听说这个组合打法节省了电商行业数据分析师70%的时间

每年大促活动当日,对于各大电商平台来说都是一次考验,即使是某宝也常常出现服务器错误的情况,这对于用户来说,当然是非常不好的购物体验。而对于提升用户购物体验来说,涉及到的层面很多,其中至关重要的一点就是数据。大数据杀熟最近被讨论的比较多,这也是利用数据的价值来为商业提供进一步的价值加成。

回到电商行业,不同类型和来源的数据,不仅可以为电商的各个环节提供决策依据,还可以为用户带来人工智能驱动的数字化购物体验。比如商品数据可以统计实时的热线商品和类目,进而帮助优化推送展示;客户获取和留存数据可以帮助运营人员分析客户所处的生命周期阶段等。


针对来源广泛的数据,分析与处理非常重要。在传统的数据分析流程中,需要 ETL 团队针对源数据进行转换处理、存储到数据仓库,之后再对数据做关联运算以产生业务报表。其中数据仓库的维护管理非常复杂,通常需要 DBA 团队进行专门负责。接下来再由 BI 团队提取数仓中的计算结果进行进一步的商业分析以展现其商业价值。

数据处理最终的理想结果是可以基于数据快速准确的进行决策,不仅可以了解当前的结果是什么,还可以分析为什么会出现这样的结果。比如,某月销售额出现下滑,运营人员可以根据数据分析的最终呈现出现进一步分析出现下滑的原因,如是商品竞争力下降了还是物流环节有待完善。


但是由于这些流程的复杂性,我们可能很难及时的获取到这些理由的结果,往往只能看到类似销售额下降这样的结果而不知道是因为什么。即,传统的数据解决方案难以以经济高效的方式提供可行的实时分析结果。这也势必会给决策分析带来不利影响。事实上,传统的数据解决方案面临着三个挑战:

  • 由于数据量的爆发式增长与数据分布在不同的环境中导致诸如销售数据、商品数据、运营数据等数据都在孤立的不断增长,随之而来的难点是没有办法将这些数据进行有效的整合;
  • 缺乏分析和 AI / ML 解决方案 ,很难基于历史数值来为将来的需要提供有力信息;
  • 在 BI 方面,没有办法很好的满足现代化商业分析的需求,导致团队可能很难及时做出决策满足客户的期望目标,从而造成客户的流失。

利用 Google Cloud 构建下一代智能分析平台

Google Cloud 的商业智能分析平台(Smart Analytics)主要采用的是无服务器架构的数据仓库 —BigQuery 与现代化的 BI 工具 — Looker。无服务器架构的好处在于可以免除重量级的维护搭建成本,并且方便整合各方面的数据,打破数据孤岛。Looker 则可以构建以客户为中心的可行性数据洞察入口,其中预定义的大量的电商行业模板可以满足大部分的常见场景的数据分析需求。

通过 BigQuery 与 Looker 的组合打造出的智能分析平台,可以让用户用过一体化平台进行数据管理与结果分析。


建立和实施可直接在BigQuery中为零售用例提供支持的解决方案

BigQuery 是 Google Cloud 生态中十分重要的一款数仓产品,其主要特性主要有以下几个方面:

  • 支持流式数据实时插入,便于对流式数据进行实时洞察。
  • 具备 PB 级数据的搜索查询能力,并且完全托管无服务器。其查询性能根据用户发出的查询请求进行动态分配。比如当前端用户发出一个数据报表的查询请求时,BigQuery 会动态的计算该请求需要多大的并行度才能最快的返回运算结果。相较于传统的自建的数据仓库,BigQuery 的并发能力非常强大,且无需维护管理人员进行优化操作。基于该特性,用户可以获得极致的数据查询体验。这也是第一点所说的流式数据的实时洞察能力的支撑;
  • 支持在内存中运行 BI 引擎,该项功能可以进一步让查询能力在本来的基础之上获得十倍以上的性能提升。
  • 内置 ML 能力,允许用户可以通过 SQL 创建模型,实现数据预测。
  • 数据安全,当企业想要成为一个数据驱动型的企业时,数据安全至关重要。因此, BigQuery 提供了内置的大规模的数据保护,其中包括静态加密、传输加密与 VPC 服务控制,以及跨区域数据复制。此外还支持HIPPA 和其他法规合规性的行业领先工具技术,来保护和管理 Google Cloud 中的数据;
  • 借助BigQuery Omni拥抱灵活的多云分析解决方案 ,经济高效的打破数据孤岛且无需移动和复制数据。如客户将一些其他来源的数据存在在 AWS 或其他的云上或本地线下机房,通过 BigQuery 的跨越查询能力,可以对这些数据进行获取查询而无需转移。同时还提供了跨越引进的数据体验,可以使用标准 SQL 和 BigQuery 一致的界面,从单个窗格中编写查询并构建 Dashboard。


事实上, BigQuery 的联合查询能力是由 Anthos 提供支持的,这样一个完全托管的基础架构,可以在任何公共云或者客户的本地环境中运行来支持 BigQuery 的跨云查询任务。

