第1章商业分析概述（课件）《商业分析实务》（华东师范大学出版社）

第一章 商业分析概述 1 商业分析起源 商业分析定义 商业分析发展及趋势 企业商业分析环境 目录 CONTENT 01 02 03 04 01 起源 3 商业分析起源 管理信息系统的概念产生 MIS的应用让IT团队以报告和图表的形式为组织机构提供分析业务 企业的科学管理时代 商业分析师受雇起到协助经理人的作用 以分析报告的形式为企业提供服务 四大重要技术趋势之一 97%收入超过10亿美元的大公司都在运用不同类型的商业分析 大量人才缺口 大数据人才和高级分析专家的人才缺口将高达19万，预计美国企业对能够运用大数据分析结果的大数据相关管理人才需求将达到150万。 商业分析演进过程 Chen Hsinchun等人提出了商业分析从1.0至3.0的演进过程 影响企业的外部因素 市场因素：包含激烈的竞争环境、市场全球化、电子商务的新兴、以及营销手段的革新等趋势，需要在商业分析过程中得到重视。 顾客因素：用户创造内容（UGC）使得顾客变得更具有影响力，同时选择增加的顾客往往会具有缺乏忠诚度的特点，会对产品有更高的质量或功能要求，并具有产品个性化偏好，导致部分传统商业分析理念的失效。 技术因素：互联网的发展催生出关联新产品和新服务，生产出更多的商业分析原始资料，同时数据处理技术的发展，也使得这些大数据可以在商业分析领域得到运用，推动社交网络及Web 3.0等发展趋势。 社会因素：包括政府管制、劳动力多样化、人口老龄化、可持续发展等影响因素，将改变商业分析的具体建设路径。 02 定义 什么是商业分析 商业分析（Business Analytics，简称BA）是指通过定性与定量的方法，明确需求与问题并提供相应的解决方案，来为利益相关者提供价值，从而在组织环境中实现变革的做法，是为了评估历史绩效、驱动未来规划，而进行的持续性的探索和调研的技术，经验和实践的总和。 传统的商业分析 以统计学与概率论的方法为基础，来解决传统企业运营中所遇到的分析、预测或决策问题，如反映市场对企业产品的需求情况、资源成本、市场条件和整体经济运行情况。 现代商业分析 广泛地吸收了数据库、数据仓库、内容管理、人工智能等信息技术，在配套软件系统的支持下，商业分析活动更紧密地与数据结合，商业分析模式也得以固化下来，持续有效地为企业创造价值。 商业分析的基本实施流程 包括客户、产品和服务、竞争对手、运营流程、财务状况等。 如通过定性分析来确定导致业务异常的原因；通过数据挖掘来发现业务变量之间的潜在联系；通过A/B测试来取舍决策；通过预测模型来推测未来趋势等。 商业数据指标既要能够匹配所选择的方法，又要能够达成商业分析的目标；在符合分析场景的同时，这些数据的可得性、获取成本以及处理难度也需要一并考虑在内。数据的计量尺度包括定类尺度、定序尺度、定距尺度、定比尺度等。 1.明确商业分析和优化的对象 2.根据对象选定合适的方法和模型 3.确定相应的商业数据指标和数据的计量尺度 商业智能与商业分析 商业智能（Business Intelligence，简称BI）是支持信息访问和分析以改进与优化企业的决策和绩效的应用程序、基础架构、工具和最佳实践的总称，由数据仓库或数据集市、查询报表、数据分析、数据挖掘、数据备份等部分组成 二者区别： 历史渊源不同。商业分析形成于泰勒科学管理时代，而商业智能的概念则是在计算机商用、数据驱动下发展的。 运用重点不同。商业分析重在信息应用，商业智能重在数据分析。 运用阶段不同。商业分析的运用分布于整个管理流程，商业智能往往关注历史数据。 受益者不同。商业分析使用者包括了战略层人员，而商业智能主要在运营层运用。 03 发展及趋势 数据产生源头 从单纯可获取的结构化数据变为各种跨界数据，如人与人之间的社交网络数据、人与物之间的人机交互数据、物与物之间的传感器及机器数据等 数据存储形式 分为关系数据库为代表的结构化数据、HTML文档为代表的半结构化数据、多媒体文件为代表的非结构化数据 数据形态 分为静态海量数据和动态海量数据，如网络点击流、日志和实时行情等 数据获取频度 从原本的延时获取变为实时获取 商业分析发展及趋势 影响数据的四个维度 商业分析发展及趋势 商业分析的应用 通过细分客户、洞察需求等手段，能够预测用户偏好来挖掘潜在顾客，对掌握大量用户行为和用户信息的互联网企业来说，尤其是电子商务领域，具有很大的价值，如京东构造用户画像为用户推荐个性化的商品。 