专栏名称: CDA数据分析师
CDA数据分析师品牌官方微信,开放、创新、分享。
目录
相关文章推荐
CDA数据分析师  ·  【案例】亚马逊飞轮效应:数据驱动决策 ·  4 天前  
数据派THU  ·  【NTU博士论文】图结构数据的深度学习 ·  4 天前  
数据派THU  ·  Transformer、RNN和SSM的相似 ... ·  4 天前  
数据派THU  ·  前沿进展:Koopman神经算子求解偏微分方程 ·  1 周前  
51好读  ›  专栏  ›  CDA数据分析师

【实操】手把手教你搭建完整的数据分析体系

CDA数据分析师  · 公众号  · 大数据  · 2024-09-24 09:22

正文

持证人简介:

张立荣,CDA数据分析师二级持证人,汽配行业互联网数据分析师,多年行业经验。

01

什么是BI

在讲具体案例前,我们先理清概念,什么是BI?


商业智能(BI)是一种数据分析技术,旨在将企业内各个领域和不同来源的数据进行整合。这些数据可能来自客户关系管理(CRM)系统、供应商关系管理(SRM)系统、财务系统(如SAP)以及电商平台等。BI的目的是将这些分散的数据源统一起来,形成一个集中的数据平台,以便从中提取有价值的信息,辅助企业领导层做出决策。

主要做的就是几个统一:

  • 统一分析体系,

  • 统一指标规范,

  • 统一数据模型,

  • 统一技术平台



1、统一数据分析体系



统一数据分析体系的建立基于统一数据模型和统一的技术平台,重点在于如何整合不同来源的数据。在数据分析过程中,可能会使用到如SAP BW、Doris等技术平台,这些平台是承载数据模型的工具。




2、统一数据模型




数据整合过程中,需要将各个平台的数据抽取并形成一个统一的数据模型。为了解决数据合并的问题,需要按照固定的指标和维度进行合并,这就是建立统一数据模型的目的。

举个例子,如果部门A的同事询问平台GTV(Gross Transaction Value)的数值,而部门B的同事也进行了同样的查询,但由于没有统一的数据模型,他们得到的结果可能会不一致。因此,建立统一的数据模型是定义GTV的标准,并明确在需要使用数据时,应从何处获取,以确保数据的一致性和准确性。


那我们公司是一家独角兽公司,主要在做的是汽配行业的电商互联网平台,因为就平台上的数据量比较大,查报价系统、配件又比较多,所以真的是海量的数据,在数据分析这个领域也有很广泛的应用。为了去提升数据分析能力,我去考的CDA数据分析师,这个对我现在的工作帮助非常大,CDA数据分析师一级考察标签,CDA数据分析师二级考察指标体系,这对我搭建公司指标体系起到非常大的帮助。如果您也想提升数据分析能力,可以扫码CDA认证小程序,了解更多信息。




3、统一技术平台



为了便于用户使用和获取数据,需要建立一个技术平台,使数据分析师能够清楚地了解部门内可用数据表和数据。对于业务部门的数据分析人员,他们可能不清楚数据表的构建过程,因此需要一个统一的技术平台和规则,以便他们能够根据业务领域和维度查询所需的数据,并使用SQL或Python脚本生成数据结果。



4、统一数据指标规范



统一的数据模型和统一的技术平台商业智能和数据分析的基础。在许多企业中,技术平台获取数据后,需要有统一的指标规范,以确保数据的准确性和一致性。在整个互联网平台或数据分析领域,对于GTV和GMV等关键指标都有明确的定义。BI商业智能技术提供使企业迅速分析数据的技术和方法,包括收集、转换、整合、可视化及分析数据等,将这些数据转化为有用的信息,支持各业务决策。商业智能(BI)通常采用自上而下的分析方法,辅以自下而上的补充分析。

BI项目的需求主要源自公司内部,目的是构建一个全面的经营分析体系。

02

案例:搭建完整的数据分析体系


当我们在接手一个项目时,如何建立完整的数据分析体系?



1、数据驱动业务改善




因为BI是面向公司内部的,所以在BI项目实施过程中,首先要根据内部需求建立一个数据分析框架明确关键指标、维度和分析方法。例如,在分析北极星指标时,需要确定相关的体系和维度,如地理位置(省份、城市、区县)等,并从不同角度了解客户信息,包括客户体量、画像和分类,以及客户的GTV、采购量和采购金额。同时还需评估服务的盈利性。




2、BI系统建设




为了有效进行数据分析,必须首先建立一套完整的数据分析体系。作为数据分析师,我们要负责处理和准备数据,构建底层数据表,这些表将支持我们从不同的数据源中提取所需的数据,通过编写SQL和Python脚本来实现这一点,并确保数据逻辑的清晰。
在建立了数据分析框架之后,我们的首要任务是制定一个完整的项目实施计划。这包括筛选出所需的指标和维度,并将这些指标的详细说明书提供给数据开发团队,方便他们构建平台和底层数据模型,数据抽取到合并,再到应用层,每一步都需要精心设计。




3、BI平台建设




这些产品可能是一个完整的数据看板,也可能是以Excel形式导出的数据,或者使用其他BI工具来呈现。总之是结合公司业务发展目标,建设BI平台,提供数据分析支持服务。




4、构建数据产品




完成以上三步后,我们去开发最终的数据产品。无论形式如何,我们的目标是为用户提供一套完整的数据分析解决方案。简而言之,我们的工作是确保数据分析过程的系统化和高效,以便为业务决策提供支持。


开学季福利来了!!!

为了激励更多有志于数据分析领域的学子勇攀高峰,CDA 认证考试中心携手各授权合作伙伴,隆重推出“开学季奖学金活动”,为您的数据梦想插上翅膀!

添加客服微信了解活动详情



往期干货文章:

【干货】快消企业的数据分析实践:数据应用4大痛点

【干货】7类常见的统计分析错误

【大咖分享】数据科学与大数据技术专业就业前景怎样?政策方向?

【干货】数据分析在阿里巴巴供应链管理中的实际应用

面试没有项目经历?这6个项目可以写进简历!

【干货】标签体系如何搭建?如何通过标签分析用户行为?

【干货】8个AI+数据分析工具,建议收藏

【干货】数据分析实战:瑞幸爆款制造的底层逻辑分析

【干货】数据分析如何支撑瑞幸联名成功?(2)

【干货】数字化时代,怎么做零售数据分析?