精华内容
下载资源
问答
  • 故事一:一位在互联网行业做数据库架构多年的同事一起吃饭,问起我现在在说什么,我说自己在做医疗方面数据分析,同事笑,说:你有很多资源啊,只要你能拿到电子病例的数据,就能分析很多东西了……我脸上的微笑表情...
    写在前面
    笔者写这篇文章的初衷源于两个故事:
    故事一:一位在互联网行业做数据库架构多年的同事一起吃饭,问起我现在在说什么,我说自己在做医疗方面数据分析,同事笑,说:你有很多资源啊,只要你能拿到电子病例的数据,就能分析很多东西了……我脸上的微笑表情瞬间僵化!
    故事二:当时为内蒙一个企业做上游原材料供应商的数据管理项目,当时我们拿到的只是该企业小部分供应商的数据,下一阶段计划拿到其全国供应商的相关数据给该企业进行管理支持。有一天,我们的项目负责人很兴奋,高兴地对我说:后面我们拿到所有供应商的数据后,我们做的就是“真正的大数据”了,你要考虑一下后面的大数据分析如何做啊……我脸上的微笑再一次僵化!
    大家觉得以上两个故事如何?我当时内心是有一万头羊驼奔腾而过的~~
    写这篇文章的目的很简单,就是希望向不了解数据分析体系建设的朋友们解释一下:数据分析到底都包括些什么?从完成数据采集到做出数据产品,到底有多远的路程要走?笔者在工作的过程中碰到过很多企业老板、客户以及领导,他们对数据分析的理解之浅薄,让我觉得难以置信。和他们交流之后的感触,促使我写了这篇文章。
    1. 数据分析本身是一个过程
    数据分析是企业的一种能力;数据分析本身是一个过程;数据分析的本质是一种思想。
    数据分析是一个过程——企业利用这一过程将数据中的信息提取出来,进行处理、识别、加工、呈现,最后成为指导企业经营管理的知识和智慧。因而,企业利用这一过程的成熟程度,决定了企业使用数据的有效程度。
    影响这一过程的因素有四个:(如果有不同意见,还请大家补充)
    1、 技术和方法:我们的信息采集技术、数据库架构、数据处理技术、算法、可视化等都会在很大程度上对这一过程产生根本性的限制或改变,这就是为什么分布式存储、运算等技术成熟后,大数据这一概念被热捧的一个原因;
    2、 数据的应用:更准确的说数据应用在一个企业、一个行业甚至全社会中被理解的程度有多深、使用范围有多广,决定了你的数据影响力能够达到的程度;
    3、 商务模式:这是一个当数据能力在市场中体现时才会发挥作用的因素,好的商务模式可以为行业内、跨行业的数据应用、数据产品提供好的商业环境,帮助其成长;而坏的商务模式也可能毁掉一个好的数据产品;
    4、 制度和规则:制度和规则既有国家层面的,例如数据安全保障方面的法规;也有行规、企业内部制度等。这些制度和规则保障了数据能够被人们用在需要且正确的地方,而不是被滥用(某种程度上,制度和规则的缺失也是造成数据安全问题、行业数据标准混乱的主要原因)。
    在我看来,从拿到数据到将数据中的知识提炼成人类的智慧,这是一个很长的过程,有可能一年甚至几年(但是很多人把这个过程想得太短了)。 首先,想要分析数据你要获取数据。获取数据这个过程如果是线上还相对容易,如果是线下就非常复杂,这也是为什么现在实体行业推进“互联网+”如此缓慢的一个原因。 其次,得到数据之后,如何整理才能让数据变成信息,也是个“技术活”。这里涉及到数据的清洗、整理、关联等等问题,最麻烦的还不是做这些工作,而是随着我们对数据认识的加深,这些工作总是不定时地就要返工修缮一遍——这也是没有办法的事情! 再次,数据整理得到的信息是海量的,需要经过加工、提取、抽象等操作,提炼成为各项知识被人脑理解、吸收。这个过程就涉及到各种分析方法的使用,而且这也是个随着对业务认识的加深而逐渐复杂的过程,金融领域的风控模型、宏观经济领域的福利模型等等,都是发展多年并逐步演进的例子。 最后,人们在各个业务领域通过数据得到知识,在很多情况下可以重复应用在不同的领域,并与其他领域的知识相融合,形成新的生产生活方式。每个领域的知识内容如何相互融合,也是一个需要长期实践和探索的过程,“产品”这一概念从诞生到现在的发展过程,就是一个很好的例子。 我把上述过程做了一个简单的比喻帮助大家理解: 采集到的原始数据就像是一个一个的沙砾,在没有任何整合的情况下都是“一堆一堆的”; 数据处理的过程就是把沙堆中的杂质去掉,把每种颜色的沙砾区分开,再通过不同的工艺使其成为不同的砖块; 每个砖块在建造数据大厦的过程中都有不同的用处,我们会按照图纸(就是数据分析体系)将不同的砖块用在适当的建筑位置上; 数据大厦构建完成后,每个房间里面要完成的工作都各不相同,到底如何运用,就要看大厦使用者的安排了~~ 那么,我们就来看看企业到底要做些什么,才能完成从数据采集到智慧积累的这一过程。 2. 企业的数据能力层级 个人认为,企业的数据分析能力层级大概可以分为七级(这里列出七个能力层级是强调底层基础数据采集的意思):基础IT系统的搭建、数据集中与标准化处理、数据报表及可视化的实现、日常产品和运营分析、精细化运营管理的实现、数据产品的输出和变现、数据战略的形成。 个人水平有限,最后的数据战略从没接触过,所以这里不做阐述。
    可能有同行会对这个金字塔的层级不认同,而且大部分专家也认为这几个部分是平级关系,不存在高低关系……我这里这样列出来只是为了说明“要做到每个层级的水平,该层级以下的内容都是支撑这些层级的必要条件”而已,实际中的确是存在诸如“数据产品已经完成上线,但是数据可视化还停留在需要人工完成报表的阶段”这样的情况。(在互联网行业中,往往数据产品是最先出现的,而后才产生数据采集及后续内容,因为有了产品之后才会有业务流程;但是在实体行业中,线下业务流程是已有的,不需要等数据产品产生后才有业务流程,所以二者的数据分析构建过程完全不同。我这里对互联网产品领域不做考虑。) 下面我们就来详细说说每个层级的具体内容。 2.1. 基础IT系统 最底层的”基础IT系统”是一切数据分析的基础,因为它最重要的作用就是完成“数据采集”。 “基础IT系统”,这里主要指的就是我们各个企业在实际生产中使用的软件系统及其配套的硬件设备,如:网络世界中的一串串抓取代码,真实世界中的诸如医院里的医学影像设备和其他传感器、探测器,财务使用的财务管理软件等等,这些系统解决了我们口中的“数据采集”问题,正是因为有了这些基础的IT系统(包括软件和硬件),我们才能将生活中的所有一切数字化、可度量~~
    解决了最基本的“数据采集”问题之后,是不是意味这我们就有数据了呢?NO!从数据采集系统中拿到的信息有这样几个特点:割裂的、碎片化的、无序的,它们必须经过处理之后才能用于使用,因而我们需要进入到下一个阶段“数据集中与标准化”。
    2.2. 数据集中与标准化
    在“数据集中与标准化”这一层级中,我们要实现的是数据的集中管理与相互融合,打破数据壁垒,让数据能够正常地在企业内流动。如果把数据比作企业运营的血液,那么我们要做的就是打通所有的血管,让血液自由地流动。
    因而,这一阶段的工作并不只是“数据集中”和“数据标准化”两件事情,需要做的内容大概包括:(如有缺少的部分还请大家补充)
    1、 数据清理:
    这个步骤解决的问题是将系统采集到的内容转化为人类能够理解的数据内容,主要有两个方面:一是清理原始数据,使之完整、干净无杂质;二是将采集到的一些编码信息转化为人能看懂的文字、数字等数据。
    2、 数据逻辑和数据结构的搭建:
    每个系统中的数据描述的都只是企业业务流程中的一部分,因此梳理业务流程,按照业务流程找到各个系统之间数据的衔接点,从而实现多领域数据的关联。
    第一步,根据业务逻辑,需要将数据分别划分为多少类?每一类的字段、纬度、统计周期等都是什么样的?每一类数据需要多少层汇总?……这些问题首先将数据从采集的清单分离出来,成为一个个数据体系;
    第二步,在考虑数据关联逻辑方面,需要考虑三个方面:
    1) 关联使用的“主键”需要在各个系统中实现统一,即在各个相关的系统中,对于同一内容的同一主键是相同的,例如:在电信系统中,用户ID是个在所有相关系统中可以唯一标识用户的主键,而非手机号码;
    2) 各个系统中数据的时间颗粒度统一才能保证主键关联的有效使用,例如表格A是每日最新数据,表格B是每日数据,则使用时就要在时间上进行限制:表格A中的日期=表格B中最大日期,而且这种情况下,要想查询A表中的历史数据就无法查到;
    3) 各类数据在业务上存在相互制约、相互影响的关系,这种关系也要在多系统的数据关联中体现出来,例如营销活动中的活动商品数量受到库存商品数量的限制,在营销活动执行过程中,每增加一单活动商品销售量,库存商品数就要进行相应的减少,若不做相应的触发变更,多系统数据融合也会意义大减。
    这里我要特别强调一下数据关联的意义。在行业内,我们经常把每一个包含了大量数据、却又与其他系统无任何连通的数据系统称之为“数据孤岛”。在多数实体行业中,一个企业内部也不同程度地存在数据孤岛问题。有些数据孤岛本身因为包含的数据内容较多,足以支撑一定的数据分析应用的建设;但是有些数据孤岛中的数据若想发挥价值,就必须实现与其他系统数据的有效融合使用,即数据关联。 2.3. 数据报表与可视化 解决了数据关联和标准化的问题之后,我们下一步要解决的问题是:如何能让大家看到数据? 最简单直接的方法是“数据报表”。对,就是按照日常业务使用习惯,构建各种表格,在表格中填写大量的数据。有的企业是手工制作报表,有的企业使用IT工具制作报表,有的企业则进入到了数据可视化的阶段,什么方式实现的不重要,重要的是将数据报表做出来呈现给用户进行使用。 数据可视化是随着数据图形化展现技术发展起来的,它的功能不仅仅是展示数据,它还将很多数据分析的方法、维度、样式与基础数据相结合,以更加形象和贴近业务应用场景的方式向用户展示数据要表达的内容或问题。 要实现数据可视化,不是只有可视化工具就可以了,这背后也要求使用者对需要数据展示的业务逻辑、图形效果等内容有深入的理解。
    从“基础IT系统”到“数据报表及可视化”,前三个层级从某些方面而言,都是完成数据分析和数据应用工作的基础。对于一个企业来说,完成这三个层级的方式可以是手工形式的,也可以是本地系统化的,更可以是云端化的,但是无论如何只有在一定程度上具备了上述三个层级的能力,才能说企业具有了使用数据指导运营、决策、管理等进行数据应用的基础。 2.4. 产品与运营分析 在我的理解中,所有的分析都是从日常的产品和运营分析开始的。这一层级的主要作用有三个: 1、解决日常运营和监控需求; 2、深入分析用户、市场、产品; 3、以分析结果指导产品和运营工作。 下面我们分别解释: 产品和运营分析,首先要满足的就是日常数据的监控:高了?低了?为什么高?为什么低?数据的变动能否说明我们的产品和运营在往好的方向变化?如果变化是好的,我们如何继续保持?如果是不好的,那是什么原因造成的?如何改正?——这些是日常数据监控过程中,业务人员最常问的一些问题,解决这些问题是日常分析报告最主要的工作。 其次,当日常分析已经成为例行工作的一部分之后,企业的产品和业务人员就会发现简单的日常分析无法解释很多复杂的现象和问题,这就需要对用户、产品、渠道、市场、需求等等方面进行深入的分析和研究。在这个过程中,很多针对具体业务情况的分析专题和数据模型应运而生,这些专题和模型帮助企业更好地认识我们的市场,扑捉客户和潜在的商机。这其中最具代表性的例子就是“用户画像”(有关用户画像的内容网络上有很多文章,这里不再细说)。 最后,根据日常分析和各种深入分析的结论,我们能知道诸如:这个营业厅发展的用户质量很差,需要核实这些用户行为的真实性;在XX环节中,耗费的人工工时较长,需要看看是改进该环节的人员配置还是存在其他问题……如此种种从数据中反映的问题,最后都会归结为各种管理、运营、营销等方面的问题。如何应用数据结论去解决问题,则需要依靠业务人员的经验了。
    2.5. 精细化运营 在“产品和运营分析”层级中积累的分析思路和分析方法,大多是分散的、点状的。在“精细化运营”这一层级,所有的分析不再相互孤立,而是更多地以一个实际业务场景为基础,在该业务场景下从“如何感知识别”,到“如何筛选用户”,再到“如何营销配合”,从而实现该场景下全部过程的统筹管理。 在这个过程中,数据分析不再只是分析报告、数据图表,它成为人们构建这个流程的一种贯穿始终的思想,流程中的每个环节都会有数据分析甚至数据挖掘的内容存在,以数据的结果驱动产品、渠道、投入资源等等内容的配合,共同构成该业务场景下的完整业务流程。当然,这一流程不能是靠手工来完成,一定是自动化的,人只是这一流程中起决策作用的节点而已。 更有甚者,将多个业务场景下的数据驱动过程进行组合,就形成了诸如“用户生命周期管理”、“会员运营体系”这样的数据应用集合(我这里暂且把它们成为数据应用集合,其实这些内容每个都可以形成一个单独的数据应用产品)。 如果企业中每个领域都能建设起来多个数据应用集合,那么这些集合就基本能够支撑其企业的主要运行管理工作。
    2.6. 数据产品 数据产品在我看来不是企业数据能力建设最终要实现的目标,它只是企业将内部数据价值变现的众多方式中的一种。 实体行业的数据产品很多时候是因为企业内部的数据能力成长到一定阶段,企业某些内部数据及分析方法已经具备了独立变现的条件,因而被企业单独拿出来作为一类产品提供到市场,从而形成我们所理解的数据产品。当然实体行业中出现的数据产品实例并不多(此观点仅是我的理解,如有异议欢迎大家沟通讨论)。
    按照我的理解,企业内部某一数据应用足够成熟的时候,便具备了与其纵向上下游产业链之间及横向市场中其他企业数据相互融合使用的可能。这种纵向、横向的合作可以有很多形式,诸如:以具体数据内容为形式的数据交易,以体系化的分析方法为形式的分析工具,以产业内数据共享为形式的数据联盟等等,甚至当企业数据逐渐得到行业和市场的认可后,跨行业的数据产品交易和数据合作也是可以预见的。 个人认为,无论哪种产品形式,都必然离不开适当的商务模式,而必要的商务模式也是保证数据市场安全、高效运转的必备条件。 写在最后 笔者接触的很多实体行业中的企业,有些可能刚刚完成数据采集和数据中心的建设工作,有些则连数据采集问题都没有解决,层次各有不同。但是在接触这些公司的企业负责人时,每个人都雄心勃勃地说自己的企业要在未来的一两年内做出数据产品,完成数据价值的变现~~而当问到:您知不知道从贵公司现在的数据情况做到数据产品,需要走过多少阶段从而支撑您做成数据产品吗?对方的回答也出奇地相似:所以我们需要找一个懂这方面的人来啊……! 这就是我写这篇文章的初衷~~
    展开全文
  • 掌握前沿科技的大型IT企业在数据的分析和利用上走在了时代的前列。0.澄清基本概念I.大型IT企业:指对外提供IT相关的软硬件产品及服务的公司,员工至少在万人以上。II.数据平台:指大型IT企业用来为自身服务为主,...

