专栏首页AI+BI智能数据分析如何在BI平台中实现自动分级预警?
原创

如何在BI平台中实现自动分级预警?

在互联网+时代,一切都讲究“数据化”,而真正用好“数据”,不仅仅是“人看数据”,更要“数据追人”,才能让“数据落地”,如此才称得上将产品/运营/服务等实现“数据化”。

那么,如何做到“数据追人”,特别是有针对性、差异化的“数据追人”呢?观远数据最新推出的「智能预警(数据集预警)」功能,可以很好地满足广大用户的这一需求。

案例背景 某连锁门店的区域经理助理小朱为当前区域门店创建了多个重要指标看板,但无论是区域经理还是店长,因为日常工作太忙,经常没空细看所有数据看板。小朱希望对于重要指标,特别是有异常的重要指标,可以单独预警。

小朱了解了很多BI数据分析平台,发现大部分平台所说的预警,更多还是在图表上设置条件格式,将异常数据在图表上进行高亮或特殊标注,并没有推送到人的功能。

而有的BI平台,虽说提供了预警消息推送到人的功能,其实现方式和操作方法类似于普通的卡片预警功能,只能设置简单的预警规则。但在实际业务场景中,还是有诸多不便之处,包括但不限于设置规则不灵活、无法“千人千面”地设置预警消息等。

对此,行业的通用方案是,针对不同门店的预警触发条件逐一设置,5个门店设置5条预警规则(如下图);如果希望将不同门店的消息推送给对应门店的人,则更繁琐,需要创建5个单独的预警,并且每个预警里的预警规则和通知消息都要逐一设置。

观远数据最新推出的智能预警功能,基于数据集创建预警规则,可以轻松做到行级别的差异化预警设置。这种新预警方式相比于目前行业通用的预警实现方式,有诸多优化和独特之处,下面我们着重挑几点来介绍说明:

优点1:相同预警规则、不同应用对象,预警规则只需设置1次。

如上述小朱的业务场景,他们需要门店销售额未达标的情况下能触发预警。这在行业通用方案中,5个门店就需要设置5次。用观远数据集预警来设置的话,只需要设置一条预警规则即可(如下图),因为数据集预警支持两个字段间的对比,而行业通用方案基本只能支持一个指标字段与一个固定值作对比。

优点2:相同属性、不同用户,收件人只需添加1次。

观远数据集预警的智能之处还在于收件人支持根据字段或属性来匹配,可以根据不同分发规则动态发送给对应的用户。

如上述小朱的业务场景,想要把5个店铺的异常预警发给对应店铺的人员,需要创建5个预警,设置5次,同时,如果每个店铺有10个员工,则收件人处需要将所有员工账户一一添加;而观远数据集预警只需设置一次,大大提高了工作效率。

当然,如此使用的前提是预警推送数据集中,包含用户属性相关字段。如上文中的case数据,需要使用ETL进行处理,添加相关信息。

处理后的数据:

如果希望未达标的门店信息推送给对应门店所有人,则只需如下图配置:

未达标的门店是门店1、门店3、门店5,根据如图配置,系统会寻找用户属性中“所属门店”分别是对应门店id的用户,并推送预警信息。如果每个门店有10个员工,则这三个门店各自的10个员工都会收到信息。

而如果只想将该条信息推送给门店的店长,也可以进行相应的配置:

若数据集中有直接对应到店长的字段(如工号),则可以用相关用户属性直接关联;或者,在上图所示的收件人分发条件基础上,再增加一个条件,直接指定某用户属性的属性值,如下图示意:

优点3:相同预警规则、不同用户、不同预警消息,消息编辑只需设置1次。

数据集预警支持对内容进行差异化定制:通过插入字段内容,可以让每个收件人收到的信息都是与其相关的数据,做到千人千面。

举例:如下图所示设置预警消息,

则门店1的收件人收到的信息是:

“你负责的门店:门店1,昨日销售额为62154,未达到目标销售额70000,……”

而门店3的收件人收到的信息是:

“你负责的门店:门店3,昨日销售额为51262,未达到目标销售额55000,……”

功能使用拓展:分级预警

数据集预警因为其规则灵活配置的特性,还可以应用在更多业务场景中,比较典型的就是分级预警。根据数据异常的严重程度通知不同层级的负责人,层层追责,级级落地。如门店的达标情况,1天未达标仅通知店长,连续2天未达标通知片区主管,连续3天未达标就要通知区域经理。

此外,观远数据集预警的通知渠道,也支持多种形式,除传统的邮件渠道外,还包括钉钉、企业微信、云之家等各种OA应用通知,充分支持“数据追人”的落地,让异常数据的预警可以第一时间到达相关人员的手上,从而更早、更快做出应对。

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 零售数字化必经哪四个阶段?

    谢谢苏总邀请,首先说一下我们为什么选择和观远数据合作。观远数据是一家非常出色的新兴数据公司,在经过深入了解后,发现我们对数据赋能的理念非常相似,所以一拍即合、很...

    观远数据智能分析
  • 遵循因果性的可解释AI预测

    过去(包括现在),我们经常能在很多数据分析或BI产品上看到:在稀稀落落的散点图上,顺势一划,勾勒出一条曲线,再在横向时间轴上延展若干时间跨度,然后有人就告诉你—...

    观远数据智能分析
  • 顶尖数据分析师需要掌握的7大技能!

    通过教育和学习可以培养一些数据分析的技巧和能力,与此同时你还需要通过实践和不断的经验总结持续修炼你的数据分析素养。

    观远数据智能分析
  • springMVC 返回流图片显示,前端接受流

    直接访问springmvc路径 直接访问通过流的形式返回图片,但是这个有一个缺陷就是 返回的title是路径名称加像素。

    斯文的程序
  • 别让你的手机成为恶意软件的温床

    手机早已成为人们生活中不可或缺的一部分,在娱乐,移动支付,社交等方面都起到举足轻重的作用,可以说在当今社会手机就是人们重要的“生存”工具之一。但是在享受时代带给...

    FB客服
  • 数据分析利器 pandas 系列教程(三):读写文件三十六计

    前面我们学完了 pandas 中最重要的两个数据结构: Series 和 DataFrame,今天来侃侃 pandas 读写文件的那些 tricks,我有十足...

    月小水长
  • 分享十张表的数据!大家一起玩!

    最近有一些朋友留言表示对python不太熟悉,也不太会使用爬虫,但是对文中的数据很感兴趣。问小五能不能分享一下这些数据。

    朱小五
  • python 数据分析基础 day5-读写csv文件基础python读写csv文件通过pandas模块读写csv文件通过csv模块读写csv文件

    今天说一下使用python读写csv文件。 读写csv文件可以使用基础python实现,或者使用csv模块、pandas模块实现。 基础python读写csv...

    billyang916
  • PHP爬虫小结

    这里有一个 https://github.com/hightman/pspider 项目,很完善,也是采用了socket方式。

    jerryteng
  • Python的CSV模块

    Python 的 CSV模块的使用方法,包括,reader, writer, DictReader, DictWriter.register_dialect

    py3study

扫码关注云+社区

领取腾讯云代金券