Qlik助力大华银行打造企业级分析文化,开启数据扫盲运动!

本文主要是介绍Qlik助力大华银行打造企业级分析文化,开启数据扫盲运动!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

qlik新闻封面

如今,数据素养正逐渐成为同阅读和写作一样不可或缺的能力,但与此同时,我们大多数人都在这一方面存在显著欠缺。因此对于企业而言,打造企业级数据分析文化以在员工之间推广数据理解、分析及使用能力是至关重要的。

Qlik作为数据分析与管理平台领导者,为企业客户提供了一个从原始数据分析到增强智能的集成解决方案,能够简化分析过程并将分析带到业务流程的各个环节,助力企业轻松打造数据分析文化、提升员工数据素养。

接下来,我们将通过分享大华银行 (United Overseas Bank, UOB) 借助Qlik成功打造企业级分析文化的历程,为大家带来提升企业内数据素养的最佳启发。


Step One:以数据驱动洞察

大华银行 (以下简称UOB) 是亚洲银行业的翘楚,在全球范围内拥有超过500家分行和办事处,遍布亚太、欧洲和北美19个国家和地区。为了持续推动业务绩效,以及为客户提供更好的服务,UOB决定撬动数据背后蕴藏的巨大力量。

大华银行logo

UOB大数据分析中心的负责人David Tan介绍到,他的团队执行了一项双管齐下的策略:通过实施新的企业平台来革新数据分析能力,同时向员工提供所需的培训,在提高技能水平的同时创建一个由数据分析驱动的企业文化

员工培训配图

首先,他们希望员工能够改变数据发现的方式。在过去,数据发现是一个项目制过程,用于撰写常规报告。由于数据提取过程通常由手工操作且十分耗时,并且分析Excel文件上的历史数据存在局限性,报告不仅无法实时创建,并且难以提供全面的视图。


Step Two:从概念验证到全面转型

由于有意义的数据分析来源于良好的数据质量,UOB接下来在企业范围内实施了由点到面的培训计划,先在部分业务部门部署Qlik分析仪表盘,随后再将这种全新的数据发现过程推广至整个企业范围,以提升组织的数据素养和数据治理等能力。

UOB首先在不同业务单元内进行了概念验证 (POCs),证明了数据发现的灵活性,以及使用数据发现和分析驱动实时业务决策的能力。随后,UOB开启了一场企业范围内的数据扫盲运动,以扩增POCs,直至实现整个企业的变革。

UOB实现企业变革

在UOB的大数据分析中心,David Tan和他的团队为企业内部的业务合作伙伴提供了众多培训课程,以帮助那些并非来自数据分析背景的合作伙伴了解到数据发现将如何改善服务客户的方式或提高运营效率。通过学习这些课程,学员们将能在自助数据发现方面打下坚实基础,并开拓思路以寻找探索数据和开展业务的新方法。

为了确保培训内容与参与者相关,David Tan使用企业内的历史数据集反映了参与者将在日常工作中处理的数据类型。通常,当人们学习新的分析工具时会首先得到一些与业务并无关联的简化数据集。而UOB则利用Qlik优化了这一步骤,使用内部与业务切实相关的数据集加速了员工的学习过程。

另外,Qlik还提供了很多在线课程以指导UOB的员工如何使用仪表盘的高级功能,以及Qlik为了收集数据背后更深层的洞察对哪些服务进行了优化。


Step Three:从大数据到大洞察

很快,教育推广计划便得到了回报,第一批接受培训的业务用户开始对其他内部的合作伙伴进行培训。在Qlik的帮助下,David Tan成功将数据分析带到了UOB的业务最前线。在过去两年中,数据素养已经从一个模糊的想法变成了业务运营中不可或缺的组成部分。而现在,UOB中的每一名员工都在关注数据素养和数据发现,因为他们知道,大数据会带来更大的洞察。

David Tan很高兴地表示道:“大多数主要业务部门都已经开始了数据发现之旅。同时我们也累积了许多经验,根据不同部门的数据要求和内部结构调整了方法。”

截至2018年8月底,UOB的新加坡总部已有350多名员工接受了培训,并计划在明年把培训扩大到更多的国际子公司。下一步,David Tan和他的团队计划以人工智能和机器学习为内外部的客户提供更好的服务。因此在未来,他们将集中对AI引擎和其他使用大数据的服务进行概念验证,以进一步简化和改进业务流程。


>>了解更多Qlik解决方案<<
>>下载试用最新Qlik<<

qlik_logo_动图

 

//本文转载自Qlik中国

这篇关于Qlik助力大华银行打造企业级分析文化,开启数据扫盲运动!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/248095

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

hadoop开启回收站配置

开启回收站功能,可以将删除的文件在不超时的情况下,恢复原数据,起到防止误删除、备份等作用。 开启回收站功能参数说明 (1)默认值fs.trash.interval = 0,0表示禁用回收站;其他值表示设置文件的存活时间。 (2)默认值fs.trash.checkpoint.interval = 0,检查回收站的间隔时间。如果该值为0,则该值设置和fs.trash.interval的参数值相等。

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X