本篇文章给大家谈谈核心数据中台能力洞察,以及数据中台能力有哪些对应的知识点,希望对各位有所帮助,不要忘了收藏本站喔。
本文目录一览:
数据中台两大核心能力是什么
数据中台需要具备数据汇聚整合、数据提纯加工、数据服务可视化、数据价值变现4个核心能力,让企业员工、客户、伙伴能够方便地应用数据。
汇聚整合:数据中台需要对数据进行整合和完善,提供适用、适配、成熟、完善的一站式大数据平台工具,在简便有效的基础上,实现数据采集、交换等任务配置以及监控管理。
提纯加工:数据中台必须连通全域数据,通过统一的数据标准和质量体系,建设提纯加工后的标准数据资产体系,以满足企业业务对数据的需求。
服务可视化:多数企业还期待数据中台可以提供数据化运营平台,帮助企业快速实现数据资产的可视化分析,提供包括实时流数据分析、预测分析、机器学习等更为高级的服务,为企业数据化运营赋能。
价值变现:数据中台通过打通企业数据,提供以前单个部门或者单个业务单元无法提供的数据服务能力,以实现数据的更大价值变现。
3招教你从数据中洞察问题本质
创新思维结构思考工作效率
圈外同学
2020年02月28日
如何从数据中洞察问题本质,这3招教给你 | 圈圈干货分享
温馨提醒:正文共计4977字,预计阅读时间13分钟。
我在公考的行测(行政职业能力测试)里,无意中看到一道有趣的题,大意是:
美西作战期间,很多美国人因为怕死不愿意参军,于是美国军方发出了一个宣传海报说“美国海军的死亡率比纽约市民还要低”。
因为据统计,纽约市民的死亡率是每千人有16人(1.6%),而哪怕是战时,美国海军士兵的死亡率也不过每千人有9人(0.9%)。
如果你是参军的目标受众,看到这个数据的反应是什么?可能的反应:
1)原来战争的死亡率这么低,我应该要去参军;
2)一定是军方捏造数据,士兵死亡率怎么可能低于普通市民呢?
那么实际情况是什么呢?海军士兵都是健壮的青年,而纽约市民的死亡人群中大多是老弱病残,这两份数据是不能放一起比较的。
这是一个我们被数据“操控”的故事。
还有一个故事。
1948年辽沈战役,林彪带领东北野战军攻克锦州之后挥师北上,跟廖耀湘集团20多万在辽西相遇。
林彪有个习惯,每天让值班参谋汇报底下各个部队的数据。
某天汇报的时候,林彪发现:在胡家窝棚,缴获的短枪与长枪的比例、小车与大车的比例、俘虏和击毙的军官与士兵的比例,都比其它战斗略高。
由此林彪推出,敌军指挥所就在那里,最终成功活捉廖耀湘,取得了关键胜利,大大缩短了战争时间。
这是一个从数据中发现机会、从而改变历史的故事。
我的第一份工作就是数据分析,此后到了咨询公司,由于社交恐惧症,我跟客户打交道的能力非常差,后来是因为一次数据分析报告,让客户跟合伙人刮目相看,从而找到继续做咨询的自信。
所以我一直很想系统写写,关于数据思维。今天的文章,就把我对数据思维的经验和方法做个系统总结,从数据素养、数据表达,到如何从数据中看问题本质。
具备基本的数据素养
1)具备基本的统计学概念
先来说一下最基础的概念:平均值,中位数,百分位数,众数,离散程度,方差,标准差。这里不一一赘述,只简单说一下均值和中位数的差异。
均值:即平均数,优势是,均值跟所有数据都相关,劣势是容易受到极端值影响。
比如,你和你的3个好友,跟比尔盖茨组成一个团队,然后这个团队的人均身价是200亿美金,你会觉得自己是有钱人吗?
中位数:只跟排在中间的数据相关,优点是不受极端值影响,缺点是缺乏敏感性。
无论你们当中是比尔盖茨,还是无业的小明,中位数可能都差不多。
其他的概念,你可以自己回忆学习。
2)避免数据逻辑错误
常见数据逻辑谬误1:相关当因果
“有研究结果表明:颜值高的人收入也高。”
听到这个结论,你会不会觉得应该去整容?
但有可能是因为,颜值高的人相对比较自信,而自信的人容易在职场上获得成功,所以收入高。换言之,你可能不应该去整容,应该去提升自信心。
也有可能,是收入高的人有能力装扮自己,所以看起来颜值更高。所以说,上面这个表达,只是在说颜值和收入相关,但没有说两者是因果关系。
常见数据逻辑谬误2:感觉当事实
万科我们都知道,海天酱油你可能也吃过,你觉得这两家公司的市值,哪个比较高呢?
