如何在运营大数据中找到真正的价值？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-01-25
您需要了解的有关操作智能的知识
我曾与嘉吉公司的合作，嘉吉公司是一家大型食品和农业企业，在全球拥有加工厂，我们就运营智能（OI）以及他们的公司如何从扩展数据基础中受益的问题进行了有趣的讨论，自从我开始担任商业智能和数据仓库顾问以来，我对OI的看法就开始是运营数据存储的自然产物，当我进入管理咨询领域时，我采用了一种更加面向业务运营的观点，而信息可以为该职能提供价值，两者不是互斥的，但观点的转变值得注意。
有一个重要的层次结构需要理解
为单个单位（工厂，设施，站点等）收集的数据可以称为“站点智能”，然后我们可以将OI视为从构成业务运营的所有部门收集的站点情报的集合，当您将OI与其他重要业务功能（如销售与市场营销，财务和客户服务）结合在一起时，您便拥有了真正的业务智能，OI是公司战略成熟的重要时刻。
OI的战略重要性
OI代表知识的广度，这是公司分析成熟度的重要且具有挑战性的里程碑，如果您在全球拥有1,000个站点，并且每个站点都收集，处理和分析自己的运营数据，那么任何一个站点所能了解的多就是它自己内部的内容，这是一种常见的情况，因为通常会有一个站点管理员以能帮助他或她实现工厂性能目标的方式来管理数据，整合和标准化站点数据可扩大公司的信息基础，从而造福所有人，借助集中组织的OI系统，站点管理员可以了解其他站点的运行情况，它为基于数据的性能排名，从实践中不断学习以及准确的基准测试打开了渠道，高管受益于访问单个站点数据和汇总分析以提高整体战略绩效的能力，一旦OI系统部署并成熟，每个人都会受益。
如何建立OI系统
实施OI系统绝非易事-尚需克服战略和技术挑战。您应该先处理战略部分，然后再解决技术方面的问题，您必须首先了解如何从概念上合理化所有站点，所有站点在您的业务运营中的战略重要性是什么？您将如何衡量总体绩效？业务运营如何为公司的整体健康做出贡献，您将如何通过关键绩效指标进行沟通？此练习应生成与您的技术工作相符的记分卡，元数据分析是您的下一步。战略团队和技术团队必须共同努力，将计分卡中的数据一直映射到站点，概化过滤和转换是该团队必须执行的三个关键活动，泛化涉及将相似的数据点映射到一个通用概念中，过滤是有目的地排除和包含数据，转换是将包含的数据移至通用概念的规则集。
需要考虑硬件-如果它不是非常昂贵且难于开采，那将不是大数据
那应该是您的方法的一个线索，如果在开发了记分卡和元数据分析之后，确定可以使用关系数据库解决此问题，那么您就不会遇到大数据问题，OI在行动中的真实例子将原油加工成其他石油产品，每个精炼厂都有几个工厂，每个工厂都使用一种加工技术（粗蒸馏，裂化等）帮助他们过渡到基于风险的标准化资产战略。
我们首先需要了解每家工厂的风险状况
我曾与嘉吉公司的合作，嘉吉公司是一家大型食品和农业企业，在全球拥有加工厂，我们就运营智能（OI）以及他们的公司如何从扩展数据基础中受益的问题进行了有趣的讨论，自从我开始担任商业智能和数据仓库顾问以来，我对OI的看法就开始是运营数据存储的自然产物，当我进入管理咨询领域时，我采用了一种更加面向业务运营的观点，而信息可以为该职能提供价值，两者不是互斥的，但观点的转变值得注意。
有一个重要的层次结构需要理解
为单个单位（工厂，设施，站点等）收集的数据可以称为“站点智能”，然后我们可以将OI视为从构成业务运营的所有部门收集的站点情报的集合，当您将OI与其他重要业务功能（如销售与市场营销，财务和客户服务）结合在一起时，您便拥有了真正的业务智能，OI是公司战略成熟的重要时刻。
OI的战略重要性
OI代表知识的广度，这是公司分析成熟度的重要且具有挑战性的里程碑，如果您在全球拥有1,000个站点，并且每个站点都收集，处理和分析自己的运营数据，那么任何一个站点所能了解的多就是它自己内部的内容，这是一种常见的情况，因为通常会有一个站点管理员以能帮助他或她实现工厂性能目标的方式来管理数据，整合和标准化站点数据可扩大公司的信息基础，从而造福所有人，借助集中组织的OI系统，站点管理员可以了解其他站点的运行情况，它为基于数据的性能排名，从实践中不断学习以及准确的基准测试打开了渠道，高管受益于访问单个站点数据和汇总分析以提高整体战略绩效的能力，一旦OI系统部署并成熟，每个人都会受益。
如何建立OI系统
实施OI系统绝非易事-尚需克服战略和技术挑战。您应该先处理战略部分，然后再解决技术方面的问题，您必须首先了解如何从概念上合理化所有站点，所有站点在您的业务运营中的战略重要性是什么？您将如何衡量总体绩效？业务运营如何为公司的整体健康做出贡献，您将如何通过关键绩效指标进行沟通？此练习应生成与您的技术工作相符的记分卡，元数据分析是您的下一步。战略团队和技术团队必须共同努力，将计分卡中的数据一直映射到站点，概化过滤和转换是该团队必须执行的三个关键活动，泛化涉及将相似的数据点映射到一个通用概念中，过滤是有目的地排除和包含数据，转换是将包含的数据移至通用概念的规则集。
需要考虑硬件-如果它不是非常昂贵且难于开采，那将不是大数据
那应该是您的方法的一个线索，如果在开发了记分卡和元数据分析之后，确定可以使用关系数据库解决此问题，那么您就不会遇到大数据问题，OI在行动中的真实例子将原油加工成其他石油产品，每个精炼厂都有几个工厂，每个工厂都使用一种加工技术（粗蒸馏，裂化等）帮助他们过渡到基于风险的标准化资产战略。
我们首先需要了解每家工厂的风险状况
我们本可以在那里停下来，但是我们没有，认识到OI的机会，我们就如何比较具有相似工艺技术的工厂之间的风险状况进行了集思广益。这不仅是一次性的工作，而要实现这一目标，则需要持续监控运营数据以实时评估风险状况。尽管我们可以将其保留在站点级别，但是当合并来自类似工厂的OI时，风险概况要准确得多，容量是大数据面临的挑战之一（双关语），而业务运营是许多公司中需要处理大量数据的领域，如果可行将大数据分析应用于运营数据是实现OI努力的绝佳方法，即使您怀疑需要用先进的技术来汇总和处理来自所有站点的所有运营数据，也没有理由直接开车去大数据存储区购买硬件，从战略计分卡开始，并对如何将数据映射到站点进行全面分析，一旦一切就绪，并且您有一个好的商业案例，那就去做吧！运营洞察力正等待被发现。
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
