商务智能聚类分析案例 啤酒企业的商务智能分析体系(之二)
二、高速成长变化的市场环境凸显企业对信息分析的能力不足 过去,传统的啤酒企业往往过度依赖于直觉、猜测或主观信息,来进行决策。随着竞争的日益激烈和集团化的发展,信息分析与管理已经成为市场竞争的利器。于是,中国的啤酒企业普遍运用企业资源规划(ERP)和客户关系管理(CRM)等新技术来提高运营效率和扩大销量。然而,竞争的瞬息万变,导致了我们当今的信息环境与以往的任何时候都不相同。在过去的十几年的发展过程中,啤酒企业普遍开始使用各种信息管理系统,积累了日益庞大的数据量。但是,事实上庞大的数据并没有被解读为有价值的信息进而转化为庞大的财富。所以,即便是很多企业应用了ERP和CRM系统,却仍然感到缺少可用的信息,或者不能迅速而有效地分析非常规数据背后的原因,而促使企业只能依赖于过去的经验。大量的数据被搁置、处理不当或未充分利用——有三分之一的企业领导说,他们凭借着不完整或不可信的信息来制定重要决策。客观地说,这是由于企业在如何利用数据信息帮助决策方面明显准备不足,它主要表现有以下几个方面:
1、管理层对深入的数据分析的战略意义认识不足。许多企业的管理层对数据的重要性有一定的认识,但远没有达到战略的高度。它们没有意识到深入的数据分析对优化业务并与其竞争对手拉开差距具有战略意义。由于管理层重视不足,多数企业没有对数据分析与业务优化投入必要的资源,包括人员,流程和技术等; 2、数据分析与公司战略和业务目标的结合程度不高。中国的啤酒企业普遍已经在利用数据进行日常的运营管理,但大多停留在基础业务层面,特别是对执行绩效的评估管理。而将数据与业务目标,特别是公司的战略发展目标相结合的程度不高。换句话说,它仅仅停留在数据收集阶段,分析与成果则依靠重新按照模版做成相应的PPT讨论报告,而没能形成与战略连接的自动化报表; 3、数据治理的成熟度低。数据治理是包括数据风险管理,价值创造,组织流程,策略,数据责任人等多项内容在内的综合治理体系。中国啤酒企业的数据治理成熟度大多处于初级的基本管理阶段,表现为有限制的企业可视度,基本的探索,查询,报表和分析,部分的自动化,多版本的真实情况等。然而,这些成果繁杂多样,看似专业但与企业自身的契合度仍有很大距离。成熟的数据治理环境,必须符合企业自身与市场的需要,从一线销售人员和经销网络获取一手的、真实的数据,通过简单直接的信息运行流程,来增强的业务流程和运营管理以及前瞻性的视野、具预测性的分析和成果体现; 4、数据孤立,分散,信息基础建设薄弱,成为信息利用的障碍。一般需要对来自同一领域或不同领域的多组数据进行交叉分析,才能得出对管理层决策有帮助的信息。但是,现在许多企业的信息基础建设薄弱,数据采集方法不统一,数据格式不统一,另外缺乏系统性的数据收集方法造成部分数据缺失,这为交叉分析提取信息设置了障碍。 5、对信息的利用没有纳入管理流程。多数中国企业没有将利用数据分析帮助各个业务环节的决策纳入到管理的流程中,因此,对数据的利用是分散的,缺乏系统性的。而 且,多数企业也没有设置专门的数据治理部门和责任人体系对数据进行分析,提炼,并优化业务。 总之,中国的许多啤酒企业在收集并利用数据信息并帮助决策方面还处在非常初级的阶段,没有将其转化为企业拥有的核心竞争力。这种现状已经不再能够为人所接受。随着复杂数据的增长速度不断加快、数据量和多样性不断增加,企业将不得不重新思考,并改变他们的工作方式。从根本上向以事实驱动的智能信息型企业转变是至关重要的,也是可能的,而这需要借助清晰有效的信息处理流程,将广泛而丰富的数据信息进行筛选与分析,从而将数据转换为战略性资产(见图2所示)。这里,我们提到商务分析体系,不是关于信息处理技术的,而是一种商务信息战略的集成的思路,在此思路上借助软件技术即可构建强大而实效的信息战略。首先,精准及时的数据由销售系统和经销商物流系统传输到总部,经过自动的筛选变为有序的信息,然后通过分析及优化转化成有用的信息。它可以帮助您的企业预测各种措施可能带来的影响,进而完善决策并扩大您的视野,这样您就可以在充满挑战的市场环境中站稳脚跟。还能够利用预测性分析帮助企业在业务流程改进和成本效益方面实现新的突破。借助这个体系,企业就能够战略性地做好市场定位,以最大限度地获得竞争优势。
更多阅读
转载 MATLAB层次聚类分析法转 _Miller python 层次聚类
原文地址:MATLAB层次聚类分析法(转)作者:上海探戈
r语言:因子分析和聚类分析实例
r语言:因子分析和聚类分析实例-降维+样本聚类18 一月, 2013, oldlee11, R语言与数据挖掘, R语言同数据统计/分析, 因子分析, 聚类分析, , 0函数库?001002003004005006007008
聚类分析的主要方法 聚类分析ward方法
随着聚类分析的发展,出现了大量的聚类算法。算法的选择取决于数据的类型、聚类的目的和应用。大体上,主要的聚类算法可以划分为如下几类:划分方法、层次方法、基于密度的方法、基于网格的方法和基于模型的方法等[2]。1. 划分方法(parti
聚类分析简介 spss聚类分析
类就是把一组个体按照相似性原则归于若干类别,即“物以类聚”。其目的是使得属于同一类别的个体之间的距离尽可能小,而不同类别上的个体间的距离尽可能的大。聚类方法包括统计方法、机器学习方法、神经网络方法等。在统计方法中,聚类
商务智能案例分析 啤酒企业的商务智能分析体系(之七)
六...第三步:数据分析的成果体现 B、预测趋势及制定预算 商务智能分析体系更重要的作用在于帮助企业高层从整体上把握趋势,制定出既符合企业增长目标、又适应市场环境的预算。用时间序列来进行趋势分析和制定预算,能够