大数据营销的理解范文

导语：如何才能写好一篇大数据营销的理解，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

每场大会上都在讨论着这个话题，小商贩也乐此不疲地谈着。几周以前我参加了一场营销会议，会上频繁提及大数据一词，讲者讲话中用到大数据一词，都不得不为过度使用向大家道歉。虽然提及的次数十分频繁，仍然有一些市场营销人员感到迷惑不解。

要是分别向20位市场营销人员问同样的问题――什么是大数据，得到的20个答案也许各不相同。这样的状况让我们就像囫囵吞枣，只知道大数据是时下的热门词汇。

不过要是这样不求甚解，可能就会给企业带来巨大的风险。

根据PWC公司2013年的数码技术趋势调查显示，有62%接受调查的人认为大数据有助于提升公司的竞争优势。

然而，想要实现这一目标并非易事。最近的一项电子顾问服务公司的信息数据表显示，有60%的市场营销人员在提及对利用信息改善营销方案的最大阻碍时，罗列的都是不相干的技术和数据资源。

那么，作为市场营销人员必须赶紧问问自己：现在要是不能理解和运用大数据的巨大潜力，怎么能给企业带来竞争优势。

第一，什么是大数据？

随着数字化在全球各行各业的普及，比如电子商务兴起、社交网络朋友聚会、服务生用手持设备为您点菜，采集到的数据量大爆炸。据IDC调研公司称，全球数据量每年上升50%，每两年翻一番。 大数据就是用来定义这些公司可获取的较大的、越来越多的数据的。

几年以前，这也许意味着公司可以聘用几位专家来处理数据，但如今数据的影响广泛而深远。

对大数据进行管理、分类和维护会带来巨大的后勤挑战，但是如果掌握了这些大数据，对于分析和决策益处多多。

那么大数据对于营销人员有哪些影响？

大数据与营销

1.大数据将成为竞争优势的基础

大数据可以支持几乎每一个营销目标，不论是深层次的客户分析及定位，还是战略分析，甚至可以支持预测分析。总的说来，大多数行业内专家认为大数据如果能处理得当，有助于提升营销人员的决策制定。

2.广告创意人员将让位于数据学家

过去，营销人员设计出“围绕‘大理念’的30秒电视节目，然后力求广播、纸媒、网络宣传同步协调”。

既然在全球各地，人们都在通过在线和网络管理日常生活从购物到个人健康的方方面面，那么上述的营销策略就需要转变。别再对《广告狂人》里的男主角念念不忘，哈佛商业评论上说，数据学家将是21世纪最性感工作之一。

3.大数据不会比自己现有的数据更重要

面对大数据的期待如此之高，似乎营销人员已决意将营销一夜之间彻底改头换面，并立刻从中获益。

“真正的机遇不在于大数据，而是小数据。”

然而，单是开始改变就已经让人望而却步，因为数据来自五花八门的数字化渠道，如CRM系统、分析工具等等。于是营销人员最常抱怨的就是：“我要是无法征服大数据，又怎能利用它呢？”

英国开放知识基金会的创始人及联席董事鲁弗斯・波洛克说：“别总想着大数据，真正的机遇不是大数据带来的，而是小数据。数据的大小其实并不重要，重要的是要掌握数据，不论它的大小，这样能帮我们解决问题或解答困惑。”

篇2

21世纪什么最贵？大数据

大数据将是继云计算、物联网之后IT产业又一次颠覆性的技术变革。

而这数据，已不是传统意义的一般数据，而是超大数据、海量数据，就是现在所谓的“大数据（Big Data）”。如今大数据可谓是风起云涌，红红火火，俨然成为2012 年信息技术领域最时髦的词汇。IBM 、微软、Oracle、SAP等IT巨鳄，像是寻找到了新的金矿，开始全力挖掘大数据，多方位推广大数据理念，争抢“头趟汤”。而众多中小IT厂商也跟着蜂拥而至，以分得大数据市场一杯羹。

“大”字不仅意味着数据的数量庞大，还代表着数据种类繁多、结构复杂，变化的速度也极快。可以说，目前大部分企业经营决策面临的最大挑战不是缺少数据，而是数据太多，面对这些静态、孤立、无多大参考意义的“初级品”的信息数据，企业信息部门需通过系统功能来发掘有价值的数据，给公司营销管理提供决策支持。

大数据，重构精确营销模式

大数据时代之前，企业多从哪些平台提取数据、提取哪些营销数据呢？一般是CRM或BI系统中的顾客信息、市场促销、广告活动、展览等结构化数据以及企业官网一些数据。但这些信息只能达到企业正常营销管理需求的10%的量能，并不足够给出一个重要洞察和发现规律。

而其他85%的数据，诸如社交媒体数据、邮件数据、地理位置、音视频等这类不断增加的信息数据，和包括数据量更大、逐渐广泛应用、以传感器为主的物联网信息，以及风起云涌的移动3G互联网信息等，这些就是大数据所指的非结构性或者叫作多元结构性所需的数据，它们更多以图片、视频等方式，几年前可能被置之度外不会被运用，而今大数据能进一步提高算法和机器分析的作用，这类数据在如今竞争激烈的市场日显宝贵、作用突出，并能被大数据技术所充分挖掘、运用。

第一，对营销决策数据进行更好的优化。包括沃尔玛、家乐福、麦当劳等知名企业的一些主要门店均安装了搜集运营数据的装置，用于跟踪客户互动、店内客流和预订情况，研究人员可以对菜单变化、餐厅设计以及顾问意见等对物流和销售额的影响进行建模。这些企业可将这些数据与交易记录结合起来，并利用大数据工具展开分析，从而在销售哪些商品、如何摆放以及何时调整售价上给出意见，此类方法已经帮助这些领先零售企业减少了17%的存货，同时增加了高利润率自有品牌商品的比例。

以前的CRM系统，只能促使分析报告回答“发生了什么事”，现在一个优秀的大数据系统已可以被用来回答“为什么会发生这种事”，而且一些关联数据库还可以预言“将要发生什么事”，最终发展为非常活跃的数据仓库，从而能判断“你（用户）想要什么事发生”。 据称，集成整合Essbase服务技术的Oracle大数据平台已能为用户提供策略级、未知信息分析预测能力和个性化自助式定制等。

第二，对目标对象进行更完整的分析、描述。通过获取更丰富的消费者数据，包括网站浏览数据、社交数据和地理追踪数据等，可以绘制出更完整的消费者行为。譬如，大数据技术能对客人方方面面的信息进行充分有效管理并深度挖掘。

如果某个客人是某酒店的老主顾，那么大数据系统就会清楚告知酒店经理人这位客人的习惯和喜好，如是否喜欢靠路边、是否吸烟、是否喜欢大床、喜欢什么样的早餐，甚至从事什么工作、有什么商务需求等。当客人再次光临时，不用客人自己提出来，酒店大数据系统就会自动提供客人所喜欢的房间和服务等相关信息，大大提升酒店管理效率。

利用大数据中的语义搜索功能，系统能理解自然语言的含义，包括理解工作的头衔、技能、行业和教育等，除此之外，它可以做到智能处理拼写错误、缩写、标点符号等更多问题，也能识别相同的词在不同语境中的含义，以更好地为营销管理服务。例如：销售经理、财务经理、人事经理，它们中都有“经理”二字，显然代表了不同的语义，借用语义搜索技术，能对目标对象实现智能的区隔、判断。

