差旅管理大数据应用现状及建议分析

因为“大数据，对许多企业来说，这是一个等不及的东西”：中石化的数据仓库也好，优酷土豆的视频推荐大数据分析也罢，他们都需要利用先进的技术为企业的业务运营进行大数据的存储、处理和分析，他们希望合作伙伴也好、IT供应商也罢，抑或是上游的芯片厂商，都能够在大数据技术发展的早期，就能够开始积极投入和尝试利用，或是能够与他们达成非常深厚的长期合作，从而更好地建设企业的大数据平台。

「数据分析师」这个职位，不同的公司，不同的行业，对于它的理解，以及它覆盖的工作范围不太一样。在有些传统行业，数据分析师工作重点是「做行业报告」等；在阿里巴巴等大型互联网公司，职位区分比较明确，数据分析师大部分时间只做产品和运营的分析工作，至于「基础数据处理」、「搭建数据产品」等等不涉及；在创业公司等相对小型公司，「数据分析师」要干的活可能要不仅仅是「产品和运营分析」，「基础数据采集和处理」，「数据产品搭建」都属于「数据分析师」的工作范围。

一些比较直接的应用已经被很多大企业所采纳，比如公司全年的航空机票花销与2012年同期的比较，或者是与同期市场平均价格的比较，以此来判断公司差旅政策是否有效；而通过数据分析可以发现公司最常用的10条航线，在这些航线上会跟航空公司进行价格谈判，或者是保证高峰期预留一些位置。

差旅管理大数据：数据分析是为了解决问题而去分析，不是单纯为分析而分析。数据分析是有目的性的。比如：一季度ABC产品的销售情况，是按月份为横坐标建立各部门的图表;各产品线ABC在一季度的销售情况，是按部门为横坐标建立对应的图表。

差旅管理大数据：每个人都离不开社会离不开这种大的经济环境，我们现在最关注的可能是未来得房价会不会跌、跌多少，我们的金融资产受到的冲击是多少，这就是经济环境的风险。通常我们认为经济环境的风险从金融大数据的角度来说更加注重从微观的数据整合到宏观的维度，它的准确度会非常高。在宏观经济领域，像穆迪、标普这种征信公司和很多其它金融机构都会联手做很多事情，比如说金融危机的时候美国经济机构做了很多宏观经济指数，这能够有指导性的作用，这也是金融大数据领域一个非常重要的应用。

差旅管理大数据：总结来说，金融大数据工程师，只是一个工程师还是远远不够的。他首先要对金融有所了解，其次要分析数据背后的本质，哪里风险高，哪里风控做的不好，最后形成决策。举例来说，中等风险的人群实际上是很能盈利的人群，因为他有一点风险，但又不是太高。那么这些人的风险如何管理，如何定价就是金融大数据工程师要做的。数据清理、分析你发现了什么、总结出什么规律、这个规律怎么提升、怎么样迭代，这是数据工程师最重要的五个核心。此外数据工程师还需要艺术思维和匠人精神，要科学性和艺术性相结合。

差旅管理大数据分析：金融大数据工程师，只是一个工程师还是远远不够的。他首先要对金融有所了解，其次要分析数据背后的本质，哪里风险高，哪里风控做的不好，最后形成决策。举例来说，中等风险的人群实际上是很能盈利的人群，因为他有一点风险，但又不是太高。那么这些人的风险如何管理，如何定价就是金融大数据工程师要做的。数据清理、分析你发现了什么、总结出什么规律、这个规律怎么提升、怎么样迭代，这是数据工程师最重要的五个核心。此外数据工程师还需要艺术思维和匠人精神，要科学性和艺术性相结合。

差旅管理大数据：如果把数据分析细化，就会发现其中更大的价值所在，比如公司可以通过大客户协议与航空公司在某条航线上争取低价，但或许在其他的航线上被航空公司抬高了价格，而通过全球化航线数据的集中呈现，能够让管理者看到一个更全面的企业差旅图谱，使其做出整体成本的优化方案，而不会局限于某一条航线。

大数据分析技术的价值在企业领域已经非常明确。充分利用良好信息的能力一直是摆在IT部门面前的重要难题与挑战。现在我们已经拥有了足以解决这一难题的工具，接下来要做的就是想办法使其为自己服务了。方方面面的发展改进已经让从半结构化数据中获取有价值信息成为可能。