    数据时代,数据已经成为战略资源。掌握前沿科技的大型IT企业在数据的分析和利用上走在了时代的前列。


    0.澄清基本概念

    I.大型IT企业:指对外提供IT相关的软硬件产品及服务的公司,员工至少在万人以上。

    II.数据平台:指大型IT企业用来为自身服务为主,担负数据存储、处理、分析业务和软硬件综合。主要针对内部服务,不对外开发。

    III.数据分析:此处的数据分析师广义的,包括一切基于数据得出的insights的行为,包括统计分析、机器学习建模和预测等。

    1. T企业开展对内数据业务的驱动力

    就目前而言,IT企业针对自身的数据分析业务可以分为广告和非广告两类。对大多数企业而言,除了广告之外的数据业务,并不能直接带来可以量化的收入。

    但是,无论当前数据分析的结果为企业的现金流做了多少贡献。数据为王的思想已然占据了众多前沿企业间的头脑。数据是矿山,insights是金子,有了矿山才能有金子,有了矿山,终究会有金子。

    因此,开发数据业务最主要的驱动力,实际是对数据业务未来前景的积极预估。


    2.数据分析平台通用架构

    常见的数据分析平台,至少包括数据存储、处理和分析三个部分。

    2.1数据存储

    数据存储不必解释,是一定必要的。但是如何备份是一个很重要的问题。

    假设:某公司一年产生上千PB的数据。按照单纯数据的存储费用1美元/GB年计算,存1TB一年就是1000美元,一PB就是100万,1000PB就是10亿。如果就是简单的使用hadoop的默认配置,每份数据都存3份,那么,这个实际产生数据x 3的体量将有多大?有将有多大的cost?