第三，实现点对点智能广告模式。对于广告主来说，广告核心问题在于：如何从海量数据中寻找目标受众，并投放相应的广告信息。

时下广告不是点对点模式的，而是主从模式，像单个“老师”（产品）对众多满地跑的“学生”（消费者等受众），可是“老师”却总是抓不住多数“学生”，把99%的广告费都扔了。随着大数据的发展，这些钱或会被一一捡回来。

大数据能通过互联网点击流，可跟踪个体用户的行为，更新其偏爱，并实时模仿其可能的行为，让点对点的RTB（实时竞价广告）成为可能。在美国，在大数据的帮助下，RTB能把炙手可热的目标用户，拍卖给广告商。以前，电梯里上来一个秃头的中年人，如果你在电梯里打的是洗发水广告，那肯定瞎了。现在，有了RTB，广告将盯住不是满地跑的“学生”，而是那个喜欢看广告的目标人；广告市场上卖的也不是传统意义上的广告位了，而是访问这个广告位的具体用户。

那么RTB是如何实现精准的呢？假设潜在客户在浏览某网页面，某网会向广告交易平台（Ad Exchange）请求广告。交易平台向所有需求端平台（DSP）发出公告，“某网有访客，要不要向他发广告”。同时，DSP请求大数据管理平台（DMP）帮助分析这位访客情况，并根据结果进行出价决策。Ad Exchange为出价高的DSP匹配相关广告代码，并最终作出广告。

今天尖端的追踪技术和多种的大数据管理平台（DMPs）可以将受众以及广告效果数据整合于单一界面上，让广告主轻易撷取关键指标，包括转化率、流失率以及各个渠道的贡献比率等。

第四，更好地进行顾问式营销。比如当一个顾客进入店铺后，一个零售商利用大数据技术搜索他们的数据库，发现这位顾客是其希望留住的有价值顾客，之后他们通过将其过去的购物历史和Facebook主页获得的这位顾客的信息综合起来，来了解需要花多少钱来留住他，从而确定所售卖物品的合适价格和零售商可以退让的利润空间，并最终针对这一位顾客给出最佳的优惠策略和个性化的沟通方式。

如今在美国沃尔玛大卖场，当收银员扫描完顾客所选购的商品后，POS机上会显示出一些附加信息，然后售货员会友好提醒顾客：“我们商场刚进两三种配酒佳料，并正在促销，位于D5货架上，您要购买吗？”这时，顾客也许会惊讶地说：“啊，谢谢你，我正想要，刚才一直没找到，那我现在再去买。”

这就是沃尔玛在大数据系统支持下实现的“顾问式营销”的一个实例。

大数据时代，要为营销准备什么？

虽然大数据展示了非凡的前景和巨大作用，不过，大数据营销仍面临不少问题与挑战。首先面临的是技术难题，毕竟大数据技术尚处于活跃前期，各方面技术并不太扎实，各项工具需要进一步完善。但实际情况是，真正启动大数据营销，你面临的不仅仅是技术和工具问题，更重要的是要转变经营思维和组织架构，来真正地挖掘那座数据金矿。

篇3

随着现代信息技术日渐融入人们的日常生活，人们每时每刻的行为都被数据记录和保存下来，人类产生的数据正在以指数级成倍增长。谷歌、百度、腾讯、阿里巴巴等电商企业在大数据资源的占有方面拥有天然的优势，其不仅在公司内部拥有大量累积的数据量，还能通过股权购买等形式获取企业外部的大数据。大数据被普遍视为未来经济发展的“石油”，电商企业作为新时期经济发展的新型驱动力，理应重视大数据的挖掘和盈利问题。借助大数据的挖掘和利用，电商企业的营销方式和盈利模式能够获得转型升级。因此，在大数据时代，研究电商企业的大数据营销困境及其优化策略具有重要的意义。

1 大数据营销的基本特征

大数据能够解决企业发展的趋势和方向问题，运用大数据思维看待企业的发展，能够为企业经营决策提供参考和辅助。大数据营销是企业决策的重要组成部分，通过对大数据的采集和分析，针对性识别客户，根据客户特点作出企业营销决策，从而帮助企业实现利润最大化增长。因此，大数据营销具备颠覆传统营销模式的潜质，与传统营销模式截然不同，大数据营销具备以下三点基本特征。

1.1 重视从海量数据中挖掘相关性

从字面上理解，大数据与普通数据不同，有量上的规模限制，达到一定量级的数据才会凸显其商业价值。传统营销模式只注重局部样本的抽样调查，抽样调查的误差、滞后性等缺陷和不足需要依靠后期的加权等方式予以弥补，传统营销调查的主观性色彩浓厚，精准性程度不够。

此外，传统营销模式只看到“为什么”，注重分析事物之间的因果关系，事实上，因果关系的确定非常难，调查者会根据主观经验进行推断和认定原因，导致调查的客观性不足。与之相比，大数据营销则注重调查样本的无限扩大化，试图通过用户在网站点击、消费记录、售后评价等形式和途径尽可能采集全样本数据，并通过大数据挖掘和分析工具，对全样本数据进行深度加工和处理，试图通过大数据的关联分析发现海量数据之间的相关性，进而找到企业营销的突破口和针对性。

1.2 重视营销对象的行为属性

传统营销注重营销对象的年龄、性别、职业等基本个人人口学属性，营销调查分析识别出来的营销对象群体比较模式，潜在的消费群体购买商品的可能性预测效果不强，这种基于个人基本熟悉的数据调查带来的营销效果不明显。大数据营销则注重营销对象的行为属性，在关注个人基本属性的同时，尤其注重营销对象的消费行为和消费行动，试图通过了解消费者的行动轨迹，预测其消费需求，进而调整营销策略。消费者通过电脑、手机客户端等工具购物、刷微信、刷微博、看新闻等，每天都会留下海量的行为数据，这些行为数据记录了消费者对公司产品的购买意愿、购买态度、购买周期、品牌评价等，能够清晰识别忠实消费者和潜在消费者。

1.3 重视营销效果的精准性

传统营销具有较强的模糊性，既不能精准识别潜在的消费群体，也不恩那个对既有消费者的行为数据进行分析，更不能够对消费者在线行为的变化作出研判。建立在全样本行为火速据基础上的大数据营销，能够根据用户的网络浏览记录和网友之间的互动评价来识别潜在的消费者群体，经过这些数据的分析预测潜在消费者购买产品的概率，进而针对性推送购买信息和链接广告，以达到说服购买的目的。

大数据营销对既有消费者，能够通过其评价和反馈，了解其对使用过产品的基本评价和再次购买意愿，进而改进产品，进行一对一的定制化商品推送，亚马逊即是这方面的成功典范。大数据营销能够识别不同人群的消费行为，进而将群体细分和贴标签，商家可以根据群体标签定制化推送商品。经过大数据挖掘和分析所得出的营销决策应通过微信、微博、电子邮件、私信等方式提醒消费者，以期让消费者及时了解产品变动情况。

2 电商企业大数据营销应用面临的现实困境

从大数据营销的三点基本特征可以看出，大数据营销为电商企业营销提供了前所未有的机遇。但大数据营销目前尚处于起步和探索阶段，任何一个新生事物都不可能尽善尽美、一帆风顺，电商企业的大数据营销同样面临着困境。实际上，数据并非越大越好，数据质量才是关键，精准营销预期效果很好，但是也很难做到，大数据采集容易，但数据的泄漏会对消费者的隐私造成侵害。

