IT销售的含义

数据分析师的前景是非常好的。人才需求旺盛，就业机会多，且不容易被随便取代。数据分析师承担大数据挖掘工作中，应用Hive、Hbase等技术性，专业对从业行业报告收集、梳理、剖析，并根据数据信息作出行业研究、评定和预估的专业技术人员。不论是中国或是海外，数据分析师的人才要求都非常大。麦肯锡公司预测分析，2018年，国外的大数据工程师的空缺是20数万人；中国的人才空缺得话，说上百万上一定的都是有。

数据分析师指的是不一样领域中，专业行业报告收集、梳理、剖析，并根据数据信息作出行业研究、评定和预估的专业技术人员。愈来愈多的政府部门、机关事业单位将挑选有着数据分析师资质证书的专业人员为她们的新项目作出科学合理、有效的剖析、便于恰当管理决策；愈来愈多的风险投资基金把新项目数据分析师所提供的统计分析报告做为其分辨项目是不是行得通及是不是适合投资的重要环节；愈来愈多的高校和教学组织把数据分析师课程内容做为在其中高高管及管理层培训方案的主要具体内容；愈来愈多的仁人志士把数据分析师培训计划做为其职业发展中必需的知识结构。

无论是在公司或是社会发展，数据信息都已经逐渐开始饰演愈来愈关键的“人物角色”。在这样的趁势下，数据统计分析逻辑思维已经不只是数据分析师的“技术专业”了，包含市场销售、销售市场、经营、方案策划、商品这些前面的岗位都必须根据大数据分析来帮助的工作中，乃至连后台管理的会计、财务、人事部门等也逐渐必须根据大数据分析来提高高效率。可以那么说，假如你在公司当中工作中，你以后会逐渐愈来愈多的和信息相处，这个时候数据统计分析已经变成工作的必备条件。

从岗位工资看来，数据统计分析领域的高薪职位关键分散在长三角、珠三角和京津冀地区。北京市、上海和深圳的工资位居第一矩阵，均薪在10k ；杭州市、宁波市和广州市位居第二矩阵，均薪在9k ；别的沿海地区及内陆地区中心城市，如南京市、重庆市、苏州市、无锡市等坐落于第三矩阵，均薪在8k上下。从岗位量看来，北京市、上海市、广州和深圳位居第一矩阵，岗位量在30000 ，杭州市、成都市、南京市和天津市位居第二矩阵，岗位量在20000 ，武汉市、西安市、郑州市等地区核心或省级城市对数据统计分析岗位的要求也相应较高，岗位量在10000 。从领域要求看来，网络金融、O2O、数据平台、文化教育、国际贸易、文化艺术行业对数据分析师需要量对比别的行业更高。