    这是存储层的挑战。为了解决这个问题,一方面从硬件层面力图降低存储介质的价格,比如近年来冷存储的提出,就是针对运维费用。另一方面就是寻找备份算法。例如,yahoo专门研发了一种图片存储算法,逻辑上是11个备份,但是size只有原size的1.x倍。

    2.2数据处理

    数据处理传统上叫ETL、EDW,主要指数据的清洗、迁移和格式化。大数据平台,由于应用范畴不同,自然多种多样,源数据包括结构化数据和非结构化数据。但是如果数据真的是“大数据”(符合4V特征)的话,即使本身收集上来的数据是结构化的,也往往需要二次处理,转换format或schema。

    数据处理层所需技术相对简单,然而挑战在于对于数据的理解。如果不知道这个收集上来的log文件里面要提取出多少字段,每个字段对应数据源中的哪个部分,则数据提取完全不能进行。这就要求进行数据处理的人必须同时具备对业务的了解。

    2.3数据分析

    数据分析是数据中寻找价值的关键步骤。数据分析工作本身还处于初级阶段。除了一些简单的统计计算,大多数数据还是只能交给分析人员,进行没有特别针对性的探索,效果难以得到保证。

    对于这些挑战,开展数据业务早的公司,相应的平台和技术是在针对自身业务的过程中慢慢发展起来,部分公司选择是将平台外包或者自己开发针对自身业务的定制功能。相对于前两者,数据分析师一个业务针对性更强的步骤,因此更难采用通用方法或手段解决,更加依赖企业自身的积累。

    3.数据分析平台开源框架

    3.1开源框架

    目前,就国内而言,谈到数据分析相关的开源框架,总不能忽略下面三个:

    hadoop:batch,mapReduce
    storm:streaming
    spark:batch + streaming

    这些开源框架的共同特点是把重点放在并行计算框架上,关注的是job latency, load balance和fault recovery,对于资源分配、用户管理和权限控制几乎不考虑。它们基于的假设是:所有用户都一样,平权,所有用户都能用所有的机器以最快的可能完成所有工作。

    3.2 开源框架的局限

    而在大型企业内部,不同部门,同一部门的不同job,绝对不是平权的。不同部门之间,也有很多私密的数据,不让别人访问。不同用户的权限也是不一样的。对于计算资源的需求,因为不同job的优先级不同,也要求予以区别。

    在这种需求之下,催生了一些第三方,专门提供hadoop等开源框架的资源、权限管理产品或者服务。hadoop在升级到2以后,也考虑一些数据隔离的问题。

    但其力度,恐怕难以满足大多数大型企业的要求。这也是使用开源框架的无奈。使用开源产品的商业发行版,也是一种办法。不过始终是不如企业原生系统在这方面的支持。

    3.3企业原生框架

    确实也有些企业独立开发了全自主(不基于开源产品)的仅限于内部使用的分布式数据处理平台。在用户管理,数据访问权限,存储、运算资源管理等方面很下功夫。

    例如:要求每个用户在提交job前必须先申请token,有多少token,就有多少计算量。不同数据存储路径之间的权限完全单独管理,使用者也要实现申请权限。

    但是开发这样的系统意味着企业必须具备非常强大的研发能力,并能承担得起巨大的人力等资源的消耗。而且相对于开源系统已经实现的功能,难免有重复造轮子之嫌,即使是大型企业,也很少选取这种方案。

    4.大型IT企业数据业务的挑战

    4.1 通用挑战:意识、技术和人才

    4.1.1意识

    意识主要是指决策层的思想意识——数据对于企业发展是否真的必要?这一点在很多管理者脑子里还是存疑的,他们目前所处状态很多是:听说数据这东西有用,人家都在搞,所以我们也要搞,至于是不是真有用,搞出来看看再说。

    如果只是采用游戏或者试探态度,必然影响发展进程。但这也是没办法的事情,所有新事物都必须经历这一过程。

    4.1.2技术

    技术指目前数据分析的技术,基本是采用新框架逆流支持旧接口的策略。曾经有一篇文章,名叫《NoSQL?NO,SQL》,说的就是这个。包括spark回头支持SQL,也是如此。

    明明我们分析的是非结构化数据,但是因为高阶算法的问题,却连mapReduce都放弃了,索性回到SQL时代。为了让更多人用的舒服,不去开发针对非结构化数据的新方法,而是反过来,向下兼容结构化。个人认为这是一种逆流。这样做则永远无法避免巨大的数据处理工作。

    4.1.3人才

    “数据科学家”这个词大家肯定都知道。可是,这个职位其实很模糊,不同公司,甚至同一公司的不同部门之间对这一职位的定义相差甚远。有些数据科学家是学数学的博士,有些是以前做BI的,有些是PM转行的,水平参差不齐。

    所以,恐怕在相当长的时期里,这会是一个门槛低,要求高的职位。很难短时间内批量涌现出优秀者。

    4.2特有挑战:产品align

    产品align是说每个产品的数据分析结果可以互相对比,也就是要求其定义和实现都一致。对于一个产品众多的大企业而言,要求不同产品、流水线的分析报告具有可比性,这是一个很常见的需求。但是由于现在大多数企业中数据分析不是由一个部门统一管理,各个产品部门各自为战,结果导致在align的过程中互相牵制,进而拉低了所有产品的分析水平。

    这样的挑战有赖于企业总体数据策略的制定和执行。而整体策略的制定和执行又有赖于前面所说的三点通用挑战,环环相扣,显然不能一蹴而就。

    5.大企业数据工作的发展趋势

    短期之内,原本基于批处理模式的数据分析工作,随着业务的发展,对于其实时或者准实时(NRT)的需求越来越多。提供latency极短的增量分析和流式服务是众多企业数据分析工作的当务之急。

    从长远考虑,真正拥有数据的是大企业,未来,大企业在数据的分析利用上,也必将全面胜出小企业。

    不过,处于不同成熟阶段的大公司突破点各不同。有些技术先行,在分析方法和工具上成为领军。另一些则倾向数据管理和治理,在管理层面上,在策略、条例的制定上为整个社会提供先进经验。

    Bingdata优网助帮汇聚多平台采集的海量数据,通过大数据技术的分析及预测能力为企业提供智能化的数据分析、运营优化、投放决策、精准营销、竞品分析等整合营销服务。

    北京优网助帮信息技术有限公司(简称优网助帮)是以大数据为基础,并智能应用于整合营销的大数据公司,隶属于亨通集团。Bingdata是其旗下品牌。优网助帮团队主要来自阿里、腾讯、百度、金山、搜狐及移动、电信、联通、华为、爱立信等著名企业的技术大咖,兼有互联网与通信运营商两种基因,为大数据的算法分析提供强大的技术支撑。

    优网助帮公司优势

    ・拥有近千台服务器,每日数十亿次运算请求

    ・设有超过3万个用户标签

    ・汇聚全国6亿活跃的用户数据

    ・来自BAT一线技术工程师组成的技术算法团队

    优网助帮产品

    ▪DMarket超级数据市场

    DMarket超级数据市场深度挖掘和分析用户数据,实现跨平台的数据打通,帮助客户实现精细化营销,拥有6亿活跃独立用户的完整ID,结合多重维度和核心算法所建立的精准用户画像的数据超级市场。

    DMarket超级数据市场主要的功能

    l 对客户制定精准标签,获取精准客户。

    通过ID MAPING匹配,唤醒沉默用户。

    l 完善用户画像,定向输出数据或报告。

    ▪TalkVIP精准外呼平台

    TalkVIP基于移动互联网大数据,通过智能算法高效获取销售线索。

    Talkvip精准外呼平台的主要功能

    运用AI算法集群运算,有效筛选和锁定目标人群。

    l 可以通过电话和短信触达客户,并进行保密。

    l CRM管理功能有效管理企业数据,分析数据,最大化提高数据价值。

    l 全过程录音跟踪,可以考核电销人员工作量,话术水平。

    ▪ See广告精准投放平台

    See广告精准投放平台通过洞察用户需求,实现个性化、差异化、精准化的营销宣传服务,通过原生广告、信息流、视频广告等多种广告形式,大幅提升广告投放效率。

    See广告精准投放平台的主要功能

    l 通过数据分析进行精准客户刷选

    l 一对一个性化沟通传播体系

    l 整合全媒体网状传播

    ▪ Insight行业分析平台

    Insight拥有丰富数据量的APP行业分析平台,帮助从业者更好的决策产品方向、营销策略和投资决策等。

    Insight行业分析平台的主要功能

    l 海量数据的处理分析,为客户提供行业市场研究。

    l 提取运营指标,提供各项指标分析及科学的行业报告。

    ▪ LinkUser虚拟商品城

    LinkUser虚拟商品城是通过提供虚拟商品丰富合作伙伴的积分平台,提升用户活跃度。

    LinkUser虚拟商品城的主要功能

    l 通过灵活快捷的兑换方式,增加用户产品粘性。

    l 用户可以通过积分兑换虚拟商品,促进用户量提升。

     

