【中國(guó)智能制造網(wǎng) 學(xué)術(shù)論文】大數(shù)據(jù)應(yīng)用有幾個(gè)方面，一個(gè)是效率提升，幫助企業(yè)提升數(shù)據(jù)處理效率，降低數(shù)據(jù)存儲(chǔ)成本。另外一個(gè)是對(duì)業(yè)務(wù)作出指導(dǎo)，例如營(yíng)銷，反欺詐，風(fēng)險(xiǎn)管理以及業(yè)務(wù)提升。過去企業(yè)都是通過線下渠道接觸客戶，客戶數(shù)據(jù)不全，只能利用財(cái)務(wù)數(shù)據(jù)進(jìn)行業(yè)務(wù)運(yùn)營(yíng)分析，缺少圍繞客戶的個(gè)人數(shù)據(jù)，數(shù)據(jù)分析應(yīng)用的領(lǐng)域集中在企業(yè)內(nèi)部經(jīng)營(yíng)和財(cái)務(wù)分析。　　
　　數(shù)字時(shí)代到來之后，企業(yè)經(jīng)營(yíng)的各個(gè)階段都可以被記錄下來，產(chǎn)品銷售的各個(gè)環(huán)節(jié)也被記錄下來，客戶的消費(fèi)行為和網(wǎng)上行為都被采集下來。企業(yè)擁有了多維度的數(shù)據(jù)，包括產(chǎn)品銷售數(shù)據(jù)、客戶消費(fèi)數(shù)據(jù)、客戶行為數(shù)據(jù)、企業(yè)運(yùn)營(yíng)數(shù)據(jù)等。擁有數(shù)據(jù)之后，數(shù)據(jù)分析成為可能，企業(yè)成立了數(shù)據(jù)分析團(tuán)隊(duì)整理數(shù)據(jù)和建立模型，找到商品和客戶之間的關(guān)聯(lián)關(guān)系，商品之間關(guān)聯(lián)關(guān)系，另外也找到了收入和客戶之間的關(guān)聯(lián)關(guān)系。典型的數(shù)據(jù)分析案例如沃爾瑪啤酒和尿布、蛋撻和手電筒，Target的判斷16歲少女懷孕都是這種關(guān)聯(lián)關(guān)系的體現(xiàn)。
　　
　　關(guān)聯(lián)分析是統(tǒng)計(jì)學(xué)應(yīng)用早的領(lǐng)域，早在1846年倫敦第二次霍亂期間，約翰醫(yī)生利用霍亂地圖找到了霍亂的傳播途徑，平息了倫敦霍亂，打敗了霍亂源于空氣污染說的精英，拯救了幾萬人的生命。倫敦霍亂平息過程中，約翰醫(yī)生利用了頻數(shù)分布分析，建立了霍亂地圖，從死亡案例分布的密集程度上歸納出病人分布同水井的關(guān)系，從而推斷出污染的水源是霍亂的主要傳播途徑，建議移除水井手柄，降低了霍亂發(fā)生的概率。
　　
　　另外一個(gè)典型案例是第二次世界大戰(zhàn)期間，統(tǒng)計(jì)分析學(xué)家改造轟炸機(jī)。英美聯(lián)盟從1943年開始對(duì)德國(guó)的工業(yè)城市進(jìn)行轟炸，但在1943年年底，轟炸機(jī)的損失率達(dá)到了英美聯(lián)盟不能承受的程度。轟炸軍司令部請(qǐng)來了統(tǒng)計(jì)學(xué)家，希望利用數(shù)據(jù)分析來改造轟炸機(jī)的結(jié)構(gòu)，降低陣亡率，提高士兵生還率。統(tǒng)計(jì)學(xué)家利用大尺寸的飛機(jī)模型，詳細(xì)記錄了返航轟炸機(jī)的損傷情況。統(tǒng)計(jì)學(xué)家在飛機(jī)模型上將轟炸機(jī)受到攻擊的部位用黑筆標(biāo)注出來，兩個(gè)月后，這些標(biāo)注布滿了機(jī)身，有的地方標(biāo)注明顯多于其他地方，例如機(jī)身和側(cè)翼。有的地方的標(biāo)注明顯少于其他地方，例如駕駛室和發(fā)動(dòng)機(jī)。統(tǒng)計(jì)學(xué)家讓軍火商來看這個(gè)模型，軍火商認(rèn)為應(yīng)該加固受到更多攻擊的地方，但是統(tǒng)計(jì)學(xué)家建議對(duì)標(biāo)注少的地方進(jìn)行加固，標(biāo)注少的原因不是這些地方不容易被擊中，而是被擊中的這些地方的飛機(jī)，很多都沒有返航。這些標(biāo)注少的地方被擊中是飛機(jī)墜毀的一個(gè)主要原因。軍火商按照統(tǒng)計(jì)學(xué)家的建議進(jìn)行了飛機(jī)加固，大大提高了轟炸機(jī)返航的比率。以二戰(zhàn)的B－17轟炸機(jī)為例，其陣亡率由26%降到了7%，幫助美軍節(jié)約了幾億美金，大大提高了士兵的生還率。