2.1 大数据存在虚假可能

由于大数据但是全样本的数据采集，导致数据中参杂很多不利于企业营销的干扰信息和负面信息。例如，电商平台的用户ID并不唯一，一个人可能开通了几个微博、有几个微信号和QQ号，也可能有好几个商家注册ID，这可能导致数据的重复收集；再如，部分商家强制要求购买者好评，部分网站的跟帖和评论注了水，是有意而为之，要么经过严格的后台审核方能，要么经过后台选择性删除的结果，这些人为干预都会影响大数据的真实性和客观性。外加上大数据对干扰信息的识别技术还不先进，人工识别的工作量又太大，导致大数据存在虚假的可能。因此，大数据营销需要剔除这些虚假数据，提升收集到的大数据质量。

2.2 大数据精准营销效果难达预期

精准性是大数据营销的根本特征，所有企业的营销都针对精准性做着不懈的努力。对商家而言，精准性意味着对用户的商品推介能够迅速转化成为购买率，至少能够大大提高购买的可能性。但实际上，很多消费者不习惯商家的定制化推送，甚至将商家的电子邮件和社交网络推送行为视为骚扰行为，进而产生厌烦情绪，大大影响了商家的形象。因此，大数据营销分析之后，如何柔性推送大数据营销的应用结果，是商家应该重点考虑的问题。

2.3 数据泄露威胁用户隐私

当消费者的个人特征数据和行为数据被采集起来后，数据泄露的风险也骤然增加，一旦集成的大数据遭到泄露，不仅会对商家造成经济损失，更会大量泄露公民个人隐私，严重威胁消费者的人生和财产安全。现代化过程中不断滋生着现代性风险，大数据营销为企业带来便利的同时，也给用户带来了困然。很多电商企业在未获得用户同意的基础上，私自采集和购买用户数据，用户数据被私自交易，由于很多电商企业的技术防卫措施不到位，数据很容易泄露，导致用户的生活受到干扰，财产安全受到威胁，因此，大数据营销应用中存在的个人隐私及安全也是目前关注的重点。

3 促进电商企业大数据营销的优化策略

3.1 提升大数据处理技术

数据之所存在虚假的可能，主要因为数据处理技术跟不上。针对海量的数据，电商企业应该抓紧研制大数据处理技术，尤其是数据加工处理技术。数据的加工处理是大数据营销的首要步骤，如果数据的处理技术强烈依赖于其他公司，营销的自主性就无法保证。因此，电商企业应借助自身力量加工和处理数据。例如，阿里巴巴之所以能够在大数据营销方面起带头作用，关键是其自主研发的海量数据离线处理服务ODPS能够随需扩展、处理海量数据，主要应用于数据分析、海量数据统计、数据挖掘以及商业智能等领域。因此，中小企业应借鉴阿里巴巴的成功经验，自主研发大数据分析工具，提高数据质量。

3.2 培养大数据分析师

数据本身是死的，需要人去识别和分析。大数据营销还需要有能够敏锐洞察市场需求的大数据分析师。然后，大数据分析师并不是一蹴而就，这就导致我国目前的电商行业大数据分析师极度匮乏，大数据分析师基本处于缺口状态。数据专家毕竟只是少数，聘请成本高，竞争激烈。因此，各电商企业一方面应立足自身实际，从内部挖掘具有专业背景和数据处理能力的员工进行大数据分析培训。另一方面，电商企业可以聘请外部的大数据分析师，有条件的甚至可以聘请国外的大数据分析师。当然，更为重要的是，各企业应建立常态化的大数据人才培养机制，从核心数据的分析，到数据分析的可视化，再到数据分析报告的润色，再到数据分析报告的讲解，最后到大数据分析与商业的融合等环节，都需要一支能力强、有梯队的大数据分析师队伍作为支撑。

3.3 提高精准营销的效果

电商企业的大数据营销遇到了阻力，迫切需要改变现有的商品推介模式，改善用户的厌恶情绪。具体而言，电商企业首先应注重营销的及时性，经过对消费者行为的分析后，能够在第一时间作出恰到好处的信息推送和购买方案的制定，便能迅速抢占先机，不但不会引起用户反感，还会起到立竿见影的效果。

其次，要改变反复向购买者推销其曾经购买过产品的习惯，这种推销只会让人更讨厌，电商企业可以转变推销思维，将同质推销转变为互补产品推销，从而勾起消费者的注意，创造潜在的购买需求。

最后，精准营销不能影响用户生活和工作，因此，要善于利用用户的上下班休闲时间对用户进行商品推介，提高精准营销的效果。

3.4 增强数据隐私防卫

篇4

【关键词】大数据；大数据营销；京东

一、数据分析时代演变历程

（一）数据1.0时代

数据分析出现在新的计算技术实现以后，分析1.0时代又称为商业智能时代。它通过客观分析和深入理解商业现象，取缔在决策中仅凭直觉和过时的市场调研报告，帮助管理者理性化和最大化依据事实作出决策。首次在计算机的帮助下将生产、客户交互、市场等数据录入数据库并且整合分析。但是由于发展的局限性对数据的使用更多的是准备数据，很少时间用在分析数据上。

（二）数据2.0时代

2.0时代开始于2005年，与分析1.0要求的公司能力不同，新时达要求数量分析师具备超强的分析数据能力，数据也不是只来源于公司内部，更多的来自公司外部、互联网、传感器和各种公开的数据。比如领英公司，充分运用数据分析抢占先机，开发出令人印象深刻的数据服务。

（三）数据3.0时代

又称为富化数据的产品时代。分析3.0时代来临的标准是各行业大公司纷纷介入。公司可以很好的分析数据，指导合适的商业决策。但是必须承认，随着数据的越来越大，更新速度越来越快，在带来发展机遇的同时，也带来诸多挑战。如何商业化地利用这次变革是亟待面对的课题。

二、大数据营销的本质

随着顾客主导逻辑时代的到来以及互联网电商等多渠道购物方式的出现，顾客角色和需求发生了转变，世界正在被感知化、互联化和智能化。大数据时代的到来，个人的行为不仅能够被量化搜集、预测，而且顾客的个人观点很可能改变商业世界和社会的运行。由此，一个个性化顾客主导商业需求的时代已然到来，大数据冲击下，市场营销引领的企业变革初见端倪。

（一）大数据时代消费者成为市场营销的主宰者

传统的市场营销过程是通过市场调研，采集目前市场的信息帮助企业研发、生产、营销和推广。但是在大数据以及社会化媒体盛行的今天，这种营销模式便黯然失色。今天的消费者已然成为了市场营销的主宰者，他们会主动搜寻商品信息，货比三家，严格筛选。他们由之前的注重使用价值到更加注重消费整个过程中的体验价值和情境价值。甚至企业品牌形象的塑造也不再是企业单一宣传，虚拟社区以及购物网站等的口碑开始影响消费者的购买行为。更有甚者，消费者通过在社交媒体等渠道表达个人的需求已经成为影响企业产品设计、研发、生产和销售的重要因素。

（二）大数据时代企业精准营销成为可能

在大数据时代下，技术的发展大大超过了企业的想象。搜集非结构化的信息已经成为一种可能，大数据不单单仅能了解细分市场的可能，更通过真正个性化洞察精确到每个顾客。通过数据的挖掘和深入分析，企业可以掌握有价值的信息帮助企业发现顾客思维模式、消费行为模式。尤其在今天顾客为了彰显个性，有着独特的消费倾向。相对于忠诚于某个品牌，顾客更忠诚与给自己的定位。如果企业的品牌不能最大化地实现客户价值，那么即使是再惠顾也难以保证顾客的持续性。并且，企业不能奢望对顾客进行归类，因为每个顾客的需求都有差别。正是如此，大数据分析才能更好地把握顾客的消费行为和偏好，为企业精准营销出谋划策。

