企业数据化 – 庄闲棋牌官网官方版 -199IT //www.otias-ub.com 发现数据的价值-199IT Fri, 17 Aug 2018 15:59:50 +0000 zh-CN hourly 1 https://wordpress.org/?v=5.4.2 帆软:2018年中国企业数据化应用分析报告 //www.otias-ub.com/archives/761481.html Thu, 16 Aug 2018 16:25:54 +0000 //www.otias-ub.com/?p=761481 一、中国大数据行业发展状况

1、大数据行业发展趋势

2018年中国大数据核心产业规模预计为329亿元人民币,较2017年相比增速达39.4%。预计在未来几年内,大数据市场将继续保持30%以上的增速。到2020年,中国大数据市场规模将达到586亿元人民币,接近2017年全年规模的2.5倍。

2017年软件市场规模为104.1亿元,占比达到44.1%,比2016年上升0.9个百分点。

注:

1、数据来源于《中国信通院:中国大数据调查发展报告(2018)》

2、大数据核心产业:是指大数据直接相关的软件、硬件及专业服务,大数据市场规模的计算口径,相应的包含的大数据软件、硬件及服务的直接产值,不含因大数据应用产生的附加值。

2、企业在大数据领域的投入

随着大数据技术的逐步成熟,以及国家政策的大力推进,企业届普遍看好大数据的发展前景,对于大数据领域的投入持更积极的态度。一半以上的受访企业未来计划加大对大数据的投入,相比2016年提升了6.7%;其中,大数据投入增加超过50%的企业占比达到了25.5%,另有32.7%的企业在数据方面的投入增加在50%以内。

注:数据来源于《中国信通院:中国大数据调查发展报告(2018)》

3、企业对大数据应用的重视程度

企业对大数据的应用重视程度愈加显著,绝大部分企业已经认识到数据分析对企业发展的重要性。调查发现,超过六成的企业已经成立数据分析相关部门,较2016年提高了7个百分点。

注:数据来源于《中国信通院:中国大数据调查发展报告(2018)》

接近四成的受访企业,已经在应用大数据,较2016年提升了4.5%;暂不考虑应用大数据的企业从2016年的7.8%下降到6.8%。

注:数据来源于《中国信通院:中国大数据调查发展报告(2018)》

二、企业数据应用情况

1、BI上线情况

调查发现,超过73.31%的企业,上线了诸如ERP、CRM、MES等业务信息化系统,上线BI商业智能系统的企业,占据受访企业的22.47%。

超过7成的已经上线BI的企业认为,当前BI项目建设能较好的满足现在的需求,对未来也有比较好的扩展支撑。16.7%的受访企业认为,BI技术选型和实施过于落后,无法满足多变的需求,面临上线即被淘汰的尴尬境地。

2、企业数据应用成熟度

调研发现,几乎所有已上线BI的企业处于”数据产出间接价值”的阶段,即通过数据来驱动企业决策和运营。37.9%的企业,处于业务监测阶段,他们通常应用传统的DW和报表方式,监测现有企业业务的运行状况。25.9%的企业处于业务洞察阶段,他们通常使用统计分析、预测分析以及数据挖掘技术,来提示重大、相关的业绩改善建议。31 %的企业处于业务优化阶段,他们应用大数据分析来助力业务运营,使业务活动自动进行不断的优化和提升。仅有3.5%的企业处于数据盈利阶段,比如将数据分析与产品集成,创造智能型产品,或利用可操作的业务洞察与推荐技术,提升客户关系、全新重塑客户体验。另外,还有1.7%的企业处于业务重塑阶段,他们通常利用对客户使用方式、产品效能行为及总体市场趋势的分析,将上演模式转换到新市场的新服务。

3、数据的应用需求

(1)数据价值需求

当前企业应用BI产品,最期待获得的数据价值,一是数据整合方面,二是数据展示效率,三是辅助管理决策。72.8%的受访企业最想获得的数据价值是整合多系统数据,打通多系统的数据,解决掉数据壁垒问题,实现信息透明,69.1%的企业想要提高报表的输出效率,能够更快更准更省事。53.7%的企业需要通过数据分析,辅助企业决策,实现科学化、数据化的决策。

(2)企业部门应用情况

运营管理、营销、财务是企业应用BI最广泛,也是最为成功的三个领域。调查发现,26.5%的企业成功应用于运营管理,22.9%的企业成功应用于财务部门,另有22.9%的企业成功应用于营销部门。

