基于SaaS和云技術的商業數據分析及挖掘模型應用

摘 要：目前，大數據成為政府、企業等組織機構最重要的資產之一。通過SaaS服務、云技術，依托BDP商業數據平臺，研究商業數據分析及挖掘模型，并在企業中進行推廣與應用，幫助企業利用數據驅動管理，提升經營績效。

關鍵詞：SaaS；云技術；商業數據；數據分析及挖掘

一、引言

麥肯錫研究報告《大數據：下一個創新、競爭和生產率的前沿》（2011）中指出數據已經逐漸成為每個行業的基礎性資源，對于海量數據的挖掘、分析，預示著新的生產率增長浪潮的到來。2012年美國公布了“大數據研發計劃”。歐盟對科學數據基礎設施建設投資1億多歐元，并將數據信息化基礎設施建設作為Horizon 2020計劃的優先項目之一。

2015年9月，國務院印發《促進大數據發展行動綱要》，截止2017年1月底，我國有37個省市專門出臺大數據發展規劃及行動計劃。但國內企業，真正以數據分析為決策依據的，主要集中在銀行、保險、電信和電商行業，尚未擴充到運營管理的所有領域。商業企業為了在激烈的市場競爭中取得優勢，利用數據分析及挖掘技術，為一系列決策提供科學可靠的依據將勢在必行。

二、應用價值與優勢

1.數據分析及挖掘模型應用價值

全球數據供應量在2012年已達2800萬億GB，但上述數據中僅有0.5%被用于分析。預計到2020年，人均數據量將達5，247GB。目前，部分大型企業投入幾千萬甚至上億的成本進行信息化建設，如利用SAP、ERP、CRM進行數據分析，但部門之間數據沒有打通，平臺數據不能共享，不能及時支撐業務需求。隨著市場競爭的加劇，消費者需求越來越高，對企業經營管理者提出更高的要求，需要將分散的數據聚合在一起，并對這些數據進行高效分析及挖掘。數據分析及挖掘模型的應用能夠幫助企業解決上述問題，實現多維度數據的系統分析，及時發現異常并提出改善方案，幫助企業實現智能化的決策支持。

2.商業數據平臺優勢

（1）一站式數據管理與分析

從各種內部數據，到各種SaaS應用、互聯網平臺、再到需要監控的各類外部數據，幾百種的數據源，一鍵式進行接入，進行數據處理、分析、挖掘，并多終端可視化呈現，能夠對數據進行全價值鏈的管理。

（2）靈活易用的可視化分析

只需要接入數據源的源數據，不需要任何的預處理就可以對數據做任意維度的多維分析，簡單拖拽就可以通過數據獲得業務洞察，沒有任何技術基礎的人都可以自助進行數據分析。

（3）億行數據、秒級響應

構建完備的數據服務器集群，提供強大穩定的數據計算能力，上億行的數據，1秒鐘可以響應。

三、關鍵技術與主要應用

1.關鍵技術

采用業界最新的分布式架構，云計算輕松處理海量數據。數據庫兼容+自采集，實現全數據整合。數據對接--數據集中化管理，賬號直連--支持SQL Server， Oracle， MySQL； API對接--通過API進行數據寫入；零散數據存在EXCEL表格中的，可以直接導入BDP中使用。細顆粒鉆取，多維度關聯交互。

快速拖拽靈活分析建模，點選配置實現數據統計分析。手機、PC同步，數據排名、預警推送，驅動業務流。采用業界最新技術，性能不斷優化升級，物理安全（超五星級的數字北京機房）、組織安全（賬戶系統和數據系統相互隔離）、加密安全技術（等同于銀行加密技術等級）、認證安全（烏云24小時安全監測）。

2.主要應用

打通企業常用的數據庫，包括MySQL、SQLServer、Oracle等主流數據庫；連通上百度、新浪、微信等百家主流的網絡營銷推廣平臺；對接在線客服平臺；連接百度統計、CNZZ等應用統計數據；導入EXCEL、CRM、ERP等企業日常經營管理數據；匯總移動應用排名數據、本地生活指數等公共數據。通過數據源進行數據接入后，對進入的數據進行多表關聯、數據聚合、追加合并、SQL創建、二維轉一維、提取數據等數據處理技術，對分散數據源的數據進行建模。并進行可視化的結果分析和呈現，以及對結果的向下鉆取進行原因追溯。