     

    展开全文
  • 企业使用用私有PaaS,解决信息孤岛、主数据一致性问题。这是SaaS及其向PaaS延伸也很难解决的短板。也可以充分利旧设备,使用分布式,避开云资源集中的资源限制。BPaaS是企业Private PaaS最佳实践。

    1. 云计算发展概述

      云计算的发展[2],追根溯源是从并行计算、分布式计算、网格计算、虚拟化、SaaS、SOA 等技术混合演进的结果。
      
      1959年6月,ChristopherStrachey 发表虚拟化论文,虚拟化是今天云计算基础架构的基石。
      1996年,网格计算Globus 开源网格平台起步,网格计算是聚合分散资源,支持大型集中式应用,从技术层面面向科研计算。
      2000年,SaaS 兴起。
      2004年,Google 发布MapReduce 论文。Hadoop 就是Google 集群系统的一个开源项目总称,主要由HDFS、MapReduce 和Hbase 组成。
      2007年11月,IBM 首次发布云计算商业解决方案,云计算是以相对集中的资源,运行分散的应用,主要是针对企业商业应用,商业模式比较清晰。
       2008年12月,Gartner 披露十大数据中心突破性技术,虚拟化和云计算上榜。

      云计算的提出,引发了新的技术变革和新的IT 服务模式。2007 年以来,云计算成为IT 领域最令人关注的话题之一,也是当前大型企业、互联网的IT 建设正在考虑和投入的重要领域。
      
      十年前的企业IT环境,是一个相当稳定的格局。国外IBM、EMC、Cisco、Intel等大厂牢牢地占据了企业IT的硬件基础设施提供者的龙头位置;在传统企业中间件领域,国外各个大厂通过收购及产品方案组合,将Total Solution完全把握在手里。

      以IBM为例[1],IBM作为企业IT的实际领导者,通过对“五朵金花”的收购以及后期对于HPC和Big Data领域的收购,构成了自己软件服务部SWG的基本格局,将Web中间件(WebSphere)、数据库服务(DB2)、办公软件(Lotus)、IT流程(Tivoli)、和企业软件开发能力(Rational),还有后期对Platform Computing的收购,有机地通过技术服务(GTS)和业务咨询(GBS)整合打包在一起,将完整的方法论和企业IT模型灌输给企业IT的实践者们。
      
      今天,云计算已经落地开花,自从AWS(Amazon Web Service) 于 2006 年 3 月 14 日 发布Amazon S3,云计算改变了企业对数据的存储、处理和分析的过程,开启了云计算时代的到来,形成了极其火爆的技术生态圈,受到非常广泛的应用。
      
      大中型企业是怎么样引入云计算的呢?
      
      企业的IT建设过程,以当前电信行业的基准来衡量,主要有五个阶段:一是企业业务信息化(网络化)、二是大集中(面向标准化组件)、三是虚拟化(面向资源)、四是云计算(面向服务)、五是数据中心化。
    这里写图片描述
      1997年,电信行业开始97工程,步入企业信息化网络时代,同期电力行业营销计费也开始网络化;2001年开始,电信行业和电力行业又步入集中化升级;2008年开始全面企业信息化;不久,虚拟化、云计算、数据中心化等三个阶段,技术上虽然有一定先后,但是对于企业来说,几乎是同时进行的。

      现在,再回顾2012年Gartner在云计算技术成熟度周期情况:
    这里写图片描述

      一个完整的技术成熟周期包括:
       ●技术萌芽期(technology trigger)
       ●期望膨胀期(Peak of Inflated Expectations)
       ●泡沫化的谷底期 (Through of Disillusionment)
       ●稳步爬升的光明期 (Slope of Enlightement)
       ●实质生产的高峰期 (Plateau of Productivity)

      对于云计算技术的发展,Gartner于2012年给出其技术生命周期中,SaaS已经处在稳步爬升期,IaaS已经走出泡沫化的谷底期,PaaS、aPaaS(Application PaaS)、私有云处在期望膨胀期,BPaaS和Private PaaS(Private Platform as a Service)处在技术萌芽期。

      在2015年云计算细分市场中,SaaS 规模仍然最大,IaaS 市场增长最快。SaaS 市场规模是IaaS 和PaaS 市场规模总和的一倍还多;但从年增长率来看则分别为45.2%、28.8%和24.4%,IaaS 和PaaS 的市场规模增速都超过SaaS,预计未来几年这种情况还将延续。

    这里写图片描述

    2. 云计算模型

      
      对于云计算的分类,目前比较统一的方式是从以下两个维度进行划分。

    2.1. 按服务的层次

    1. SaaS
        SaaS是Software-as-a-service(软件即服务)的简称,可以说在云计算概念出现之前,2000年就已经有了,而随着云计算技术的发展而得到了更好的支撑。常用的有CRM,HRM,协同OA,ERP,云存储等等,厂商也很多,例如阿里云(钉钉)、金蝶、八百客、神码中小企业公共云等等。
        SaaS不是云计算,SaaS是云计算上的应用表现,云计算将弱化SaaS门槛,促进SaaS发展。根据SaaS应用是否具有可配置性,高性能,可伸缩性的特性,SaaS成熟度模型被分成四级。
        这里写图片描述
        Level3,提供了多租户单实例(Multi-Tenant)的应用架构,才是通常真正意义上的SaaS应用架构;
        Level4,可伸缩架构,提供多租户多实例(Multi-Tenant MultiInstance
      )。
        为了打破信息孤岛,一些SaaS公司想到了PaaS,他们切入PaaS的核心逻辑是,我来做平台,由我制定游戏规则,那么各类SaaS产品之间的信息流就能打通了。
        比如智慧园区、智慧城市使用了大量的SaaS服务,在没有PaaS的情况下,势必产生许多信息孤岛,给智慧园区的数据共享管理带来数据整合的难度。

    2. PaaS
        PaaS是Platform-as-a-Service(平台即服务)的简称,是把计算环境、开发环境等平台作为一种服务提供的商业模式。典型的如国外的 AWS、谷歌App Engine PaaS 和 Windows Azure 和国内的百度 BAE、新浪 SAE、京东云擎 JAE、以及阿里云。IBM 私有云方案,由 TSAM 和 Websphere Pure application 这种厚重的企业软件构成。

        (1)aPaaS
         Application PaaS(aPaaS)应用平台服务是指用来托管与管理每一个应用程序服务和数据的平台。服务功能包括:为多租户应用软件运行优化的容器服务、持久性和内存数据管理、同类环境下服务的独立管理与独立安全、多语言开发工具、编程模型、内部编配与编排、元数据管理和以计费与优化为目的监控。
        (2)iPaaS
        Integration PaaS (iPaaS)集成平台服务是指用来中介和集成aPaaS所托管与独立管理的应用服务的平台。服务功能包括多种可应用于异构分布部署服务环境的中介功能, 包括:注册和存储、策略管理、安全、应用和数据的集成、适配器、编排、编配、流程管理、合作伙伴社区管理、事件代理等等。集成平台既服务可以用来支持SaaS应用程序、云服务、基于aPaaS的应用程序之间以及在用户自己环境里的定制/套装应用程序与B2B集成等场景的集成。

        目前市面上有很多PaaS平台,我[9]自己认为可以分为3个阶段:
         ● 第一代PaaS,比如Google App Engine、SAE,这是最早期的PaaS,当时并没有PaaS这个概念,但是他们做的事情,现在看来是包含在PaaS范围内的。
         ● 第二代PaaS,比如 Cloud Foundry、OpenShift。这是各大IaaS流行之后,顺势推出的PaaS, 并且迅速发展。
         ● 第三代PaaS,比如Kubernetes。这是在Docker火爆之后,利用Docker的特性构建出许多PaaS,

    3. IaaS
        IaaS是Infrastructure-as-a-Service(基础设施即服务)的简称,是把数据中心、基础设施硬件资源通过Web分配给用户使用的商业模式。IaaS服务很好地实现了云计算按需付费的理念,例如亚马逊Elastic Compute Cloud,以及国内的阿里、腾讯、华为云。
        传统的IaaS解决的是硬件基础设施的合理使用,例如VMware只是一种降低传统IT成本的手段,降低设备的投资和运维费用,不是用来解决信息孤岛和流程穿透的。
        
        按层次来分,传统的模式就是IaaS、PaaS、SaaS,如下图所示,但是,各个层次之间没有依赖关系,也就是说PaaS层可以独立存在。
      这里写图片描述
        层次化的云计算一般各层可独立提供云服务,下一层的架构也可以为上一层云计算提供支撑。
        

    2.2. 按云的归属

      按使用范围分类,主要分为公有云、私有云和混合云。

       ● 公有云一般属ISP 构建,面向公众、企业提供公共服务,由ISP 运营;
       ● 私有云是指由企业自身构建的为内部提供云服务;
       ● 混合云是指当企业既有私有云,同时又采用公共云计算服务,这两种云之间形成一种内外数据相互流动的形态,便是混合云的模式。

      云计算市场快速增长,主要体现在公有云上,那么私有云是什么情况呢?