(3)场景需求

随着企业数据量的不断增加,以及数据可视化效果的展现需求,70.2%的受访企业期望解决大数据分析场景,43.3%的企业期望实现业务人员自主做分析,以增加数据分析效率。

另外随着移动互联网时代的推进,69.7%的受访企业需要移动端数据展现,提高数据的访问和应用效率。数据可视化大屏是近2年火起来的,约54.49%的企业对数据大屏有兴趣,希望通过炫酷的数据大屏效果,来满足参观、会议、生产现场的数据展示等场景需求。

4、企业的数据现状

企业数据资源规模增长迅速。调查发现,目前约70%的企业拥有的数据资源总量在50~500T之间,与往年相比,企业数据资源总量呈增长趋势。此外,不清楚数据规模的企业从2016年的11.4%降低至2017年的5.6%,说明企业已愈加重视数据资产管理。

注:数据来源于《中国信通院:中国大数据调查发展报告(2018)》

企业数据资源主要来源于企业内部。调研发现,企业数据主要来源于内部生产数据、客户/用户数据、内部经营管理数据,与以往相比,企业对外部购买的数据和政府免费开放的数据需求越来越多,但外部购买的数据和政府免费开放的数据的应用比例仍处于较低水平。

注:数据来源于《中国信通院:中国大数据调查发展报告(2018)》

企业在数据层面遇到的主要是数据孤岛的问题。调查发现,61.7%的受访企业的数据过于分散,存在数据孤岛的问题,取数分析麻烦.78.7%的企业的数据仍旧大量分散在excel、word等文本文件中,进一步加强了数据孤岛的难度。

24.7%的企业表示,曾经尝试过一些数据治理的方案,但效果差,达不到数据管理的预期,这些企业中的70.9%还认为存在数据孤岛的问题。可见底层数据管理是一项艰巨而长远的事情。

企业面临的数据问题

5、企业的数据展示

几乎所有的企业都会使用传统的数据报表来展示信息,有84.3%的企业会选择使用酷炫的图形图表来制作报表。Gartner在《Survey Analysis: Traditional Approaches Dominate Data and Analytics Initiatives》报告中也提到”报表能力”和”仪表板能力”是BI平台最关键的部分。

企业的数据展现方式

企业的数据分析的方式多样,不同企业也会选择多个方式,但主要依赖业务系统自带的报表,以及使用SQL+EXCEL的方式来解决。调查发现,64.8%的受访企业,采取了业务系统自带的报表或分析来查看数据,70 %的企业采取了SQL+EXCEL的手工方式,来制作特定或临时的报表,用于展现财务、经营等状况。10.8%的企业,信息部门具备一定的开发能力,通过手工写代码的方式来制作报表,其余则采取BI工具来制作报表或分析,而这一比例还在不断上升。

在前端数据分析与可视化方面,企业主要存在可读性的问题,约有65%的企业表示内部数据报表交互性差,体验不好,报表不美观,数据的可读性较差。另外有53.4%企业表示,他们为了满足业务的数据需求,不断开发新的报表或数据分析,通过暴力的堆砌数量的方式,虽然短时间内满足了需求,但长远来看给信息部门带来了大量的维护工作。缺乏统一,没有报表体系,无法形成全局的数据视野,即难以将报表价值,提升为管理价值、运营价值,是50.9%的企业遇到的难题。

6、企业选型BI工具时的考虑

企业在选型BI产品的时候,最关注的要素是产品是否高效易用。调查发现,69.1%的受访企业看中产品是否高效易用,便捷高效。同时Gartner在《Survey Analysis: Key Selection Criteria for Business Intelligence and Analytics Platforms》报告中指出,产品的易用性对企业获取商业价值也是第一位的影响要素。产品的功能与稳定性,关注比例相近,是第二关注的要素。对于产品的采购成本,并不是企业选购BI工具时候的主要考虑因素。另外,接近三分之一的企业看中厂商所提供的服务支撑和学习资源,这一比例较往年有所提升,越来越多的企业认识到服务和学习资源,对自己信息部门日后承担其BI项目运维与开发,有着至关重要的影响。

从功能层面,企业比较看重报表能力、移动端、填报录入、管理驾驶舱这几项功能。超过一半的企业,重视常规报表制作与展示、移动端BI功能。接近一半的企业,期待用数据填报来解决企业内部数据采集和录入的问题,数据填报也是解决数据分散在excel、word中的有效办法。对于机器学习、自然语言识别、人工智能这些未来BI的功能,企业并不感冒,仅有一成的企业表示关注。这些功能更多是停留在概念层面,还处于炒作期,实际的使用场景还不多。

