最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

[视频]永洪CEO何春涛:大数据领域的精益创业 机会所在

[复制链接]
跳转到指定楼层
楼主
发表于 2015-6-3 17:13:22 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x

背景

永洪科技是一家数据可视化分析解决方案提供商,主要为百亿级数据量的大型企业和各垂直行业的中小企业提供灵活易用的数据分析解决方案,方便用户实现敏捷的数据化运营,实时洞察业务状况,支持战略决策。

简介

永洪BI(Business Intelligence 商业智能)及其业务模式如果用严谨而略带学术感的解释或许是这个样子:永洪BI是一家以大数据分析、探索式分析等领域数据可视化为切入点(《BIG DATA DEMYSTIFIED》将大数据产业版块划分为六块,分别为数据源、开源、跨平台基础设施/分析、基础设施、分析、应用。其中“分析”领域的热点即有数据可视化),以应对本土话需求为特色进行大数据BI领域的探索与实践的企业。

永洪BI专注于数据分析

但作为一个没有大数据专业背景的门外汉,如果用一句话解释永洪BI所提供服务的价值,我更愿意这么理解:当把公司收集海量信息导入到它们的处理系统中,直接定制输出可视化的图表信息供决策参考。一切就是这么简单。

今天商业机构的高效精细化运营离不开数据的支持,基于大数据的针对性处理能力则决定着企业竞争的潜力所在。在众多大数据的解释中,Gartner将大数据定义为:大数据是需要新处理模式才能具有更强的决策力,洞察发展力和流程优化能力的海量、高增长率和多样化的信息资产。从该定义不难看出,大数据的战略意义不在于获取海量数据,最有价值的部分是对海量信息的专业化处理。那么可以说,永洪BI所提供的服务就是这里所提到专业化处理中的数据可视化。

永洪BI的产品试用界面

对于这种专业技术服务领域的公司我们几乎每一家都可以找到我们在大洋彼岸的对标而且不得不承认,几乎都是领先我们的对标,那么永洪BI所处的数据可视化领域的对标(广义)则是Tableau软件,那么现在就让我们看看它是怎样的一家公司。

根据公开信息显示,Tableau软件的研发最早源于美国国防部(DOD)的一个项目,当时为了提高人们分析信息的能力,该项目召集了全部斯担福大学计算机科学专业的人才, 以及专门探索和分析数据库和多维数据集可视化技术研究的著名教授Chris Stole,除了Chris Stole以外,还有一位教授也意识到了Tableau研发项目的重要性,他就是Pat Hanrahan博士。

Pat Hanrahan博士是Pixar Animation Studios的创始成员之一,也就是Pat Hanrahan将3D技术引进世界动画电影世界、改变了世界电影的进程。Chris Stole、Pat Hanrahan以及所有斯坦福大学的博士团队都很快地认识到,计算机图形可以帮助人们提高理解信息的能力,相较于以文本形式分析数据创建可视化效果更利于人们对信息的把握与决策,当然这其中也蕴含着巨大的商业机会。

于是在2003年,随着最后一个核心人员,Chris Stole的朋友,前软银(Softbank Venture Capital)的合伙人Christian Chabot加盟,一个以Christian Chabot(首席执行官)、Chris Stole(开发总监)以及Pat Hanrahan(首席科学家)三人为核心团队正式组建,Tableau公司宣告成立,随后经过10年发展,Tableau取得了巨大的成功,并在2013年在5月17日在纽交所成功上市,成为当年美国市场最大一笔科技业IPO。

附提纲

大数据应用的机会所在

传统的数据的处理办法,因为计算的能力没有良好被运用,他们一般会经历这么几个过程:第一 数据的采集 ,第二 数据的存储,第三 数据的建模,第四把数据进行汇总然后减少数据量 ,第五再来进行分析和展现 。那么在这个过程当中,所有的分析和展现都是在这种已经汇总过的数据的前提下进行,也就是说呈现在我们面前的数据,我们是不能够再去问新的问题的,因为数据已经被丢失了,存下来的都是一些经过二次计算的数据。

