大数据商业价值范文

导语：如何才能写好一篇大数据商业价值，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

众所周知，电商和传统商家的最大区别在于，电商构建的各类型数据库可以轻而易举地记录全部用户的各类访问数据，快速捕获、实时监控、精准分析，实现数字化生产和管理。然移动互联网、社交技术的发展，恰好为电商提供了持续处理海量数据，并在复杂碎片化的数据关系中提取价值信息的可能性。而随着大数据时代的到来，为数据在企业决策，运营，精准营销环节中提供了新思路。

为此本刊记者采访到了京东大数据创新部负责人邢志峰。在邢志峰看来，大数据已不仅仅是一门技术，更是一种组织能力。大数据应用已经成为了京东日常运营的常规性动作。他从技术和业务两个方面介绍了京东的数据来源：从数据结构上来说，有结构化数据（如订单，仓储，配送，售后，客服，采销等）和非结构化数据（网站浏览，搜索，购买评价以及客户端日志文件等）。从业务种类上来说：京东自己业务的数据，如商城，金融，国际业务，拍拍及C2C业务等；还有开放供应链上下游的数据，供应商伙伴的数据，第三方配送伙伴的数据，O2O合作伙伴的数据；还有政府开放的公共数据，行业咨询机构的数据，及网络爬虫获取的一些数据等。这些数据会被汇总和存储在京东自主研发的大数据平台之上。京东于2009年正式启动了大数据平台的搭建。这个自主开发的平台基于开源的分布式架构，支持异构数据集市，同时也很好地利用了传统BI的展现层技术。

另外，在邢志峰看来，数据是为了更好的支撑业务，因此从业务层面来说，所有数据都是有价值的。日趋激烈的市场竞争，让企业在技术创新、生产管理、产品设计、市场营销、外部合作、行业竞争、风险管理、国际贸易、战略决策等领域都亟需数据的支撑。有了数据源头，才能实现客户洞察、用户定位、风险评估等一系列与大数据有关的分析和决策行为。

用大数据支撑战略决策

几年前，企业高层是如何做出决策的？毋庸置疑，绝大多数高管都是基于直觉和经验而做出决策和判断。事实上，由于数据信息量不是很大，人们获取数据信息的渠道比较单一，加之人类传统的因果思维模式，高管们基于一个比较灵光的大脑，还是比较容易做出正确的决策。

然而随着大数据时代的来临，数据呈几何级数海量倍增，数据结构日趋复杂，数据获取成本越来越低，人类的思维已经从因果性思维走向大数据时代的关联性思维。同时，随着全球一体化的日趋深入，企业间的竞争更加激烈，传统的直觉和经验的决策模式逐渐失效，面对此种状况，与大多数企业一样，数据对于京东的首要意义在于为企业提供决策支持。

邢志峰欣喜地向记者透露：随着公司业务越来越复杂，品类越来越丰富，用户与订单量的骤增，这些都证明当初选择开源分布式架构是正确的，如果是走传统BI路线，可能根本支撑不了如此庞大的订单量。

还有几年前在京东商城购物是全场免运费的包邮政策。但受制于常年亏损，不得不改变砸钱赚人气、扩规模的运营模式。于是京东也开始提高运费门槛。邢志峰回忆但具体收取多少运费？39元？49元？还是59元？京东的数据团队基于大数据的分析模型也是作了一系列的分析报告。

用大数据优化供应链运营

在如今电商的竞争中，用户体验逐渐成为大家关注的焦点，配送的速度是用户体验的关键点之一，此外，对于电商企业来讲，采购进来的商品，既不能库存时间太长，也不能断货；库存时间长会占用资金，而缺货则会影响用户体验。

自动补货 任何供应链体系的建立和最优化运行都是由大量的历史数据分析计算，由此指导进行进货，分配仓库等。京东的商品量非常大，面对成千上万的商品，如何做到每个商品的及时补货？后台供应链完全依靠人工，挑战很大。京东的很多商品都是自动补货，系统会根据销售情况和市场预期，依靠预测模型，在库存量达到某一个阀值时自动生成订单发给供货商。另外，京东还会分析物流人员、仓库以及用户之间的地理关系，为物流人员提供最优配送路径，提高配送速度，进而提升用户体验。还有在京东上买过东西的朋友可能都知道京东在配送仓储环节，可以预测出送货时间，用户可以在京东页面上看到自己订单的实时移动轨迹。

路线优化 仓储生产中，过去检货人员手中拿着清单，单子上罗列着密密麻麻的商品，没有系统指示，可能检货人员会走很多重复的路，那时候路径数据也不是很重要。现在通过分析库房员工走的路径，找到优化算法，建立路径优化模型，检货人员可以根据系统指示，按照指令去取货，还可以得知哪些货在具体哪个区，省去了一些不必要的路径，提高了效率。另外，出货口附近通常都是一些热卖的商品，这些热卖商品也是通过分析模型算出来的这样也可以缩短出货时间，优化路线。当然，还有库房的排班模型，订单的均衡生产模型等等，都是基于大数据分析模型。