　　
　　一、數(shù)據(jù)分析中的角色和職責(zé)
　　
　　數(shù)據(jù)分析團(tuán)隊(duì)?wèi)?yīng)該在科技部門內(nèi)部還在業(yè)務(wù)部門內(nèi)部一直存在爭(zhēng)議。在業(yè)務(wù)部門內(nèi)部，對(duì)數(shù)據(jù)場(chǎng)景比較了解，容易找到數(shù)據(jù)變現(xiàn)的場(chǎng)景，數(shù)據(jù)分析對(duì)業(yè)務(wù)提升幫助較大，容易出成績(jī)。但是弊端是僅僅對(duì)自己部門的業(yè)務(wù)數(shù)據(jù)了解，分析只是局限獨(dú)立的業(yè)務(wù)單元之內(nèi)，在數(shù)據(jù)獲取的效率上，數(shù)據(jù)維度和數(shù)據(jù)視角方面缺乏全局觀，數(shù)據(jù)的商業(yè)視野不大，對(duì)公司整體業(yè)務(wù)的推動(dòng)發(fā)展有限。業(yè)務(wù)部門的數(shù)據(jù)分析團(tuán)隊(duì)缺少數(shù)據(jù)技術(shù)能力，無法利用新的大數(shù)據(jù)計(jì)算和分析技術(shù)，來實(shí)現(xiàn)數(shù)據(jù)分析和建模。數(shù)據(jù)分析和計(jì)算依賴于科技部門，效率較低，無法打通各個(gè)環(huán)節(jié)和實(shí)現(xiàn)效率和收益優(yōu)。
　　
　　數(shù)據(jù)分析和挖掘部門位于科技部門，優(yōu)點(diǎn)是直接可以了解所有數(shù)據(jù)，利用新的大數(shù)據(jù)計(jì)算分析技術(shù)來進(jìn)行數(shù)據(jù)分析和建模，數(shù)據(jù)視野好。面對(duì)全局?jǐn)?shù)據(jù)建立數(shù)據(jù)采集和分析系統(tǒng)，系統(tǒng)復(fù)用程度高，降低重復(fù)投資，效率高。但是團(tuán)隊(duì)人員商業(yè)敏感度低，過度關(guān)注技術(shù)和架構(gòu)，重視技術(shù)的和處理效率，數(shù)據(jù)商業(yè)敏感度低，不重視數(shù)據(jù)商業(yè)化場(chǎng)景，對(duì)業(yè)務(wù)理解程度不夠，支持力度不如前者。科技部門愿意搭建一個(gè)大數(shù)據(jù)平臺(tái)，讓業(yè)務(wù)部門自己去尋數(shù)據(jù)場(chǎng)景，業(yè)務(wù)部門在數(shù)據(jù)商業(yè)化過程中也會(huì)遇到環(huán)節(jié)不暢通，效率低下的問題。
　　
　　數(shù)據(jù)分析團(tuán)隊(duì)?wèi)?yīng)該屬于獨(dú)立的部門，為所有的業(yè)務(wù)部門提供服務(wù)，具有獨(dú)立的技術(shù)團(tuán)隊(duì)，可以搭建獨(dú)立的大數(shù)據(jù)計(jì)算和分析平臺(tái)，利用新的數(shù)據(jù)處理技術(shù)來建立模型進(jìn)行分析。另外數(shù)據(jù)分析團(tuán)隊(duì)的人應(yīng)來源于業(yè)務(wù)部門，具有高度的數(shù)據(jù)商業(yè)敏感度，可以將業(yè)務(wù)部門的需求分解為數(shù)據(jù)需求，將業(yè)務(wù)場(chǎng)景同數(shù)據(jù)場(chǎng)景以及數(shù)據(jù)分析相結(jié)合起來。
　　
　　數(shù)據(jù)分析是一項(xiàng)實(shí)踐性很強(qiáng)的工作，涉及到很多交叉學(xué)科，需要不同的崗位和角色，來實(shí)現(xiàn)不同的性質(zhì)的工作。基本的崗位和角色如下：
　　