在数据驱动下的营销中，对于数据质量的把控、数据预测和统计都要一个系统来支持。 文/庖丁的刀 电商在最近几年的迅猛发展，导致围绕电商的相关产业和服务迅速增加，数据化运营就是一例。相比传统行业，电商对数据的依赖更强，而数据的获取容易太多。进而数据处理的这项工作也有了很大需求和变化：先是纯技术的数据统计，自己的IT，后来有了数据分析师、商业分析师、数据挖掘专家、甚至数据科学家。而在应用上也有了各种工具如量子统计、各种CRM软件，再到咨询公司、顾问公司等。 之所以有那么多的岗位，那么多的公司出现，就是电商企业希望自己的数据能“数据变现"，提升销售、 降低成本、加快周转等等，从而达到开源销售、节约成本的目的。 数据化运营曾经在2011年非常火爆，但后来却渐渐无人提及。为何如此 第一种原因是因为做数据的同事对商业理解不够，对运作模式理解不够。拿到一些数据推送给一线运营人员，如果经验不够，直接拿来应用，自然会产生很多问题。因为电商的整个链条非常长，从营销流程看，从各种渠道的推广到站内的导流引导(参考 《站外引流+站内引导：流量不是梦!》)，到折扣策略、订单的审核、采购的回货、物流的选择、包裹的跟踪、客服的维护等等，每一步都需要很好的沟通和协调才能完成。这些工作并非仅仅数据层面上就能一次性解决，是需要每个步骤对数据的理解是一致的基础上才能完成的。 第二种原因就是那些运营人员是从零开始做起，各个部门的协作已经非常娴熟，在常规的营销、运营的层面对数据的依赖非常小，同时又熟悉市场、了解用户，对供应链又比较熟悉，这样的团队基本可以秒杀数据的工作人员。 那就意味着数据分析师们注定要失业了这倒未必。 想在这样的团队有立足，就只能在分工协作的条件下做他们无法靠业务经验来完成的事情——数据挖掘、大数据应用。这样的应用场景是：具有相同兴趣偏好、相同消费习惯的用户群、用户的支付方面的风险控制、用户流失预警、匹配各种用户 群的商品组等等。对这些场景可以组合多种营销策略，而达到销售的目的。 而对于销售以后的事情，比如如何保证订单不缺货，选择好的物流及时发货，并能给用户及时的反馈包裹情况等都需要内部的运营系统。当然，除了系统方面的支持外，还需要很多的人力执行层面的执行，仓库的拣货、打包，物流人员的取包、送货等等。尽管这些都不能由机器或者系统代替，但数据中心完全可以提供相关的支持支持。 数据化运营可以在整个公司的运营体系中发挥很大的作用，如果有数据中心的支持，除了可以监控运营的整个流程，还能提供相关的KPI数据、人力管理数据、财务数据等，使得公司能方面快捷的知道公司运营的各个关键节点的表现，以方便做出 各种决策，在执行层面能制定出更优化的、更高效的战术。 主题营销是数据化运营中最常见的动作。因为各种节日的活动促销非常频繁，一到节假日就会发现各种促销活动蜂拥而至，无论是商场还是超市都是如此。而线上的电商则更是疯狂，不仅造出了光棍节，还有了诸如“94”备货节之类的节日，更不用说各家自己搞的店庆什么的了。同时，这些主题营销的影响一般比较大，主要表现为：站外流量、站内商品的热销和缺货、团队协作的不顺畅、仓库的发货压力、采购的回货不及时。 当电商遇到这些问题的时候，我们就能说是时候启用数据分析了。 从数据营销的角度看主题营销活动，可以分四个阶段：数据准备、实施、反馈、总结推广。其核心思路：找出主题及相关的热词，然后针对热词做出站内的调整、站外的引流，然后跟单完成订单的发货。 第一阶段：数据准备 数据准备阶段是要对进行营销的主题进行分析，选取符合主题的词，进行商品和用户选择、市场推广、站内商品陈列的调整。然后在推广、站内热词、商品布局达到团队的理解一致。完成初步的准备。 1 明确市场推广策略 市场推广需要考虑大的氛围，如整个电商环境是否参加，参加的力度是多大，主打什么品类，推广的主要渠道有哪些，各个渠道是以什么方式进行。这些是要明确 的。举例来说，有的网站是以论坛为主，比如外贸电商中的DX，就要在产品的测评文章上下工夫，找出符合主题的宣传点，确定关键词，然后根据这些词来选择商品，在论坛写出专业的测评帖子。帖子的曝光率在数据中有相关的体现，基本能估算其中的流量，如果和版主合作，流量和转化都会比较不错。在SEM方面可 *** 作的范围不大，如果大家都做同一个主题，热词的选择会比较相近，根据市场投放的费用，基本就定死了用多少关键词。综合各个渠道看，关键词的选取、论坛的文章、社交网站的主题要保持一致，且非常明确，在推广的各个团队要一致。 2 主题和热词 主题是企业要打的一个点是什么如果一个竞争对手打低价，你就可以打真品、高端、低价、快速送货、赔付等等。热词的选取可以参考站内搜索列表和站外投放列 表。站内的热词是要转化率的，站外的热词是引流的。对应站内和站外的热词在数据中心都应该有对应的搜索人数和进入人数，及对应的转化情况。站内的热词选定 后，也可以拿给站外进行推广。 3 用户群和商品 热词定义完成，就可以根据主题和热词选择用户群和商品了。还是以化妆品为例，用户群可以选取有购买过的女性，如果主题更明确点，比如母亲节，可以定位年 龄。还有就是购买过女性商品的男性。