ZD至顶网软件频道消息:当今时代,“数据是财富”这句话频频被越来越多的企业所提及,只不过你重视数据,不意味着你就能轻而易举地把数据变成财富。因为这其中既需要好的机制保障,更需要好用的数据分析工具。
不久前ZD至顶网记者采访了联想集团数据分析总监张晓燕,了解联想这家年营业额达到460 亿美元、全球员工数约60,000名、拥有五个大区和四大业务集团的企业,是怎么玩儿转BI的。希望联想的经验,能够给其他企业以启发和借鉴。
由表及里地谈,优秀的团队和机制是实现有效数据转化的前提。纵观当下人才市场,好的数据分析人才凤毛麟角,更别提数据科学家了,那绝对是可遇不可求。在这样的情况下,联想建立了数据分析团队,寻找精通业务和IT的优秀数据分析人才,来掌舵联想的数据分析业务。
这个团队有60-70人,大约一半是底层数据仓库团队,另一半就是张晓燕所负责的数据分析团队了,这个团队按照联想五个区域,三大业务线,以及公司级职能业务进行了明确划分。以张晓燕自己来说,有超过10年的业务经验,在联想销售、市场、渠道、业务运营、产品运营等多个部门工作过。
在张晓燕的团队里,需要的是既懂技术又懂业务的人才,能够把业务部门的需求经过消化吸收后变为行动方案,然后用技术人员明白的方式将需求转为IT方案,再进行开发、交付。
对于联想来说,CIO function的数据分析团队支持公司所有数据分析需求, 各业务端就是联想数据分析团队的内部客户,在各业务端包括业务集团和全球各大区域,都有业务端数据分析的接口,这个机制保证了联想集团整体数据分析的协同, 交付和业务驱动。
工欲善其事,必先利其器。有了优秀的团队和机制,更需要有好用的数据分析工具 ,才能真正将纷繁的数据转化为强大的生产力。
其实对于联想这样体量的公司来说,其数据分析业务是很复杂的。五个大区管理着全球市场,三大业务集团又横跨大区进行管理。所以无论是区域层面还是业务层面,都有大量的 BI 分析需求用来辅助管理决策。
此外,作为一个制造型企业,联想的端到端业务链和价值链都比较长,也比较复杂,而复杂不仅仅体现在数据量上,同时也体现在数据逻辑上。对此张晓燕举例:联想的一个E2E BI需求,有可能会涉及十几个系统的几十张源表。
面对市场变化越来越快,联想对于BI需求也越来越高,之前一直使用的平台在分析效率和效果上不适应公司的要求,他们开始寻找更有效的BI工具,选择标准包括:性能、灵活性、易用性、分析功能、售后支持;另外这个BI工具不能太乱、不能对管理带来影响;此外,联想需要寻找一家品牌过硬的国际化厂商,以适应联想业务遍及全球的特点。经过半年左右的考量,联想最终选择了Qlik作为主要BI 工具之一。
联想看中Qlik的最重要一点,是Qlik的下钻分析能力。根据想设计的维度,可以设计到7、8层或者是10层,不停的设计进去,然后不停的下钻分析。此外,产品的易用性和灵活性非常高,联想提出数据分析需求的部门基本上一周之内就可以学会使用;其次,海量数据快速处理能力强大,数据反馈问题所在的响应时间在几秒钟;另外,Qlik产品可以对接几乎所有底层平台,这一点对于业务和分支结构遍布全球的联想来说非常适用。
以库存管理分析为例,库存管理的好坏,关系到产品推向市场后对销售、利润的影响。在做库存管理分析的时候,联想会把关联度维度设计得非常多,包括:库存在哪些区域最多;在那些区域里,哪些国家最多;在那些国家里,哪些产品线最多;在那个产品线里,哪款产品库存最高。库存会有超过60天、超过30天不同标准,这样就可以知道哪个产品线、在哪些区域、哪些国家卖得特别好,哪些国家卖得特别不好。经过对库存的下钻分析得出结论,用以考量定价策略是否合适、产品质量是否有问题。
在采用Qlik Sense之后,联想可以在几秒钟之内看到问题所在;可视化界面只需要点几下鼠标就能够看到问题所在。这种效率反馈到财务报表上,就是成本的极大节省。
看来,如何玩转BI,联想已经拥有了自己的“通关宝典”,那就是优秀的团队加上举重若轻、大道至简的Qlik可视化分析平台。那么你还在犹豫什么?
好文章,需要你的鼓励
印尼就业平台Pintarnya宣布完成1670万美元A轮融资,由Square Peg领投。该平台成立于2022年,专注服务蓝领和非正规就业者,提供求职匹配和金融服务。目前拥有超过1000万求职用户和4万家雇主,年收入增长近五倍,预计年底实现盈亏平衡。新资金将用于加强平台技术和扩大金融服务。
南洋理工大学研究团队开发的Life2vec系统能够通过分析个人生活数据预测未来人生轨迹,在收入和职业预测上达到78-85%准确率。该系统使用丹麦600万人的真实数据,采用类似GPT的AI技术,揭示了教育投资、社交网络、地理位置等因素对人生发展的深层影响规律,为政策制定和个人规划提供科学依据。
YouTube Music庆祝十周年,推出多项新功能与Spotify竞争。新增"品味匹配"播放列表功能,可合并多用户的音乐偏好,类似Spotify Blend。应用还将通知用户即将发布的音乐、周边和演出信息,并与Bandsintown合作帮助粉丝发现演唱会。此外,用户可在专辑和播放列表上评论,获得忠诚度徽章。YouTube Music目前拥有超过3亿首曲目和40亿个用户生成播放列表,订阅用户已超过1.25亿。
中国科学家成功将扩散模型应用于语言生成,开发出名为LLaDA的创新AI系统。与ChatGPT等传统按序生成的模型不同,LLaDA采用"填空"方式工作,能同时考虑文本前后信息。在80亿参数规模下,LLaDA在多项测试中表现优异,特别是在逆向推理任务上超越GPT-4o,为AI语言模型发展开辟了全新技术路径。