BigQuery 可以为业务带来的主要优势如下:

  • 基于 ML 能力,对客户流失和忠诚度进行预测,从而采取先发制人的行动;
  • 利用 ML 能力,处理大规模或半结构化数据;
  • 使用 SQL 构建、测试和定义模型,也就是说只要会写 SQL,就可以进行模型创建、利用模型进行预测。

基于以上优势及 ML 能力,可适用的场景包括需求预测、数字营销、个性化建议等。

以客户为中心创建可行数据洞察

有了 BigQuery 数仓解决数据存放处理问题之后,我们还需要进一步的对数据进行分析。这个时候可以使用 Looker 来进行可行数据洞察的构建。

在整个数据分析的过程中,不同的角色对于数据的需求也不同,比如市场、销售、运营人员所关注的数据维度总是存在差异的,我们如何更快更准的为不同的人员定制相对应的数据报表呢?


在 Looker 中有针对整个电商行业中特定数据源和分析所预先开发的模板,用户可开箱即用。如针对市场细分的报表数据 —— 用户留存、A/B Test 等数据分析模板可供使用。

在数据展示方面, Looker 还预配置了 dashboard 以帮助客户实时了解业务情况,其中包括 KPI 及各项指标完成情况的数据模型报表,商品维度如库存分析、客户细分等类型的数据报表。让用户可以很快的从无到有的实现数据展现的过程。

除了上面的预定义模型外,Looker 还提供了定制化的数据体验。数据体验代表了公司从数据中获取价值的一些方式,可能是希望实时了解的类似绩效各项指标的完成情况。Looker 平台还提供了统一的界面,可以访问最真实、最新版本的数据,然后通过最适合决策人需求的方式共享统一的视图。比如定期的报表类数据,类似周报、月报、季度报,可以通过邮件的形式发送给决策人员。


对于实时的分析数据,我们可以通过dashboard 共享的方式传递给决策人员,让他们可以通过 dashboard 来观察数据的实时变化。


此外,我们还可以利用 Looker 来简化数据分析的整个流程,让组织中除了数据分析之外更多的人受益,加快整个数据分析的过程,比如不用排队等待数据分析师为我们提供数据,对于一些简单的数据可以自助式处理。

图1 demo展示

在完成整个数据分析之后,我们可以直接通过 Looker 来将数据分析的结果应用到整个工作流程中,改善商业决策,如图1 demo 所示,上半部分为一些基础数据,像总销售额、订单数据、商品输出数量,以及用户访问数、转化率等。下半部分则是通过地图的方式将用户的购买行为进行直观的展现。通过不同颜色的区分,我们可以看出哪些地区的用户购买了什么样的产品,哪些地区是目标客户群体,可以通过广告推广来获取更多的用户等。


更好的结合:BigQuery + Looker支持更好的数据体验

如前文所说, BigQuery 可以帮助用户打破数据孤岛,直接进行跨云或跨平台的数据查询,同时在 Google 的整个生态服务中,BigQuery 都可以进行非常棒的数据集成。而 Looker 可以进行数据的治理与控制,二者的结合可以为商业分析提供更好的数据体验,主要从以下几个维度来说:结合互动式的 dashboard 和自主挖掘的现代化智能商业分析平台,具备利用已经生成的数据报表和实时数据的综合分析能力,同时还可以结合 ML/AI 的工作流程、利用高级开发工具实现定制化的应用程序。

下面我们通过一个例子来看如何将数据分析的结果实时应用到下游的工作流程中。

图2

这是一个使用 Looker 进行广告数据分析来帮助用户对买量行为进行决策的例子,在 Looker 中可以实时的展现广告表现行为的好坏,进而决定是加速还是暂停买量。我们之前提到的 Google 生态的数据可以集成到 BigQuery 中,这里的 GoogleAds的数据当然也可以很好的集成,然后在基于 BigQuery 的查询能力与 BI 工具进行数据的分析展示。针对广告的表现行为,用户可以决定下一步的操作,该决定可以通过 Looker 直接下达,就是说我们可以在 Looker 上直接控制需不需要暂停或加速广告的买量。这样就做到了我们所说的数据管理与结论分析的一体化。


总结

电商行业选择 BigQuery + Looker 的产品结合的好处主要是因为以下几个方面:

  • 实时见解,通过整合PB级的所有来源的销售数据来提供可信赖的,近乎实时的零售数据洞察 。
  • 时间价值,利用Looker的现代模型来更快地了解客户行为,从而节省70%的分析师时间 。
  • 易于使用,使用户无需询问分析师即可回答自己的问题,从而实现整个企业中以数据为依据的决策 。

如果大家想要更深层次的了解或试用智能分析平台,可以直接通过下方电话与我们联系或在“阅读原文”中留下您的问题。


想获取更多谷歌云相关资讯及干货内容?

赶紧关注我们吧!点击“阅读原文”留下您的问题

会有专业人员与您联系哦~

📱:18651688484

📫:cloud@webeye.com

返回全部