大数据分析在商务智能中的优质实践

　　“大数据时代已经到来”，每天我们好像都能听到这句话，电商在说;移动互联业在说;媒体公关在说;甚至金融业也在这么说。就像不久前国外很火的一个段子一样“Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it. ”大数据对很多人来说都还是概念，但对于企业来说大数据的分析又是实实在在的需求。


　　如何切实部署一个良好的数据分析并确保终的结果能为公司业务服务，这是目前很多企业主在思考的问题。珍岛营销在帮助客户进行数据分析的过程中，结合业务实践经验和技术理论，得出大数据分析在商务智能中的优质实践方案：

　　1.团队构建——构建高效的业务角色以应对处理相应的复杂度

　　积极应对复杂性是大数据分析项目成功的关键之一。为了终能够得到正确的分析结果，所有相关的业务数据所有者都需要参与到流程当中来，以确保提前制定必要的业务角色。一旦业务角色制定完毕，技术人员就可以评估相应的复杂度，确定所需要做的工作。

　　2.目标制定——不要忘记终目标仍是大数据

　　在确定大数据分析实施计划时，公司一定要重视规模因素。一定要考虑到变化——从现在开始的半年内，需要处理多少数据，需要增加多少服务器，是否由软件来完成这些任务。很多时候人们并没有考虑到数据增长的程度，以及觖决方案部署到生产环境后的流行程度。

　　3.角色转化——以协同的方式将业务角色转化为相关的分析

　　建立业务角色对于大数据分析应用来说是步，接下来是IT人员或者分析专家创建相应的算法。但这部分工作并不应该是独立的，起初的查询越准确，那么所需要的开发工作就越少。许多项目都需要持续反复的开发工作，究其原因还是因为项目执行人员和业务部门沟通出现了问题。因此，在项目开发的进程中，需要多方协同并及时沟通，以保障项目的顺利进行。

　　4.需求分析——牢记用户需求，不是部分用户，而是所有用户

　　随着自助式BI工具的流行，在大数据分析项目中把终端用户放到考虑范畴之内就显得并不奇怪了。当然，能够应对不同数据类型的IT架构非常重要，但是系统的可操作性和交互性同样是我们需要考虑的问题。这需要我们把不同类型用户的反馈考虑在内，从高管层到操作工，从分析师到统计员都需要能够访问到大数据分析应用，不管是用何种方式。

　　5.数据选择——选你所需

　　大数据时代的核心关键词是“海量数据”，庞大的数据集提供了分析的基础，确保了分析维度的多样性。但海量数据并不代表一个企业的所有数据，也不是相关数据源中的所有信息都需要进行分析。企业在进行数据选择的时候需要考虑数据的战略价值。在数据分析方案的规划阶段，就要将注意力集中在业务目标之上，这将有助于企业对分析进行精准的定位。

　　6.数据分析——分析大数据要从小开始

　　分析大数据集也一样要从小机会开始，然后再使用它们作为起点。随着公司不断地扩大分析的数据源和信息类型，以及开始创建重要的分析模型，帮助他们发现结构化和非结构化数据的模式和相关性，特别需要注意那些对于预期业务目标而言重要的结果。

　　7.运营维护——确定一个维护计划

　　在业务需求变化之上的日常查询维护固然重要，但毕竟它只是整个分析项目管理的一部分。随着数据集的不断增长以及业务用户对分析过程的不断熟悉，他们对系统的要求也会相应地增加。分析团队必须能够及时地满足额外的要求。

　　当然，在大数据分析的项目中还会出现其他未曾料想到的情况，但以上7点的基本思路非常值得企业的学习。