导言
在海外学习BI与数据分析是怎样的体验？有学到放之四海而皆准的理论知识和国际合作经验吗？海归分析师回国创业在工作中会有什么过人之处？又有什么不同之处？本次小编邀请永洪科技CRM副总裁，BI与数据分析专家谢玲女士，与大家一起谈谈国内外BI教育的差异，国外求学的经历以及多年来在国内BI与数据分析领域的实践经验。
学习经历
Q：请谈谈你在国外的学习背景？
A：我本科专业是计算机科学与技术，研究生在国外主修的是商业智能与数据挖掘，在国外学校期间涉及到课程科目有数据挖掘、人工智能、专家系统、虚拟与增强现实、决策支持系统、商业流程再造、互联网和数据库系统、以及项目管理等。
因为一直对数据方面比较感兴趣，特别是如何从杂乱和海量的数据中探索规律和发现价值，所以在数据挖掘领域也研究比较多，对其中的各类算法模型比较印象深刻，比如贝叶斯、聚类、神经网络、线性与逻辑回归等。
Q：国外的BI教育跟国内的BI教育的差别是什么？
A：国内的BI教育，主要还是比较注重理论知识的灌输和技术能力的培养，比较缺乏对商业的理解和实际应用的实践。而国外对于理论知识和技术能力基本上都是要求学生自学，在课堂上更多的是学习系统逻辑和讨论商业问题，以及案例分析。印象比较深刻的是每次课堂讲师都会给大家发打印的各种经典的或最新的商业案例，让学生深入理解和讨论应对策略等。
国外教育课程的最终考核通常是分为独立作业和团队作业两种，要求学生写一篇自定义的研究小论文或独立的应用小程序，另外是团队作业，要求就一个具体的商业问题按照标准项目方式协作完成并提交项目成果，并要求小组成员向全班同学演示和讲解。
Q：谈谈学习收获？
A：个人自学能力，如上面提到的，很多专业理论知识和计算机语言都是需要自己课后去研究和自学，不会有任何的教材，只有讲师或教授推荐的阅读单，我们通过课题研究和各类项目实践去掌握专业知识和应用实践能力。
团队协作能力，由于几乎每个课程都会有团队作业，任何一个项目都要求根据各自的特长进行明细分工，其中要不断讨论、协同，最终大家一起提交和演示讲解项目成果。这些训练极大的培养了大家的相互合作、信任、和责任心。
Q：谈谈你在国外学习期间印象最深刻的实践项目。
A：有过不同类型和领域的实践项目，其中一个印象比较深刻的项目是在一家英国最大的健康慈善机构，该慈善机构的主要收入来源是捐赠者的定期和不定期的不同金额的捐赠，以及政府财政的扶持资助。由于当时英国经济不景气，政府财政支出紧缩，砍掉了大量类似的扶持资金，另外加上捐赠者在减少，该项目的运营遇到危机。为了维持机构的收入来源，该机构的高层和市场部门试图通过分析过去10年的运营数据（主要是捐赠交易记录），为市场营销和推广活动做有效的决策支持。我们当时由两人组成的项目组，对过去10年的运营数据进行了数据挖掘和分析，用到的工具有Microsoft SQL DB、Excel，SAS，Tableau，经过数据清洗、挖掘建模、可视化展示、定性分析等工序，用到的算法模型有聚类、决策树、逻辑回归，把捐赠者分类出不同特征的组群，供该机构市场部设计针对不同群组的营销活动。项目成果是为市场策略提供有效支持，为机构的营销探索节省了大量的时间，市场营销成本，以及挖掘出了大量高价值捐赠者。
最佳实践
Q：BI的产品设计是否需要理论框架作为基础？体现在产品性能和易用性上会有什么帮助？
A：在企业级BI 解决方案中，对理论框架基础的要求，主要还是要考虑企业自身的BI环境情况。如果数据准备程度很高，对于BI解决方案的设计，并不需要太多的理论框架，更多是对业务需求的理解，结合易用性和BI产品做指标体搭建和可视化展现即可。 但是对于数据准备程度不高的，就需要比较好的BI理论基础的数据工程人员进行数据整合，数据建模，结合懂业务的数据分析人员进行指标搭建和可视化输出。
