- 金融商業算法建模:基于Python和SAS
- 趙仁乾 田建中 葉本華 常國珍
- 1997字
- 2021-11-05 17:51:59
1.1 企業中數據分析的層級
我們是在商業場景下進行數據分析的,所以要結合商業場景對數據應用的情況來進行分類,如圖1-1所示。

圖1-1 企業決策層次和對數據的需求圖
1.戰略層
最高級、最頂端的就是戰略層面的決策。制定公司戰略的一般是企業最高級的管理人員,比如董事長、董事會成員、CEO。
制定戰略涉及的內容很多,比如,要確定企業的目標是什么;企業要在哪些方面進行戰略部署,比如要生產什么產品、要定位于哪類人群、服務哪些人群等。戰略分析需要行業方面或者宏觀經濟方面的數據,一般情況下來自國家各有關部門、行業機構或者市場調研機構。
當企業確定了生產產品的類型和服務的客戶群體之后,接下來就會確定涉及的部門。比如說企業確定生產某款手機,需要有一個價值鏈來完成,包括產品設計部門、生產部門、銷售部門等。
2.管理和運營層
每個部門都有自己的管理目標,所以第二個層次就是管理層,管理層再往下就是運營層,比如生產部門不會只生產一種類型的手機。這些部門在做決策時都需要哪些數據做支撐呢?這些數據一般是企業內部數據,包含手機生產的效率/效能、每個批次手機生產情況、按區域劃分的產品銷售情況。
3.操作層
最下面的層次是操作層。比如銷售手機時需要確定銷售對象是哪些客戶,哪些客戶群接受程度最高。再比如說銀行發放貸款產品,信貸審批部門需要確認哪些客戶信用比較高,從而把貸款產品發放給信用高的客戶。所以,實際操作主要解決的是具體如何完成,并且完成得更加有效率,使得利潤有所提升。為了縮短操作層面的決策時間,提高決策的效率,我們需要基于客戶數據進行算法模型開發,比如信貸審批系統中的信用評分卡,業務人員只需要關注客戶的信用評分是否超過固定值即可判斷是否發放貸款,從而實現業務辦理流程智能化。對于這種服務于業務操作層面的數據產品,其數據一部分來自企業內部數據,大部分需要從企業外部采購,例如金融行業理財產品銷售過程中綜合考慮的客戶社會背景、經濟條件等屬性標簽,包括性別、年齡、財產狀況、生命歷程、家庭組成等。
戰略層、管理和運營層以及操作層對于信息的需求是不一樣的,因此加工方式也不一樣。戰略層、管理和運營層這兩者主要是進行簡單的描述性統計,而操作層需要用到數據挖掘相關算法。
接下來,我們針對企業中的數據分析情況進行統一分類,如圖1-2所示。
可以看出,虛線以上的部分稱為業務宏觀層面分析,虛線以下的部分稱為微觀個體分析。那么,宏觀業務分析主要涉及哪些方面?第一個是需求層——確定目標,具體目標需要依據具體的層次進行分析:如果是戰略層面的分析,那么它主要集中在行業發展或者產品未來市場等;如果是管理和運營層面的分析,那么它主要集中在產能情況、財務狀況、業務運營等;如果是操作層面的分析,它主要集中在客戶畫像、客戶傾向性等。所以,不同層面的分析需求是不一樣的,分析目標也就不同。我們在確定分析目標之后,需要有數據來做分析。數據層面主要包括數據的獲取、清洗和整理。雖然目標方向和所在層次不同,但是在數據層的處理流程十分相似。

圖1-2 企業中數據分析分類圖
對于一些實際問題,利用簡單的統計分析工具就可以解決。比如想調研某一產業未來發展前景,我們可以直接從行業網站中下載相關數據并進行描述性統計,然后通過簡單的統計制圖就可以分析清楚。此外,我們結合具體的情況歸納出業務分析的九大范式來實現數據分析,分析之后會以儀表盤或業務描述報告的形式輸出。儀表盤主要是面向戰略和管理層面,業務描述報告主要是面向運營層。
接下來通過一個例子來加深理解,比如領導關心廣告效果如何,我們需要對營銷效果進行評估。可以通過對比廣告投放之前與之后銷售量的變化來評價廣告的效果,簡單的描述統計即可做到。但是領導又會追問:“銷售量的提升真的與這次廣告的投放有關系嗎?而不是受到外面的經濟環境影響?”為了回答這個問題,我們需要從宏觀層面分析,從而明確廣告投放是否為銷售增長的原因。這時,簡單的描述分析就不足以回答這個問題了,還要用到統計分析中的實驗設計、假設檢驗等相關工具。通過控制其他銷售影響的因素,并結合假設檢驗方法可以發現,廣告費用投入之后確實導致了銷售收入的顯著提升,因此可以說廣告投入是本次銷售增長的原因。
但是,如果我們想弄清楚廣告到底是在哪個渠道、哪些產品或者哪些人群才會發揮出更佳效果,就需要進行微觀分析。首先要結合客戶的性別、年齡、地域、喜好等標簽進行客戶畫像的分析。然后通過對微觀層面的根原因分析,制定出業務根原因分析與優化策略報告,這也是面向運營層面的應用。最后根據分析結果,制定精準營銷策略。針對不同的客戶實現不同的廣告投放策略,需要借助算法模型。這里需要用到的是數據挖掘相關算法,深度分析每個客戶的喜好,建立模型進行預測。而最終形成的數據挖掘報告是由操作層實現的,即由辦事人員協同對該報告進行業務分析和判斷,保證報告符合業務人員認知。之后就要實現具體的模型落地,也就是面向IT層面由技術人員實施。
- 計算機組成原理與接口技術:基于MIPS架構實驗教程(第2版)
- Python數據分析與挖掘實戰
- Python金融大數據分析(第2版)
- Creating Dynamic UIs with Android Fragments(Second Edition)
- INSTANT Cytoscape Complex Network Analysis How-to
- Python醫學數據分析入門
- 大數據技術入門
- 大數據精準挖掘
- Oracle數據庫管理、開發與實踐
- Mastering LOB Development for Silverlight 5:A Case Study in Action
- Microsoft Dynamics NAV 2015 Professional Reporting
- 基于數據發布的隱私保護模型研究
- Hands-On Java Deep Learning for Computer Vision
- MySQL應用實戰與性能調優
- Python數據可視化之matplotlib精進