如果不是我刻意问,大部分人会认为万科要大得多,因为知名度更高,而且房子总比酱油贵吧?
但实际上两者是差不多的,都是3000亿左右。如果我再加上伊利股份呢?似乎,我们牛奶总比酱油喝得多吧?但还是海天味业市值更高,几乎是两倍(3000亿 VS.1800亿)。
常见数据逻辑谬误3:个体当整体
拼多多刚出来的时候,很多人看不明白,然后它在央视打广告说“3亿用户”,很多人都说“不可能,我朋友圈几千个好友,都没人用,3亿是假的”。
但问题是,我们的朋友圈,都是跟我们相似的人,这个抽样并不代表中国。所以后来王兴提到的数据“中国有本科学历的人只有4%”,才让很多人震撼。
数据沟通和表达:如何用数据讲故事
我曾经写过一篇文章,提到讲故事的重要性。
但故事不能只有框架,还得有内容和素材,如果你能够具备足够的数据素养,知道如何呈现数据,同时能够把数据表达出来,那么就能在故事当中融入足够有说服力的数据,故事自然变得很有说服力。
1)理解沟通目的和对象
如果你说服一个客户购买你的理财产品,你会怎么跟他说?
第一种:这个理财产品有10%的概率会亏。
第二种:这个理财产品有90%的概率能赚。
当然是后者,他听完大概率愿意买,但如果是前一种说法,他可能会很恐惧。
所以,当你在公司里面跟不同的对象沟通时,也应该呈现不一样的数据。
比如,高层可能关心公司整体营收、盈利等等相关数据,中层可能关心他们部门的KPI数据,而主管更关注某个活动、某个举措的成功失败情况。
2)选择合适的数据表达类型
我经常看同事给我的数据分析报告,发现大部分人都不知道如何呈现数据。
举个例子,你带领一个客服部门,团队前段时间走了两个人,于是工作量加大,电话根本接不过来,你想跟老板申请增加两个人,老板让你把每个月的工作量盘点一下,你怎么呈现这些数据?
无非是对比呼入量以及及时接听量,所以大部分人的呈现是这样的:
但是,一个更好的数据表达方式应该是这样的:
怎么样用更加合适的数据图表类型?
我在过去做数据分析和咨询顾问的时候,因为经常要做图表,曾经收集过很多很多图表类型,目测超过100个,但实际上最后盘点下来,这么多年,常用的不超过10个左右。适用范围如下:
散点图(适合相关)、折线图(适合趋势)、横的和竖的条形图(适合对比)、瀑布图(适合演变)
热力图(适合聚焦)、雷达图(适合多指标)、词云图(适合看分布)等等
当我们想好需要呈现的核心观点的时候,需要过一遍这些图,想想用哪个合适,而不是上来一张大饼。
3)符合数据可视化原则
数据的可视化也非常重要,因为如果没有可视化,就是一些数字罗列,那就跟文字信息没什么差异了。
数据可视化的几个原则:阅读门槛别太高,不要过多颜色,突出关键信息,文本与数据呼应。
接下来,我用一些前后示例图,来说明这些原则。
原则1:阅读门槛别太高
上面这张图,我相信你看起来也非常累。图是用来呈现数据核心观点的,不是为了把数据搞复杂的。
原则2:不要过多颜色
看到上面这样的图,注意力完全被颜色吸引了。
原则3:突出关键信息
如果有很多数据的情况下,可以突出最想突出的信息,可以像上图这样,标注颜色。
原则4:文本与数据呼应
上面这是一个相对复杂的数据图表,容易让人看不到重点,所以需要我们来解读,更好的呈现见下图。
这张图,关于各个产品的满意度情况,我们能够看到:x产品使用的人很少,而x产品满意的人最多,x产品不满的人最多。
这几点是关键信息,所以在图上用颜色标注,并且旁边的文字也涂上对应的颜色来进行解释。
总之,我们过去所说的表达,都在谈文字的表达,但在如今的数据时代,我们不仅仅要学会文字表达,还需要学会如何用数字表达。
数据分析形成洞见
当我们知道了数据的基本概念,以及能够用数据表达,这其实就已经具备了基本的数据思维。
但我们需要进阶的是,如何从数据当中形成洞见。就像前面讲的林彪的故事,如何从数据中发现致胜点。
通过数据分析形成洞见,只需要2个步骤:
1)找到关键数据指标
我们所做的每个任务、每份工作,都应该有数据指标来衡量。因为,一样东西,如果你不能衡量它,那么你就不能有效增长它。
比如你是HR,那么重要工作就是为公司储备和保留优秀人才,但如果你每次跟老板汇报工作,说的都是自己做了什么工作任务,比如今天组织了员工座谈、明天组织员工跑步,对方肯定是无感的。
你需要一些指标来衡量,比如关键人才的流失率是不是降低了,比如人才招聘的速度是不是加快了,比如人效是不是提升了,等等。
再比如,我们推出了新产品,卖给用户,你想知道用户反馈如何,这时候一些销售跟你说用户反馈很好,还给了你好评截图,但另一些销售说有用户吐槽产品设计不好看,这时候你听谁的?所以,关键是找到那些数据指标。
你可以想一下,自己的工作任务应该用哪些数据指标来衡量?只要找到这个,你才有数据分析的基础。
2)掌握足够的分析方法
有了数据指标之后,就可以进行分析了。这是我们得出洞见的最关键一步!
