产品需求与商业分析BA方法

我们是一家小型软件咨询公司，专门从事涉及函数式编程的项目工作。那是 2015 年，我们的一个客户是（实际上仍然是）一家大型汽车连锁店。他们打电话给我们是因为他们的 IT 战略发生了变化：他们经营的商店被分成多条车道，每条车道一次为一辆车提供服务。每条车道的尽头是一个金属达文波特办公桌

这是一本非凡的书籍《加速专业知识

这是国家医保信息业务编码标准，按照“统一分类、统一编码、统一维护、统一发布、统一管理”的总体要求，将医疗保障编码标准统一为新时期医保信息交换的通用语言。搭建统一的动态维护平台，实行“纵向全贯通、横向全覆盖”，形成自上而下的统一标准规范的医保标准规范的编码体系，提升医保业务运行质量和决策管理水

由于多种原因，企业中数据状态混乱，四个方面很突出：跨组织边界的零散所有权和问责制：信息孤岛、筒仓。数据库管理和数据工程等特定功能的集中化，但在整个企业游戏中没有一块完整的皮肤可用技能不平衡——软件开发团队很少将数据视为他们服务的一部分，数据

SAP SuccessFactors利用元数据框架（MDF）对象和业务规则做很多事情。业务规则适用于许多不同的情况，并且有大量关于如何使用它们的文档。不幸的是，这里明显缺乏定制解决方案的指南。如果一个企业必须使用几个相连的业务规则，他们如何从这些规则中实现他们期望的行为？可悲

业务应用程序、数据集成、数据管理、数据仓库和机器学习都有一个通用且必不可少的组件：数据模型。几乎每个关键业务解决方案都基于数据模型。可能是在线交易和销售点、金融、产品和客户管理、商业智能或物联网领域，没有合适的数据模型，商业数据的价值为零！自计算机时代开始以来，数据模型和数据

东南亚最大消费app的商业智能副总裁的BI经验证明：没有业务领域深入挖掘，就得不到大数据分析带来的业绩提升，只会导致大数据杀熟敲诈。上篇点击标题，本文是续篇，有关领域事件的详细设计，没有良好的DDD设计，就没有良好的大数据结果，就没有良好的数据工程，这也是大多数数据分析都是失败的原因

商业智能BI会给你一张大数字表格；数据科学家会给你一个预测模型那么，如果你是这家公司的首席执行官，你宁愿拥有哪一个？你更愿意拥有预测模型。因此，在未来十年或二十年内将发生的事情是，数据科学家将取代商业分析师，成为研究零售数据的人。此外，数据科学家还将做所有这些其他的事情。因此

由 Sisense 委托并由哈里斯民意调查在产品决策者中进行的一项名为 “

如何实现数据驱动？如果不应用上下文、战略和能力方面的知识，您就无法直接从数据跳跃到行动。同一组数据将导致不同的见解：取决于谁在看它，他们在寻找什么，他们能够看到什么，他们想要做什么，以及他们甚至可以想到做什么……两个会计师查看同一组账本有不同理解：他们对背景上下文的了解让他们

大流行推动了美国从服务到商品的需求转变，也改变了消费者购买商品的地点，越来越多的在线。虽然当前的供应链危机具有全球影响，但迄今为止最大的延误发生在美国，原因是港口瓶颈和卡车运输短缺。在港口要提一个集装箱，您需要手工人工预约一个特定的集装箱编号，而港口的工人必须找到那个特定的集

全球

几年前，一位首席数据官CDO问我：“一美元的成本节省与一美元的收入是一样的吗？” 我的回答是响亮的“不”。数据和分析计划必须与业务目标保持一致。如果一家公司处于增长模式，一心想抓住思想和市场份额，洞察团队会优先考虑创收而不是成本节约。在经济低迷时期，当生存模式启动时，优先事项可能会有所不同。

当你看到科技媒体报道的内容，或者顶级科技会议的演讲者，往往是来自Airbnb或Stripe这样高增长的宠儿，或者像FAANGs这样成熟的、高利润的公司，但是剩余的99%的开发人员很重要，因为这些开发人员构建了为我们的生活提供动力的软件：保险、医疗保健、零售和银行业务，大多数公司不是围绕技术建

我们的感官感知到的一切都是数据，尽管它存储在我们颅内潮湿的东西中还有一些不足之处。把它写下来更可靠一点，尤其是当我们在电脑上写下来的时候。当这些笔记组织良好时，我们称它们为数据。 人类的记忆是一个漏桶：当我们记录数据时，我们会对我们丰富感知的现实产生不忠实的破坏，但之后我们可

数据分析，尽管您可能将其称为数据挖掘或描述性统计或探索性数据分析 (EDA) 或商业智能 (BI) 或知识发现 (KD)，具体取决于会话上下文和您在其中闲逛的人群你印象深刻的岁月。这到底是怎么回事？分析是对灵感的追求！领域专业知识很重要，看到分析师进入一个新领域而没有立即询问“我在哪