    3. 私有云及其Private PaaS

      从云计算技术成熟度周期来分析,在大数据和公有云的冲击下,企业私有云发展转化到大数据能力平台和BPaaS,例如大数据更倾向使用物理机,而不是IaaS,也只有大中型企业需要建设企业私有云。

      推广私有云的公司,基本都源于早期的IT技术服务公司,比如在国内的华为、浪潮、和曙光,以及本地化的各个外企,比如IBM和HP。私有云作为IT重构的一个主要方向,衍生出了软件定义环境(SDE)的概念,将软件和硬件进行解耦,将应用和软件功能模块解耦、将服务和软件应用解耦。
      
    这里写图片描述

      对于云计算技术的发展到2015年,Gartner给出其技术生命周期中,SaaS、IaaS已经处在稳步爬升期,PaaS、aPaaS(Application PaaS)、私有云处在泡沫化的谷底期,期望膨胀期,BPaaS和Private PaaS(Private Platform as a Service)、iPaaS处在期望膨胀期。

    3.1. BPaaS

      业务流程即服务(BPaaS):是一个按预定步骤完成一个交付到云平台上的业务任务的过程。业务流程即服务功能往往是建立在其他云IaaS和PaaS功能之上。

      领先的BPaaS供应商包括Cordys、Accenture、Cognizant、GenpactSungard Financial Systems、Tata Consultancy Services和Wipro。BPaaS在企业服务中被广泛接受。
      
    这里写图片描述

      从云的层次来看,BPaaS是构建在PaaS上,在PaaS上提供BPM服务,以及便于云落地的云市场和应用。目的是便于企业云落实实施,避开传统复杂的云,也可以理解为轻量级的企业PaaS平台,集成搭载常用的BPM、MDM(主数据管理)等。
      

    3.2. 私有(Private)PaaS

      私有是相对公有而说的,私有PaaS首先是企业级PaaS,具有PaaS所有特性,云的归属为企业私有,有针对性的为企业信息化及企业架构服务。
    这里写图片描述

      对于常规的PaaS平台我们更加关注的是数据库,应用中间件和Runtime的管理和云化;
      而对于私有云的PaaS平台则在数据库层面增加了DaaS服务层的考虑,在应用中间件之上增加了技术平台和业务平台的构建,对于企业内的大量业务系统和模块组件,需要进一步考虑集成能力和服务共享。
      按道理PaaS平台不用关心到具体的应用和数据,而对于私有云PaaS平台往往会对应用和数据进行一定程度的强约束和要求,如应用架构,数据架构设计,应用本身的技术架构和分层,应用内的业务模块组件化要求等。
      

    对于私有PaaS平台使用者需要关心 对于PaaS平台的管理方需要关心
    支持的编程语言、web服务器或者应用服务器 统计报表
    支持的数据库软件类型 监控报警
    支持的数据库模式,cluster还是主从 面向应用的监控
    数据库主从分离是否透明 如何给开发人员提供一致的开发环境
    支持的文件存储类型,如何操作 如何给测试人员提供一致的测试环境
    其它类型服务,如何访问?是否有SDK或API文档 容量管理,如何增减节点
    如何部署应用 数据保障,备份管理和灾备管理
    代码目录路径和布局的规范 消息发布管理,如平台对某个软件进行升级的通知
    名字服务,代码如何访问这些服务(connect),是通过环境变量,还是通过域名,或者通过封装的类或者库,还是通过kv名字服务的查询获取? 工单管理,处理使用方提出的疑问

    3.3. BPaaS是企业私有云最佳实践

      Cantara研究的副总裁Michele Gartner提到[8],SaaS和BPaaS通常建立在PaaS功能之上。有时SaaS是一个明确的服务层,并且,SaaS服务层直接被嵌入到BPaaS产品中。有了BPaaS,你更关注业务成果,包括访问应用程序和可用性,还包括客户应用程序正确处理的数量,以及客户主板的数量。Garnter关于云计算市场的预测来看,更靠近业务层BPaaS市场空间更大。
    这里写图片描述
    数据来源:Gartner(2016.1)

      BPaaS有可能使组织能够采用更少的编码创建应用程序, BP Logix(一个BPM工具厂商和BPaaS服务提供商)业务解决方案的副总裁Scott Menter表示,“企业架构师终于开始认识到,BPM不仅仅是一个技术,自动化业务流程,更是一种彻底改变发展的方式。”

      本文作者于2015年,基于BPaaS产品OpenText Cordys BOP,完成一套企业私有云PaaS的建设。

    名称 类型 描述 备注
    PaaS平台 产品 OpenText Cordys BOP 4 搭建在Linux环境上
    SOA 技术 面向服务 由平台SOA Grid提供ESB
    Web服务 产品 Apache HTTP 平台内部集成
    开发语言 技术 Java和JavaScript JQuery
    关系型数据库 产品 Oracle、MySQL
    文档型数据库 产品 MongoDB 开源免费
    目录服务 产品 OpenLDap 平台内部集成【注:前台通过Webservice使用】
    客户端组件 组件 BootStrup 开源免费,HTML5+CSS+JQuery
    接口规范 技术 Soap Webservice 通过XML传递JSON数据
    其他 技术 XML、JSON、HTML、CSS 解析XML、Document【注:支持HTML5】

      
      本案例解决现有流程各自独立、分割,各部门按自身业务需要建立应用系统,数据自采自用,缺乏统一规划与标准,形成大量纵强横弱的“信息孤岛”与“烟囱系统”,信息资源不能共享问题,实现了流程穿透、信息共享的需求。
    这里写图片描述
      云行业多年的经验积累使得PaaS层面的技术有了长足的发展和提升。但不管是提供各种数据库服务还是企业中间件服务,都是为了让开发者能更快、更方便的开发出应用并部署在云端。
      
      企业使用用私有PaaS,解决信息孤岛、主数据一致性问题。这是SaaS及其向PaaS延伸也很难解决的短板。也可以充分利旧设备,使用分布式,避开云资源集中的资源限制。BPaaS是企业Private PaaS最佳实践。
      
      通过此分析,我计划下一步云应用思路:
      目标:整合BPaaS、ECM和多租户技术搭建私有PaaS,形成云能力平台,并集成Hadoop、MongoDB、MySQL、Spark产品,建设智慧油田大数据应用云能力平台。
      
      主要技术内容:
      1、使用BPaaS产品Opentext BPS(原Cordys BOP)做为整合基础平台,使用其集群技术,以及LDap负载均衡技术;
      2、使用ECM产品Opentext ECM整合到基础平台上,基于内容管理构建知识管理;
      3、按Gartner多租户模型,在基础平台上构建多租户能力;
      4、关系型数据使用MySQL,采用主从复制技术;
      5、文档数据库使用MongoDB,采用主从复制技术;
      6、大数据平台使用Hadoop,算法使用Spark及自有采油工程算法。

      企业信息化采用云架构的特点:
      1、通过云整合计算资源和虚拟化技术,降低硬件投资和维护费用,并提高资源使用效率;
      2、通过使用PaaS平台,消除信息孤岛,实现流程穿透和信息共享;
      3、多租户技术,是大中型企业多层级管理架构最佳实践,很好的解决了共享与隔离的关系;
      4、基于PaaS平台开发的应用就直接是SaaS服务,可以直接在云端使用,降低了应用开发复杂度;
      5、对于大型应用系统,云平台将降低系统的复杂度,使其更易实施和运维;
      6、基于PaaS平台,形成统一开发平台为企业用户、应用开发者、平台厂商提供统一的生态环境,便于企业推进信息化工作落地,也便于开发者复用。

    参考:

      1.《十年历程:云计算打通IT之间的孤岛》InfoQ 杨海明 2016年5月
      2.《云计算的发展史》赢在积累的博客 2012年10月
      3.《云计算乱局:国内四大巨头PaaS云平台优缺点》IDCPS Veature Beat 2014年7月
      4.《使用云技术升级改造现有应用系统的思考》CSDN博客 肖永威 2013年11月
      5.《面向集团客户的云计算运营平台概述——之云计算运营平台方案(一)》CSDN博客 肖永威 2013年12月
      6.《在IT系统中使用多租户技术提供人员跨部门及虚拟团队的解决方案(草稿)》CSDN博客 肖永威 2014年10月
      7.《估值1200亿美金,AWS在公有云市场一骑绝尘》界面JMedia联盟成员.爱分析 2017年1月
      8.《BPaaS采用最佳实践》TechTarget中国 作者:George Lawton 翻译:皮红 2015年5月
      9.《DockOne技术分享(十九):畅谈PaaS》DockOne.io wulonghui 2015年9月

    展开全文
  • 谷歌企业文化建设分析

    千次阅读 2017-12-05 17:09:35
    简要分析谷歌作为一家科技巨头的企业文化。

    引言

    “一百英尺之内必有食物”这大概是谷歌最具特色的一句标语。 在一个倡导着工作就是生活的自由环境下,谷歌公司的工作人员不断用他们的创造力研发出一个又一个优质的产品。而 Google 强劲的发展势头与其独特的企业文化有着密不可分的关系。怎样的企业,怎样的文化特色,怎样用文化影响每一个公司员工,怎样利用这样的企业文化,这是一个不容忽视的话题。

    企业文化概述

    美国学者伦斯·米勒在 《美国文化精神》 中说道:“企业唯有发展出一种文化,这种文化能够在激励中获得成功的一切行为,这样公司才能 在竞争中获得成功 。”这就是企业文化。关于企业文化的概念, 国内外学者有许多不同的认识和表述。有人曾对企业文化的定义作过统计, 共有 180 多种, 几乎每一个管理学家和企业文化学家都有自己的定义。中国社会科学院工业研究所研究员韩朗岚认为:“企业文化有广义和狭义两种理解。广义的企业文化是指企业所创造的具有自身特点的物质文化和精神文化; 狭义的企业文化是企业所形成的具有自身个性、经营宗旨、 价值观念和道德行为准则的综合”。从这里可以看出,企业文化是企业价值取向、经营理念、管理制度、行为准则、企业精神等方面的概括与升华。企业文化的结构有三个层次,实体的物质题。 文化构成企业文化的硬件外壳,制度文化是观念 形态的转化,是企业硬外壳的支撑,而精神文化是企业文化的精髓,主导着企业的共性和特性及企业的发展范式。 企业文化的重要性毋庸置疑,表现为以下几个方面:

    企业文化本身就是一种企业竞争力

    优质的企业文化更能够促使企业提供满足消费者需求的产品与服务。马斯洛的需求层次理论告诉我们,人的需要可分为五个层次:生理需要、安全需要、社交需要、尊重需要、自我实现需要。当低的需要得到基本满足时,下一个更高层次的需要就将成为主导需要,而随着科技的进步、社会的发展,人们的生活越来越富裕,人们的需要逐渐从低层次的需要转变为高层次的需要,低层次的需求不再有激励作用,这时,消费者更强调一种文化(消费文化),更加追求个性,时尚,前卫,张扬,而带有这些特质的产品往往产生于优质的文化底蕴。所以说,优质的独具特色的企业文化更加能抓住顾客的心,从而在激烈的竞争中崭露头角。

    企业文化能有效的调节人与人之间的关系,规范和约束人的行为

    通过文化建设,发挥文化的功能,来推动和促进企业发展。近些年来日益受到管理界的重视、最终升华出的一种新的管理理论和方法——人本管理,就是坚持以人为本,重视员工的精神需求,满足其社交需要和自我实现需要,提高员工的凝聚力和适应力,对企业的发展与建设起到了重要的指导作用。可见,构建高层次的、具有深刻影响力的企业文化,能够提高企业管理的水平,满足人的多层次、多重性的需要,也有利于社会文化的发展。

    企业文化具有难以被模仿和复制的独特性

    我们知道企业要在竞争中长期占有优势, 必须具有核心竞争力。核心竞争力是指企业在研发、 制造、 设计、 营销、 服务等一个或几个环节上具有竞争对手难以模仿的明显的优势, 并能够满足客户价值需求的独特能力。然而在信息,科学技术高速发展的今天,以上几点很难保证竞争对手难以模仿,甚至可能会被迎头赶上,优势往往很难持续下去。但企业文化不一样,每一个企业都有着自己的定位、独特环境,发展方向,优势劣势、经营模式、文化传统,很难保证这些因素全部吻合。并且,从克拉克洪-斯托克柏克提出的文化差异分析模型——K-S框架,我们可以知道,与环境的关系、时间取向、对人的本质的看法、活动取向、责任中心、空间取向的不同将会导致企业文化的差异。加之,企业文化既没有固定的模式,也没有定量的指标,导致企业文化很难模仿,可以说,企业文化是一个公司的独特标志,是支撑企业发展的重要力量。 第四, 企业文化有助于企业向学习型组织发展。现代企业正处在不断变化的社会环境中,市场竞争不断加强,规模扩大,市场不断扩展,一个企业只有通过不断的学习,并根据实际情况做出产品、技术、制度的变革,才能适应不断发展的时代潮流。美国原通用电器 CEO 韦尔奇说:“最终的竞争优势在于一个企业的学习能力以及将其迅速转化的能力。”没有学习,没有变革的企业将很快失去竞争优势。所以,一个学习氛围浓厚,员工积极进取,敢于不断改变自己的企业才能够不断发展。 优秀的企业文化鼓励个人学习、 自我超越, 注重团队精神的培养和建立共同的愿望, 所以有助于企业向学习型组织发展。

    谷歌的企业文化

    谷歌(英语:Google Inc.,NASDAQ:GOOG、FWB:GGQ1,官方中文译名为谷歌),是一家美国的跨国科技企业,致力于互联网搜索、云计算、广告技术等领域,开发并提供大量基于互联网的产品与服务,其主要利润来自于AdWords等广告服务。李开复说,和Google“恋爱”,他感受到这家公司的文化是:一群穿着短裤的年轻人,对新技术创新有极大的热情;对诚信的追求近乎执著;员工之间关系平等、自由和透明;先让客户满意,暂时不赚钱也没关系。2014年5月21日,市场研究公司明略行(Millward Brown)公布,谷歌取代苹果成为全球最具价值的商业品牌,这与谷歌优质的,富有个性的企业文化密不可分。下面从企业文化的三个层次来介绍谷歌的企业文化。

    谷歌的物质文化

    谷歌为员工提供了便利的服务和人性化的工作环境。

    “免费:”文化

    在谷歌,“免费”被当作公司文化的一部分。员工用餐、健身、按摩、洗衣、洗澡、看病都100%免费;每层楼都有一个咖啡厅,可以随时冲咖啡、吃点心,大冰箱里有各种饮料,免费任喝。

    办公环境宽松便捷

    每位员工至少配备两台大屏幕显示器,平均每个办公室有4-6名员工,并且技术人员24小时待命,计算机或其他数码产品可以随时送修。办公大楼随处可见白色书写板,目的是方便员工随时记下各种新创意。一位Google产品经理对此表示:“你坐在办公室时,灵感并不一定会来;或许就在你走动时,灵感就会如期而至。”

    娱乐设施完备

    公司内,到处都有排球场,游泳池,台球室,甚至还配备有专门的按摩师。谷歌就像是一个游乐园,帮助员工迅速消除疲劳,回归工作状态。

    完善的福利

    谷歌的花钱速度在硅谷堪称奇迹,对于员工,谷歌有着完善的福利,谷歌总部餐厅、美容院、牙医院、加油站、甚至按摩店应有尽有,俨然一个自给自足的独立王国。免费美食、24小时健身房、瑜伽课、演讲课、医疗服务、营养师、干洗机、按摩服务、私人教练、温泉水疗,上下班接送,外语培训„„应有尽有。

    谷歌的制度文化

    管理制度

    人员招聘制度

    “宁缺毋滥”是谷歌管理人才的一个重要理念。有资料显示,最终获得谷歌工作职位的应聘者平均需要通过6.2次面试,参与面试的面试官,除了人力资源部和岗位需求部门,也会邀请跨部门甚至跨区域的人参加面试,这是为了是进入谷歌的员工尽量契合谷歌的企业文化。谷歌非常鼓励内部员工推荐应聘者,因为他们对于公司文化更加了解,其推荐的人更加适应公司文化。

