身處數據洪流的時代，幾乎每一家企業都在試圖從數據中找到指引業務發展的方向，提升商業價值。然而，數據資產能否被有效挖掘和分析則需要被慎重審視。從被動應對到主動智能，企業可以通過實時信息來觸發即時行動，建立即時業務意識，這一特性在面對不斷變化的IT市場時至關重要。“對于Qlik來說，我們會通過數據服務能力包去釋放數據的獲取性，然后把數據遞送到分析端，由分析服務能力為用戶提供對數據的解讀，最終的結果可能是儀表盤，可能是預警，也可能是用戶的自助功能，為之后的數據使用提供行動支持。”Qlik大中華區及韓國區售前產品總監張海鵬說。

Qlik大中華區及韓國區售前產品總監 張海鵬

Qlik基于云的主動智能平臺提供了端到端的實時數據集成和分析解決方案，以縮小數據、洞察和行動之間的差距。主動智能的特點是更具實時性，可以幫助企業做出更好的決策，提高收入和盈利能力，并改善客戶關系。Qlik Replicate能夠對接各類數據源，并且有著SAP等數據庫的接口認證，可以通過目錄服務為用戶提供選擇數據的窗口，結合業務就緒的能力帶來儀表盤類的引導式分析，或是讓用戶自助進行分析，或是借助一些算法型、預測型的分析滿足不同的用例。

(資料圖片僅供參考)

主動智能趨勢分析

Qlik的主動智能產品可應用于自助式銷售管理與分析、銷售商機Closure預測、客戶流失預測與挽回、及時分享預警消息，以及觸發CRM系統進行相應行動等場景，比較有代表性的功能包括增強分析（Augmented Analytics）、預警（Alerting）、Qlik AutoML和應用自動化（Application Automation）。其中，增強分析可實現智能化自助分析，以及關聯分析、對話式分析和各種高級分析。以關聯分析為例，可以讓用戶有更自由的交互方式和空間，通過儀表盤看到KPI、銷售、利潤、成本等信息，獲得業務洞察。

分析能力演示

像是追蹤利潤數據的話，用戶會看到相應時間段上的利潤基點，從中挑選所需的信息來拖拽展示，找到影響企業經營活動收入的原因。“假設選擇這幾個月份，看到這些月份之下的利潤率有了小幅下滑，銷售狀況也會有不同程度的變化。”張海鵬在演示中介紹稱，“如果不了解之前發生了什么，可以點一下取消，可以看到原來平均利潤水平是20%，平均的銷售增長大概這么多。但是經過篩選之后，會發現利潤率有了一點點下滑。但其實總銷售額是增加的。所以當我再切換到另外的頁面，體驗是連貫的、一致性的，包括看數據的篩選條件也會被帶過來。”

數據看板

數據看板可以顯示銷售人員的業績狀況，并基于各類數據提供精準的用戶畫像進行個性化的服務觸達。如果用戶沒有足夠的數據支持用于分析，也不了解產品的使用情況，則可以通過智能搜索功能找到相應的業務策略。例如，體育用品公司的業務經理可以找到運動品牌的狀態，包括折扣、利潤、客戶分類等等，查看業績達成情況。如果想了解細節，像是門店在NBA賽季時與體育用品相關的銷售情況，只需要搜索某一款產品就能展現出相關的市場情況。

在增強分析中，不止有數據關聯性，還有洞察顧問的功能，點擊界面后會為技術背景稍弱的用戶提供多種可選模塊。例如搜索，選擇業務指標由Insight Advisor找出要探查的部分，把產品的銷售成本等信息通過可視化展示，并找到背后的影響因素。利用提問的功能，用戶可以用自然語言與Qlik的平臺溝通，快速找到想要的答案。即使是儀表盤尚未支持的內容，也能獲得可視化的數據結果。用戶在創建分析時會看到不同的選項，支持高級的分析類型，由自動化的方式來呈現。例如在集群分析時，會建議用戶進行聚類分析的角度和指標選擇等，實時輸出相應的分析圖表。

Qlik的增強分析集成了豐富的機器學習能力，包括算法、聚類分析、時間序列預測等，一方面整合了自家的Qlik AutoML，幫助用戶自動訓練模型、迭代發布模型，另一方面可以對接AWS（SageMaker）、阿里云等第三方平臺的AI服務。利用Insight Advisor等技術產生的關聯性，用戶可以在平臺中找到個性化的答案，發現問題時及時進行修改，Qlik的機器學習引擎則會輔助做記錄。如果用戶要從不同的數據庫、表格中進行關聯，Qlik也能用自動化的方式滿足，用戶則無需具備編寫CQL語句的能力。Qlik的增強分析旨在幫助用戶自由、便捷的分析數據，而不止是進行預測。