如果数据中心记录了搜索热词对应的用户，那他们也算作目标用户群里。有了用户群和主题，品类人员就要根据用户群的大 小、主题和热词去选择相关的商品。商品的切合度要和主题一致，同时在价格段上有区分，折扣上有吸引，商品质量有保证。最常见的做法就是拿品牌商品做一个折 扣去引流，然后利用各种非折扣商品的销售来弥补品牌商品的亏损。 4 站内商品布局 站布局可以分为三个点：搜索、广告位、专页。搜索就是根据挑选的商品进行搜索优化，选出的热词在站内的搜索结果列表是可控的，保证选出的商品在选出的热词 产生的搜索列表的曝光度，一般的系统可以完成这些。广告位是针对主题活动的，在站内一般不会所有的广告位都参加这样的主题活动，除非是非常大的活动，特别 那种品类分工比较明确的平台。手机的广告位一般不会放化妆品的商品推荐。所以，一般做到某个类目里面即可。专页多用来放在首页的flash里，同时又可以 作为一个着陆页进行推广。如果专页里面有不同的属性导航，属性可以用对应的热词来做，这样还可以让SEO的团队进行相关的SEO优化，也能有些自然搜索流 量，不过这样的见效较慢。 第二阶段：实施 在相关准备完成后就可以做对应的实施了，核心是要做好各个团队的步调一致，主要是时间的协调。应对突发情况在各个团队间如何处理。 1 商品处理 实施阶段商品的最易出现的问题是卖断货，如果选择的商品突然发生了“超卖”现象，实际库存满足不了订单的需求，就要去联系采购确认市场是否能回货、回货的 市价是多久、下单的用户是否能及时的送达。如果回货时间只能满足部分订单，那离发货点远的用户订单可能就要通知客服取消订单了，这种情况应该在早期有个预 判，给采购的团队有相关的通知出来，这也是团队协作要做的关键。对于哪些没卖出去的商品怎么处理可以参考之前的文章《库存积压巧盘活之四大招数》。 2 用户通知 EDM和手机短信等方式的通知是比较普遍的方式，对应起来还可以有优惠券产生，主要的是在第一阶段选取的用户群对应着陆页面要好，如果站内的专页有相关的 属性导航，可以直接着陆到属性导航页。EDM有相关的时效性，用邮箱的大部分都是办公室一族，时间要选择好，比如早上7点半，下午5点。都可以保证自己的 邮件在他的邮件列表里排名是top的。 3 站外引流 论坛和SNS的网站一般时效性比较差，一个帖子发完后，最近几个小时的曝光是最高的，放出去后，推广人员要及时跟进，主要是相关的互动。不管是售前客服 的及时互动，还是推广人员的及时互动都会影响转化，最怕的是客服和推广不知道具体的活动的规则，不熟悉商品，这个也要在之前进行相关的沟通，甚至培训。 4 跟单 不要以为用户付了款，你就能收到钱。最常见的情况是就那种无库存销售的商品，超卖的商品也算在这个里面，在发货过程中是优先发那些买了很多商品的用户，还是优先买了单个商品的用户是要进行考虑的。对那些买很多商品的用户进行相关的拆单，等货等情况，在前期要做相关的规定，执行中系统有相关的支持。重点客 户可能要单独的发货，走物流。缺货、回货、发货情况要进行及时的数据跟踪。当然这些数据中心都可以在数据上有一定的支持。 第三阶段：反馈 活动结束后，就要等着各方的反馈了，用户的、客服的反馈、物流是否通顺等等，反馈的核心是市场推广、商品选择、客服跟踪、采购回货、物流跟踪的在活 动的配合是否顺畅，有无发现主题推广不一致的情况，整合营销的打法是要整个团队顺利的沟通，不是各自完成各自的KPI，像主题活动的客服培训、推广培训是要有的，商品推广力度、范围需要通知采购的，诸如此类的问题一定是跨部门整体作战才能完成的。 1 数据反馈 前期确定的相关目标的完成情况是什么样的，投入的人力资源是什么样的，产生这样的情况的原因是什么样的。然后评估收益，并在数据中心对本次活动产生的数 据进行归总。在此后的活动中备查。核心指标根据活动主题来定，常见的是注册用户、购买用户、退款用户、销售额、毛利、毛利率、销售件数、推广费用。 2 团队协作反馈 一般的营销活动，大家比较关注前期的市场推广，而忽略平台内部的商品布局，忽略订单完成后的补货、发货情况，作为电商企业，一个长长的链条中，那个环节 出问题，影响销售的情况，或者是成本的增加，对于电商这种节奏快，业务变化大的企业，团队的整体协作，比单个团队更重要。 3 人力反馈 如果整合内部资源做活动，人力的投放是要控制的，有的企业做个1111要备战3个月，活动多了，企业内部根本无法承担。但也经常看到十几个几个人的团队 做的销售和几百人的团队差不多，原因是什么可能有一种答案就是十几个人的团队小团队专业，大团队协作好。活动的一个产出就是人力投入的控制，通过这样的 控制可以让团队更顺畅的沟通，按项目管理的角度说就是严格控制各个团队的输入、输出，每个团队必须保证本团队的结果质量和时间控制。 在三个阶段的营销过程中，团队的沟通至关重要，而沟通的高效往往建立在良好的数据支持上面，大家交流的数据统计口径是一致的，面对数据的理解是一致的，才能在协作中达到高效的沟通和融合，对于数据质量的把控、数据预测和统计都要一个系统来支持，而用户群的选择，商品的选择更是需要分析团队，甚至挖掘团队来支持。这就是数据营销。