（三）大数据时代企业营销理念———“充分以顾客为中心创造价值”

传统的营销和战略的观点认为，大规模生产意味着标准化生产方式，无个性化可言。定制化生产意味着个性化生产，但是只是小规模定制。说到底，大规模生产与定制化无法结合。但是在今天，大数据分析的营销和销售解决的是大规模生产和顾客个性化需求之间的矛盾。使大企业拥有传统小便利店的一对一顾客关系管理，以即时工具和个性化推荐使得大企业实现与顾客的实时沟通等。

三、基于数据营销案例研究

———京东京东是最大的自营式电商企业。其中的京东商城，涵盖服装、化妆品、日用品、生鲜、电脑数码等多个品类。在整个手机零售商行业里，京东无论是在销售额还是销售量都占到市场份额一半的规模。之所以占据这样的优势地位，得益于大数据的应用，即京东的JDPhone的计划。JDPhone计划是依据京东的大数据和综合服务的能力，以用户为中心整合产业链的优质资源并联合厂商打造用户期待的产品和服务体验。京东在销售的过程中，通过对大数据的分析，内部研究出一种称为产品画像的模型。这个模型通过综合在京东网站购物消费者的信息，例如：年龄、性别、喜好等类别的信息，然后进行深入分析。根据分析结果结合不同的消费者便有诸如线上的程序化购买、精准的点击等营销手段，有效的帮助京东实现精准的营销推送。不仅如此，通过对于后续用户购物完成的售后数据分析，精确的分析商品的不足之处或者消费者的直接需求。数据3.0时代的一个特征便是企业不在单纯的在企业内部分析数据，而是共享实现价值共创。所以，京东把这些数据用于与上游供应商进行定期的交流，间接促进生产厂商与消费者沟通，了解市场的需求，指导下一次产品的市场定位。总的来说，这个计划是通过京东销售和售后环节的大数据分析，一方面指导自身精准营销，另一方面，影响供应商产品定位和企业规划，最终为消费者提供满足他们需求的个性化产品。

四、大数据营销的策略分析

（一）数据分析要树立以人为本的思维

“以人为本”体现在两个方面，一方面是数据分析以客户为本，切实分析客户的需求，用数据分析指导下一次的产品设计、生产和市场营销。另一方面，以人为本体现在对用户数据的保密性和合理化应用。切实维护好大数据和互联网背景下隐私保护的问题，使得信息技术良性发展。

（二）正确处理海量数据与核心数据的矛盾

大数据具有数据量大、类型繁多、价值密度低和速度快时效高的特点。所以在众多海量的数据中，只有反映消费者行为和市场需求的信息才是企业所需要的。不必要的数据分析只会影响企业做出时代Time2017年第04期中旬刊（总第657期）正确的决策。鉴于此，首先企业需要明确核心数据的标准；其次企业要及时进行核心数据的归档；最后要有专业的数据分析专业队数据进行分析，得出科学合理的结果以指导实践。

（三）整合价值链以共享数据的方式实现价值创造

篇5

1000字从这里开始――

水这个东西大家都见过。当你有一杯水的时候，你可以喝它;当你有一盆水的时候，你可以用它洗脸;当你有一浴缸水的时候，你可以用它泡澡;当你有一游泳池水的时候，你可以用它游泳;当你有一西湖水的时候，你可以用它划船泡妹子;当你有一运河水的时候，你可以用它运粮食;当你有一长江水的时候，你可以来往于中国的西部和东部;当你有一大西洋水的时候，你就可以发现新大陆了！

水能做的事情，是随着它的量级的增长变得越来越多的，翻译成互联网术语就叫“网络效应”。比如说电话这东西，当世界上只有100个人有电话的时候，我们认为是1个价值单位，那么当世界上有1万个人有电话的时候，它的价值难道是100个价值单位吗？不是，是1万个价值单位。这就是网络效应，网络的价值随着网络规模的扩大呈几何级数增长。

我听到一些人这么理解大数据：“我们公司很早以前就开始做大数据分析了，我们有几百万的客户数据，我们用它来进行精准营销。大数据不稀奇，它只不过是最近媒体给炒热了而已。”对此我的反应是：“呵呵。”

上面这种理解，其实只是到了“拥有一浴缸水用来泡澡”的境界而已。你觉得精准营销（我认为“精准骚扰”更准确一些）就是大数据存在的价值吗？你觉得你存在自己那台服务器里面的几百万客户数据就能被称之为“大”数据吗？如果这么想，那是因为你还没有见过大海，你还没有体验过乘坐航空母舰是一种什么样的气魄。

大数据最最根本的属性有三个――海量、开放、连接。

因为海量，所以它能做的事情才多;如果不开放，数据的量就不可能海量;如果不连接，再海量、再开放的数据，对人类的生产、生活也没有使用价值。

传统的数据思维和大数据思维是根本互斥的。企业往往认为数据是自己的宝贵资产，对保密性看得无比重要，宁可牺牲开放性也不能牺牲保密性。哦，对了，他们管保密性叫安全性。你是安全了，但你只守住了自己那一浴缸水而已，你就躺在安全的浴缸里面洗洗澡吧，你的对手这时候可能已经开着万吨巨轮在数据的大海里驶向美国了。

篇6

营销从流量购买转向人群购买，具备数据挖掘能力的公司却倍受资本青睐；在移动互联网领域，公司从开发者角度找到数据挖掘的方向，通过提供免费的技术服务，帮助开发者了解应用状况：大数据也是资本考察公司价值很好的工具，从其拥有的数据规模、数据的活性和这家公司能运用、解释数据的能力，就可以看出这家公司的核心竞争力。尽管大数据时代来临和大数据应用已经成为必然趋势，但在国内，大数据真正的概念的理解以及国内目前的发展情况和如何做好大数据却仍显模糊，而这也是业界目前探索的焦点。日前，以“大数据时代的服务业创新”为主题的2013福布斯·静安南京路论坛举办，对此做了探讨。

大数据还在初始阶段

全球畅销书《大数据时代》的作者维克托·迈耶·舍恩伯格：我们需要避免大数据的泡沫，有时候你觉得是大数据，但它并不是大数据，比如有些公司正在卖硬件、软件或者提供咨询服务，他们有时候把有些东西叫做大数据，其实并不是，所以我们不要带来太多的泡沫，有些东西不是就不是。Granter公司有一个技术发展曲线（Hype Circle）（Gartner公司是全球最权威的技术咨询机构，它的技术成熟曲线就是根据技术发展周期理论来分析新技术的发展周期曲线，以便帮助人们判断某种新技术是否采用，这个曲线将技术成熟的过程划分为5个阶段：一是萌芽期（Tech—nology Trigger）又称感知期，人们对新技术产品和概念开始感知，并且表现出兴趣；二是过热期（1）eak of Inflated Expectations），人们一拥而上，纷纷采用这种新技术，讨论这种新技术。典型成功的案例往往会把人们的这种热情加上把催化剂；三是低谷期（Trough of Disillusionment），又称幻想破灭期。过度的预期，严峻的现实，往往会把人们心里的一把火浇灭；四是复苏期（slope of Enlightenment），又称恢复期。人们开始反思问题，并从实际出发考虑技术的价值。相比之前冷静不少；五是成熟期（Plateauof Productivity），又称高原期。该技术已经成为一种平常。我觉得我们正处在非常初始的阶段，如1996年的电子商务，当时电子商务只是在美国网上来订购匹萨，大家慢慢才意识到电子商务是卖书，好比说亚马逊，所以我们是刚刚开始，像电子商务在1996年，我们也不知道以后会发展成什么样，这是它美丽的地方，因为我们面对很多机遇，每一个人都会有机遇来参与到我们未来的曲线里面。