常见的分析方法有:分类分析,矩阵分析,漏斗分析,相关分析,逻辑树分析,趋势分析,行为轨迹分析,等等。
我用HR的工作来举例,说明上面这些分析要怎么做,才能得出洞见。
01)分类分析
比如分成不同部门、不同岗位层级、不同年龄段,来分析人才流失率。比如发现某个部门流失率特别高,那么就可以去分析。
02)矩阵分析
比如公司有价值观和能力的考核,那么可以把考核结果做出矩阵图,能力强价值匹配的员工、能力强价值不匹配的员工、能力弱价值匹配的员工、能力弱价值不匹配的员工各占多少比例,从而发现公司的人才健康度。
03)漏斗分析
比如记录招聘数据,投递简历、通过初筛、通过一面、通过二面、通过终面、接下Offer、成功入职、通过试用期,这就是一个完整的招聘漏斗,从数据中,可以看到哪个环节还可以优化。
04)相关分析
比如公司各个分店的人才流失率差异较大,那么可以把各个分店的员工流失率,跟分店的一些特性(地理位置、薪酬水平、福利水平、员工年龄、管理人员年龄等)要素进行相关性分析,找到最能够挽留员工的关键因素。
05)逻辑树分析
比如近期发现员工的满意度有所降低,那么就进行拆解,满意度跟薪酬、福利、职业发展、工作氛围有关,然后薪酬分为基本薪资和奖金,这样层层拆解,找出满意度各个影响因素里面的变化因素,从而得出洞见。
06)趋势分析
比如人才流失率过去12个月的变化趋势。
07)行为轨迹分析
比如跟踪一个销售人员的行为轨迹,从入职、到开始产生业绩、到业绩快速增长、到疲惫期、到逐渐稳定。
这个过程能够帮助管理者更好地判断一个销售人员的心理节奏,从而更好地做管理。
这里留个思考题,如果你是销售,哪门应该如何用上述分析方法来看数据呢?
总结一下,想要拥有数据思维,能够从数据中洞穿问题本质,以及用数据来影响他人,最重要的是:
1、具备数据的基本素养,包括了解基本的统计学概念,和避免数据逻辑谬误;
2、善于用数据进行沟通和表达,包括理解沟通目的和对象、选择合适的数据表达类型、注意数据可视化;
3、能够从数据分析中找到洞见,包括找到关键数据指标、掌握足够的数据分析方法。
数据中台可以帮助企业解决哪些问题?
数据中台不是一个简单的系统应用, 数据对于一个企业来说是推动业务的核心。数据中台承载的对象是能力,包括业务能力、技术能力、计算能力、数据能力、AI能力等等,所有企业从组织层面可沉淀、可复用的各种能力。数据中台所做的不仅仅只是整合数据,找到数据,他将沉淀的各种能力共享给前台各种应用,从缩减时间、降低成本、规避风险、提高效率等各个方面全方位提升企业数字化敏捷力。
数据中台能解决哪些问题?
1、效率问题
为什么应用开发增加一个报表,就要十几天时间?为什么不能实时获得用户推荐清单?当业务人员对数据产生一点疑问的时候,需要花费很长的时间,结果发现是数据源的数据变了,最终影响上线时间。
2、协作问题
当业务应用开发的时候,虽然和别的项目需求大致差不多,但因为是别的项目组维护的,所以数据还是要自己再开发一遍。
3、能力问题
数据的处理和维护是一个相对独立的技术,需要相当专业的人来完成,但是很多时候,我们有一大把的应用开发人员,而数据开发人员很少。
这三类问题都会导致应用开发团队变慢。这就是中台的关键——让前台开发团队的开发速度不受后台数据开发的影响。
所以企业无论数据量大小,只要有业务场景需求,降低开发成本,快速灵活的开发业务应用产品,就应该把数据中台的建设提上议程,在具体技术选型上,可以根据数据量的大小和场景的复杂度来选择。
数据中台在企业数字化转型中起到什么作用?