数据罗盘 数据应用的前提是数据开放，这已是不争的事实。针对于京东大数据利用的前端――数据共享的问题，邢志峰做了详细的总结：开放的数据产品――数据罗盘。对于在京东售卖货品的商家，京东数据罗盘则可以向他们展现店铺流量、订单数量、实时客流等关键业务指标，以及节日促销指数、价格弹性、用户喜好等分析功能；开放数据服务的API，支持外部的开发者，如京东宙斯开放平台（JOS）。那么对于大众关心的用户隐私安全问题，邢志峰也表达了自己的看法，他认为对于隐私数据企业有责任进行保护，在应用这些数据带来更好的用户体验过程中，需要做更多安全方面的工作。

用大数据突破精准营销

传统的营销模式存在很多弊端，它或时效性不强，或不够精准，而在大数据背景下，可以对目标营销按照已有数据进行实验，淘汰不合理部分，实现精准营销。越来越多的电商网站开始注重数据积累，希望通过这些数据更深的理解用户，这些数据也意味着电商新的机遇。

有机遇当然也有挑战，电商企业如何通过差异化的服务，提供具有竞争力的产品推荐？如何根据消费者使用习惯，提供定制化的购物体验，提高网站的订单转化率？……诚然，根据消费者的购买习惯和行为，推荐商品；借助商品评价和积分，增进消费者彼此之间的交流，增加服务的黏性……这些在日常生活中电商普遍应用的实例背后都是大数据技术在提供支撑。

千人千面 几乎所有的电商企业都会基于用户的购买行为做精准营销，主要方式是E-mail、短信，当然还包括网站的推介系统。京东当然也不例外。以前用户到一个网站上，要对商品搜集和分类，购买途径繁琐复杂，用户往往失去耐心，最终放弃购买。基于大数据挖掘和分析进行精准营销，最重要的是用户建模，让每个来购物的用户都能获得最合适的体验。邢志峰向记者详细介绍了京东的个性化营销和千人千面是如何更好地提高用户体验，提升转化率的。千人千面通过对客户进行画像分析判别用户类型，如性别、年龄等。分析用户的兴趣爱好及购物心理，是目标明确的用户还是冲动性消费的用户等。其实这就好比我们走进一家实体店，导购会试图打量和揣测我们，并根据我们的行为作出判断，推荐商品一样。

用大数据绘制出来的用户画像真的那么可信与准确吗？邢志峰幽默地解释，大数据分析出来的结果不是那么的真实，但是又是那么的真实！他以之前做过的测试为例，用大数据建模绘制出某名男性用户的购买年龄是35岁，而其实际年龄只有25岁，用户非常满意，认为分析的很准确，因为这名用户的确喜欢购买成熟男人的用品。诚然，用大数据分析出来的购物心理，是在懂用户的基础上，提供更好的用户体验。促销的时候，可以根据这种心理，采用有针对性的营销方式。

个性化推荐 前不久，张女士在京东购买了一个水杯，随即看到相应推荐有保鲜盒、遮阳伞、多士炉等，恰巧她也正要购买保鲜盒呢。邢志峰介绍了京东的个性化推荐有两种：一种是在顾客看一件商品的时候，推荐一些产品组合，叫“最佳组合”，通过最佳组合的方式，用户可能产生购买，并且买的更多。第二种分析顾客看过的商品和购买的商品，进行个性化关联推荐，产生关联销售。由于送一件和送多件的运送成本是一样的，京东还可以降低运营成本，降低客单价。

智能邮件 邢志峰介绍针对某个人的浏览行为推送一款产品。根据你的浏览和搜索记录，即使你没有产生购买行为，最终会把可能是你要买的产品邮件你。之前邮件用户都是所有用户都会收到，大家的邮件内容都一样，而现在可根据用户画像锁定邮件目标客户群，实现向北京市年龄30岁收入8000以上的用户群发送个性化的邮件，每个用户收到邮件中的商品都是不同的，对于那些用户长期关注的商品，微小的促销优惠就会促使用户马上下单。邢志峰印象很深刻，基于用户画像的邮件精准营销推出后，EDM转化率提升了40%。

评论搜集 此外，京东还挖掘、统计和分析了用户对商品的海量评论，进而了解某些商家商品的优缺点，商家可以据此做出改进；而这些主观描述的优缺点特征，也可以成为搜索的筛选条件。

自提柜业务 其实不管是京东网站页面的千人千面和个性化推荐，还是其供应链保证产品品质，亦或是仓储、配送和物流服务，最终都是为了提高用户体验。随着现代生活节奏的加快，消费者可确定空闲的时间越来越少，经常出现收货时间无法确认的情况。为了解决这种情况，京东自主研发了自提柜业务，让24小时随时取货成为现实，同时也保障了消费者的用户隐私及个人安全。京东自提柜的投放选址主要综合评估了该小区京东用户特征及外部楼盘周边商圈等因素，通过自提柜的合理设置解决了很多上班族的取货问题。

篇2

[关键词]：大数据 工业4.0 精准营销

一、前言

信息革命把全球几乎所有的信息融合在了一起，对于很多行业而言，如何利用这些大规模的数据成为赢得竞争的关键。“互联网+数据”推动了大数据时代的到来，在商业、经济及其他领域中，决策将日益基于数据分析作出，最终衍化出新的商业模式，为改造和提升传统产业创造了巨大空间。2011年5月全球知名咨询公司麦肯锡的《大数据：创新、竞争和生产力的下一个前沿领域》使人们深刻意识到大数据时代已经来临。该报告指出：“大数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素；而人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来”，也预示着大数据时代的到来。