IT(Information Technology，即信息技术)的基本概念和所指范围。

IT实际上有三个层次：第一层是硬件，主要指数据存储、处理和传输的主机和网络通信设备；第二层是指软件，包括可用来搜集、存储、检索、分析、应用、评估信息的各种软件，它包括我们通常所指的ERP(企业资源计划)、CRM(客户关系管理)、SCM(供应链管理)等商用管理软件，也包括用来加强流程管理的WF(工作流)管理软件、辅助分析的DW/DM(数据仓库和数据挖掘)软件等；第三层是指应用，指搜集、存储、检索、分析、应用、评估使用各种信息，包括应用ERP、CRM、SCM等软件直接辅助决策，也包括利用其它决策分析模型或借助DW/DM等技术手段来进一步提高分析的质量，辅助决策者作决策(强调一点，只是辅助而不是替代人决策)。有些人理解的IT把前二层合二为一，统指信息的存储、处理和传输，后者则为信息的应用；也有人把后二层合二为一，则划分为前硬后软。通常第三层还没有得到足够的重视，但事实上却是唯有当信息得到有效应用时IT的价值才能得到充分发挥，也才真正实现了信息化的目标。信息化本身不是目标，它只是在当前时代背景下一种实现目标比较好的一种手段。

卡尔的IT是指什么呢？在那篇文章里面他并没有明确提出，不过他提到信息技术的核心功能--数据存储、处理和传输。从他推理的逻辑来看，即从蒸汽机、铁路、电报电话、电力等基础设施建设推过来的，还用摩尔定律来佐证主机和光纤的发展。如果他就此打住，只从这一点出发，他的逻辑论证是非常严谨的，后面对《IT不再重要》发表不管支持与反对评论的人，在这一点上都是基本认同的(除了那些硬件和网络厂商外)，笔者也认同这一点。整个文章里他对物化的IT基础设施建设部分关注很多，基本没有关注应用层面。但后面他讲到大众化趋势时，又提到“信息技术极易复制”，则把IT又推到了商业软件，这里已经迈出了“危险”的一步。在2004年他出版同名书时开篇就定义了他研究、类比过来的IT，“我用的‘IT’是指通常意义上的，即所有被用来以数字形式存储、处理和传输信息的硬件和软件，特别强调的是，我只是指技术本身，我指的‘IT’并不包括技术中流动的信息和那些使用技术的人才技能”，所以他所指的IT是指前二层。如果就这此打住，可能还是不会有太大争议(这次又加上那些难受的软件厂商)。客观地分析软件本身的特征，的确不具备核心竞争力的四个判断标准中的三个即：稀缺性、不易复制性、不易替代性，卡尔本人也没有否认而且是在强调IT具备核心竞争力的第四个判断标准，即有价值。但他偏偏又把题目定成了“IT不再重要”，几欲把整个IT一棍子打死!