技术能力推进大数据发展

IBM全球副总裁兼中国开发中心总经理王阳：我们正处于在发展过程中，远远没有达到，大数据只是一个概念，大家在逐渐接受。云计算已经存在很多年，而眼下虽然人们已经在拥抱大数据，但仍在雏形的形成过程中。IBM在大数据已经布局了很长时间，用了190亿美元收购大数据的有关公司，组织起来就是为了这个。第一，技术发展推进了大数据，通过通讯、英特网、云计算、物联网等等的综合，所有的数据都已经逐渐可以采集起来。在这样一种情况下，像维克托所说的全息照相，把人类的活动和自然活动都采集下来，我们已经有了数据的来源。第二是技术，也就是云计算处理能力，存储、带宽已经到了这样的时代，可以去处理这样的数据。第三，我们不光是有了处理能力，更重要的是有了一个分析判断的能力，能够进行进一步的优化，给整个社会带来价值，也就是说有了价值之后，大家才会去相信大数据，从中得到自己的便利。

数据要以有效的方式展现并应用于商业活动

一号店创始人、董事长于刚：我认为大数据真正的应用才开始。因为现在首先可以采集到大数据，第二数据越来越精确，第三是数据越来越实时，只有能实时采集到大数据它才能真正为我所用。人们理解的数据只是零散的，要经过整理和过滤之后才能成为信息，信息要能进一步以有效的方式展现在人面前的时候才能成为知识，但这个知识要经过各种工具分析，真正应用到商业活动中间才能成为商业智慧，所以这是一个日积月累的过程。

数据要将消费行为转化为个性消费需求分析

苏宁云商集团副总裁范志军：就商业层面来说，我们对大数据的应用远远不够，现在谈论的大数据过去也有，而且这些数据都是客观存在的，只不过过去没有把这些数据通过具体的分析进行归类、整理，然后将其运用到我们的商业领域去。中国的零售行业在商业运用的层面上才大数据刚刚开始，如何把这些大数据经过分析以后，很好地运用到上游制造企业，是需要努力的。而通过数据的分析把消费者的一些消费行为转化为对消费者个性消费需求的分析，也是当下整个零售行业要做的一件具体的事情。

使中小商家受益是最早能看到的大数据的价值

聚胜万合公司董事长兼首席执行官杨炯纬：对于大公司可能没有办法用大数据的简单算法超越它，这就是在复杂应用上大数据似乎到今天为止还没有展现出价值，或者没有被大量应用的原因，但是对中小企业，不管是复杂算法还是简单算法都没有能力计算，因为他没有团队、能力和资源，这个时候大数据的应用一下子使得这些中小企业能够进入到这个领域。

我们在广告领域用得最多，不管是谷歌也好，还是淘宝也好，其实他们大数据的应用都是直接使得中小商家受益，所以我觉得这可能是最早让我们看到大数据价值的地方。

篇7

关键词：大数据；营销；精准化

中图分类号：F270 文献标志码：A 文章编号：1673-291X（2014）25-0094-02

一、大数据对营销工作的挑战

早在1980年，未来学家职尔文・托夫勒在其代表作《第三次浪潮》中预言了大数据的未来前景，他认为：“如果说IBM的主机拉开了信息化革命的大幕，那么大数据则是第三次浪潮的华彩乐章。”2011年麦肯锡全球研究所发表的专业学术报告《大数据：下一个创新、竞争和生产率的前沿》开始，“大数据”（Big Data）这一词开始频繁出现在大众的视野之中，“大数据”的思想逐渐被政府、企业接纳和吸收。随着社会生产力的不断发展、特别是科学技术水平和信息化程度的提升，我们正在迎来以大规模生产、分享和应用数据为主要内容和特征的大数据时代[1]。随着移动互联网、云计算、物联网的发展，各种社交、娱乐游戏、高清视频、IPTV、安防监控、移动应用等产生的数据流量也随之爆发式增长。据悉2010 年正式进入ZB 时代，到2020 年全球将总共拥有35ZB 的数据量，比2009年增长44倍。毋庸置疑，同文艺复兴和工业革命一样，人类社会迎来新的科技革命，已进入“大数据时代”。

IBM公司把大数据概括成三个V，即大量化（Volume）、多样化（Variety）、快速化（Velocity），构成了大数据的基本特征。也有专家把大数据的3V特征进一步扩展为4V特征，即新增了价值（Value）。大数据的出现在历史上也绝不是一个偶然，它是社会化、信息化、网络化高度发达的今天必然要经历的过程。数据量的激增，数据结构的演变，各行各业对海量数据的需求，给大数据的迅速成长提供了土壤。

哈佛大学社会学教授加里・金说，“大数据时代是一场革命，庞大的数据资源使得各个领域开始了量化进程，进化论学术界、商界还是政府，所有的领域都将开始这种进程。”网络的兴起、电子商务的蓬勃发展、大数据时代的降临给企业业的营销工作带来巨大的挑战。伴随着营销领域本身的数字化进展以及各类客户对象身份数据、行为数据等非大量的非结构化数据的累积，新型的商业分析将赋予企业或大型超市的营销工作很多变革。

往日纷繁复杂的营销行为日益演变成为一系列的数据运算和相关分析，从而实现营销的精确化。这里有个经典案例：美国最大的连锁市场分析了他们的销售数据后，发现了一件有趣的事，每次飓风来临前，最畅销的商品除了矿泉水、手电筒、电池等必须品和啤酒之外，竟然是草莓夹心饼干，销量是平时的7倍。所以在飓风“法兰西丝”登录前夕，美国95号洲际公路上聚集着数百辆装载啤酒和草莓夹心饼干的货车，而他们得到的共同指令是“在飓风来临前务必送达！”这可以看作是大数据带来的科学营销的典型案例。所以，《纽约时报》说“大数据”时代已经降临，在商业、经济及其他领域中，通过对大数据世界中的海量数据进行分析而找出市场中超出人们常识、经验之外的相关关系，无疑会给企业的市场竞争赢得先机。无独有偶，美国著名的超市连锁巨头Target经过精准的客户数据分析则发现了一个女客户怀孕的事实，而这个女孩的父母当时一无所知。可以说，现实世界中通过大数据分析，可以精确地发现纷繁复杂的社会中尤其是商业网络中事物彼此之间的相关关系，尽可能避免犯传统营销中“不识庐山真面目，只缘身在此山中”的错误，实现精准化营销。

二、推进营销业发展的对策建议

大数据的整体趋势之下，移动设备和人进行捆绑，进而促进了整个互联网生态结构的转变。目前，数据库营销在中国已是许多传统企业和国内外投资者高度关注和准备进入的“百亿蓝海”。精准营销借助先进的数据库技术、网络通信技术等手段保障和顾客的长期个性化沟通，从而不断满足客户个性需求，建立稳定的企业忠实顾客群，实现客户链式反应增值，使营销达到可度量、可调控等精准要求，促进企业长期稳定高速发展，使企业的营销更具备竞争力。在如此数据正经庞大的时代，我们不能够再完全依靠经验决策了，要更精准地找到用户和降低营销成本，提高企业销售额。伴随着营销领域本身的数字化的进展以及各类客户数据、销售数据、行为数据等类型数据的累积，新的商业分析将赋予企业营销工作新的推动。