　　1、數(shù)據(jù)庫(kù)（倉(cāng)庫(kù)）管理員DBA
　　
　　DBA了解企業(yè)內(nèi)部的數(shù)據(jù)和可用的數(shù)據(jù)資源，包括數(shù)據(jù)的存儲(chǔ)細(xì)節(jié)和數(shù)據(jù)字典，另外其對(duì)數(shù)據(jù)的采集、清洗和轉(zhuǎn)化起到關(guān)鍵作用。
　　
　　DBA為數(shù)據(jù)科學(xué)家和數(shù)據(jù)分析師提供加工好的原始數(shù)據(jù)，這些數(shù)據(jù)是數(shù)據(jù)分析和建模的基礎(chǔ)，DBA做了數(shù)據(jù)分析工作中重要的基礎(chǔ)工作，完成了大量的臟活和累活。
　　
　　2、業(yè)務(wù)專家
　　
　　業(yè)務(wù)專家的優(yōu)勢(shì)是數(shù)據(jù)的商業(yè)敏感度，了解業(yè)務(wù)需求，可以將業(yè)務(wù)需求轉(zhuǎn)化為數(shù)據(jù)需求，進(jìn)一步找到數(shù)據(jù)應(yīng)用場(chǎng)景。另外業(yè)務(wù)專家也可以通過對(duì)數(shù)據(jù)的分析，找到新的商業(yè)機(jī)會(huì)，同業(yè)務(wù)部門一起制定商業(yè)計(jì)劃，利用數(shù)據(jù)分析推動(dòng)業(yè)務(wù)增長(zhǎng)。
　　
　　業(yè)務(wù)專家的經(jīng)驗(yàn)對(duì)于數(shù)據(jù)分析和建模是非常關(guān)鍵的，他們可能是風(fēng)險(xiǎn)管理人員、欺詐監(jiān)測(cè)專家、投資專家等。數(shù)據(jù)建模來源于業(yè)務(wù)經(jīng)驗(yàn)和業(yè)務(wù)知識(shí)，正是業(yè)務(wù)專家的專業(yè)分析找到了業(yè)務(wù)規(guī)律，從而找到了建模方向，并對(duì)建模工作給出建議和解釋。
　　
　　3、數(shù)據(jù)科學(xué)家
　　
　　過去統(tǒng)計(jì)分析依賴于統(tǒng)計(jì)分析工具，大數(shù)據(jù)時(shí)代之后，數(shù)據(jù)量級(jí)的提升和數(shù)據(jù)類型的復(fù)雜程度，讓很多傳統(tǒng)的統(tǒng)計(jì)分析工具無法完成分析計(jì)算。這個(gè)時(shí)候，數(shù)據(jù)科學(xué)家出現(xiàn)了，他們可以利用自己的專業(yè)技能幫助業(yè)務(wù)專家和數(shù)據(jù)分析人員進(jìn)行建模和計(jì)算。
　　
　　過去數(shù)據(jù)統(tǒng)計(jì)分析建模常用SPSS，SAS，MATLAB等工具，現(xiàn)在基于大數(shù)據(jù)平臺(tái)的分析建模可以使用Spark＋Scala／Python／R／Java。數(shù)據(jù)科學(xué)家了解模型和算法，可以直接承擔(dān)建模和調(diào)優(yōu)工作，懂得選擇合適的算法來進(jìn)行計(jì)算，提率。
　　
　　4、數(shù)據(jù)分析師
　　
　　數(shù)據(jù)分析師站在數(shù)據(jù)和商業(yè)的角度來解讀數(shù)據(jù)，利用圖標(biāo)和曲線等方式向管理層和業(yè)務(wù)人員展現(xiàn)分析結(jié)果，揭示數(shù)據(jù)分析產(chǎn)生的商業(yè)機(jī)會(huì)和挑戰(zhàn)。
　　
　　數(shù)據(jù)分析師將雜亂的數(shù)據(jù)進(jìn)行整理后，將數(shù)據(jù)以不同的形式展現(xiàn)給產(chǎn)品經(jīng)理、運(yùn)營(yíng)人員、營(yíng)銷人員、財(cái)務(wù)人員、業(yè)務(wù)人員等。提出基于數(shù)據(jù)的結(jié)果和分析建議，完成數(shù)據(jù)從原始到商業(yè)化應(yīng)用到關(guān)鍵一步，數(shù)據(jù)分析師的數(shù)據(jù)敏感度、商業(yè)敏感度、分析角度、表達(dá)方式對(duì)于商業(yè)決策很重要。