二、大数据时代推动制造业进入工业4.0。

（一）制造业产业链模式的转变

在工业2.0和工业3.0时代，制造业是从产品设计、原料采购、仓储运输、订单处理、批发经营到终端零售一条产业链，企业批量化生产不能满足消费者的多样化需求，最终导致产能过剩。基于大数据，传统工业企业可以降低设计与制造成本，大幅缩短企业产品升级换代周期，提高产品性能，提升企业信息化能力，大幅提升工业企业的自主创新效率，并推动企业核心竞争优势的提升。利用数据分析出不同消费者的特殊偏好，最终生产出满足消费者特定需求的产品，从而为产能过剩和消费者选择有限提供了很好的出路，这就是工业4.0阶段。在这一阶段，仓储运输和批发经营都不再需要，产业链模式优化为订单处理、产品设计与制造、原料处理和终端零售。

（二）、工业4.0将降低成本、提高效率

引进新技术进行数据分析和订单处理并不意味着产品成本的上升，通过数据精准分析和解读从而生产出满足消费者特定需求的产品，帮助企业精准营销， 使库存压力减小，终端零售更加顺畅、高效。

（三）、制造业服务化成为新的发展趋势

随着“互联网+数据”和工业4.0战略的逐步推进，以大数据为核心的信息技术具有前瞻性、带动性、和精准性的特点，能够有效促进制造业与服务业融合，提升制造业企业的竞争力和创新能力。

三、数据成为企业重要的生产要素。

美国著名的管理咨询公司麦肯锡预测，使用大数据的零售企业，可使得利润增加60%以上。美剧《纸牌屋》受到观众热捧的原因并非偶然，该剧的出品公司发挥大数据分析优势，对客户的浏览数据和设备数据等进行精准分析，以此确定该剧的题目、导演和参演人员，将大数据中蕴藏的巨大潜在价值转换为实际的商业价值；同样运用大数据思想的沃尔玛的啤酒和尿布营销策略为其带来了巨大的利润。随着大数据时代的到来，传统零售业管理决策的过程必将向大数据决策转变。

数据越来越成为企业攫取巨大商业价值的重要因素，制造业利用相关数据进行精准营销、开发新产品、做出更明智的业务决策；金融机构利用征信系统帮助他们降低对个人信用评估的成本，快速、准确识别出金牌客户；工业企业运用大数据反映出机器故障和问题的根源。数据已经渗透到了当今每一个行业和业务职能领域，对数据的占有和控制以及发展先进的数据处理技术将成为企业间新的竞争焦点。

四、大数据时代下商业模式转变的配套措施

（一）大数据分析和解读的技术配套

通过收集、整理生活中方方面面的数据，并对其进行分析挖掘，从中获取有价值的信息，需要有先进的技术支撑，这不仅是大数据商业价值的直接体现，也是最小化大数据所带来的负面影响的重要保障。大数据分析中出现的技术问题：统计误差、大数据被过分解读、数据泄露等，如果不能很好地加以控制，将会造成严重后果。为保证数据被安全有效的利用，需要加快技术改进与创新，使大数据沿着正确的轨道为人类创造更多的价值。

（二）与大数据有关的立法亟待建立与完善

大数据技术及其商业化客观上有利于个人和公共利益，当然也能被用于侵害我们的利益。大数据时代正在来临，每个人都不可避免地参与其中，所以大数据中涉及个人隐私的法律保护就必须要提上立法议程。数据公开与隐私安全要有明显的法律边界，数据使用要在保障数据主体合法权益的条件下进行，确保大数据在产权清晰、权力保障有效的框架下发挥更大的价值。

（三）大数据时代要加强社会道德建设

真实的数据可以为我们带来巨大的经济利益，为了避免数据成为一些人谋取不当利益的手段，这不仅要在法律上进行约束，更要在道德上进行约束。数据公开与运用要合法、合理并征得客户同意，切实从道德层面上保障我们每个人的合法权益。大数据时代技术的进步、社会的发展是更好服务大众的关键，而良好的道德素质则是实现其商业价值的基础。

五、结语

大数据并不在“大”，而在于“有用”，随着移动互联网、、社交媒体、自媒体技术的飞速发展以及“互联网+”战略的推广，企业的商业模式在大数据的推动下将迸发出新的生命力。数据正在重构很多传统行业，加快大数据技术创新，同时完善相关法律建设和道德建设，各行各业都可从大数据产业链中攫取巨大的商业价值。

政府要成为促使大数据时代商业模式转变的主要推动力，一方面，要加大公共信息的公开力度，减少社会搜寻信息的成本，从而为各产业增值提供更大的空间。另一方面，要鼓励企业进行商业模式转变，在法律、税收、社会责任等方面给予帮助。大数据时代为商业模式的构建提供了全新的发展机遇和发展前景，我们要积极推动各产业以及相关的技术、法律和道德的集聚配套发展，带动经济结构的转型升级。

参考文献：

[1]MCKINSEY.Big data： the next frontier for innovation，competition，and productivity[R].2011.

