2021-12-14 09:29 浏览量:422
数字经济时代,企业需要快速响应用户需求,这种快速响应的能力需要借助平台的力量。
数据中台技术可以实现分析用户购买行为、分析消费场景、 分析用户购买喜好等业务场景化的数据分析,打通各业务体系和产品线的数据,进行计算、存储、加工,形成数据产品和服务, 从而真正实现数据智能应用。
分析、挖掘海量数据背后的价值,这就是数据分析师的工作内容。对于数据分析师来说,数据中台的价值主要体现在以下 4 点。
01.实现数据打通
数据中台可以打通数据孤岛,形成数据闭环,构建企业数据资产,为数据分析师提供稳定、持续的数据赋能业务的生产 能力。数据中台可呈现全域数据,令数据分析师的分析维度更全面、分析结果更准确。
02. 减少数据准备时间
数据中台将数据进行统一处理、存储并形成数据资产层。数据资产层可以为业务人员、数据分析师以及其他需要数据的人提供现成的数据应用服务。数据分析师在分析某个需求时,不必再 进行数据清洗等工作,可以直接从数据资产层选择需要的数据。
03. 专注复杂的数据分析
在数据中台未搭建前,数据分析师和 IT 技术人员可能会面临这样一个问题:总在不断应付业务部门简单的数据分析需求, 没有精力分析更为复杂的业务问题。建设数据中台之后,架构在中台之上的数据应用为业务部门使用数据提供了很大便利,业务人员不需要再借助技术人员和数据分析师的能力,可以自主完成简单的数据分析任务。这为数据分析师提供了更多的时间,让他们可以专注分析更为复杂的业务问题。
04. 单点业务改动不影响整体
数据中台实现了数据打通,为数据分析师后续的数据分析任务提供了保障。即使某一个业务模块的数据发生了变动,数据分析师只要进行相应的微调便可以保证分析结果准确,不会影响最终的分析效果。
作为前端业务需求和后端多维数据关系的连接者,数据分析师视角下的数据中台更多是从应用分析的角度出发所搭建的台。
在数据中台搭建的分层结构中,数据的存储与计算层的核心技术是将大数据技术合理地融入数据平台中。该层主要将企业内外部不同方向和领域的信息化管理数据进行融合并存储,利用分 布式计算等数字技术对数据进行分类和加工,使其成为有规律、 有逻辑、有内涵的数据信息,为二层数据资产沉淀奠定基础。
从数据分析师的角度看,数据资产沉淀层首先要将企业的垂直业务数据进行接入、融合和汇总,并根据不同的业务板块、组织结构和分析维度构建公共数据中心。然后,根据业务性质、客群特征等不同属性重构数据体系,结合智能标签、智能算法等技 术构建数据萃取中心。最后,根据不同的需求,对数据进行分析、管理,并且构建数据地图。经过这样一个完整的过程形成数据资产,数据资产的形成利于后期数据分析师对数据的整体使用。
以银行业数据中台为例。首先将储蓄、贷款、CRM、理财、 信用卡、手机银行等银行业务所产生的互联网数据接入数据中台。接着将数据划分为交易数据、理财数据、风控数据、客户数 据、金融产品等不同模块,形成一个公共、开放、共享、可调用的公共数据中心。然后,将银行打包好的各个模块的数据进行算法加工、标签化处理,形成体系化的数据,构建数据萃取中心,待前端应用层提取。在这个过程中,技术人员根据不同的业务需求,对数据进行研发,研发过程中需要规范不同的数据指标,构建不同的数据模型。
在数据分析师看来,前端应用层是较为熟悉的一层,也是展示自己工作成果的地方。前端应用层以不同的数据产品展现数据分析结果,主要由数据分析师完成。不同行业的业务性质不同, 会有不同的数据产品,譬如银行可能有网点画像、理财产品、用户画像等,这些产品的推出离不开数据分析师。
前端应用层的核心在于分析业务场景、形成各种应用。数据分析师根据业务需求对数据资产沉淀层的数据进行分析,挖掘数 据价值,从而研发应用产品,最终将其应用于企业的日常经营与业务拓展。消费者的业务场景是千变万化的,数据分析师需要根据多变的场景随时调用数据服务,赋能前端业务。因此,保障数据质量非常关键,这也是数据中台的价值所在。
前端应用层的核心在于分析业务场景、形成各种应用。数据分析师根据业务需求对数据资产沉淀层的数据进行分析,挖掘数据价值,从而研发应用产品,最终将其应用于企业的日常经营与业务拓展。消费者的业务场景是千变万化的,数据分析师需要根据多变的场景随时调用数据服务,赋能前端业务。因此,保障数据质量非常关键,这也是数据中台的价值所在。
作者:晓晓
来源:数据驱动智能