可惜他在IT这一概念上是经常含混不清：一会儿指主机网络，一会儿又跑到软件，在他后来出版的书里甚至经常“一不小心”就迈到了第三层，完全违背了他在书开头所界定的IT范围，如论述信息技术的应用、对CIO发出的诘问等。有很多读者、包括哈佛商业评论的编辑当时就指出了这一点。后面其它很多人也因为这一点来攻击他，甚至有人说卡尔干脆就不懂IT，有可能是真的，因为他毕竟本来就不是做IT的。这也给我们搞研究的人也给予很大的启示和警醒，对自己不太熟悉的领域套用其它方法来研究时要特别小心，否则会闹出很多笑话。

这里笔者要强调一点，经常有软件厂商(国内外的都有)宣称上了信息化就能如何如何，就能加强企业核心竞争力（反正多是现在流行什么就跟什么，“与时俱进”）。不知道他们是有意还是无意，且不按核心竞争力判断的四个标准来推断，试反问几个简单的问题：如果上了信息化就能如何，有多少上了信息化的企业已经亏损甚至倒闭？尤其是那些宣称有几十万家客户使用他们软件的软件企业该问问自己。如果上了信息化就能如何，那么我们假设入库、出库、销售、库存等信息全是准确的，就能自动提高销售、降低库存吗？如果说没有上信息化之前，老板可能还可因为看不见而糊涂但幸福地过过日子，那么现在呢？只是痛苦地知道有如此多的库存在仓库里呆了如此长的时间，如此多的商品长时间占据着柜台却没有带来任何销售额更不要说利润!分析一下软件厂商们宣传“信息技术是企业的核心竞争力”的现象，结论只有两个：要么这些企业不懂什么是核心竞争力（我想应该大多数还是懂的，既希望他们懂又希望他们不懂，希望结果是懂是因为至少软件企业还能懂一些管理理念而不是埋头纯粹一技术性公司，希望结果是不懂是因为这样可以少被别人攻击没有职业道德，不知者不为过嘛），要么是另有所图。一般企业客户与IT企业之间存在严重的信息不对称问题。IT企业与企业客户之间的博弈，最后的结果往往会是次优选择，即所谓的“柠檬效应”。在这点上，除了IT企业和从业人员要提高自身的职业 *** 守外，政府或行业必须加强对信息化建设的培训教育，提高企业对信息化建设的认识，引进管理咨询公司、监理公司等来改变这一博弈结局，以达到新的平衡，促进IT业更健康的发展。

信息技术本身只是一个工具，就象一柄利剑或一枝好笔，买了它并不能一定保证你武功增进多少、字写漂亮多少，还需要你不断地去练习如何舞剑、如何写字，信息化建设也需要你不断地提升运用信息的能力，这才是真正核心也是最难的地方。功夫全在题外！信息化(数字化)目的并不是上系统拿几个数字，它只是基础，其核心在一个“化”字，把各种资源相关的信息整合起来后进行“合理化”、“优化”的配置。譬如用历史信息来辅助做销售预测、采购计划、生产计划、配送计划、库存计划，并按照这些计划下达指令并根据实际运行情况滚动修正计划。美国哈林顿（Joseph Harrington）博士提出的计算机集成制造（Computer Integrated Manufacturing，CIM）包含两个基本观点：一是企业生产的各个环节包括市场分析、产品设计、加工制造、经营管理和售后服务等是一个不可分割的整体，必须紧密相连、统一考虑；二是整个运作过程实质上是一个数据的采集、传递和加工处理过程，最终产品可以看作是数据的物质表现。如果上了信息系统却不用它来辅助决策，还是按照原来的运作方式运作，则信息系统的作用可能只是限于解放某些岗位的某些工作，如统计报表等，且同时还会增加另外一些岗位的工作。大量经验表明，如果不用信息系统收集上来的数据，要实现用来辅助决策的准确、及时、完整的信息根本不可能，信息系统只有用它才可能逐步提高其准确性、及时性和完整性。按照核心竞争力的评价标准，要构造核心竞争力，本质上只有整合能力才是，而且越外显的能力越容易被模仿。冰山一角，露在外面的越少越不容易被模仿，越能构成核心竞争力。

