《大数据导论》——1.5节案例学习

1.5　案例学习
虽然ETI公司目前的策略选择了大数据技术作为实现它们战略目标的手段，但ETI并没有大数据技术，因此需要在雇佣大数据咨询团队还是让自己的IT团队进行大数据训练中进行选择。最终它们选择了后者。然而，只有高级的成员接受了完整的学习，并且转换为公司永久的大数据咨询员工，同时由他们去训练初级团队，在公司内部进行进一步大数据训练。
接受了大数据学习之后，受训小组的成员强调他们需要一个常用的术语词典，这样整个小组在讨论大数据内容时才能处于同一个频道。其后，他们选择了一个案例驱动的方案。当讨论数据集的时候，小组成员将会指出一些相关的数据集，这些数据集包括理赔、政策、报价、消费者档案、普查档案。虽然这些数据分析和分析学概念很快被接受了，但是一些缺乏商务经验的小组成员在理解BI和建立合适的KPI上依旧有困难。一个接受过训练的IT团队成员以生成月报的过程为例来解释BI。这个过程需要将操作系统中的数据输入到EDW中，并生成诸如保险销售、理赔提交处理的KPI在不同的仪表板和计分板上。
就分析方法而言，ETI同时使用描述性分析和诊断性分析。描述性分析包括通过政策管理系统决定每天卖的保险份数，通过理赔管理系统统计每天的理赔提交数，通过账单系统统计客户的欠款数量。诊断性分析作为BI活动的一部分，例如回答为什么上个月的销售目标没有达成这类问题。分析将销售划分为不同的类型和不同的地区，以便发现哪些地区的哪些类型的销售表现得不尽人意。
目前ETI并没有使用预测性分析和规范性分析手法。然而，对大数据技术的实行将会使他们最终能够使用这些分析手法，正如他们现在能够处理非结构化数据，让其跟结构化数据一同为分析手法提供支持一样。ETI决定循序渐进地开始使用这两种分析方法，首先应用预测性分析，锻炼了熟练使用该分析的能力后再开始实施规范性分析。
在这个阶段，ETI计划利用预测性分析来支持他们实现目标。举个例子，预测性分析能够通过预测可能的欺诈理赔来检测理赔欺诈行为，或者通过对客户流失的案例分析，来找到可能流失的客户。在未来的一段时间内，通过规范性分析，我们可以确定ETI能够更加接近他们的目标。例如，规范性分析能够帮助他们在考虑所有可能的风险因素下确立正确的保险费，也能帮助他们在诸如洪水和龙卷风的自然灾害下减少损失。