作者：邓天佐

越来越多的企业开始搭建自己的大数据平台体系，并倾注大量资源用于平台的迭代和运营。那么大数据平台作为越来越被关注的企业新兴价值点，它应该以何种方式看待，并且以什么样的方式去建设和运营，值得每一位企业运营者思考。

本文提供大数据平台运营的三元素模型，旨在帮助企业管理层以全面的视角审视企业当前正在建设的大数据体系，真正地实现数据驱动。

1. 大数据平台的数据指标体系

虽然技术在不断地拓展，但很多的商业逻辑并没有变化，数据指标体系体现的正是企业最为关注的各种商业目标与逻辑。具体来说，可以分为以下三点：

2. 市场端数据。客户数据和产品数据。应用场景一般来说是构建客户画像（包括基本信息和生命周期分析）以及产品分不同维度（时间、地点、经销商、生成质量、SKU等）的销售情况。

3. 经营数据。传统上也被称为财务数据，收入、成本、毛利、费用。此处不展开阐述。

4. 运营数据。关键KPI，运作情况等。主要应用场景体现在指标的完成情况（目标、实际、达成率），复杂的分析包含趋势预测分析和果因分析。

5. 大数据平台的工具体系

为了阐述的简洁，这里仅将工具体系分为前端和后端。

后端：其主要的工作组成部分是数据的储存和ETL。以2018年为分界点，很多企业已经在逐步地抛弃传统的关系型数据库，转向更为灵活高校的数据仓库建设，同时在整体的选择上也更倾向于迭代更快，成本更低的开源技术。Hadoop和Python的火爆已经预示着开源数据分析体系的来临。同时，无论是架构还是代码，都在朝着云端化发展，随着5G时代的来临，整个大数据平台都将实现云端化。

前端：数据分析及可视化软件的使用门槛显著降低，业务人员不再过分依赖技术人员才能完成整个的分析工作。各种BI工具（Tableau、SEMF、Microstrategy、帆软等）都朝着敏捷化方向快速发展，传统BI已经走入末路。高效的部署速度和快捷优质的分析交互使得企业节省大量的部署维护成本，进而用于更高价值的分析工作。在前端技术领域值得关注的发展趋势具体体现在人工智能领域的响应式BI工具(如tableau和power bi推出的问答式BI)以及能够集成多种工具的微服务架构平台式BI(如SEMF)。

在独立于前端后端外，值得注意的还有传统的优质数据工具Excel，仍然在发挥着巨大的作用，企业大可不必将其视为落后的生产力工具。作为目前仍然少数的图灵完备工具，Excel仍然适用于大量数据分析场景，并且还在不断地完善功能与性能。

6. 大数据平台的分析思维方法论

提到数据分析的方法论，最主要的便是数据分析的流程。一方面大数据分析讲究对业务流程的梳理、一方面是对数据模型的建立，这两个过程中其实是贯穿在整个数据分析流程中的，而整个数据分析流程又是一个PDCA的闭环过程。

在数聚股份看来，对于企业数据分析，首要的任务是流程的梳理，同时建立起标准化，格式、出处、名称等多个方面都要建立起一套标准的统一范式，同时不断强化数据治理文化，形成有序高效的数据准备氛围。再者，要结合业务场景的变化，不断地对各项指标制定出符合场景的分析标准，特别是区分出不同时间和场景的分析侧重点，这样才能让数据分析真正地产生价值。

通过对业务数据、财务数据的梳理，将这些数据标准化，然后进行分析，这时变需要用到各种常用的分析方法。常用的几种数据分析方法：

1、交叉表分析

2、聚类分析

3、回归分析

4、杜邦分析

5、RFM分析

6、因果分析与果因分析

当然，数据分析的方法模型，不仅仅限于这几种，不同的行业涉及的方法与指标组合及其侧重也有所不同。具体的方法原理描述此处不做详细介绍，可以自行进行网络查找并学习了解。