Insight Advisor

Qlik的主動智能支持數據驅動的自主化，可實現自助式預警，以及異常值檢測和復雜條件、語境下的鉆式分析。用戶可以自由訂閱信息，像是在商機管理中，追蹤銷售的成單率、成單額、客戶分類等。假設要關注丟單風險的話，就會在“forecast”中找到相應的規避方法，對于預測贏單率較低的訂單，可以設置預警條件，例如定義“丟單風險大的機會商機”，結合相關的數據信息給出指導意義。這些預警可以添加額外條件和用戶共享，終端用戶只需簡單加載、刷新數據后即可啟用。數據更新后，預警引擎會評估滿足條件、有潛在丟單風險、額度較大的訂單進行消息推送，隨時掌握訂單情況，并在APP中展示。

Dataset選擇

上文曾提到Qlik AutoML，其可以對模型進行分類預測，以及自動化訓練、迭代和發布，協同Qlik關聯分析，實現公民數據科學家。該軟件能夠把數據科學團隊的能力擴展到預測型分析場合，快速構建新項目，定義預算分析和機會預測，根據訓練目的選擇相應的數據，用戶可以基于需求選用系統推薦模型和算法。例如在增加預測維度之后，通過快速分析可以看到贏單或丟單的概率。這一過程中，用戶可以隨時調整字段和條件，對模型進行迭代優化，并且可以調用外部的BI接口。

借助應用自動化，用戶可以通過無代碼的方式，接入多種應用，將洞察力轉化為行動，盡量預防丟單的事情發生，在CRM等系統中快速找到銷售機會、發起任務流，調用更多的營銷工具去影響更多的潛在目標群體。Qlik希望將數據層面的觀察觸達到下游系統，由此帶來業務上的調整，像是在店門場景中，一些零售店出現庫存短缺的情況時，過去需要打電話給采購部門增加采購，或是把庫存轉移到就近的倉庫，現在只需要點擊一下就鼠標能自動完成下單，在倉儲之間調度貨物。

張海鵬稱，Qlik會根據客戶的需求選擇是否為其部署主動智能的產品，以及相應的落地路線。在實施的過程中，Qlik還會和本地的合作伙伴（如SI）協作，幫助用戶把產品變成解決方案，應用到具體的業務場景中。在中信建投，該企業希望解決三個方面的問題：實時了解客戶的資產移動狀態來優化投資策略；面向客戶不同渠道的應用時，希望實時展示最新的資產和收益狀況；打通廣泛且復雜的數據源，從龐大的交易規模中獲得數據價值。對此，Qlik提供了數據實時捕捉方案，利用Qlik Replicate實現了數據庫之間的自動化同步，從不同的投資交易中完成數據的抓取、整理等工作，并將交易數據實時反饋到下游業務端，幫助中信建投將數據從業務系統抽取到KAFKA平臺。由此，中信建投的客戶可以在APP端實時看到投資組合的收益，并且公司的業務數據更新也從小時級縮短至亞秒級。同時，中信建投的人工和時間成本得到大幅降低，減少了企業IT和數據團隊的工作量，擁有了更好的擴展性和運維能力。

華御結是香港連鎖的日本品牌壽司店，旗下的門店交易由POS系統支持，考慮到生鮮產品供應較多，超過100家的連鎖店希望獲得分鐘級別的數據收集方案，讓庫存管理和供應保持在較為合適的水平。Qlik可以幫助華御結實現全香港POS數據的自動化收集和分析，并且還會通過培訓服務對華御結的門店運營團隊進行賦能。由此，華御結能夠對每天的數據進行及時的掌控，了解產品供應和銷售情況，結合自身的需求預測系統維持供應平衡，避免產品的浪費和短缺。在企業數據文化的構建方面，有近50%的員工把Qlik的分析報告作為日常工具，輔助完成運營和決策。

除此之外，Qlik還服務于高科技、汽車、零售、生物制藥等領域的廣泛客戶，為他們提供關聯分析、洞察建議、自然語言等技術，并借助API整合機器學習等能力。未來，Qlik會持續推進云化的策略，滿足企業上云和混合云的需求，加強數據能力的安全性和可靠性，通過客戶成功團隊等專業人員的支持，幫助客戶更好的將主動智能與實際業務相結合，激活數據價值。

戴爾(DELL)2U機架式R740存儲服務器主機 2*至強銀牌4210R 16G*4 4T*3 H730P 750W雙電 導軌 三年保修

[經銷商]京東商城

[產品售價]28999元

進入購買

Intel 酷睿 i7 12700KF

領券滿149減15贈

[經銷商]京東商城

[產品售價]2649元

進入購買

關鍵詞： Qlik