但是可以利用大数据的优势将风险最小化并且增加成功的可能性。●从股权持有人入手：将股权持有人按角色分类，将他们的信息按优先级排序，制定循序渐进的路线图。●考虑文化：更佳决策需要文化的转变以期得到数据驱动、基于事实的决策，不接受缺乏论证或仅凭直觉得出的结论。商业领导者需要重点关注通过各种措施优化商业性能。●寻找数据管理员：寻找合适的人员定义数据管理方法和实施数据管理是非常困难的。复杂的数学分析已被委托给统计学家、分析师、数据科学家或其他高理性的思考者。但大部分公司的组织结构里不包括这类角色，并且将该类角色与商务经理人融合解决商业问题也是一个极大的挑战。技术和商业技能的融合，不管是发生在个人或一个紧密结合的团队，都会产生良好效果。●设定明确目标：大数据项目是非常困难的，所以不要好高骛远。可从小规模入手，取得阶段性成果，再逐渐发展。列出从大数据获益的用例和决策，衡量每个决策的影响，从而驱动目标用例使用大数据。审视整个信息管理的范围，但选择容易达成的目标。要记住，只有达到SMART（智能、可测、可行、务实并且设定时限）标准时，才算确定了目标。●创建计划：制定计划时需要将目标与定义大数据的要素（流量、速度和种类）联系起来。而且要明白一点，对于现存的分析方法论如数据仓库、联机分析处理（OLAP）和决策支持系统（DSS），大数据的作用是锦上添花而不是完全取代。当然，任何项目都少不了ROI规划。不过要避免创建一个包罗万象的大数据ROI预测，而是为每个用例建立ROI预测。●建立度量体制：有很多种方式衡量对决策的影响，比如降低风险、提升自信水平或决策质量，但我个人偏向将决策影响结果转换成避免成本或增加收入形式的经济度量。●部署技术：大数据适用于通过传统处理方法和工具无法利用的信息，并且可以解决很多常见的挑战。常见的技术切入点是开源大数据引擎Hadoop，该工具特别适用于松散结构或无结构的数据以及高流量数据搜索和发现。●使大数据变小：大数据应用的最后一步，是交付与商业用例相关的少量数据，并以决策者易于洞察并采取行动的方式呈现。●设计持续过程改进（CPI，ContinuousProcessImprovement）：做出更佳商业决策非一次性活动，所以集成CPI方法论可以实现持续学习、性能提升并逐步取得更高的ROI。大数据浩若烟海，数据是无极限的，所以可以从多个层面对数据进行操作和分析来获取满意的结果。不过需要注意，不是所有的分析层面都适合提供给最终用户，因为这可能会导致投资过大而收效甚微。因此，大数据组织应该保持引导最终用户如何使用大数据，从而节省投资，使风险最小化。数据分析用例就像大数据本身一样，其使用案例也多种多样。大数据分析论提供了一个新的方法让企业和政府能分析大数据趋势并发现新的业务信息。以下的使用案例就凸显出了大数据分析论的价值。●客户体验，包括客户满意度和360度客户视角；●预测性分析；●医疗保健；●市场营销人员可以基于客户行为向市场上销售合适的商品；●电子销售管理，可囊括社会媒介的所有特征；●财务；●反欺诈侦测；●电信业及其他行业的产品使用分析；●存量分析；●客户服务经理可针对性地接待最终用户。大数据为电信业带来机遇：客户洞察的整合、包装与销售移动运营商了解终端用户（客户）的很多信息。他们知道你连接到了哪个基站，以及何时连接的，由此他们可以知道你通常在哪里，从而猜测出你的住处和工作地点。你的运营商知道你所有的移动设备访问了哪些网站。打个比方，运营商有能力发现你在星期一访问了百思买的官网，然后在星期二又连接到了一家百思买门店附近的基站，从而推测出你在购买电子产品之前在网上事先做了些研究。现在的问题是：移动运营商能接触到海量的数据，却没有将这些数据派上大用场。先别急着担心侵犯隐私，让我们先考虑一下数据量到底有多大。我们这里谈论的是真正的大数据。想想看，世界上数以亿计的人们使用手机，而且大多数人每天都使用手机；计算一下我们发送的短消息的数量（去年，这个数字是将近80000亿）；或统计一下我们每天要连接的基站的数量。每过一两分钟，世界上每一个手机都会有一个新的位置记录生成，再加上通话、网页浏览等，那将是一个非常巨大的数据量，无法计量。但是这个现象不会持续太久了。Telefónica是一家跨国移动运营商，2012年年底启动了“动态洞察”大数据项目，整合各类数据并卖给广告商。在其官网上有一段视频，介绍说他们提供的信息是“真实的客户行为，而非感知到的行为”。ProjectOscar是O2、沃达丰和EE（EverythingEverywhere，Orange和T-Mobile的合作伙伴）组建的合资企业，2012年启动了Weve项目，目的在于整合用户和数据。对于运营商而言这是全新的收入来源，至少在英国，其优先级已经高于移动支付。与NFC支付不同的是，运营商似乎更愿意为大数据而展开合作。大数据风险与挑战共存：对于人员、过程和系统的冲击就像所有创新技术一样，大数据也存在风险。一个反复出现的问题就是公司往往将技术凌驾于过程、人员和具体的成果之上。他们基本上都在技术上向前推进，却不回头研究业务成果。大家都知道通过大量的内部和外部来源得到信息的重要性，但是却很少有人知道如何在恰当的时候，让组织内的成员获得这些信息，并成为行动的依据。利用大数据实现“SMART”的业务目标是巨大的挑战，与其他信息分析方法一样，都需要一个集成了人员、过程和技术的计划，需要识别和获取数据，利用工具去管理数据（包括访问、同步、合并、存储、贴标和加注等），然后在合适的时间，将数据分配给合适的人员或交互接口，从而使这些数据用于明确的目的并取得一致的结果。另一个普遍的挑战是数据相关性。更多的数据带来更多的干扰。业务分析人员需将数据根据应用案例和加权结果把干扰剔除。其他的挑战，诸如数据隐私、信息安全、信息分配、数据展现甚至是数据过载（又名分析瘫痪）均不是大数据所独有的，其所面临的风险和解决方案可参考其他业务分析论方案的经验、教训和最佳实践。结论我们已经进入了大数据时代，数据大爆炸使得人们迫切想要从中洞察到有用的业务信息。大数据分析论为人们提供了一个慧眼识珠的方法，已担负起企业未来发展的关键使命。然而挑战在各个应用领域都普遍存在，仅关注单一领域并不是经济的解决方案。这些挑战都需要有改革性的解决方案，并不是下一代产品就必然可以解决的。如果我们期望从大数据获得预期的收益，我们必须支持和鼓励基础研究，来一步步解决这些技术上的挑战。