篇3

提及大数据，大多会围绕几个角度：一方面是它的海量性；另一方面是快速数据处理能力；另外就是数据的多样化。通过一些结构化的数据，企业ERP、商务平台、非结构化视频图片、收集到的各种数据、互联网交互数据，各种各样的数据种类给大数据技术提供了一个很好的发展平台，因为大数据的强项就是处理更多的数据种类，并快速把数据进行分类存储、挖掘以及提取它的价值。

大数据因其巨大的商业价值和市场需求正日益成为推动信息产业变革的新引擎。面向大数据市场的新产品、新技术、新服务、新业态正在不断涌现。大数据时代的到来已经不是一种单纯的理念思路，而是一种不可逆转的趋势了。

首先，大数据能够产生价值。无论是在日常生活中还是企业生产里，都需要通过数据的收集和处理来做出决定，以最大化的满足个人或者客户的需求，而大数据理论的特点就在于这一过程的高效性、简易性甚至实时性。通过大数据的处理，可以完成对于系统或是结构化数据的实时更新，从而完成最快速度的决策，这毫无疑问将为社会进步创造巨大的价值。

其次，大数据具备不可替代性。随着信息社会的发展，信息量将以爆炸的速度进行膨胀增长，在这个过程中无论科技具有怎样的发展方向，对于大规模数据的处理将始终占据工作和科研中重中之重的位置，而无论是云计算还是其他的执行方式，都只是对于这一思想的具体实现和有力支撑，而不可能从根源上替代大数据这一体系的存在价值。

最后，大数据具备充足的生命力。无论是社交网络的广泛推广，还是诸如苹果、谷歌等企业对于大数据发展的不断推动，大数据的整体发展形势都会像滚雪球一样越来越大。而同样的，调查表明，有超过80%的公司代表认为大数据理论的发展将对公司的商业分析等过程起到有效的帮助，这一点有力地证明了大数据具备充分广阔的生长空间。

大数据不仅影响着人们生活的方方面面，更重要的是它给企业带来的改变。据Gartner预测，企业数据将在五年内增加800%，其中80%是非结构化数据，大部分来自团体、社区，以及社交网络的非业务数据。面对如此规模的数据，对于有准备的企业来说这无疑是一座信息金矿，能否将海量数据转换为有价值的信息，将成为未来企业的决胜法宝。

开源 大数据的制胜法宝

大数据蕴藏的商业价值不可小觑。对于当今的企业而言，数据就是一种重要的战略资产，如果能够正确评估其商业价值并且迅速行动起来，将会在未来的竞争中占得先机。然而，传统关系型数据库的技术擅长处理结构化数据，对于未来企业中占绝大多数的非结构化数据却无从下手。此时，大量新技术应运而生。

大数据获得动力，关键在于开放源代码，帮助分解和分析数据。以Hadoop为代表的一系列开源技术，成为大数据存储、处理和分析的主力军。各大IT巨头瞄准开源技术，纷纷推出各自的大数据战略。Hadoop作为其中的最受关注的技术，已逐渐走向商业化的道路。不可否认，Hadoop的确是一款非常出色的处理大数据的开源工具。除了Hadoop之外，还有很多优秀的技术和工具如雨后春笋般成长起来，包括开源语言R、NoSQL数据库和非结构化数据存储解决方案等，也已成为大数据舞台上不可或缺的成员。

开源是灵感的汇集，凝聚了全世界范围自由开发人的思想结晶；开源，是无界的合作，没有地理位置的阻隔，没有商业条款的羁绊。纵使开源不是为商业化而生，但事实证明开源却有着商业化应用不可比拟的优势。

现在的商业智能和企业搜索的专有应用程序都没有“坐以待毙”。商业智能增加了更多类似搜索的功能，并且搜索还取代了很多商业智能功能。但是在几年前，专有解决方案似乎是最安全的方法，而开源解决方案似乎更具风险。而现在，很多公司开始看到，因为开源项目独立于企业财务决策，他们对于保护其长期投资更具后劲。此外，很多企业发现他们更容易获得、培训和留住开源人才，因为，他们可以深入代码。

何以解大数据存储之惑

也许，人们对大数据的印象很多是从存储容量的廉价性而来。但实际上，企业每天都在创造大量的数据，而且越来越多，而人们正在努力地从浩瀚的数据海洋中寻觅有价值的商业情报。另一方面，用户还会保存那些已经分析过的数据，因为这些旧数据可以与未来收集的新数据进行差异化分析，依然有潜在的利用可能。

大数据应用的一个主要特点是实时性或者近实时性。比如，如果警察拦住一辆车，想得到这辆车的相关信息，那么这对时间的要求是越快越好。类似的，一个金融类的应用，能为业务员从数量巨大种类繁多的数据里快速挖掘出相关信息，能帮助他们领先于竞争对手做出与交易相关的决定。

随着大数据应用的爆发性增长，它已经衍生出了自己独特的架构，而且也直接推动了存储、网络以及计算技术的发展。毕竟处理大数据这种特殊的需求是一个新的挑战。硬件的发展最终还是由软件需求推动的，就这个角度来说，可以很明显地看到大数据分析应用需求正在影响着数据存储基础设施的发展。

数据通常以每年50%的速度快速激增，尤其是非结构化数据。随着科技的进步，有越来越多的被传感器采集的数据、移动设备产生的数据、社交多媒体产生的数据等等，所以数据只可能继续增长。因此大数据需要非常高性能、高吞吐率、大容量的存储设备。

当下，云存储的方式在欧美市场上的应用很广泛，大数据用云的形式去交付有两个典型：面对好莱坞的电影制作商，这些资源是黄金数据，如果不想放在自己数据中心里，把它们归档在云上，到时再进行调用；此外，越来越多的企业将云存储作为资源补充，提高持有IT资源利用率。

