周日在家看了几眼《PYTHON 数据分析与应用》。介绍的关于数据分析应用场景一部分内容， 想到其实也可以逐步结合目前咨询工作的内容，逐步形成一种新的关于绩效管理或者更多领域的工作模型。关于应该场景 ，以阅读笔记的形式记录如下：
1. 客户分析（Customer Analytics）
可以根据客户的基本信息进行商业行为分析，首先界定目标客户，根据客户的需求、目标客户的性质、所处行业的特征以及客户的经济状况等基本信息，使用统计分析方法和预测验证法分析目标客户，提高销售率。可以根据客户已有的客户特征进行客户特征分析、客户忠诚度分析、客户注意力分析、客户营销分析和客户收益分析。通过有效的客户分析能够掌握客户的具体行为特征，将客户细分，使得运营策略达到最优，提升企业整体效益。
2.营销分析（Sales and Marketing Analytics）
3.社交媒体分析（Social Media Analytics）
4.网络安全（Cyber Security）
5.设备管理（Plant and Facility Management）
目前可以实现通过物联网技术收集和分析设备上的数据流，包括连续用电、零部件温度、环境湿度和污染物颗粒等多种潜在特征，建立设备管理模型，从而预测设备故障，合理安排预防性的维护，以确保设备正常作业，降低因设备故障带来的安全风险。
6.交通物流分析（Transport and Logistics Analytics）
7.欺诈行为分析（Fraud Detection）
应用于金融业，可以通过分类模型分析方法对非法集资和洗钱的逻辑路径进行分析，找到其行为特征。聚类模型分析方法可以分析相似价格的运动模式。例如对股票进行聚类，可能发现关联交易及内幕交易的可疑信息。关联规则分析方法可以监控多个用户的关联交易行为，为发现跨账号协同的金融诈骗行为提供依据
仔细阅读了以上应用场景，我思考是否可以讲这种数据分析技术应用于企业的内部管理，每一项企业内部流程的建立都有一种标准行为。在做企业管理咨询工作时，经常会有标杆研究这项工作，其实这也是在模式化一种最优管理行为，并将之作为参考依据，但这种研究经常是独立行为。还有内部管理。
目前在做的主要是银行的绩效管理项目，但往往会接触到银行方方面面资料和数据，以及深入客户接触到并了解到客户日常工作行为，是否可以将这些日常行为也逐步建立一种数据行为模型，从未将日常工作也能够标准流程化。前期可以通过建立日常工作行为清单的模式，逐步建立日常工作操作流程，数据化行为模型的建立提供基础。
最近在看数据分析和书籍《清单革命》，结合具体工作有一些模糊的想法，写的也不是很清楚。只是感觉可以这样结合，可能会是一个不错的研究方向。但是，目前受限于对数据分析认知水平的限制以及管理资源专业水平的有待提升，可能随着时间的推移与认知的提升发展这并不是一个合理的方向，但那是以后的事情。
将数据分析与绩效管理、薪酬管理、组织管控等管理工作结合起来是目前想到不错的课题。主要也是想结合自身工科专业背景希望能将以后的工作与工科这种专业背景更多的结合起来， 有更多的学科融合，取优避劣，发挥所长。