就象哈佛商业评论编辑Hal Varian（加利福尼亚大学伯克利分校信息管理与系统系主任）指出的那样：“卡尔说IT正在商品化、不再提供竞争优势，这一点他是对的。但知道如何有效使用IT还是一种非常稀缺的技能。”“提供竞争优势的不是IT本身，而是那些知道如何有效利用它的人。”“公司在花成千上万的钱在数据存储和获取客户交易数据上，但一大堆数据就躺在那儿、没有经过分析、没有使用，但是，在那些训练有素的分析人员手上同样的数据却能产生巨大的回报！”这是一个数据丰富的时代，但同时是一个知识贫乏的时代!

波士顿大学管理学院信息系统管理学教授托马斯·H达文波特要把“过去的40年，更确切地描述为‘数据时代’，而不是‘信息时代’”，“将数据转化为某种更有用的东西，需要相当多的人力投入和智慧，但大多数组织仅仅从技术的角度来看待这一问题。拥有一个数据库或数据挖掘系统，与拥有其它技术一样，是必要的，但对于高质量的信息和知识而言，则是不够的”。

所以这里我们有必要明确一下一些经常混淆的基本概念。

数据(Data)＝事实的记录，如上季度甲系列产品在华东地区销售额为120万。

信息=(Information)＝数据+ 意义，如上季度甲系列产品华东地区销售额比去年同期减少了25 %。

智能(Intelligence)＝信息+理解(understanding)与推理(reasoning)，如分析原因是华东地区销售单位不行，或甲系列产品进入了衰退期，还是公司整体营销活动落后，竞争者强力促销导致？或是其它原因。

知识(Knowledge) ＝解决问题的技能(skill)，针对这一问题公司应对的策略是什么？

智慧(Wisdom) ＝知识的选择(Selection) 应对的行动方案可能有多种，但(战略)选择哪个智慧。行动则又会产生新的交易数据。

数据、信息、智能、知识、智慧、行动与管理活动的关系见下图，事实上它们之间存在多重循环关系。

图1 数据、信息、智能、知识、智慧、行动与管理活动之间的关系

同样的高速公路、同样的高档车，开车的人不同将会开出完全不同的水平，这时更关键的因素--开车的本事就显得至关重要了。在初级阶段，竞争比较粗放，可能主要是看谁能修好道，买好车。到后面，大家硬件基础设施差不多，竞争日趋白热化，这个时候人的作用就突显出来了，光有好道好车还不行，还得有舒马赫这样的顶级选手才能赢得比赛。企业经营与赛车还不太一样，赛车有人制定规则，规定只能跑一样的道，企业之间的竞争是八仙过海各显神通，有钱的就可以买高档的服务器、小型机，没有钱的就只能买PC服务器；有钱的就可以用光纤宽带，没有钱的则只能用ADSL甚至拨号；有钱的可以花几千万去买SAP、Oracle，没有钱的则只能用用金蝶、用友，甚至只有一些基本功能的小的进销存或财务软件；有钱的可以请五大帮他们制定符合未来趋势的战略并进行培训，没有钱的则只能企业家自己摸着石头过河……的确，这是一场不太公平的竞争。但网络经济来了，用卡尔的话说，就是IT技术已经变得“大众化”，已变成商品。更何况ASP模式的出现，将极大的降低了企业信息化的门槛，昂贵的服务器、网络、软件费用的门槛被一下子降低了。好比虽然你有私家的宝马、奔驰，可以很快地到达你想要到的地方。但我也可以坐出租车差不多也能实现同样的效果，再差点儿我有公共汽车、地铁，只要很低的成本也能基本实现我的目标。但同样的宽带、同样一套系统软件，但使用的人一样，效果却完全不一样，君不见同样是使用SAP、Oracle或者金蝶、用友，有很成功的，也有很失败的？还是那句话，功夫在诗外!