结语：

篇4

关键词：大数据；电信行业；精准营销；客户管理

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2017）17-0275-02

1概述

随着互联网技术普及与应用，全球数据生成量呈现爆炸式增长从开始的字节、经过KB、MB、GB发展到TB、PB，甚至EB、ZB级，大数据具有4V特征：Volume（数据规模大），Velocity（数据流转快），Variety（数据类型多），Value（数据价值大）。各行业将面临对海量数据的处理和分析，运用大数据技术挖掘出有价值的信息，将是行业发展面临的机遇和挑战。如今大数据在行业领域已经得到广泛应用，取得不错商业价值，如搜索引擎Google、电子商务平台阿里巴巴、亚马逊等。

麦肯锡咨询公司曾经预测：“数据，已经渗透到当今各行业领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来”。中国移动前董事长王建宙用两句话概括大数据对企业发展重要性：第一，企业利用大数据资源分析处理，运用分析结果，产生新的商业价值；第二，大数据改变了人们观察世界的方法，抽样样本从原来的片面、有选择和数量有限的样本到现在的全体数据、随机性的样本，这样产生的结果说服力强，具有代表性、可行性和实用性。

电信运营商采集到数据信息，这些数据来源广、数据类型丰富和关联性强等特性。有财务收入、业务发展量等方面结构化数据，还要涉及文本、图像、动画、音视频等非结构化数据。信息来源渠道有电子渠道、实体渠道及直销渠道等途径。有的来源于终端信息、位置信息、互联网行为、用户身份、网络信息节点、CRM信息及消费行为，也会涉及公众客户、政府客户、企业客户和家庭客户。如何充分利用这些大数据，挖掘分析更大的价值，提高运营商经济效益，笔者重点就如何充分利用大数据在电信行业市场与精准营销和客户关系管理两个方面进行分析。

2市场与精准营销

电信运营商通过各种商业化平台采集到大数据，通过数据分析，可以洞察客户的消费心理与消费行为，可以帮助企业定位合适的客户，选择合适的推广内容和渠道、优化产品质量。

2.1客户画像

客户画像就是对客户信息进行标签化，分析客户行为、生活、消费习惯，为企业提供精准的用户群体和用户需求等信息。客户画像是大数据运用的根基所在，一个完整用户画像有战略解读、建模体系、维度分解和应用流程四个阶段。而电信运营商可以根据客户基础属性、位置信息、互联网行为等丰富的数据资源，为每个客户打上人口统计学特征、消费行为和上网行为标签，并借助数据挖掘中关联规则分析、聚类算法分析、RFM模型（Recency最近一次消费、Frequency消费频率、Mone-tary消费金额）等手段对潜在客户进行分群，完善客户的360度画像，提升广告投放的精准度。

2.2关系链研究

关系链研究就是大数据之间关联分析，通过大数据之间关联性，寻找商机。电信运营商可以通过分析客户通讯录、通话行为和社交圈等数据信息，开展交友圈交往信息，通过社交网络对用户进行分析，通过大数据分析方法发现朋友圈关键人员，如家庭、政治和企业的重要客户，寻找圈子营销机会。为提高营销精准度，假设通过朋友圈大数据分析有很多高流量的用户，我们就可以向这部分群体推荐4G套餐业务，还有在这部分高流量用户群体中，发现有异网用户存在，我们就可以向这类人群推广4G业务，从而把异网高流量用户引导我们的网络，从而扩大消费群。

2.3精准营销和实时营销

精准实时营销就必须依靠先进的技术手段实现，就是在合适时间和合适地点给合适用户推荐合适的内容及产品。首先对客户特征的深入分析，建立客户基本信息、资费套餐、终端设备类型等信息，然后在网络上精准匹配，满足客户需求基础上选择合适时机，合适方式推广合适产品，实现精准营销。可以根据用户终端偏好、合约机到期时间、消费能力等信息，及时捕捉特征时间，从而预测客户购买需求，通过短信、呼叫和营业厅等渠道投放营销广告。在精准营销方面，英国O2免费推出WiFi服务就是一个例证，该服务积累更多用户，收集大量用户数据，是运营商做媒体广告和营销的基础。

2.4个性化推荐

为进一步提升客户体验和感知，以适应市场需求，通过观察客户数据，预测客户行为关联性，为客户提供个性化服务和营销方案。利用客户终端信息、消费特征、行为习惯和交友圈等客户数据仓库，运营商可以为客户提供定制化的服务，优化产品、流量套餐和定价机制；或在应用商城、电商平台和社交网络实现个性化推荐。

3客户关系管理

3.1客服中心优化

客服中心是运营商和客户接触最多的部门，拥有大量的客户呼叫行为和需求基础数据。运用大数据技术可以深入分析客服热线呼入客户的行为特征、选择路径和等候时长，并关联客户历史接触信息、业务特征、客户机型等数据，在客户投诉智能识别系统，运用大数据进行智能语义文本分析，识别热点问题及用户情绪，及时预警和优化，降低客户投诉率，每年节约成本达到数百万。

