在數聚股份看來，越來越多的企業開始搭建自己的大數據平臺體系，并傾注大量資源用于平臺的迭代和運營。那么大數據平臺作為越來越被關注的企業新興價值點，它應該以何種方式看待，并且以什么樣的方式去建設和運營，值得每一位企業運營者思考。

本文提供大數據平臺運營的三元素模型，旨在幫助企業管理層以全面的視角審視企業當前正在建設的大數據體系，真正地實現數據驅動。

1. 大數據平臺的數據指標體系

雖然技術在不斷地拓展，但很多的商業邏輯并沒有變化，數據指標體系體現的正是企業最為關注的各種商業目標與邏輯。具體來說，可以分為以下三點：

1） 市場端數據?？蛻魯祿彤a品數據。應用場景一般來說是構建客戶畫像（包括基本信息和生命周期分析）以及產品分不同維度（時間、地點、經銷商、生成質量、SKU等）的銷售情況。

2） 經營數據。傳統上也被稱為財務數據，收入、成本、毛利、費用。此處不展開闡述。

3） 運營數據。關鍵KPI，運作情況等。主要應用場景體現在指標的完成情況（目標、實際、達成率），復雜的分析包含趨勢預測分析和果因分析。

2. 大數據平臺的工具體系

為了闡述的簡潔，這里僅將工具體系分為前端和后端。

后端：其主要的工作組成部分是數據的儲存和ETL。以2018年為分界點，很多企業已經在逐步地拋棄傳統的關系型數據庫，轉向更為靈活高校的數據倉庫建設，同時在整體的選擇上也更傾向于迭代更快，成本更低的開源技術。Hadoop和Python的火爆已經預示著開源`體系的來臨。同時，無論是架構還是代碼，都在朝著云端化發展，隨著5G時代的來臨，整個大數據平臺都將實現云端化。

前端：數據分析及可視化軟件的使用門檻顯著降低，業務人員不再過分依賴技術人員才能完成整個的分析工作。各種BI工具（Tableau、SEMF、Microstrategy、帆軟等）都朝著敏捷化方向快速發展，傳統BI已經走入末路。高效的部署速度和快捷優質的分析交互使得企業節省大量的部署維護成本，進而用于更高價值的分析工作。在前端技術領域值得關注的發展趨勢具體體現在人工智能領域的響應式BI工具(如tableau和power bi推出的問答式BI)以及能夠集成多種工具的微服務架構平臺式BI(如SEMF)。

在獨立于前端后端外，值得注意的還有傳統的優質數據工具Excel，仍然在發揮著巨大的作用，企業大可不必將其視為落后的生產力工具。作為目前仍然少數的圖靈完備工具，Excel仍然適用于大量數據分析場景，并且還在不斷地完善功能與性能。

3. 大數據平臺的分析思維方法論

提到數據分析的方法論，最主要的便是數據分析的流程。一方面大數據分析講究對業務流程的梳理、一方面是對數據模型的建立，這兩個過程中其實是貫穿在整個數據分析流程中的，而整個數據分析流程又是一個PDCA的閉環過程。

在數聚股份看來，對于企業數據分析，首要的任務是流程的梳理，同時建立起標準化，格式、出處、名稱等多個方面都要建立起一套標準的統一范式，同時不斷強化數據治理文化，形成有序高效的數據準備氛圍。再者，要結合業務場景的變化，不斷地對各項指標制定出符合場景的分析標準，特別是區分出不同時間和場景的分析側重點，這樣才能讓數據分析真正地產生價值。

通過對業務數據、財務數據的梳理，將這些數據標準化，然后進行分析，這時變需要用到各種常用的分析方法。常用的幾種數據分析方法：

1、交叉表分析

2、聚類分析

3、回歸分析

4、杜邦分析

5、RFM分析

6、因果分析與果因分析

當然，在數聚股份看來，數據分析的方法模型，不僅僅限于這幾種，不同的行業涉及的方法與指標組合及其側重也有所不同。具體的方法原理描述此處不做詳細介紹，可以自行進行網絡查找并學習了解。

審核編輯 黃宇