业务经营分析层和战略分析层。这两个层面更多的是运营传统的战略分析、经营分析层面的方法论，拥有大数据的企业在这两个层面的优势在于其分析的数据可以来自大数据，并且数据更新速度快，快到可以按照小时来更新甚至是分钟级的速度更新，传统的战略分析、经营分析一般是按月来统计;另外一个优势在于大数据的数据来源更多，可以对非结构化的数据进行更多的深入挖掘和洞察。但有两方面需要注意：
(1)有很多企业错误的把“业务运营监控层”和“用户洞察/体验优化层”能做的事情放在经营分析层或者战略分析层来实施。我们认为“业务运营监控层”和“用户/客户体验优化层”更多的是通过机器、算法和数据产品来实现的，“战略分析”、“经营分析”更多的是人来实现。很多企业把机器能做的事情交给了人来做，这样导致发现问题的效率较低。我们的建议是：能用机器做的事情尽量用机器来做好，尤其是“业务运营监控层”和“用户/客户体验优化层”，在此基础上让人来做擅长的经营分析和战略判断;
(2)在变化极快的互联网领域，在业务的战略方向选择上，数据很难预测业务的大发展方向，如果有人说微信这个大方向是通过数据挖掘和分析研究出来，估计产品经理们会笑了。我们认为，如果能利用数据通过机器、算法、或者人工的手段，把经营的现状和问题及原因洞悉的特别清楚已经很不错了，这样决策层就可以基于这些情况进行更好的“拍脑袋”决策。
从本质上来说，数据在业务运营监控、用户洞察和体验优化、精细化营销和运营、辅助经营分析中能起到比较好的作用，但在产品策划、产品创意等创意性的事情上，起到的作用较小。但一旦产品创意出来，便可以通过大数据AB测试，数据验证效果了。总之，本文只是提纲挈领的介绍了大数据在企业的落地方案。还有更多的细节和方法论未能展示出来，后面的文章将继续展开。
文：傅志华
关于作者：傅志华先生曾为腾讯社交网络事业群数据中心总监以及腾讯公司数据协会会长。在腾讯前，曾任DCCI互联网数据中心副总裁。傅志华先生现就职于某美国上市互联网公司大数据中心，同时任中国信息协会大数据分会理事和中国互联网协会数据分析研究组专家。
如果对大数据在电信、金融和互联网的应用感兴趣，欢迎关注与作者同名的微信公众号“傅志华”。