3.2客户生命周期管理

客户生命周期管理是按照客户关系发展分为新客户获取、客户提升、客户成熟、客户衰退和客户离网五个阶段，关于客户生命周期划分，不同＜矣胁煌阶段，个人认为将客户生命周期分5个阶段还是比较适合电信运营商的实际情况。在新客户获取阶段，我们可以通过算法挖掘和发现潜在客户，通过合适渠道提供合适价值定位；在客户提升阶段，通过关联规则技术，挖掘商业通过刺激需求产品组合和服务组合进行交叉销售，培养高价值的客户；在客户成熟期，可以通过大数据分类分析、聚类分析和RFM方法进行客户分群并进行精准推荐新产品，对培养客户忠诚度；在客户衰退期，利用大数据进行客户预警机制，提前发现高流失风险客户，及时推出新产品，延长生命周期；在客户离网阶段，利用大数据挖掘技术赢回客户，国内外运营商在客户生命周期管理方面有很多成功案例。如T-Mo-bile公司采用Informatica平台，通过大数据综合分析客户流失的原因，使某一季度用户流失率减半。

篇5

7月17日，戴尔公司创始人迈克尔·戴尔宣布，戴尔公司将会专门拨出6000万美元，用于投资存储初创公司。他声称，未来一些伟大的公司会产生在大数据领域，戴尔愿意为发展初期的它们提供帮助。

随着后PC时代的到来，在迈克尔·戴尔的推动之下，戴尔向IT服务转型。戴尔的转型动作越来越大，而此次戴尔在大数据存储方面的举动，不仅有投资基金，近期还收购了相关存储技术公司。

戴尔步步用心地布局大数据领域的同时，惠普、甲骨文、EMC等企业早已入局。据IDC预测，到2020年全球数据量将达到35ZB（1ZB等于一万亿GB字节），这意味着当下即将进入大数据的时代，数据量急速攀升，加上云计算正成为厂商们争夺商业价值的关键节点，大数据领域竞争加剧。

大数据助戴尔转型

戴尔的转型慢于IBM公司，但是比惠普公司坚定。当戴尔离PC老大的位置越来越远时，戴尔转向了企业服务业务。如今随着大数据领域日益受关注，戴尔借助大数据业务抢占市场，助力企业转型。

随着PC业务在全球日渐式微，戴尔的转型越来越迫切。在其公司创始人迈克尔·戴尔的全力推动之下，2007年戴尔开始向IT服务业转型。根据戴尔2012年财报显示，其企业级解决方案和服务的营收达到186亿美元，占总营收的比重已由启动转型时的23%，上升到了30%。而且戴尔称，企业级服务业务为公司贡献超过50%的利润。这些数据表明戴尔的转型取得了初步成功。

然而戴尔进入IT服务业的时间并不算早，在整个IT服务领域，相对于IBM，戴尔发力较晚。当大数据出现后，众多厂商都对大数据表示了极大的兴趣并且蠢蠢欲动时，戴尔却在此方面几乎没有举动，再次落后。正当行业开始怀疑戴尔要错过大数据的时机时，2010年8月，戴尔通过与Cloudera合作推出支持后者Hadoop部署的参考架构和硬件，开始涉足大数据领域。

而此次戴尔用6000万美元投资存储初创公司，更是表明其在大数据领域的决心。戴尔投资总经理吉姆·卢西尔表示，“作为对戴尔并购、研发、合作伙伴的战略补充，戴尔投资开拓另一条创新、利润潜在增长的大路。戴尔投资致力于早期增长阶段投资，围绕一些战略领域进行，包括存储、分析、BI大数据、终端用户计算等。”

戴尔这笔基金，会向5-10家存储创业型公司分别投资300万-500万美元。迈克尔·戴尔指出，大数据是当前的热点业务类别，是新兴创业公司面临的“庞大的机会”，也是戴尔公司的一个“巨大业务领域”。戴尔不是关注纯粹的存储，而是帮助企业（特别是职员少于1万人的企业）访问和使用实时的已存储“大量数据”。

就目前而言，这仅仅是个开始，面对着未来可能出现的数百亿美元的市场，此次戴尔的千万基金，并不是它的唯一一项行动。有分析指出，戴尔从初创公司入手，剑指整体大数据业务的布局。

并购加速

由于是大数据领域的后来者，戴尔在此领域的举动更多的是通过收购来完成，而这是缩短与IBM、甲骨文等厂商之间差距的最快途径。

目前戴尔更关注大数据分析存储方面，将他们的存储平台和数据库捆绑在一起用于大数据保留。在今年的戴尔全新存储产品活动上，戴尔推出了流动数据架构以解决大数据时代的难题，该解决方案集成了戴尔多个文件存储平台，为客户提供一个公用的企业级分布式文件系统。

对此，戴尔企业存储副总裁兼总经理汤玛斯表示，“这是为了采集和储存所有的相关数据，从大数据分析设置中驱动商业智能价值，使人们有可能获得支持创新和商业价值的见解。”而戴尔能迅速在大数据领域有所作为，与其采取的收购方式有着紧密联系。

自戴尔进入大数据领域后，其完成了几次关键的收购，初步完成了对大数据领域的布局。2011年2月，戴尔收购了康贝存储技术公司。数据存储服务供应商康贝为企业和云计算环境提供高度虚拟化的存储解决方案，该解决方案提供自动数据管理功能。而完成此次收购的5个月后，戴尔收购了一家数据中心网络解决方案公司。有分析认为，戴尔的此项收购完善了其下一代数据中心以及智能化数据管理的需求，提升了戴尔在企业数据中心市场的影响力，率先占领市场优势。