以下解答摘自谷安天下咨询顾问发表的相关文章。

1992年—1994年，国内诞生了柜台系统和电话委托系统，股民可以通过电话进行股票交易。1998年，诞生了网上委托业务，有条件的股民可以通过网络进行交易。2003年，诞生了集中交易系统，所有交易不必在营业部进行，直接在券商总部集中进行交易。2005年可以通过手机进行炒股，在手机普及的中国，广大股民又多了一条方便炒股的途径。2006年，为了保证客户资金安全，在监管要求下诞生了三方存管系统，券商接受的客户资金必须保存在银行，这样避免了券商挪用客户资金的情况发生。2004年—2008年，随着证券业务种类多样化，诞生了集合理财系统、投行系统、固定收益系统、以及目前正在建设当中的股指期货系统和融资融券系统。短短20年时间，伴随着券商业务模式的变革，国内券商的IT系统发生了巨大的变化。目前很多券商90%以上的收益来自于经纪业务，而经纪业务中超过70%的收益来自于网上交易，而不是传统的营业部终端交易或电话委托交易，网上交易系统的重要性不言而喻。由此可见，核心IT系统能否安全稳定运行直接决定券商业务是否能够正常开展，直接关系到广大股民的利益。

虽然券商的IT建设在短时间内取得了巨大发展，但是当前仍然存在着一些重要的不足制约券商业务的创新和发展，主要表现在以下几个方面。

一、国内券商的IT侧重在IT运维，主要精力投入在保障系统安全稳定运行方面，而忽略了自主开发的能力的培养，在支持业务创新方面能力明显不足，某种程度上限制了业务发展；

二、重要业务系统建设如集中交易系统、行情系统等被几家供应商垄断，券商选择的余地不大。券商缺乏对于供应商的掌控能力；

三、管理层更多关心业务发展，对IT了解较少，对IT在公司发展中的作用认识不够充分，缺乏IT治理的能力，没有有效的利用IT的价值；

四、IT发展战略不明确，缺少IT规划。IT架构相对落后；

五、IT与业务沟通存在障碍，互相不能理解对方的语言；

六、IT缺乏精细化管理；

七、IT员工的能力有待进一步提高。

相比而言，台湾的证券公司IT应用发展水平明显高于大陆。以CRM为例，在国内很多证券公司建立了CRM系统，其仅仅是作为解答客户疑问的帮助平台；而在台湾，富邦证券也建立了CRM系统，但其发挥作用远不仅是一个回答客户问题的帮助台。富邦证券成立之初，面临的情况和现在大陆券商类似：建立了CRM系统，仅用于解答客户问题。当时大部分业务部门均以各自产品为导向，独立发展，缺乏跨业务部门的公司层面的CRM策略。客户信息分散在各个子公司的客户数据库中，他们在进行客户分析和营销活动计划时无法对客户进行整体性评价，缺乏对客户的研究，客户服务水平一般。各子公司进行客户管理和客户营销时，各自为战，对一个客户多次进行产品营销，甚至出现各子公司争抢客户，导致内部资源的浪费和客户忠诚度降低。富邦证券意识到了这个问题，建立了公司统一的数据仓库，整合所有子公司的客户资料，并在此基础上建设CRM系统将客户信息、营销流程以及销售渠道进行整合以支持公司的交叉销售策略。

CRM系统建设过程中，将营销系统与Call Center、个人理财和客户经理系统等销售渠道进行整合，以形成端到端的CRM环路，如直邮（Direct Mail）、Call Center（包括Auto-dialer、SMS、FAX、E-mail）、Internet、客户经理系统等。经过前端渠道处理过的信息（客户反馈信息），再通过整合的信息交互渠道，传回CRM系统进行进一步的分析和决策，达到分析型CRM系统与 *** 作型CRM系统的无缝整合。使得客户感受到了无缝隙的服务，展现在客户面前的是一个整合的富邦证券，而不是以前的富邦证券的经纪业务部门、投资咨询部门等等独立的个体，真正实现了IT引领业务发展。