    绩效管理

    谷歌有着一套十分精密严谨、完全数值化的内部目标绩效考核制度——OKR,所有员工的考核评分对内公开,这种目标考核也成为各部门任务协作的一个手段。 OKR全称“目标与关键成果”,是一套定义与跟踪目标及其完成情况的管理工具和具体方法,适用于公司、团队与个人,是一种简便易行的绩效考评方式。谷歌通过在公司层面设立目标,并在团队、管理人、普通员工层面均设立明确的,具体可行的目标,这与目标管理法基本契合,在每个季度末期,谷歌将会对OKR考核实施评分,评分过低,高分并不一定受到表扬,如果本期目标制定野心不够,下期OKR制定则需要调整。低分也不会受到指责,而是通过分析工作数据,找到下一季度OKR的改进办法。
    企业的生死要么是方向的问题(战略和目标)要么是行动的问题,行动不能支撑目标的实现,这样的行动是在“杀害”这个公司,因为这样浪费人力、物力、财力,甚至有可能抵消、阻碍甚至破坏其他人的正确行动。OKR的特点是简单、直接、透明。OKR的优点主要有三点:
    第一,谷歌依赖于创新、创意、创造,没有可跟随的目标和方向,需要企业自己探索,自下而上的OKR则更能激发员工的创造力,通过设定目标并采取措施并最终达成目标的这个过程让员工感受到了创造性努力的激情和乐趣,满足了员工的自我实现需要。
    第二,OKR的实施对象是公司的每一个成员,每一个员工都能把握公司的动态和自己 所处的位置,并通过与其他员工的对比,了解自己的优势劣势,并做出改变,提升自身素质。
    第三,让每一个员工都清楚的明白自己是公司的一个不可或缺的一部分,增加其对公司的归属感。

    时间管理

    谷歌的员工从来不用在乎早上闹铃会不会准时响起,员工可以悠闲自得地去上班。谷歌提倡弹性的工作制度,充分相信员工,把工作时间的掌控权交给员工,由员工根据自己的喜好自由安排时间,给员工提供了宽松、自由的环境。从组织文化理论的角度来分析,由于谷歌公司的核心在于不断推出新的产品来获利,因此给员工一个不压抑、不拘束的环境就显得非常重要。

    工作制度

    灵活高效的工作方式成为谷歌持续高速发展的秘诀之一。创新的意识还源自于灵活的小团 队工作方式 。“将有智慧有激情的员工针对关键问题,分成3~5人的小团队,扁平化的组织,以海量的计算资源和数据作为支持,同时允许工程师抽出20%的时间,根据兴趣自己确定研究方向。”这是谷歌组织结构的基本原则。小团队的工作方式看起来平常,其实却蕴涵着深刻的道理:在庞大的组织中,总有很多聪明人,他们可以轻松地找到“混”下去的方法,即便是复杂的绩效考核也对这类人束手无策。但是在有3~5人组成的小团队中,却容不得“聪明人”再浑水摸鱼,必须全力以赴才能被大家认可。激发了全体成员创造力的同时,进行小3.薪酬制度 薪酬制度是人力资源管理的主要职能之一,“激励是管理的核心”,而薪酬激励又是企业目前普遍采用的且行之有效的一种激励方式。 谷歌推出以绩效为导向的富有竞争力的全面薪酬:谷歌的全面薪酬包括工资、津贴、奖金、福利、保险、股票期权等。在对员工的短期、期、和长期激励上,各自发挥着不同的作用。对外,谷歌整体薪酬保持着市场上的强大竞争力;对内充分考虑不同岗位,职级以及员工工作表现的差异性,建立了全方位的以业绩为导向的薪资理念。范围的绩效考核,所得的结论就会更加客观。
    谷歌为所有正式员工发放股票期权,并且每年都会根据员工上一年度的业绩表现再授予股票期权。业绩表现越好的员工,越得到更高的工资、奖金和股票期权,从而保障员工的收入与绩效充分接轨。

    谷歌的精神文化

    按照索涅费尔德的分类,组织文化可被划分 为学院式文化、俱乐部式文化、棒球队式文化和堡垒式文化四个类别。学院式文化适合那些追求 稳定性的人群。同时用人单位并不介意雇员是刚刚毕业的学生。而俱乐部式文化与其相对,这样的组织很重视经验年龄和资历,军队和政府机关多是俱乐部式文化的典型。堡垒式文化更多的是强调维持生存,因此这种组织文化尤其适合于经济不景气的大环境。棒球队式的文化也正如其名,它提倡冒险创新,组织往往给员工充分的自由。那么按照索涅费尔德的分类,谷歌公司就应属于棒球队式的文化。我认为,谷歌的精神文化主要分为以下四个方面:

    创新

    作为一个要求不断推出新产品的公司,谷歌的创新精神可以说是企业精神的重中之重。

    谷歌将创新列入员工的工作时间预算

    要求技术人员花80%的时间在核心的搜索和广告业务上,其余20%则用在他们自己选择的技术项目上,每位工程师都有 20% 的自由支配时间,这些时间允许工程师不紧紧抓着核心项目不放。他们可以将这部分时间投入他们所感兴趣的课题上进行研究,正是这种鼓励创新的机制使得谷歌新产品的推出速度非常快。

    善于利用失败

    谷歌快速地推出大量创新产品,这些产品可能并不完美,但谷歌会让市场来选择。谷歌创始人佩奇还曾表扬一名犯下大错、给公司造成数百万美元损失的高管:“我很高兴你犯了这个错误。因为我希望公司能够行动迅速、做很多很多的事情,而不是谨小慎微、什么也不敢做。”

    用数据支持灵感

    人们普遍认为,创意的构思过程是混乱无序的,但谷歌却以一套非常严谨的以数据为驱动的创意评估流程,很好地平衡了这种无序性。谷歌对于分析和数据的重视远远超过其他绝大多数公司。它的搜索引擎一样快。

    自由

    办公区沙发随处可见,员工可以随意喝咖啡聊天,甚至分不清哪里是办公区,哪里是休闲区。“我们的每间办公室都有独特的名字,比如‘立秋’‘秋分’,这都是我们员工自己的创意。谷歌的工作模式就是平等和倾听每一位员工的声音,我喜欢这样无为而治的文化。”李开复说。这就是谷歌独具特色的文化。并且,20%的自由分配时间并不是强制的,谷歌给了员工充分的自由来分配这段时间李开复说“其实,自由时间比例多少并不重要。谷歌20%自由时间制度的背后,有一个更重要的原则,我们信任员工。我们放权给员工,并不会真的去衡量这个20%,我们觉得员工会自行调整。打个比方,如果员工觉得自己正在做的某个程序非常重要,那么,这个月他可以只做这个程序;如果员工觉得公司交给他的任务更重要,那么,他可能花三个月来做,而根本不会去碰这个20%。你可以质疑,也许这个制度的回报只有10%,也有可能是20%,甚至是30%,这个我没有办法做出确切的回答。但是,我们不能用数字来进行衡量,这个制度所代表的,是公司的一种自由的风气,这种风气也是吸引人的一种途径。”自由来源于公司对员工的充分信任,这种信任在其他公司是极为少见的。

    个人主义

    美国前总统肯尼迪曾经说道:“如果价值是文化的灵魂,那么英雄就是这些价值的化身和组 织机构力量的集中体现。”信奉个人主义以及塑造英雄,是谷歌企业文化的“中流砥柱”。这一方面给企业内部员工提供学习的榜样,树立绩效的标准,刺激员工积极进取,相互竞争;另一方面,也可以对外作为公司的象征,成为公司的形象代表。美国企业文化注重个人英雄的巨大影响力,为了争夺本土化人才,往往不惜重金。李开复在2005年7月19日突然宣布跳槽谷歌,出任其中国区总裁,负责中国研发中心的运营。微软当日就向华盛顿州地方法院提起诉讼,指控谷歌和李开复违反了“同业禁止”协议。9月14日,位于西雅图市的华盛顿州金县法院做出初步裁决,允许李开复任职谷歌中国研发中心,但对其工作内容进行了限定。李开复对于中国的年轻学子有着巨大的号召力,为了能抢到中意的人才,谷歌不惜和I T巨头微软诉诸法律,其对个人英雄的重视可见一斑。

    使命感

    谷歌的每个人都有强烈的使命感和目标感,他们相信自己的工作能以积极的方式影响着千百万人。 谷歌有两条口号:“完美的搜索引擎”和“不作恶”。第一条口号 “完美的搜索引擎”更多侧重于增强其产品的可信性和专业性,而第二条口号则更多是在强调一种拒绝为了盈利而不择手段的企业风气。谷歌有着他的使命,谷歌的使命就是整合全球的信息,做一个最公正、最完美的搜索引擎。谷歌的这宏大的使命深深地烙在每个员工的心里, 谷歌的使命就是他们的责任,并是他们与公司同气连枝,并促使他们自信满满,大刀阔斧的前进。

