产品需求与商业分析BA方法

着眼于真正的问题，解决方案才会有更大的生存和成长机会。我应该做的：研究现实世界，倾听人们的问题，并挖掘它们的背后。然后，在编写太多代码行之前找到验证我的解决方案的方法。如果过多地关注工程，则可能忽视更多地专注于识别问题和迭代地制定解决方案。编

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

这是一本非凡的书籍《加速专业知识

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

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

企业家不能非理性地执着于创新，当然在某些情况下是绝对需要新鲜的想法，但如果对原创性产生依恋，或厌恶拷贝他人开创性想法，也会导致成功的重大延迟（甚至失败）。此外，一次性做好几件事总是比做好一件事困难得多。因此，企业家应该努力弄清楚交付给客户的整体解决方案的哪些方面需要独创性，而其他一切

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

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

Eric Evans在 2000 年代初撰写领域驱动

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

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