大數據除應用在我們熟悉的電商平臺之外，它在企業當中的應用也有很多。不同的企業對大數據的平臺的選擇和要求也有著不同。從業務的角度看，企業級大數據平臺功能可細分為查詢檢索、數據挖掘、統計分析、深度分析，其中深度分析分為機器學習和神經網絡。從技術的角度看，企業級大數據平臺功能細分為Batch、SQL、流式處理、machine learning、Deep learning。一些出版社也有運用到大數據。

企業的數據一部分來自于本身的業務數據，比如：MySQL、oracle等，還有一部分是大量的事件。數據源不同，處理的方式也不一樣。傳統的技術手段很難全面覆蓋。采用大數據實時分析平臺，那么，基于日志數據源，就用事件寫入kafka;如果是針對MySQL、oracle等傳統rdbms，就用Sqoop，寫入HDFS里，并建立Hive的集群。還可以存一份數據在云端。有一部分業務就是對數據合并后放入HDFS做大量的業務查詢和業務統計。這時希望用SQL的方式進行查詢，會有很多選項，它選擇的是大數據平臺的Impala等。還有一些流式處理或機器學習可以用到大數據平臺的Spark。

社會文獻出版社就是一個很好的例子。出版社要想在市場競爭中取得一席之地，除了要有一支過硬的內容生產隊伍，還需要人人能用數據說話。所以構建基于出版社的大數據運營體系，勢在必行。社會科學文獻出版社選用了Smartbi，并期望通過Smartbi建立企業的BI平臺來解決如上問題。截至到去年，全社30%的員工成為Smartbi的重度依賴者，可以一天不刷微博，但不能一天不用Smartbi!

對于策劃人員而言，之前在進行選題策劃時，要聽取發行人員的意見，或者隨機發放調查問卷，這種方式會因為發行人員樣本數量太小、主觀性太強、問卷的可靠性低等原因導致調查結果與實際市場需求存在一定偏差。如今利用Smartbi對上游出版社和下游書店以及讀者之間的數據進行分析，在需求最大的區域找出最合適的市場，以及不同個體的實時需求，挑選出社會公眾關注度高的題材，與社交媒體上具有重大影響的公眾人員進行聯合宣傳調查，從而實現精準的題材策劃。

于運營人員而言，曾經天天加班做報表，即使是格式相同的周報、月報，還是需要每一次都進行手工填充。但有了Smartbi，只要用數據處理工具制作一次數據流，并基于該數據流制作一次分析看板，以后的工作量就是點擊一次鼠標，選擇自動更新源數據即可。同時，Smartbi是基于Excel設計的，兼容了絕大部分Excel的能力，他們不再需要懂代碼，只要會Excel就能迅速上手。

除此之外，出版社還可以對收集的用戶性別、年齡、所處位置、消費水平、職業、瀏覽記錄、收藏書單、籍評價等個人信息進行分析，了解讀者的行為習慣，以便迅速地在海量數據之中尋找到不同客戶的需求，從而實現精準營銷。同時，依據目標讀者消費者的喜好，將營銷信息很好地呈現在書籍設計和包裝中，通過各種形式傳達給讀者，做每一位讀者的專屬在線書店。這種量身定制的數字化精準營銷，對書籍的點擊率、瀏覽時長以及購買率有明顯的提升作用。

社會科學文獻出版社對BI的應用逐漸從簡單的工具應用深度融入到業務、管理、財稅等各項活動中。

社會科學文獻出版社做出的這個決定，太正確了。讓數字化運營思路推動數據價值是涌出來的，只有管理層意識到數字化運營管理分析的重要性，讓BI成為工作的一部分才能充分體現數據的價值。經營分析指標體系數據分析從各種維度分析具體指標，需要構建一套完整的指標體系、統一的規則，才能讓各條線共享、認可數據分析的結果。

大數據在各大場景中運用的情況也有很多。對于企業來講，大數據局給他們帶來了極大的便利和技術支持。如運營人員來講，為他們的工作節省了時間，可以加快項目的完成。想要了解更多大數據的信息，請繼續關注中培偉業。