7、企业数据价值展现的主要困难

数据整合治理与数据人才的培养,是企业在推动BI项目成功,面临的主要问题。64.8%的受访企业表示数据的整合与治理,是未来的主要挑战。一半的受访企业认为,数据人才的培养和数据分析工具的选择,也是主要难点。

]]>
基于品类管理的电商仓储企业数据化运营管理模式探讨 //www.otias-ub.com/archives/566960.html Thu, 23 Feb 2017 03:18:26 +0000 //www.otias-ub.com/?p=566960

数据化运营是企业从粗放经营向精细化管理发展的必然要求,是大数据时代企业保持市场核心竞争力的必要手段。本文将品类管理引入电商仓储企业数据化运营管理模式,构建系统的数据化运营管理量化分析体系,建立实时数据化运营管理的量化分析系统架构,以实现为电商企业提供数据分析服务的同时,达到电商企业、电商仓储企业双赢。

当前电商仓储企业的商业模式是为电商企业提供仓储管理服务、商品发货与退换货服务,少数企业为其客户提供的数据分析服务仅为总体运营、买家价值两大类指标类型,盈利模式单一且缺乏竞争力。本文针对电商仓储企业现有信息技术与信息系统的应用,为其开展数据化运营奠定理论基础,提出通过数据化运营管理模式提高其核心竞争力。

研究综述

(一)数据化运营管理模式研究

杨振海等(2003)认为泰勒的科学管理开创了企业数据化管理的先河,企业数据化管理是在管理过程中完成定量数据与定性数据的采集、处理、统计、分析与决策,是一种管理模式,更是一种管理思想和管理文化。

从2011年至今,越来越多的国内企业开始在内部推进数据化管理,并将数据运用到管理决策中。如有线电视网络运营商利用数据挖掘技术搭建数据分析和经营分析运行架构,并提出了客户细分、客户响应、客户价值、成长能力、流失预警五个基础模型的应用。广电运营商借鉴电信运营商利用数据挖掘技术以客户为中心提供差异化、层次化、个性化的服务和解决方案来支撑运营。翟才(2011)强化终端销售数据在企业数据化管理的重要性,认为终端数据化管理三大要点为:畅、滞销款分析,单款生命周期分析,老客户消费数据分析。袁延岭(2011)就饲料企业的ERP系统与Excel在数据化管理上的分析对比说明ERP系统存在优势,但须投入巨额资金且许多企业收效甚微,说明Excel与公司当前信息系统的对接才是考虑成本的企业实施数据化管理的可选方法。王盛军等(2013)提出用Excel分析工具对我国餐饮企业的经营数据进行成本与产品销售的图表分析以有效推动其发展,并建立相应的分析指标。张志强(2013)认为量化分析体系是数据分析的目标,确定指标使量化体系有了方向,应建立企业量化分析体系。伊新(2013)认为电商有数据可追踪的先天优势,对行业数据与网店运营数据建立量化分析指标体系,为网店在业务上做出决策,但没有提出商品属性销售数据分析指标。常钢花(2014)提出淘宝店铺的数据化运营要重点关注首页数据、详情页面数据、动态店铺评分系统和成交转化率,没有提出关注商品属性销售数据。刘志超(2014)提出电子商务大数据时代促使一种新型的数据服务型的电子商务服务模式应运而生,具体表现为数据作为电商企业资产,在电商供应链中整合能力不断加强,以模糊企业之间的过度界限,使得电商企业更多通过数据分析和可视化服务来驱动运营,当前主要是第三方服务提供者的个性化导购服务,如亚马逊推荐引擎服务、中间服务者的垂直细分领域服务如滴滴打车、自主服务者的数据产品服务如淘宝。杨彩霞(2015)基于关联规则中的Apriopri算法,利用Excel软件对淘宝某箱包旗舰店的会员数据、产品销售数据、订单数据和店铺进行分析,细分客户的同时推出最佳产品组合结构。唐时达(2015)提到电商大数据时代必然形成以网上消费者为主体的商业模式和数据集合,网上消费者产生的交易数据和行为数据的积累可供企业决策使用。纵观文献研究,电商仓储企业要转型升级当前单一的盈利模式,为其客户即电商企业提供数据分析服务的数据化运营管理模式研究,还未有成文。

(二)将品类管理引入数据化运营管理模式研究

作为电商仓储企业的客户,这些电商企业的本质是网上零售B2C模式。实施品类管理有助于电商企业将品类作为策略经营单位,以消费者需求为基础,以数据分析为方法,高效回应消费者需求,从而使得以电商企业为中心的B2C模式向以消费者为中心的C2B模式转变。