此后戴尔的收购应接不暇。今年戴尔就已收购了相关数据备份厂商和网络安全公司。戴尔计划在2016财年以前，使数据中心产品和技术对营收的贡献达到275亿美元，较此前提高45%。

硝烟弥漫

大数据概念自麦肯锡的一份研究报告提出后，被业界广泛关注。

据IDC的全球大数据技术和服务预测数据显示，该市场预计将从2010年的32亿美元增长至2015年的169亿美元。基于对大数据市场数百亿美元的认识，全球领先的IT企业们已经把注意力转向大数据，并提到战略高度，大数据潜在的价值正在被不断挖掘，进而形成企业的新的利润来源。

对于未来的这个数百亿美元的市场，EMC董事长、总裁兼首席执行官乔·图斯认为，“大数据时代已经到来。它已不仅停留于概念，社会各界对大数据都有需求，大数据中将产生巨大的商业价值。”微软亚太研发集团首席技术官孙博凯表达了类似的看法，“大数据不仅仅是技术，事实上是通过数据管理获得新的洞察力。如今大数据已成为企业的竞争力，而应用解决方案意味着大商机。”

基于此认识，众多IT巨头都已在大数据领域布局。而戴尔迅速且强势地进入，则加剧了大数据领域的竞争。而与戴尔进军方式大体相同的是，IBM、EMC、惠普等都围绕着大数据进行并购，并取得一定成绩。

篇6

几个月前，瑞典爆发了一起连环凶杀案。警方在侦破案件时，虽已大致锁定嫌疑人目标，但若一项一项排查犯罪记录和录像文件，至少要耗时三个月，还不一定会得出什么结果。后来警方采用了大数据分析软件，在不到30分钟内就将犯罪对象缩小至一定范围，最终很快抓到了凶手。

显然，当今社会对大数据技术的需求已不再仅仅局限于企业范畴。如何在公共领域提供高效解决方案，并从根本上推动社会进步，已成为大数据的另一项重要应用。十多年前医生在看病时，手中拿的还是病历卡，如今他们人手一台平板电脑，以前治疗过的数百个病历信息都会在上面集中显现。试想一下，如果医生在做手术前，能看到大量参考数据，将为他们的诊疗带来难以估量的价值―不仅能挽救病人生命，还能将手术做得更好。

但尽管如此，许多人在谈到大数据时，想到的还只是“大”，亦只聚焦于海量数据，然而量并不解决问题。其真正意义在于，许多之前未被充分利用的数据，在使用相关分析方法后，能够从中发掘出更具洞察力的观点、趋势和见解。

事实上，在经过几年发展后，全球大数据分析行业已走向成熟，但挑战也随之出现。目前该行业存在着两种不同的发展模式。一种是传统企业，比如IBM、SAP、甲骨文这样的老牌公司，他们的技术逻辑―提供包办性的一站式服务―从创始到现在都未曾变过。这种逻辑的核心是由服务商创造一种模式，用户须按前者制定的规矩做事。这样的处理方式显然不够灵活，因为使用者无法根据自己的需求进行简单调整。

另一种服务模式可视为对上述不足的弥补。他们打破了老牌公司的传统，聚焦于用户体验，自然带来更多灵活性。所谓用户体验，就是让用户在使用相关系统平台时有更强的操作性，就算操作者在这方面没有相关教育背景也可轻易上手，甚至能定制自己需要的应用。显然在大数据分析行业，若以用户体验为先导，就更能积累优势，并在竞争中脱颖而出。

举例而言，如今智能手机已成为全球手机市场的主流。其中原因非常简单：对用户来说，他们握有更多主导权可以操纵手机功能，并定制自身需要的服务。这样一种简单的思维逻辑，能否应用到整个技术开发过程中呢？

当然可以！从客户角度来讲，他们希望有一种可以因时而变的工具，来适应他们不断发展变化的需求。而对于提供大数据分析服务的公司来说，也应注重以用户需求为导向，把相应的平台和工具做得更灵活、简单、易用，这才是这个行业不断创新以及积极改进的方向。

除了服务模式的两极分化外，另一个挑战也摆在了大数据行业从业者面前―客户虽然对分析结果有兴趣，但若想兑现商业价值却并不容易。如何解决这一难题呢？我认为首先必须明白，单凭某个工具或平台就期望能解决客户所有问题是不现实的。

篇7

关键词：大数据时代 传统营销 营销革命议

据CSDN对2011年中国云计算的调研显示，超过50%的企业目前每日生成的数据量在1T以上，超过10T 的有10%，有5%的企业每日声称的数据量已达到了50T以上。可见，海量数据已成为发展趋势，大数据时代悄然而至。

一、大数据的含义

按照百度百科上的定义，大数据（big data），或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。数据量之大已经不是以我们所熟知的多少G和多少T为单位来衡量，而是以P（1000个T），E（一百万个T）或Z（10亿个T）为计量单位。业界将大数据的特点归纳为4个"V"：Volume/Variety/Value/Velocity（体量巨大、多样性、价值密度低和秒处理）。由于各维度都在迅速膨胀，用户数据产生的速度要远远超过处理数据的速度，信息核爆炸般的裂变传播，正影响着每一个企业、每一个人。