對于企業經營管理的關鍵指標進行預警設置。可以在預警條件被觸發的第一時間通過電腦或者手機接收到信息，方便企業管理層與決策層進行實時決策。對數據做任意多維分析，根據企業沉淀的數據資源進行未來一段時期的預測。構建完備的數據服務器集群，提供強大穩定的數據計算能力，提高響應速度。

四、模型構建與應用

1.商業數據分析及挖掘模型構建

通過將企業生產數據、銷售數據、客戶數據、財務數據等商業數據導入到BDP商業數據平臺，對各種數據進行存儲及管理、建模并計算分析，然后以可視化圖表方式呈現給需要數據的企業進行分析管理決策。如圖1所示：

2.商業數據分析及挖掘模型應用

首先收集客戶需求，然后提取客戶數據源、導入商業數據平臺，接著在商業數據平臺建立數據分析與挖掘模型并設計計算邏輯、平臺自動運轉計算，最后平臺輸出可視化圖表及分析結果，指導商業企業制定戰略規劃，并進行相應的管理決策。

例如：某食品企業需要利用BDP商業數據平臺對現有的經營狀況進行改進，需完成幾個步驟：

步驟一，提出企業初始需求，如：對于現有sku的保質期內的進銷存分析精度不夠，分析周期過長，分析成果無法指導經營；對于門店拓展缺少數據作為指導；技術團隊人員緊缺，需要改進現有的經營狀況；

步驟二，業務洞察：分析數據收集不夠全面，缺少間接數據；對于現狀問題要及時發現、鎖定、調整；對于商品庫存結構分析 需要進行全面的即時性分析，便于指導送配貨；使用BDP機器學習算法分析商品連帶率、成交率、客單價等；

步驟三，搭建數據平臺架構：將EXCEL數據、公開數據、第三方平臺數據，及會員管理系統、ERP系統中的數據進行整合，搭建大數據平臺，進行商品分析、業務監控與分析、會員數據分析、各部門KPI考核、成本控制、銷售預測；

步驟四，解決方案核心分析場景：銷售分析，數據實時更新，店長實時查看各門店銷售排名；多維度分析：客單量、同比、環 比、新老門店對比等；促銷情況分析；商品分析：商品分類分析，各類商品利潤貢獻，商品與會員的交叉分析；會員分析：會員系統RFM數據分析模型，會員新增情況、會員分布情況分析，會員消費習慣分析；

步驟五，解決方案數據分析指標體系分解，如圖2所示：

步驟六，平臺成果展示，如圖3所示：

步驟七，移動端隨時獲取最新數據，如圖4所示：

五、結語

常規的數據分析系統對數據源進行抽取、轉換需要耗費大量時間。隨著數據量迅速增長，大部分企業面臨用戶量、并發量大，業務需求變化快，響應速度差，數據技術人員短缺，各部門信息不透明等挑戰。數據系統癱瘓、數據口徑不一等問題層出不窮。數據分析及挖掘模型的應用能夠幫助企業解決上述問題，實現多維度數據的系統分析，及時發現異常并提出改善方案，幫助企業實現智能化的決策支持。

隨著互聯網不斷發展，基于SaaS和云技術的數據分析及挖掘服務將逐漸演變為數據分析的新熱點?；谶@兩種技術而研發的商業數據分析及挖掘模型必將廣泛應用于各行各業，如交通、醫療、統計領域。其在商業企業的應用也將更加成熟。

參考文獻：

[1]任惠琳.商業企業營銷數據挖掘及營銷數據統計分析系統的有效構建[J].現代商業，2013，（31）.

[2]王益萍，琚春華.基于分布式數據挖掘的連鎖商業企業經營決策分析[J].商業研究，2006，（20）.

[3]楊京，王效岳，白如江，祝娜.大數據背景下數據科學分析工具現狀及發展趨勢[J].情報理論與實踐，2015，（3）.

[4]任新社，陳靜遠.關于數據挖掘研究現狀及發展趨勢的探究[J].信息通信，2016，（2）.

[5]劉紹清，黃章樹.數據挖掘商業應用平臺的需求分析[J].計算機系統應用，2007，（6）.

作者簡介：彭楚鈞，女，湖南網絡工程職業學院講師，碩士，研究方向：電子商務、網絡營銷；楊麗光，女，湖南領度信息技術有限公司，營銷總監，研究方向：大數據營銷、電子商務；通信作者：胡欣怡，女，湖南網絡工程職業學院，工程師，碩士，研究方向：網絡營銷；聶磊，男，湖南領度信息技術有限公司，總經理，研究方向：大數據營銷、電子商務