    结语

    通过以谷歌公司为例,我们知道了企业文化 是企业的核心竞争力,使企业经久不衰的动力来源。完善企业制度,建立以人为本的企业文化,并随着时代潮流不断完善和发展,互相借鉴与补充, 是每个企业不可忽视的重要内容

    参考文献:

    《浅谈谷歌的企业文化》金志峰

    展开全文
  • 2018年中国游戏行业发展现状及发展前景分析【图】 2018年06月29日 14:16:29字号:T|T     2017 年手游市场贡献游戏行业 90%的收入增量。 2017 年我国游戏行业实际销售收入已达 2036.1 亿元,同比...
  • 学习需求分析

    万次阅读 多人点赞 2017-04-17 21:34:51
    笔者本身是软件工程专业出身,但是对如何需求分析仍然是一知半解,拿到需求,仍然不知道如何下手,才能达到需求分析的目的。 今天看到一篇文章,让我受益良多,同时参考此文,笔者也尝试了一个需求分析,一个...
  • 企业经营数据分析-读后感

    千次阅读 2018-12-06 17:33:25
    评价:第一篇概述篇,介绍数据分析企业经营中的一些应用及数据分析的思路和方法,这一部分应该是作者的主业,有一些独到的见解和作者自己的总结,对愿意深入研究数据分析的同学可能会有帮助。第二篇主要讲数据分析...
  • 如何搭建企业大数据分析平台

    千次阅读 2019-04-02 09:13:54
    讨论一:先来谈谈企业搭建大数据分析平台的背景。1、搭建大数据平台离不开BI。在大数据之前,BI就已经存在很久了,简单把大数据等同于BI,明显是不恰当的。但两者又是紧密关联的,相辅相成的。BI是达成业务管理的...
  • 大数据分析在石化企业的应用探讨

    千次阅读 2015-02-28 14:36:14
    石化行业企业数据的数据量大,存储...需要解决的问题,主要为缺少数据全方位分析方法、ERP软件处理能力差、实时数据分析能力差、海量数据处理效率低。本文以恒逸集团为例,为大家简单介绍下石化行业如何做大数据分析
  • 同时结合大数据思想对孵化园区内的企业情况进行分析和建模,并运用大数据算法来完善和修正企业聚集度和竞争力的分析,建立决策树模型进行园区招商决策的辅助分析,最后根据园区实际情况构建双创指数模型。
  • 个人发展分析:SWOT

    千次阅读 2019-06-04 10:09:21
    在《如何识别个人发展领域?》解释了个人发展,我们需要有自我认知,需要了解自己...SWOT分析同样也适用于个人层面,做为个人职业发展的评估工具,形式简单,易于使用。 SWOT概述 它是一种全面了解自己当前发展状...
  • 联合紧密型合作企业人事经理、项目经理和工程师、本校毕业生(从事IT行业已毕业2-3年和3-5年后)、中高职对口中职学校专业骨干教师等,通过访谈、问卷调查等形式,开展计算机网络技术专业就业岗位职业能力分析研讨。...
  • 建立大数据分析能力需四大要素

    千次阅读 2018-02-05 22:07:30
    领先的企业主要从四个方面入手建立自己的大数据分析能力:高质量的数据、先进的工具、精通数据的员工以及支持分析决策的流程和激励机制。 要素一:数据 任何一个企业都首先需要制定一个数据收集和整理的策略...
  • 1. 厘清计算机网络技术专业人才需求与毕业生职业... 网络工程师岗位职业能力分析调研路径图 在需求调研的基础上,按照网络工程项目的主要类型(系统集成、网络管理、系统管理)重新梳理分析计算机网络技术专业毕业生
  • 开发报表的过程中,必须结合企业流程和企业内部的系统数据,进行统一搭建,最终要求开发出一个结合了各个系统数据的报表决策平台。开发过程中坚持“契合需求,方便高效”的原则,为企业员工、管理者以及决策者提供一...
  • 国产数据库发展现状分析

    万次阅读 多人点赞 2018-06-04 19:00:25
    导语从上世纪90年代开始,国产数据库的开发就不断被人提起,国内已有不少企业、团体在这个方面做了不少的投入。在此,我们与大家分享一下对几个数据库国产化途径的看法。我们主要讨论自主研发、引进代码和互联网厂商...
  • 云计算技术简述及发展分析

    千次阅读 2020-08-31 17:30:46
    如今,云计算服务是企业最先进的技术,市场还将继续加速变化,各个云计算提供商之间的竞争继续升温。云计算后端具有非常庞大、可靠的云计算中心,对于云计算使用者来说,在付出少量成本的前提下,即可获得较高的用户...
  • 一、行业发展现状    (一)全球概况    全球电脑行业分为三大块:硬件、软件(含系统集成)和信息技术服务业。自80年代以来,国际计算机产业结构逐渐从硬件为核心向以软件为主导的方向过渡。软件企业的净...
  • 石化企业应用大数据分析需要解决的问题,主要为缺少数据全方位分析方法、ERP软件处理能力差、实时数据分析能力差、海量数据处理效率低,其分布如下图: 三、大数据分析在石化企业的价值 ...
  • 会上,亚信安全正式发布“安全定义边界”2020发展理念,并结合后疫情时期、新基建浪潮带来的网络安全产业发展机遇和技术战略方向,赋能企业在5G时代的数字化安全运营诉求,构建数字安全世界。 新主张:安全定...
  • 华为企业文化分析

    万次阅读 2018-11-11 19:56:50
    华为企业文化分析    温化楷 |湖南大学| 2018....
  • 企业发展呼唤企业架构师

    千次阅读 热门讨论 2006-08-28 11:49:00
     随着中国经济的持续高速发展,中国企业在信息化的道路上取得了卓越的成绩。 近年来,SAP的中国用户从传统制造业迅速扩展到各行各业,从单纯ERP应用到CRM、SCM、SRM、PLM等各类企业应用,从纯粹后台应
  • 大数据产业现状及发展趋势分析

    千次阅读 2020-03-29 19:24:59
    一、大数据产业发展现状分析 大数据产业规模不断扩大 随着移动互联网、物联网、云计算产业的深入发展,大数据国家战略的加速落地,大数据产业体量呈现爆发式增长态势。数据显示,2017年中国大数据产业规模达到4800亿...
  • 初创企业融资发展的几个阶段

    万次阅读 2014-04-10 20:52:13
    如果需要更多资金或者有更大的发展目标,创业家可能需要转向天使资金(专业投资的个人资本)或者风险投资公司。天使投资人以及风险投资公司还可以提供初创企业通常缺乏的专业知识咨询,如法律、财务和市场营销知识。
  • 云计算和大数据未来发展趋势分析

    千次阅读 2019-05-18 12:19:56
    如果这些思考得到肯定的答案,云计算与时代的发展需求相契合,真正的时代大门就会开启。 云服务发展趋势 云服务的发展趋势将会是:建立公有云生态圈、私有云共推开源、云安全成关键、政府推动和云保险出现。 从...
  • 浅谈Android发展趋势分析

    万次阅读 2018-03-25 00:00:00
    热文导读 | 点击标题阅读欢迎加入Java和Android架构知识星球Android大厂面试题锦集附答案(BAT TMD JD 小米)这些App惨遭下岗 盘点Android 9.0... 张航,2003年武汉大学计算机专业硕士毕业,先后任职于NEC、IBM等企业
  • 当前,以物联网、大数据和云计算为代表的新一代信息技术发展迅猛,目前正在由IT时代转向DT时代。物联网技术正在通过与其它新技术的不断融合,加速向智能医疗、新能源、材料等领域渗透。“大数据”已经成为当今人们生产...
  • Java发展前景及自学可行性分析

    千次阅读 2018-09-17 19:27:59
    Java发展前景及自学可行性分析 一、市场规模 截止到现在,80%以上的高端企业级应用都使用Java平台(电信、银行等)。Java是成熟的产品,已经有20多年的历史。Amazon、Google、 eBay、淘宝、京东、阿里和其它的...
  • 浅论企业文化对企业发展的影响

    万次阅读 2006-06-22 11:22:00
    当前很多学者认为:企业文化在未来会成为决定企业兴衰的关键因素。哪一个企业能够在企业文化建设方面领先,哪一个企业就能建立起竞争优势。...本文将根据上述问题为主要内容,研究企业文化对企业发展的影响。 新

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 213,073
精华内容 85,229
关键字:

企业发展能力分析怎么写