　　
　　5、運(yùn)營(yíng)專家
　　
　　數(shù)據(jù)分析結(jié)果和商業(yè)決策出來之后，運(yùn)營(yíng)專家負(fù)責(zé)實(shí)現(xiàn)商業(yè)決策。通過有計(jì)劃的運(yùn)營(yíng)活動(dòng)，將數(shù)據(jù)分析的結(jié)果應(yīng)用到實(shí)際的商業(yè)活動(dòng)之中，運(yùn)營(yíng)專家是實(shí)現(xiàn)數(shù)據(jù)變現(xiàn)后一公里的關(guān)鍵人物。
　　
　　運(yùn)營(yíng)專家屬于業(yè)務(wù)人員，實(shí)際上參與業(yè)務(wù)運(yùn)營(yíng)活動(dòng)，利用數(shù)據(jù)分析結(jié)果，實(shí)現(xiàn)業(yè)務(wù)場(chǎng)景和數(shù)據(jù)場(chǎng)景的結(jié)合，實(shí)現(xiàn)數(shù)據(jù)商業(yè)化應(yīng)用。
　　
　　二、數(shù)據(jù)分析之前的各項(xiàng)準(zhǔn)備工作
　　
　　數(shù)據(jù)分析團(tuán)隊(duì)各成員確定之后，將進(jìn)行下一項(xiàng)工作，就是找到有價(jià)值的數(shù)據(jù)進(jìn)行分析了。數(shù)據(jù)是分析的基礎(chǔ)，因此數(shù)據(jù)的質(zhì)量、數(shù)據(jù)的相關(guān)度、數(shù)據(jù)的維度等會(huì)影響數(shù)據(jù)分析的結(jié)果影，其中GIGO（垃圾進(jìn)垃圾出）對(duì)于數(shù)據(jù)分析結(jié)果影響大。
　　
　　1、數(shù)據(jù)源選擇
　　
　　數(shù)據(jù)分析團(tuán)隊(duì)面對(duì)大量的數(shù)據(jù)源，各個(gè)數(shù)據(jù)源之間交叉聯(lián)系，各個(gè)數(shù)據(jù)域之間具有邏輯關(guān)系，各個(gè)產(chǎn)品統(tǒng)計(jì)口徑不同，不同的時(shí)間段數(shù)值不同等。這一系列問題多會(huì)影響數(shù)據(jù)分析結(jié)果，因此確定數(shù)據(jù)源選擇和數(shù)據(jù)整理至關(guān)重要。
　　
　　DBA可以基于數(shù)據(jù)分析需要，找到相關(guān)數(shù)據(jù)，建立一張數(shù)據(jù)寬表，將數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)引入到這張寬表當(dāng)中，基于一定的邏輯關(guān)系進(jìn)行匯總計(jì)算。這張寬表作為數(shù)據(jù)分析的基礎(chǔ)，然后再依據(jù)數(shù)據(jù)分析需要衍生出一些不同的表單，為數(shù)據(jù)分析提供干凈全面的數(shù)據(jù)源。寬表一方面是用于集中相關(guān)分析數(shù)據(jù)，一方面是提率，不需要每次分析時(shí)都查詢其他的數(shù)據(jù)表，影響數(shù)據(jù)倉(cāng)庫(kù)效率。
　　
　　2、數(shù)據(jù)抽樣選擇
　　
　　簡(jiǎn)單的數(shù)據(jù)分析可以調(diào)用全體數(shù)據(jù)進(jìn)行分析，數(shù)據(jù)抽樣主要用于建模分析，抽樣需考慮樣本具有代表性，覆蓋各種客戶類型，抽樣的時(shí)間也很重要，越近的時(shí)間窗口越有利于分析和預(yù)測(cè)。在進(jìn)行分層抽樣時(shí)，需要保證分成出來的樣本比例同原始數(shù)據(jù)基本一致。
　　
　　3、數(shù)據(jù)類型選擇
　　
　　數(shù)據(jù)類型分為連續(xù)型和離散型，建模分析時(shí)需要確定數(shù)據(jù)類型。進(jìn)行業(yè)務(wù)收入趨勢(shì)分析、銷售額預(yù)測(cè)分析、RFM分析時(shí)，一般采用連續(xù)型變量。信用評(píng)級(jí)、分類預(yù)測(cè)時(shí)一般采用離散變量。