（一）营销模式策略调整

互联网、社交网络、移动网络无疑是大数据的制造者，一有时机，这些大数据就会在政府管理、企业营销中释放出巨大能量。在大数据的时代背景下，市场营销模式应从原先的单用户调查，转化成为对于商业中大数据的数据挖掘，数据挖金，这样就可以让企业掌握到用户的基本情况、用户的爱好、对于品牌的理念以及消费观点、对于新产品的反应。这样，企业的决策者和研发人员就可以针对各种用户所有可能的情况进行调整，研究一些外在设计或者内在元素的提升，调查部分产品的部分设置，更好地增加营销的利润率。

（二）配置合理的企业数据库

在大数据的时代背景下，在商业、经济、政府及其他领域中，决策行为将日益基于数据和分析而做出，而并非基于经验和直觉；而在公共卫生、经济预测等领域中，“大数据”的预见能力也已经崭露头角。大数据时代使得企业界数据库所拥有的数据量快速膨胀，不同数据之间形成大量的数据重合，这也可以看成是海量数据、大数据时代的产物。

所以，作为营销型企业，是大数据的“生产者”和“制作者”，如何在有限的人力、物力资源条件下，配置合理的数据库，更好地服务于企业自身和客户的需求，是企业统计数据库建设的首要问题。

（三）发展数据挖掘技术，高效地利用数据库资源

大数据时代，物联网技术的发展、社交媒体的兴起，从客户交易到交互数据的改变都对营销模式产生着影响，也客观上要求新的分析方法和技术来挖掘价值。如何对大数据进行分析和处理，高效地利用，是企业界、相关科研机构需要解决的问题，大数据就要求统计科学的发展越来越趋于量化分析，对统计研究和应用人员的要求越来越高，而数据挖掘就是一个重要的武器。

时代杂志（TIMES）预测：Data Mining将是21世纪最热门的五大新兴行业之一。数据挖掘是从大型数据集（可能是不完全的、有噪声的、不确实性、各种存储形式的）中挖掘隐含在其中的、人们事先不知道的、对决策有用的知识的过程。它也涉及到计算机、数学、统计学、人工智能等众多学科领域。针对大数据量大且内容庞杂的特点，如何将非结构化数据转化为结构化数据的方法和技术，积极推动数据处理方式从简单汇总向数据挖掘方向转变，加强对数据的预处理，提高数据处理的智能化程度。“啤酒与尿布”的故事就是数据挖掘的一个经典案例。

对数据进行挖掘，就像找到一座金矿，但如果没有选矿的方法，其价值是发挥不出来的。现在对企业界来说，最迫切需要的不是数据，而是准确处理、分类数据的方法，这也是网络营销实现计量化、精准化的前提。这也不仅仅是传统意义上的误差较大的预测。

数据挖掘技术与信息技术紧密相连，结合数据库技术、统计分析方法，可使政府统计企业工作理念、服务理念发生根本的转变，提高企业营销的业务水平。比如，利用数据挖掘中的关联分析、聚类分析等技术对客户相关数据进行分析，可派生出很多有关社会学的、经济学的、统计学的研究成果。

（四）云技术研究

很多计算机专家和企业界精英认为，云计算通常会和大数据紧密联系在一起，这是因为云计算目前来看，是最好的实时完成大数据发现、挖掘、存储与处理的大型计算技术。所谓云计算，指的是基于互联网的相关服务的产生、使用和交付模式，对于大数据的云计算可以理解为通过互联网或局域网，将数据按需、易扩展的方式，通过虚拟化的过程高速地提供给数据请求者。云存储则是在云计算概念上延伸和发展的一个新概念，主要指通过集群应用、网络技术或文件系统等功能，将网络中大量各种不同类型的存储设备通过应用软件集合实现协同工作，达成共同对外提供数据存储和访问功能的全新存储系统。

利用大数据特征，借助云计算这个有效工具，才能够深度挖掘流量与数据价值。

（五）加大大数据人才的培养力度

在大数据背景下，未来的大型企业，不仅需要技术工人、技术专家，更需要大批的精通数据分析、信息科学，且学术造诣和实践操作能力都很强的“大数据分析师”、“大数据白领”。所以有战略眼光的大型数据企业应加强与科研机构、高等院校进行合作，从研发经费、科研项目、专业建设、师资力量、相关培训等方面加大大数据人才的培养力度，通过理论培训和实践操作培养出一大批技术高超的大数据分析师、在数据战中能够运筹帷幄的大数据战略家。他们会是未来企业营销界中的精英战士、营销业绩的幕后英雄。

雨果说，“你可以阻挡一支入侵的军队，你却无法阻拦一种思想”。在大数据的影响下，往日的营销日渐沉淀成为科学化营销和艺术化营销两大主流范式；而企业的营销组织架构、人员构成以及工作内容也因此发生巨大的改变；大数据将成为新时代的“原油”。未来的世界，群雄逐鹿中原，信息战、大数据战不可避免，得大数据者夺先机，而具备先进的数据分析技术、信息技术，去掌控、操纵大数据者则是商界的霸主。

参考文献：

[1] 涂子沛.大数据[M].桂林：广西师范大学出版社，2012.

篇8

大数据保险影响

一、大数据的概念

近年来，大数据在不断颠覆人们对传统行业的认识，在大数据的引领下，许多领域发生了巨大的变革。大数据是一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。我们如今经历和创造的一切几乎都可以被标准化和数字化，然后被存储、挖掘、统计和分析，应用于各个行业领域。企业根据大数据分析的结果可以获取客户的有效需求，更有针对性的为客户提供服务。

二、大数据对保险业发展的影响

（一）产品开发和营销更加精准

1.市场需求分析。传统的产品开发是以产品为中心，在产品形成后，公司通过销售渠道和人团队将产品销售出去，客户所能购买的产品种类十分有限，市场上的产品在很大程度上并不能真正满足客户要求。随着互联网和自媒体行业的进步，网络社交媒体成为了重要的信息交流和传播平台，网络用户的搜索记录及其的相关信息都隐藏着自身的喜好需求和个性特征。大数据的作用就在于能够将这些分散庞杂的信息进行整合提炼，全方面的探究市场的真实需求，真正设计出满足市场需求的产品，使得产品开发更加具有针对性。

2.客户购买因素分析。客户在选择购买保险产品时要考虑多方面的因素，产品价格、保险金额、公司品牌形象和服务质量等都会影响客户的决策，在众多的因素中，哪些因素才是起决定性作用。借助大数据分析平台，通过对多种多样的客户数据进行分析，保险公司可以获知影响客户决策的主要方面，据此，保险公司可以完善自身不足，强化优势条件，不断提高自身的行业竞争力，争夺更多的客户资源。

3.差异化销售。在过去网络不发达时期，保险产品的营销主要依靠报纸、电视等传统媒体，每个人看到的宣传内容都是完全一样的，是一种无差异的、被动的产品服务营销方式。大数据时代的保险营销，注重个性化、差异化。通过对大数据的精准分析，对不同年龄、不同性别、不同教育背景和购买力的群体，根据客户需求，采用不同营销手段进行细化宣传和销售，将无目的的营销变成针对性地销售，很大程度上提高了产品的营销效率，节约了营销成本。