数字中台可以让企业数据更加透明,人员管理更加清晰,内容管理更加智能,针对有新媒体运营需求的企业,新榜推出集数据监测 、智能分析、 跨域治理、运营考核 、素材解析 、资产沉淀六位一体的多平台新媒体数字资产管理中台「矩阵通」。
帮助企业更好的走向数字化转型,能帮助企业打破数据孤岛、驱动运营决策、降低管理成本。
有多账号跨平台运营的企业,通过矩阵通「矩阵号资源」支持批量导入公众号、抖音、微博、视频号、快手、小红书等多个新媒体账号,实现跨平台统一管理,同时,支持创建任意多个分组,实现跨域、跨组治理,让管理更高效。
矩阵通「运营报表 」融合各平台图文、直播、短视频数据,自动按周/月/季度快速形成账号运营报表,展示团队趋势数据及排名情况,缩短数据统计时间,提升运营复盘效率。
矩阵通的“KPI考核”功能,支持自定义创建KPI考核任务,通过自动化的绩效追踪,帮助企业及时获悉运营团队的运营成果。
由管理者自主选择考核指标,创建考核方案后,系统将每日追踪团队表现,对齐KPI时间线及完成进度,辅助企业建立团队的绩效考核制度。
此外,矩阵通还推出内容资产云解析存储服务,帮助企业完成自创素材的备份及二次利用,矩阵管理服务和内容资产服务也是矩阵通助力企业搭建数字资产管理体系的基础。
欢迎百度搜索「新榜矩阵通」或前往矩阵通官网(matrix.newrank.cn)体验。
什么是数据中台
一、数据中台定义
数据中台是一套可持续“让企业的数据用起来”的机制,一种战略选择和组织形式,是依据企业特有的业务模式和组织架构,通过有形的产品和实施方法论支撑,构建一套持续不断把数据变成资产并服务于业务的机制。
二、数据中台必须具备4个核心能力
数据中台需要具备数据汇聚整合、数据提纯加工、数据服务可视化、数据价值变现4个核心能力,让企业员工、客户、伙伴能够方便地应用数据。
企业数据中台必备4个能力
2.1、汇聚整合(数据治理-数据整合和管理能力)
数据丰富和完善:多样的数据源进行合并和完善
管理易用:可视化任务配置、丰富的监控管理功能
*数据集成运营:数据接入、转换、写入或缓存内部来源的各来源数据
*数据目录与治理:用户可以方便定位所需数据,理解数据(技术/业务治理)
*数据安全:确保数据的访问权限
*数据可用:用户可简便、可扩展的访问异构数据,可用性和易用性高
部署灵活:本地、公有云、私有云等多种署方式
2.2、提纯加工(数据资产化——数据提炼与分析加工能力)
完善的安全访问控制
完善的数据质量保障体系
规范的、紧密结合业务的可扩展的标签体系
面向业务主题的资产平台
智能的数据映射能力,简化数据资产生成
2.3、服务可视化(数据资产服务化能力)
提供自然语言等人工智能服务
提供丰富的数据分析功能
提供友好的数据可视化服务
便捷、快速的服务开发环境,方便业务人员开发数据应用
提供实时流数据分析
提供预测分析、机器学习等高级服务
2.4、价值变现
提供数据应用的管理能力
提供数据洞察直接驱动业务行动的通路
提供跨行业务场景的能力
提供跨部门的普适性业务价值能力
提供基于场景的数据应用
提供业务行动效果评估功能
关于核心数据中台能力洞察和数据中台能力有哪些的介绍到此就结束了,不知道你从中找到你需要的信息了吗 ?如果你还想了解更多这方面的信息,记得收藏关注本站。
2、本站永久网址:https://www.yuanmacun.com
3、本网站的文章部分内容可能来源于网络,仅供大家学习与参考,如有侵权,请联系站长进行删除处理。
4、本站一切资源不代表本站立场,并不代表本站赞同其观点和对其真实性负责。
5、本站一律禁止以任何方式发布或转载任何违法的相关信息,访客发现请向站长举报
6、本站资源大多存储在云盘,如发现链接失效,请联系我们我们会第一时间更新。
源码村资源网 » 核心数据中台能力洞察(数据中台能力有哪些)
1 评论