因为科技的进步,商业智能的覆盖范围也在不断扩大。商业智能是指在大数据被广泛应用之前,将公司不同部门的数据整合起来,从而指导决策的过程。如今,商业智能可以帮助实现决策闭环,它不仅通过各种工具和方法使数据更容易获取,而且还能够快速跟踪和反馈决策结果,从而指导新一轮的决策。业务智能(BusinessIntelligence)是如何在不同的行业应用的?做业务分析师需要面对哪些任务和挑战?以下就由小编带你了解商业智能分析相关介绍。
Part 1. By Ping Feng
我是本科英语专业毕业,但是一直以来对新闻媒体及传播学非常感兴趣,2011年正好是大数据风口的兴起,最后通过偶然的机会,我选择进入了一家专注广告行业的大数据创业公司工作。在国内 MarTech / AdTech 领域发展的早期,这段经历使我获得了该领域的第一手行业经验。
在工作了三年之后,我选择到美国读研深造,并逐渐意识到了大数据+商业的发展潜力。2016年,我毕业后进入 NBCUniversal 成为了一名数据分析师,对使用 Adobe Analytics 积累了很多经验。2020年初,我转到 Michael Kors 工作,负责全球电商的数据分析,过去一年见证了由于疫情原因,线下门店销售受阻,电商成为了各家品牌救命稻草的过程。
Part 2. By Sirui Hua
2015年,我是以制作人的角色进入NowThis Media 工作的,那时的 NowThis 是一家 20~30 人规模的初创媒体公司,是最早的几家以社交媒体为平台、以短视频为内容的新闻媒体之一。现在,NowThis 已经成长为 1000 人左右的中型公司,不过公司很多时候还是以创业公司的方式在运行。
2019年,我转到公司的 insights team 做数据分析的工作,2020年底升职为 Director of Analytics。选择换组的原因主要有两点,首先是因为我一直对商业分析很感兴趣,在学校也是学习的相关专业;其次是特朗普上台之后,美国的新闻行业受到了很大冲击,从事内容制作非常不利于个人心理健康。
目前 Google 和 Adobe 是提供商业智能服务的两大主力,各自都有非常完善的产品生态,当然也各有利弊。Google 作为数字广告行业的始祖,基于相关数据的分析产品一直保持着领先地位。近些年来, Adobe Analytics 通过与其他市场营销科技公司的并购整合,并且凭借 Adobe Creative Cloud 在内容制作方面的联动优势, 成为了被行业广泛认可的平台。
比较来说,Adobe Analytics 的优势在于:
1)方便大型机构或企业的使用
2)有很高的灵活性,可以自定义进行更复杂的分析
3)更好满足电商平台或媒体类用户的需求;
而缺点则包括:
1)产品复杂不容易上手,需要专业人员进行安装布局
2)太过于灵活,需要专业人员进行操作和维护。新推出的 Facebook Analytics 有可能成为商业智能领域的一匹黑马。
相比于 Google 和 Adobe,Facebook Analytics 的优势包括:
1)其生态系统包含社交媒体数据
2)能够更精准的进行跨设备分析 ,因为无论 Google 还是 Adobe 都是基于 cookie 的分析,无法将同一用户在网页端和移动端的行为数据进行整合;而 Facebook 则是基于用户 (account)。
正如 Lean Analytics 一书中所说,选择适合的衡量指标才能帮助更好的决策。要避免那些具有迷惑性的虚荣指数 (Vanity Metric),而选取真正关键的指标 (OMTM, One Metric That Matters)。
媒体行业中,一个常见的虚荣指数陷阱可以是团队过于看重或误读了阅读量、曝光量,而没有看到真正的转化率 (conversion) 是多少。由于衡量标准不同,看起来同样的指标,其实描述了不同的事实。
举例来说,对于视频的“浏览量”这一指标, Facebook 和YouTube 的衡量标准不同,Facebook 会将因为视频自动播放而增加的浏览统计在内,而 YouTube 不会,从而使得 Facebook 的视频浏览量相比 YouTube 显得“虚高”。
如果决策者过于关注浏览量而忽略了其他指标,就有可能做出错误的决策,误以为视频在Facebook平台更受欢迎,将更多资源投入在Facebook的视频上面。但是,在上面的例子中,如果比较的是两个平台的视频播放时长,可能会发现 Facebook 有 10s,而 YouTube 却有 1min,从而推测 YouTube 平台的用户更为忠实。
在 NowThis, 根据不同 stakeholder 的需求,我会为他们推荐不同的指标以优化决策。比如,营销团队更关注投入产出比,我会为他们提供类似于 “每1000分钟的视频播放需要投入多少钱” 的数据;而内容团队更想知道视频本身是否足够好,我选择把 “30s 留存率” 作为衡量视频表现的指标。
上述就是笔者对商业智能分析怎么样的一个简单梳理。伴随着大数据、人工智能、云计算、边缘计算等新技术的发展与进步,它们正逐渐渗透到传统的数据分析、数据挖掘、商业智能等领域,并出现了一些新的变化。这就是那些不断演变的概念和技术,因此,要用发展的眼光来看待数据分析,数据挖掘和商业智能之间的关系。
[免责声明]
文章标题: 商业智能分析怎么样?
文章内容为网站编辑整理发布,仅供学习与参考,不代表本网站赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请及时沟通。发送邮件至36dianping@36kr.com,我们会在3个工作日内处理。