（二）产品定价更加精确

大数法则是保险经营的数据基础，传统的产品定价是基于历史的生命表和损失概率表来定价，保险费率一经确定，一般在一定期限内不再改变，而且，同一险种对于风险不同的购买者价格都是相同的。如今，通过大数据，可以轻而易举地获得足够多的样本，通过对更多样本的分析，得到更加准确符合现实的结论，使精算结果更精确。

随着互联网和云技术的蓬勃发展，使得客户的任何行为都可以通过网络得到记录，保险公司根据这些记录进行分析，预测和评估，将客户分成不同的类别，对于风险较低的客户可以降低保险费率，对于风险较高的客户可以提高费率，或进行有条件投保。如在对车险进行定价时，可将投保者汽车的品牌、使用年限、使用者的驾驶习惯、维修保养情况和以往出险频率等作为保险定价的参考因素，对不同风险状况的客户厘定不同的费率，进行个性化定制。

（三）风险管理更加精细

1.核保与核赔更加准确。信息不对称是保险公司经营面临的最重要的风险，在核保和核赔过程中保险公司的损失主要是由信息不对称造成的。随着移动互联网和云技术的快速进步，这一问题将得到大大的改善。大数据分析可以帮助保险公司了解客户的自然属性和行为属性，通过对客户的购买力、信用度、风险情况以及资产负债情况分析，全方位的了解客户的真实情况，降低保险公司自身的承保风险。在核赔方面，主要依靠人工现场勘察判断风险因子具有一定的主观性，效率较低。在大数据时代，保险公司通过公共信息平台实时获取客户出险信息，实现L险因子的自动判断，再根据风险因子的高低选用不同的理赔流程，提高理赔效率。同时大数据可以弱化部分不对称的信息，减少保险欺诈发生的可能性，降低保险公司的赔付成本。

2.退保风险分析。在保险公司中，衡量公司业务质量和服务水平的一个重要指标就是退保率。每个保险产品在精算时都会有一个预计退保率的假设，如果实际的退保率超过预计的假设，则保险公司将会面临利润亏损。要想降低实际的退保率，保险公司就必须对退保原因做出正确的判断。透过大数据的分析，可以针对客户退保的特定情况进行深入分析，深入挖掘影响客户退保的因素，提升公司在此方面的风险防范能力。

三、对保险业进一步应用大数据的建议

（一）加强保险业大数据人才的引进和培养

保险业要加强与互联网公司、数据公司的合作。大数据时代对保险业驾驭数据的能力提出了更高的要求，大数据分析与传统的数据分析有很大区别，分析人员不仅要有较高的业务理解能力，更要有数据结构挖掘能力。能够利用大数据的平台和大数据分析将零散的市场数据、用户数据转化为有效决策支持数据，有助于保险公司灵活应对市场环境变化，提升公司竞争力。

（二）提升信息安全风险管理水平

大数据就意味着来自多方面的海量数据，数据量和数据中所隐藏的个人信息的增多，使得数据安全问题成为保险公司必须考虑的问题，一旦发生数据泄露，将会对客户造成直接威胁，而且也会对保险公司的声誉带来不好的影响。因此各保险机构要严格遵守保险监管机构和信息化主管部门制定的规章制度，完善自身的信息化治理，加强信息安全培训，提升信息安全风险管理水平，进一步健全与大数据时代相适应的信息安全风险管理体系。

（三）创建良好的监管环境

随着大数据在保险业的应用发展，保险监管部门也应及时加强对相关方面的监管建设，建立大数据质量标准，加强信息安全保护，建立安全有效的大数据共享环境，以开放包容的态度鼓励保险公司应用大数据进行产品创新，推动保险业在大数据时代蓬勃持续发展。

参考文献：

篇9

立足客户的业务理解

在大数据情报平台的运营过程中，海量将“情报”演绎成有别于其他大数据服务商的特殊词汇。陈凯表示：“我们对情报的理解更多立足为对特定的人或机构具备时效性、有价值的数据或信息，主要强调的是针对特殊的人群或者机构。具体来说，经过大数据处理得到的结果是否有用，根本上是由用户决定。用户定义需要解决的问题后，我们才可以决定用怎样的技术驱动。如果技术能力强、水平高，整个过程的时间就会缩短，也就是时效性就会增强。所以我们一直秉承从用户需求角度出发，把用户的需求转化为系统能够执行的模型，如此加工得到的情报就会更好地服务不同用户。”

真正将用户需要的数据，按照所需结果进行加工，一改通用的大数据处理方式，将其进行个性定制，让每个用户都可以根据自己的业务需要驾驭数据的分析过程进而得到满意的结果，这或许就是海量提供给用户最大的惊喜。

提及将互联网作为主要的信息源，陈凯强调：“从客户的需求考虑，大数据的兴起总体有两个方向，第一立足企业内部的数据，由于数量庞大故而需要某个更新的技术来处理，这实际上是一种处理海量数据的技术;另一方面，大数据涉及较多的问题实际上还是企业如何去真正洞察市场与用户，更多的数据并不单单集中在内部，而是外部。如此看来，互联网的这种外部公开数据对弥补企业数据认知缺陷的作用是非常明显的，所以企业急需提升对互联网公开数据的处理能力。”

如果从海量自身的技术积累角度来看，主要的技术积累是在文本数据的分析中，恰好互联网的公开数据中主要是非结构化的文本信息，需要海量独有的中文文本分析技术进行处理，所以选择处理互联网外部数据作为信息源的主要方向是必要的。例如，分析某个产品的口碑，在处理数据时需要尽可能获得更多信息源进行分析，然后根据用户配置得出的知识模型获取与产品品牌型号相关的数据。通过这样的知识体系，就可以将数据收集完备后再根据用户的需求对产品进行多维度的评价。其中的关键环节是利用海量独创的可视化分析工具判定图将用户的分析维度和业务知识配置在分析模型中，随后再获取和加工有关数据。如此看来，每条数据经过这样的处理后就实现了从非结构化数据到结构化的转变，进而支持各类量化的分析，得到用户购买的动力以及具体喜好。

多角度的创新应用

目前，大数据情报平台已经广泛应用于众多领域，政府的公共服务社会化方面，通过互联网来搜集民众对社会治理的意见。例如，对旅游景区和星级酒店进行评价，所得数据汇总后给当地政府的决策提供价值参考，国家旅游局以PPP模式建设了12301，如果你对任何一个景区或酒店进行投诉，可以直接拨打12301热线并会有专人受理，因为这是支持酒店评级的重要数据依据之一。同时，这种数据获取并不单单通过被动接受投诉电话来进行，还需要主动的通过互联网来搜寻人们对不同景区的不同评价，来收集数据建立一套基于互联网数据的评价评级体系，如此看来这个评级体系就是用户主导提供的，利用用户贡献的数据生成评级体系来对商家进行约束再服务于用户，大数据情报平台对此起到非常关键的作用。

大数据情报平台在金融领域的信用评估与风险控制中也发挥着重要的作用。最初，行业内主要使用的是一些线下静态的数据，如今通过互联网能够更全面地了解一个企业的经营动态，更早发现风险。例如在信托行业，针对交易对手信用评估和风险监控需要分析非常复杂的数据，其中涉及融资方、担保方、关联方等十几个公司，需要对每一家公司都进行全面的评估，并且通常这些公司都会有复杂的经济关联和业务往来，更早地发现风险采取措施，就会最大限度地规避损失。

随着互联网的发展，在网上就可以如实反映一些公司的基本情况，例如员工评价、顾客评价等，这些都是风险提示的指标之一。大数据情报平台的出现让发现潜在风险的方法更加便捷，这样就能更及时地处理问题，也引领了信托行业把互联网作为非常重要的信用评估和风险监控方法的趋势潮流。

