很久很久以前，認真處理資料並對其進行分析是決定企業生死的關鍵要素。然而現在，情況卻已經變了。
通常來說，分析技術會對運營提供支援、推動流程的進行並對決策進行輔助。分析生成的報告能夠幫助企業追蹤銷售表現、流失規模等等資料。對戰略和戰術的評估與調整對於幫助企業按照計畫方向的發展來說非常關鍵。
但麻煩的是這些分析都是些「事後諸葛亮」，分析模型只能告訴我們過去的一段時間裡都發生了什麼，我們只能利用歷史表現的報告作為決策制定的基礎，由此決定未來的規劃與投資。
這種方法在相對穩定的市場中是行得通的。但我們現在所處的世界裡充滿了未知與變化，企業間差異化(甚至決定企業生存)的關鍵還需著眼未來——嘗試去**未來的情景，做出能夠帶來穩定發展未來的決策、為計畫上線的活動做足準備、在必要時進行重新調整。
摘掉有色眼鏡
資料的質量決定著**的質量：基於傳統的交易資料來源，我們只能做出有限的**;但如果擁有除了交易資料以外的所有資料呢?例如如果有了客戶流失資料，我們就能建立模型，**客戶隨著時間推移將會產生的消費，了解客戶的消費額是否出現了下滑或波動、了解他們目前持有多少產品。但在整個消費過程中，我們對客戶互動與行為的了解還很匱乏，什麼時候客戶會打**給呼叫中心或產生負面評價、客戶是否會在下單前需要輾轉數個平台才能完成交易……這些客戶與**的互動行為能夠展現更突出的圖景，它們比許多傳統的客戶資料更有資訊量。
在具體情景中運用分析技術
那麼問題就在於我們應該如何利用這些互動資料?這些資料的格式、種類五花八門、複雜程度高低不齊，一刀切地利用同一種分析技術是再也行不通的。
為了有效利用起呼叫中心記錄資料，我們必須具有文字分析和語義提取技術;為了以數位化的形式解讀客戶旅程，我們必須具有路徑分析技術;再利用歸因策略進一步分析消費者在不同渠道間的切換。此外，圖譜分析技術還能幫助我們了解消費者是否會被其社交網路中的其他家人或朋友所影響。
這一系列的分析技術能為我們提供有關客戶行為和互動的新一組變數，這些資料最終都會流到**模型中。現在，我們的模型已經了解了客戶會被何種因素影響、客戶的感受、舉動及客戶對品牌的體驗如何。這樣一來我們也就脫離了描述性的客戶檢視，而轉向了情景式的客戶洞察。
分析型的變革者
在進行分析技術和模型優化時，我們採取的傳統方式通常是針對投入變數進行一次次小規模、逐漸累積的變化。這種方式能夠帶來的進步和改善過程是非常緩慢的，所以我們希望通過投入新的知識和分析技術改變這種局面。
多型別分析能夠幫助我們從新型資料和傳統資料中共同提取價值，加強我們對客戶、產品、互動行為及其他關鍵事件的了解;相應地提公升分析技術的成熟度，基於更廣泛的資料帶來更令人信服、更給力的分析結果。
駕馭多型別分析拓展更大價值空間
我們發現如今沒有一種很強大的單一產品可以把全部的資料分析技術覆蓋，所以現在一些資料分析越來越多是通過多種技術融合的方式來解決。teradata天睿公司首席分析官bill franks說。teradata天睿公司首席分析官bill franks 著有兩本書的bill可以說是分析界的領軍人物，2013年...
如何才能在大資料中獲取價值
從資料中獲取價值都是乙個挑戰，不管你所在的行業和企業規模如何。然而，在早期階段，這一挑戰與可用資料量沒多大關係。如果對資料處理過程和資料值提取的結構設計不合理，那麼至少按照現在的標準，企業有資料和沒資料幾乎沒有任何差別。有很多因素顯示你的企業已經準備好從小資料的價值獲取發展到大資料規模的價值獲取，以...
為何企業無法從資料科學中真正獲得價值？
當今企業擁有越來越多的資料，但這些資料並沒有完全被轉化成可操作的資訊。在過去的幾年裡，我和我的mit調查小組一直在尋找乙個基本問題的答案 如何讓企業通過機器學習，將蘊藏於其資料儲存內的潛能全部釋放出來。當今企業擁有越來越多的資料，但這些資料並沒有完全被轉化成可操作的資訊。在過去的幾年裡，我和我的mi...