SAS楊玥：大資料變小資料 資料分析層層遞進

11月24日，由ZDNet至頂網主辦，英特爾協辦、VMware和SAS支援的主題為「大資料?政府決策的科學發展觀」的第五屆政務資訊化高峰論壇在昆山舉行。 多位政務資訊化專家、大資料實踐精英及IT界意見領袖出席了會議，並在會上就大資料在政務資訊化中的實際應用等問題進行了深入交流。 其中，SAS政府行業高級經理楊玥從技術和應用各個層面分析資料價值發揮的特點和關鍵點，並總結出了企業在應對大資料時做好資料分析的要素。

資料分析分為兩個階段

大資料時代既有機遇也有挑戰，楊玥認為目前最大的挑戰是資料分析和執行能力的提高速度遠遠跟不上資料發生變化的速度。 而這正是大資料的三個特點所造成的——資料量大、資料增長速度快、資料類型複雜，另外資料存儲成本的逐漸降低也是原因之一。

然而這一挑戰也正是資料採礦技術應運而生的根本原因。 實際上，資料產生價值的過程就是資料採礦分析利用的過程。 資料採礦為企業提供了一個「發現問題，預測未來以及優化業務」的機會，使企業資料得到精細化管理，並輸出決策依據。

做資料分析的過程中要重視兩個階段的轉化，第一階段是商業問題向資料分析問題的轉換，第二階段是資料分析結果向業務解決方案的轉換。 而最終的分析結果主要受到問題的定義因素、變數的選擇因素、模型及參數的調整因素這三者的影響。 分析的過程中，資料將轉變為資訊、知識，最終成為智慧，成為企業無形資產的重要組成部分。

資料採礦技術作為一種特殊的資料分析方法，同樣是面向業務應用的，並以滿足業務需求作為最終目的。 只是沒有明確假設的前提下進行的資料採礦，往往能在「小資料」中得到更多無法預知或違背直覺的資訊或知識。 另外，楊玥還強調資料採礦會更多的受到分析人員相關業務知識、思維模式，以及資料分析服務供應商實力的影響。

分析能力的八個等級

從分析挖掘體系的角度來看，位於應用層之下，資料層之上的分析層，實際上往往容易被人忽略掉其重要性。 對於分析層中經常需要用到的分析方式及能力，楊玥認為可以由低到高分為八個級別：

·常規報表：定期生成，可以反映短期內在某個特定領域的情況，無法用於制定長期決策

·即席查詢：不斷提出問題並尋找答案

·多維分析：通過多層次的鑽取分析來發現問題所在

·警報：記錄問題出現的時間，並當問題再次出現時及時進行通知

·統計分析：在歷史資料中進行統計並總結規律，其中包括一些比較複雜的分析

·預報：準確預報市場需求，應用範圍廣

·預測型建模：在龐大的客戶群中，通過預測不同需求客戶的不同反應，而對客戶進行劃分

·優化：根據現有資源與需求，找到實現目標的最佳方式

對於這八種分析能力，楊玥表示目前大多數客戶仍然只具備前四種分析能力，這也是傳統商業智慧的主要功能。 他們通過把歷史資料匯總產生報表，來分析過去發生了什麼，但是卻缺少對未來的前瞻能力。 如果企業將面對複雜的業務問題，或者希望能夠預測未來趨勢，就需要具備後四種深入的資料分析與挖掘能力，以創造新的資料價值。 而真正的最佳方案是綜合運用所有的分析能力，讓商業智慧達到最高水準。

高效能資料分析平臺提升客戶體驗

在資料採礦實際應用方面，SAS建立了一套完整的包括定義業務問題、系統內容評估、資料準備等環節在內的資料採礦專案方法論模型。 楊玥表示，方法論模型的實施，分析人員、組織機構與體制的配合是重點。 需求通常來自于營業單位，但實際上體制問題有時候往往容易成為資訊化的障礙，因此組織機構的革新與體制的完善成為關鍵。

關於資料分析挖掘解決方案，SAS也帶來了一個金融行業的案例。 某信用卡發卡銀行面臨資料帶來的眾多問題，以至於在行銷策略的制定上出現困難。 受資料量的限制，他們只能通過交易網點統計資料，舊系統日常分析報告更新時間過長，同時靜態報告資訊覆蓋面不足，導致客戶服務部門無法捕捉到使用者資訊，產品部門也無法根據使用者行為資料定制產品方案。

然而在引入高效能資料分析平臺之後，通過對單一使用者的刷卡交易、收入變化、負面回饋等一系列資訊的追蹤與挖掘，銀行得以能夠對不同的使用者進行精准的即時定位，並有針對性的對使用者需求作出即時回應， 從而將該銀行的客戶服務水準提升了一個等級，充分體現了深入資料採礦與商業智慧最佳化的優勢。

從認識重要性，到「大資料」變「小資料」，從綜合建設分析層的八個能力到各類分析技術方法掌握，SAS所呈現的一套理念就是在大資料時代，企業要做的不是大而全，而是以小成就大，以細節成就全, 將大資料轉化為真正有業務價值的大智慧。

(責任編輯：蒙遺善)