说到大数据情报平台的创新应用，自然不能不提到海量的品牌数字聆听系统，这个系统的特点是从商业的角度呈现产品营销的整个闭环。从产品的策划设计阶段到产品上市，再到营销推广和根据客户反馈不断改进产品和优化营销策略，这其中需要的是一个全流程的数据分析支撑。以往的大数据都是单个环节节点的分析，海量是把整个流程串联起来，基于技术手段打造一个全流程的品牌数字聆听的系统。这个系统为业务场景直接提供了个性化的情报数据，如品类研究、品牌监测、产品分析、营销效果评估等模块，让离业务比较远的技术平台变成每个部门可以直接使用的业务情报，从产品生命周期不同阶段的情报分析以及决策改进之后的收效反馈分析，真正形成一种严谨的闭环决策流程。

独特的优势特点

“对中文的智能计算与分析是我们的核心技术所在，主要是应用一种基于知识网络的分析方法，通过知识网络把业务知识非常充分地表达出来并且传达给计算引擎，进而达成智能化的数据分析。这种知识网络可能涉及几千个知识节点和分析维度，覆盖数万个特征词和语义模式，呈现一种复杂的网状关系，所以得出结果就会更加精准、细致。同时，整个模型是完全开放的，由数据分析师通过判定图自主配置知识网络，每个客户都可以定制所需要的分析模型，从而使不变的数据变成了千变万化的情报。”陈凯说。

海量始终认为企业不应该把大数据纯粹当做一种技术工具，而应该是业务工具，即让业务人员具备驾驭大数据工具的能力。为此，应该在企业内部设立专门的岗位角色，初级的可以叫做数据分析师，高级的可以成为数据科学家。了解企业自身的业务需求的同时，又懂得怎样把业务需求表达为大数据平台的执行逻辑，有了这样的转换，大数据的技术平台才能加工出来对客户真正有用的情报。

篇10

去年12月，亚马逊获得了一项名为“预测式发货”的新专利，可以通过对用户数据的分析，在他们还没有下单购物前，提前发出包裹。“亚马逊似乎在充分利用他们庞大的数据。”美国市场研究公司Forrester Research分析师苏查里塔·穆尔普鲁(SucharitaMulpuru)说，“根据他们对用户的种种了解，他们便可依据多种因素来预测需求。”

没错，这就是大数据的贡献。如今，在互联网时代，随着电子商务的高速发展，大数据在其领域的重要性越发凸显，也可以说，大数据的存在，让电商变得更加智慧。《互联网周刊》记者与中酒网副总裁兼COO王泽旭，YOHO！有货CEO钮丛笑进行了互动，深入了解电商与大数据背后的故事。

大数据让消费更加个性化

在电商领域中，用户行为的信息量十分庞大，根据专注于电商行业用户行为分析的公司的不完全统计，一个用户在选择一个产品之前，平均要浏览5个网站、36个页面，在社会化媒体和搜索引擎上的交互行为也多达数十次。不经过大数据分析，如何将如此庞杂的数据归纳总结，进行统计分析简直是难以想象。

与此同时，大数据也让电商更具个性化。钮丛笑说道：“大数据的本质，从营销层面理解是实现产品的一对一营销，这也是营销的最高境界——专门为一个人定制的产品。此前，我们是一个产品对应一类人，千人千面，随着大数据的不断发展，最理想的状态将是一个产品只对应一个人。”他举了一个例子，在营销过程中，电商企业经常纠结一个事情，例如北方已经到了冬季，南方还在穿着短袖，那么网站页面到底该推什么商品？最好的解决方案就是一边出现冬季页面，一边出现夏季页面。“大数据的核心本质最终就是要解决一对一营销，纯研究数据并没有太大的意义。”

王泽旭则谈到，电商网站每日都会收集大量的数据，由于有了大数据的协助，让中酒的线下经营业更具有特点，例如在门店商品的选择上，酒品有2000多个种类，门店是无法放下的，经过大数据的分析，每个门店的商品陈列、陈列主次、销售结构都是不一样的，这样的经营方式大大提高了商品的转化率。另外，根据网络销售得出的区域用户行为节奏分布，对店面的选址也有帮助，可以知道选址周围人们的喜好分布，得出的促销侧重点也不同。

网络用户的“用户行为信息”(User Behavior Information)是指用户在网站上发生的所有行为，如搜索、浏览、打分、点评、加入购物筐、取出购物筐、加入期待列表(Wish List)、购买、使用减价券和退货等；甚至包括在第三方网站上的相关行为，如比价、看相关评测、参与讨论、社交媒体上的交流、与好友互动等。而个性化的推荐则会提高用户的购买率，降低无用信息的推荐，避免了无用广告的滥用骚扰，无形中就提高了用户体验。

大数据让营销更精准

互联网时代更多的是以用户为中心，大数据的存在则让这种以用户为中心的服务有了更为准确的依据。

钮丛笑谈到，不管什么行业，都会有一个标签，都需要精细化整理自己顾客的属性标签以及商品属性标签，而且在大数据到来之后，这些标签必须能够细化到单个顾客和单个商品。

在电商、零售等行业，成本控制是将利益最大化的关键因素，大数据则为成本控制和精准营销提供了依据。

钮丛笑提到了一个词：计划经济。他谈到，有货上面的销售量都是计划好的，虽然计划经济不如市场经济的调节作用好，但是为了避免销量溢出过度浪费，就可以进行宏观调控。而在大数据帮助下的数据调控也变得更有依据。

去年7月底，有货在上海举办了YO’HOOD潮流新品C2B预售会。新品预售会仅两天，线上线下预购金额就超过了2000万元。“不仅对上新有极高要求的潮流电商需要避免库存风险而尝试C2B模式，其他定位于大众平台的电商有更加迫切的供应链变革要求。”钮丛笑表示，“根据消费者的预购情况，按需生产、限量，可以让品牌商直接与消费需求对接，一方面可以有效控制库存周转；另一方面，可以预先抢占下一季度的市场。”

C2B模式虽然能够很好的将需求与企业的供应有机的结合起来，极大的节约成本，但若无数据支持，将造成供应链的极大供给短缺，大数据很好的解决了这个问题。

王泽旭在谈话中也表露了类似的观点，他表示，从IT角度讲，根据对数据的细分可以做到区域经营碎片化，让各地区经营策略不一样，价格选品，都不一样。例如搜索淘宝指数时，会有性别、年龄、星座等等区分的指数，而有意思的是，处女座的消费特征确实有所区别。王泽旭还介绍，中酒网的内部大数据叫做中酒云，每个人都可以在上面检索，其中包括四十多个维度，并且对不同维度进行组合来满足经营需要：比如大学附近销售德国啤酒，老年人比较多的地区销售黄金酒之类。

体验是用户忠诚度保持的关键

在众多电商快速崛起的今天，如何保持用户黏性，增加重复购买率成为了关键。

“我们做的不是一锤子买卖。用打价格战的方式拉拢客户，这样的客户可能会购买一次商品，但是未必会买第二次。”钮丛笑明确表示不会盲目跟风低价，“对于分众电商而言，最重要的不是要卖什么，而是知道不能卖什么。”比如有货虽然出售阿迪达斯品牌商品，但仅限于个别潮流产品线。这就是大数据告诉了企业，应该向什么方向发展，应该做什么样的决策，大数据也让电商更具智慧。