富邦证券通过整合销售渠道，将数据分析、营销管理人员与销售渠道联结起来，不仅提高了营销的效率，缩短了反馈周期，而且真正利用CRM系统主动服务于客户，大大优化了客户体验，赢得了良好的口碑，也为公司带来了巨大的经济效益。

那么应该如何解决本文前面列出的国内券商IT存在的这些问题呢。证券公司应该根据自己在行业内的定位，结合公司发展战略，选择适合自己的发展道路。如果要成为行业的领先者，要以更好的为客户提供服务为中心，要制定清晰务实的战略方向，根据业务战略制定出IT发展目标和IT实施规划，通过提高自主研发能力增强对IT系统供应商的控制力和谈判筹码，深度挖掘IT的价值，促进IT与业务的融合，将IT这个战略工具牢牢把握在自己手里。另外由于监管部门在对券商评级时对信息安全和IT治理方面提出了明确的要求，因此各券商在这两个方面也要给予足够的重视和投入。

当前国内券商无论是业务还是IT都到了一个转型的时期，中登公司最新的数据，截止2009年06月19日，沪深两市共有A股账户12,77372万户，B股账户24274万户；有效账户10,97449万户。这个数字对于证券公司来讲不一定是好事，说明市场可能已经接近饱和，虽然股民开户数已经突破一亿户，但是活动账户大概只有3000万户，这意味各券商只能从现有的这些交易活跃股民中去和其他券商争抢客户，才能保证公司效益，彼此竞争将更加激烈。国内证券公司的交易系统，行情系统，CRM系统都大同小异，如果要吸引客户来本公司开户，必须通过提供差异化的增值服务，形成公司的品牌和特色。在这个过程中，IT起到至关重要的作用。目前国信证券和招商证券在这方面走在前列。

从去年开始，国内一些证券公司组织中层以上公司的骨干去台湾、美国和欧洲的金融机构学习其先进的经验，其中也包括如何更有效的利用IT为公司创造更多价值。这表明一些先知先觉的人已经意识到现在到了必须做出变革的时候，不能像以前一样靠天吃饭，否则被淘汰只是早晚的事情。

伴随着创业板的上市，股指期货以及融资融券业务的推出，未来国内资本市场将会愈加繁荣。各种新的业务产品及衍生品将会层出不穷。国内券商的IT能否跟上业务发展的脚步，这对广大券商的CIO们来说是一个需要思考的现实问题。

数据分析师工作的流程简单分为两部分，第一部分就是获取数据，第二部分就是对数据进行处理。那么怎么获得数据呢？首先，我们要知道，获取相关的数据，是数据分析的前提。每个企业，都有自己的一套存储机制。因此，基础的SQL语言是必须的。具备基本SQL基础，再学习下其中细节的语法，基本就可以到很多数据了。当每个需求明确以后，都要根据需要，把相关的数据获取到，做基础数据。

获得了数据以后，才能够进行数据处理工作。获取数据，把数据处理成自己想要的东西，是一个关键点。很多时候，有了数据不是完成，而是分析的开始。数据分析师最重要的工作就是把数据根据需求处理好，只有数据跟需求结合起来，才能发挥数据的价值，看到需求的问题和本质所在。如果连数据都没处理好，何谈从数据中发现问题呢？

就目前而言，大数据日益成为研究行业的重要研究目标。面对其高数据量、多维度与异构化的特点，以及分析方法思路的扩展，传统统计工具已经难以应对。所以我们要使用专业的数据分析软件。数据分析工具都有Excel、SPSS、SAS等工具。Excel、SPSS、SAS 这三者对于数据分析师来说并不陌生。但是这三种数据分析工具应对的数据分析的场景并不是相同的，一般来说，SPSS 轻量、易于使用，但功能相对较少，适合常规基本统计分析。而SPSS和SAS作为商业统计软件，提供研究常用的经典统计分析处理。由于SAS 功能丰富而强大，且支持编程扩展其分析能力，适合复杂与高要求的统计性分析。

以上就是关于数据分析专业前景如何全部的内容，包括:数据分析专业前景如何、电子商务营销中哪些数据可以用来作为营销分析的基础数据、IT销售的含义等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！