我们用大数据分析采用新的办法就是不去丢失细节数据,而是采用一个高性能的计算的引擎把数据采集然后入到这个引擎里面。当用户去问问题的时候,以前可能是先提前把它计算出来 存储下来,然后细节数据就扔掉了。而现在 我们既可以先把它算下来存储下来,也可以直接基于细节数据 去进行非常灵活的组合分析, 那么这样的话我们这个业务链变短了,以前可能是采集、入库、建模、汇总、展现,那么现在变成了采集入库,然后展现分析,整个业务链变简单但是他的功能反倒变得更强大。

如何获取第一批客户

我们当时的做法是去圈出哪些最有可能是我们的客户的。到底哪些是最有可能是我们的客户。比如我们认为电信行业他的流数据、DPI的数据是非常多的,应该并没有得到很好的处理,比如说像艾瑞咨询这样的企业,他们的全国网民的用户行为数据肯定是很多,那么他的处理到底是什么样子,我们可以和他们去聊一下。本着这样的思路我们大概圈出来十多家客户,我们也没有找到特别多的客户,因为我们认为在我们产品还没有打磨的特别好的时候,我们没有必要去找到一百家、一千家客户去做推广的工作。

最终在跟他们谈的过程当中,我们就告诉他我们有这样一个新的产品,可以帮助你把数据进行更好的分析和处理,在这个之后,他们一般还是蛮感兴趣的,他们就会提出第二个问题,你们的产品既然有这个优势我们可不可以做一些验证,验证对我们来说就是一个很大的进步了,然后就会形成一些实质的商业的采购,发生了实质的商业采购之后,客户往往会对产品和系统的要求会提升上来这其实是很好的一件事情,我们可以更好的去打磨我们的产品和服务。

如何进行产品迭代

比如我们发布出去的一个产品在某些功能上面,你的用户在使用的过程中觉得并没有完全打中他的需求。从这个角度来讲的话,我想可能每个产品在发布的时候都会遇到这样的问题,所以一方面我们会尽快搭建我们的研发系统,让发布变成一个频繁的发布,在每个版本发布的过程中我们尽量把上一个版本,或者上上一个版本中遇到的一些问题把它尽量的改进的更好一些,尽量在事物发展的过程当中去解决问题。

在做产品发布的功能上面我们有一个机制叫定期的客户拜访机制,我们会筛选出那些重要重点的客户,然后对他们进行面对面的拜访,在拜访之前 我们会进行一个Email的沟通,去问询他我们产品和服务哪些地方做的还不错,更重要是哪些地方我们做的有欠缺或者不够好, 这样往往在拜访客户的时候我们会非常有效率。

在拜访完客户我们把相应的资料拿回来以后我们有个产品经理团队,我们会研究哪些客户提出来的意见是跟我们产品相匹配的,我们会把它加入我们的研发计划里面然后去排期,然后哪些跟产品有关联但关联不够重够大,我们可能会采用把它定制的方法或者建议客户采用另外的手段去解决它 。

如何管理一家高速发展的公司

从管理这个角度来看的话 ,首先我们认为招聘是最重要的管理之一, 就是通过招聘寻求到适配的、 同样类似气质的人加入到公司里面是管理的第一要务。我们是没有什么垂直的管理体系的,但是每一个人的驱动都是任务的驱动,每个人要把自己手上的工作做好。

从另外一个方面我们会有一个工作外露的机制,不管是我们的营销系统还是我们的研发系统,我们每个人的工作都是在这种IT技术的帮助下让它变成一个信息足够透明的平台,在这样一个机制下我们每个人都可以学习到别人更好的工作。

比如我们研发人员他们可以相互 review record,可以相互借鉴和学习他们设计的思路,然后我们的测试人员可以看到我们研发人员的工作处于什么阶段,然后相应的去计划他们测试的工作,包括我们的营销系统,我们每个sales都可以看到其他sales的工作以及他们的进展的,也可以看到他们在每一个销售线索上是怎样一个合理或者不合理的处理。他们可以相互借鉴 相互学习通过一种比较严格的招聘,通过任务驱动通过我们的研发系统营销系统的打造,我们构成了一个扁平化的自我管理的公司。

作者:奔波熊  文章来自微信公众号 红沙发RedCouch



楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-5-29 16:07

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表