一套适用企业需求的BI工具，它的易用性是非常重要的，能够让更多的非技术人员根据业务的需求快速的构建分析模型和可视化输出。从这个角度来讲，产品的易用性也是永洪一站式大数据分析平台的优势之一。
Q：这种国际标准的理论水平与BI产品实践落地在行业应用领域的表现如何？
A：一款BI工具可以应用到不同的行业和多样应用场景，但是根据不同的应用场景对理论水平和产品实践落地存在比较大的差异。
比如在一家跨国企业的BI项目中，需要分析各个品牌在不同渠道，包括多个线上渠道（第三方电商平台、社交媒体、社交网络、论坛、贴吧、搜索平台等），以及线下渠道的用户舆情数据、行为数据、营销数据等。这种跨平台、不同渠道的多样性数据，需要从数据的收集、整合、建模、分析指标再到实时可视化展现的能力，然而对于这家跨国企业的数字营销部门，需求其实很简单，就是实时跟踪自己品牌与竞品用户的品牌价值和舆情变化，以便及时调整市场和营销策略。这种情况，在明确业务目标的情况下，只需要自上而下对需求拆解，建立分析模块和指标体系，在这个项目中，前期更多的工作是数据收集和数据整合。
另外一种项目情况——拥有大量网络用户行为和经营类数据的大企业客户，面对这些海量数据，前期通常没有特别明确的业务需求目标，更多的是采用自下而上的探索式数据分析，通过分析用户的网络行为数据，挖掘用户画像，研究用户体验，以及客户活跃、流失、忠诚度分析等，帮助提升企业内从生产到客户服务的运营效率，优化产品迭代，实现精准营销等。这种情况，就需要BI工具有非常强的敏捷性和灵活度，系统性能的稳定性，前端交互的易用性，以及图表输出的多样性等。
在永洪，我们提供完整的大数据分析行业解决方案，无论是自上而下还是自下而上的数据分析需求，我们都提供从咨询到实施、培训、维护、回访的全套CSM服务，全力保障客户成功。
Q：作为一位BI领域资深专家，请给现在学习BI和数据分析的年轻人一些建议。
A：随着信息技术和互联网的飞速发展，特别是移动互联网和大数据的普及，各行业的商业应用和创新日新月异，用户需求在不断变化，企业不断积累各类数据，我们也在不断的接收新的信息和知识。在这个信息爆炸的大数据时代，我们怎样避免在各种决策时不会迷失方向？怎样从这些海量数据中挖掘出有价值的信息， 并快速理解客户需求的变化、市场的变化、以及商业模式的变化？
很多人可能认为理论与实践的差距是巨大的，实则关系非常紧密。真正落地到实际的工作中，特别是在创业之后， 我们在面对市场变化和挫折时要想做到冷静面对、积极反馈，并快速找到改进路线，这些都得益于之前学生时代学习到的理论体系和研究方法。
对于每一位正在学习BI与数据分析以及以后有志于从事这一行业的人才来说，如何在今后的工作中更好的保持领先的人才竞争优势，我认为需要培养三个方面的能力：
（1）快速的学习能力，通过在繁杂的交叉知识体系中，掌握重点，发现价值，及时应用商业场景中。
（2）商业理解和分析能力，通过定量数据分析，对客户的理解、市场的方向，以及商业逻辑和商业模式的洞察。
（3）协同工作能力，像雨林生态中的基石物种，能够粘合各个环节的参与方和利益方，推进商业达成。
理论脱离了实践必然变成了空谈，而实践如果没有理论的指导，也常常会事倍功半。任何产品的设计，程序的设计都是一样，有需要遵循的设计原理，也需要有系统化的思考落地为灵活的改进策略以适应不同的市场需求。
作者简介
谢玲 Arlene
北京永洪商智科技有限公司联合创始人、CRM副总裁
英国邓迪大学工学硕士，拥有10年商业智能产品研发和团队管理经验；曾任知名BI公司研发团队技术管理，负责商务智能产品的数据分析，数据挖掘等技术的研发任务，参与公司的长期战略研讨，带领团队成功开发出多个商业智能产品。
在英国期间，谢玲还曾与商务智能领域国际享誉的专家DR. Mark Whitehorn合作进行商务智能课题的研究和项目开发。
网友评论