对有着庞大运营体系的传统大型企业而言，可以利用商业分析纵向整合供应链，并横向联合不同渠道，将大大提升运营效率。 用户创造内容（UGC）是大数据时代的关注重点，由此，如路径分析、社交媒体分析、位置分析、社交网络分析和文本分析等新兴方法在商业分析领域得到运用。例如，路径分析和位置分析可以借助实时数据的采集从而获得用户出行数据、停留位置等信息；文本挖掘分析则从海量用户数据中提取特征和识别规律，包括文本分类、文本摘要、情感分析等。 技术趋势 主要体现在五个方面：数据量大、处理速度快、技术成本下降、移动设备普及和社交媒体的加入。 大数据不仅仅体量大，同时多源异构，包括网络爬虫数据、社交媒体数据、服务器日志、传感器数据、多媒体数据等等，使得传统数据处理方法无法应对。 04 企业商业分析环境 企业商业分析环境 商业分析环境模型 数据环境 应用环境 技术环境 组织环境 数据环境 数据环境是提供商业分析的原材料，随着科学技术的不断发展，数据环境正在变得越来越庞大和复杂，各行各业借助各终端的互联网和无处不在的传感器，正在产生越来越多的数据。 截至2018年，全球约有40.21 亿人使用互联网，其中约31.96亿人社交网络的使用者，而拥有手机的全球居民高达51.35亿人，约占76亿世界人口的三分之二。 在数据流量方面，异构数据也在不断增长，思科公司预计，到2019年全球互联网视频的数据流量的月均值将达到105 EB。 2017 年一整年中国移动互联网数据使用已经高达约25EB，相较 2016 年同比增长 124%。   面对庞杂的数据环境，企业主要通过企业级数据模型实现数据整合。根据企业的业务活动如市场营销、财务管理等抽象出参与人、事件、地域、产品等数据主题，并将这些主题之间建立数据联系，形成企业级数据模型。 数据环境 企业级数据整合模型 应用环境 应用环境涉及到选择信息的具体应用方向与信息战略，来优化业务流程。主要包括根据企业年度总目标，确定部门战略，如CRM战略，物流战略，库存战略等；各个部门基于自身战略，确定三到五个个成功关键因素；在明确关键成功因素的基础上，提出信息需求，具体分为引领性信息和滞后性信息两部分，组织往往对滞后性信息加以利用，如何把引领性信息作为战略资源引入，是值得思考的问题。 根据用户群与规模的大小，以及分析方法的灵活性与用户交互性，企业数据分析可分为五种类型，不同类型的数据分析支持着不同层次的决策 技术环境   独立数据集市 虚拟数据集市 轮辐式数据仓库 中央数据仓库 优点 •容易建设 •范围较小 •技术上比较简单 •不需要ETL •不需要单独的平台 •容易的定制用户界面和报表 •单一的企业级视图 •数据可重复利用 •数据一致性有保障 •TCO很低 缺点 •缺少企业级的业务视图 •重复投资严重 •ETL/应用开发/DBA的代价太高 •仅仅能对于小数据量的访问 •元数据的问题 •网络瓶颈和跨系统的分析 •用户端压力较大 •企业级视图 •重复投资严重 •DBA压力比较大 •数据延迟严重 •需要有整个企业级的战略和支持 技术环境方面，可利用多种分析的IT环境来整合数据，提供分析平台，以支撑企业决策。主要是运用数据集市与数据仓库来搭建技术环境，相关知识会在第三章中详细介绍。 目前，主要的技术环境包括独立数据集市、虚拟数据集市、轮辐式数据仓库、中央数据仓库等。 组织环境 基于企业环境，利用商业分析进行高效运营正在成为趋势。 知名物流公司UPS发现，汽车在左转弯时发动机一直处于空转状态，造成了无谓的油耗。基于商业分析，该公司找到了解决方案——鼓励司机在送货路线上尽量右拐，并通过组织管理有效地执行了下去。他们开发信息技术，使得数秒内就能提供司机右转弯多的路线，右转弯的比例提升至90％。该公司跑在路上的车每天约有60万辆，最终，仅靠右转弯一项，一年内就节省310万加仑燃料，减排32000立方吨。 组织环境取决于战略的组织结构、流程及策略。成功的商业分析需要技术环境与组 织环境的有力协作。管理者应组织商业分析专家，建设战略和战术团队，形成以商业素养和IT技术集成的专业知识团队。 思考题 在所在行业或者熟悉行业内，寻找两个商业分析案例，并从以下三个方面思考： 1、业务需求：所选择的行业存在什么问题和挑战？ 2、解决方案：可以使用哪些数据、采用什么分析方法来解决问题？ 3、环境分析：分别从数据、应用、技术、组织四个方面分析商业分析环境。 $$