陈必值等(2014)提出品类管理对B2C电子商务发展起着重要的作用。曹铮铮(2014)从品类管理的角度分析1号店福建市场存在的问题,并制定相应的市场营销策略。吴彦艳(2015)提出基于品类管理的农产品电子商务品类协同与区域市场发展模式。然而,经过调研发现当前的电商仓储企业及其电商企业客户内部还未真正开始实施品类管理。因此,本文基于品类管理的电商仓储企业,构建数据化运营管理模式。

电商仓储企业数据化运营管理模式构建

(一)构建系统的数据化运营管理量化分析体系

构建系统的数据化运营管理量化分析体系是电商仓储企业数据化运营管理的重要前提。电商仓储企业数据化运营管理模式是建立在仓储配送主营业务基础上。因为电商仓储企业的业务不涉及对电商企业线上店铺的代运营,其现有的业务范围是为电商企业提供专业的第三方仓储配送服务,主要包括仓储管理、快递交接与电商客服。从业务范围看,电商仓储企业的数据来源渠道并不多样化,没有流量数据,主要是买家数据、商品销售数据与供应链服务数据。通过查阅数据化管理的相关书籍、网上资料的查阅并结合对某电商第三方仓储配送服务企业数据分析服务的抽样实践研究,建立电商仓储企业数据化运营管理的量化分析体系表,如表1所示。

因为当前的电商仓储企业与其服务的电商企业所在的各分销平台只有订单信息是对接共享的,各分销平台上网上消费者的浏览页面信息是不对电商仓储企业开放的。因此,电商仓储企业数据化运营管理量化分析体系根据其数据来源设置总体运营、买家价值、细分类目商品销售、电商供应链服务、特需分析5个一级指标类型,并细分成25个二级指标(可按一定周期如月度 、季度、年度进行量化),并对这些指标给予相应解释。

总体运营指标类型主要面向所服务的电商企业高层。通过总体运营中的5个指标评估电商企业运营的整体效果。

买家价值指标类型主要面向所服务的电商企业运营中层。通过买家价值中的4个指标对电商企业的买家进行二八价值分层,抓住产生销售金额占总销售金额80%的20%买家。

细分类目商品销售指标类型主要面向所服务的电商企业运营基层。通过细分类目商品销售中的4个指标从品类管理的角度体现一定周期内电商企业商品销售过程中,成交产品与未成交产品的运营绩效。

电商供应链服务指标类型主要面向电商仓储企业的运营基层。通过电商供应链服务中的8个指标反映为电商企业商品库存以及商品发送方面的服务质量。

特需分析指标类型主要面向所服务的电商企业高层。通过特需分析中的4个指标为电商企业从品类管理的角度,高效回应买家需求,进而提高销售水平。

量化分析体系建立后,其指标并不是一成不变的,会根据数据分析业务需求的变化而做出相应调整。

(二)建立实时数据化运营管理的量化分析系统架构

电商仓储企业运营管理信息系统通过中间商与各电商第三方平台实现数据对接。根据电商仓储企业数据化运营管理的量化分析体系表,对现有电商仓储企业的运营管理信息系统进行功能升级,增加数据化运营管理量化分析子系统,以实现5个指标类型下的25个量化指标功能。同时,数据化运营管理量化分析子系统能实现源数据表自动导出到Excel中的功能,以实现实时数据分析。电商仓储企业实时数据化运营管理的量化分析系统架构如图1所示。

结论

作为电商第三方服务的电商仓储企业目前还处于初级发展阶段,但是基于强大的市场需求和已经相对比较完善的环境,电商仓储企业的业务类型会不断整合、快速发展并完善,其发展标志着电子商务产业链的顺利扩展。此外,本文针对后期电商仓储企业数据化运营管理模式的深入开展有三点建议:

  • 第一,电商仓储企业现有的运营管理信息系统必须维护升级,在数据库上必须消除混乱冗余,增加信息化作业录入生成月度、季度、年度源数据表的功能,有助于数据分析服务的及时、准确;
  • 第二,为在电商仓储企业现有的运营管理信息系统中增加实时数据化运营管理的量化分析子系统的功能,必须深入设计子系统网页、表格、数据流向、数据字典等研发内容,有助于数据分析页面的操作便捷;
  • 第三,电商仓储企业与其服务的电商企业均要开展品类管理,并增加信息对接,有助于量化分析体系的完成。
]]>