二、大数据的角色

大数据的角色和作用决定了这场“微革命”。美国麻省理工学院斯隆管理学院的经济学教授埃里克·布吕诺尔夫松（Erik Brynjolfsson）将海量数据的测量活动称为“现代版的显微镜革命”——显微镜能让人们看到以前无法看到的细胞并对其进行测量。同样，集结谷歌搜索、脸谱网（Facebook）和推特（Twitter）消息的“大数据”，使得企业对人们行为和情绪的细节化测量成为可能。

巴西第二大百货公司Magazine Luiza为消费者量身定制了Facebook上的“虚拟网店”。利用社交网络巨大的用户数量、消费者商品的喜好以及对于家人、朋友信息分享的信赖，成功地引导了数字化的口碑营销。根据统计，由“网店”产生的客户转化率比Magazine Luiza公司的官网高出50%左右。我们可以看到，在商业经济领域中，决策行为将日益基于数据和分析，并非基于经验和直觉。数据所承担的无法撼动的根基地位在风起云涌的大数据时代显而易见。企业对信息的获取、存储、处理分析与应用在营销决策中起决定性的作用。因此，企业应该建立属于自己的数据库，及时更新补充数据资料，归纳总结企业软肋和错误，从而形成解决问题的产业链。即：数据获取（各种采集设备、业务软件以及智能检测软件）数据储存（存储设备、数据库软件以及存储软件）数据处理与分析（服务器、信息智能提取识别以及商务智能软件）数据应用（显示设备、协同管理软件以及数据共享交流平台）。同时，三项服务必不可少，即：数据中心的建设与维护，IT咨询与方案实施、信息安全保障。

三、传统营销与大数据时代的营销比较

1. 传统营销方式

（1）交易营销模式。传统的企业营销将众多产品和服务提供给顾客，消费者在消费过程中可获得产品与休闲乐趣的双重体验。这也使得企业获得了大众信赖。

（2）传统的营销渠道。制造商批发商零售商消费者是企业传统的营销模式。流通环节的冗长往往会增加产品的成本、降低产品时效性。

（3）营销组合策略。4P组合策略（即产品、价格、渠道、促销）是传统的营销组合策略。这种模式下，企业利润的重要性要高于顾客的需求。据此，以舒尔兹教授为首的一批营销学者提出了4C的市场营销理论，即消费者的需求和欲望、成本、便利和沟通。

（4）强化市场营销的全过程。在企业传统的营销模式下，对市场营销全过程理论的细分盖过了市场细分，个性化的营销战略和战术的忽略使得企业在面对不同的市场环境时手忙脚乱，不知所措。

2.大数据时代的营销方式

大数据营销是指在互联网普及的当下，社会化应用以及云计算，使得网民的网络痕迹能够被追踪、分析等，而这个数据是海量的以及可变化的，企业或第三方服务机构借助这些数据为企业的营销提供咨询、策略、投放等营销服务。

3. 大数据营销相较于传统营销的优势

（1）产品可以个性化定制。利用如社交网络等互联网较强互动性和及时性的优势了解并满足消费者的个性化需求，提供个性化定制服务，这一点在传统营销模式中是较难实现的。比如说戴尔，其在线订购和自选配置就是产品定制化的最好体现。再比如，美国第二大的超市塔吉特百货（Target），通过云存储的海量数据和大数据的分析技术对消费者及其消费行为特征进行极端细分，从而搞清楚海量孕妇顾客的怀孕情况，市场营销部门就可以早早的给他们发出量身定制的孕妇优惠广告，早早圈定宝贵的顾客资源。

（2）价格策略更加柔性化。传统营销模式下，价格的变动具有一定的滞后性，然而，电子商务的发展使企业实时修改产品价格成为可能。大数据时代，产品价格信息变更后能在第一时间反馈给顾客，同时相关的促销信息也可及时，实现价格柔性。

（3）增强企业与消费者的交互性。这是大数据时代市场营销模式区别于传统营销模式最显著的区别，能够最大限度满足消费者独立自我的个性化购物心态。SNS（社交化媒体网络）是大数据时代一个重要的载体。微博、QQ、阿里旺旺等多种交流工具弥补了传统营销受时间和地狱局限的不足，拓宽企业市场，变被动为主动，带给消费者方便与实惠。

（4）提高了“顾客让渡价值”。“顾客让渡价值”是指顾客总价值与顾客总成本之间的差额。传统营销模式的基本思想是市场导向，数据时代的营销则是顾客导向。个性化产品与服务渐成主流，增强了产品价值适应性，提高顾客满意度，从根本上提高了顾客购买产品获得的总价值。

（5）节约营销成本，提高营销效率。传统的营销模式的营销链很长，企业必须建立自己的专业营销队伍，人员成本很高。现代营销模式缩短了营销渠道，仓储费用大大降低，不需要去繁华地段租商铺，降低运营成本。

沃尔玛开发了一个叫做Retail Link的大数据工具，通过这个工具供应商可以事先知道每家店的卖货和库存情况，从而可以在沃尔玛发出指令前自行补货，这可以极大地减少断货的情况和供应链整体的库存水平，从而降低库存成本，减少店内商品陈设的投入。通过在整条供应链上分享大数据技术，沃尔玛引爆了零售业的生产效率革命。

虽然大数据时代的营销方式与传统模式相比有许多与生俱来、令传统营销模式可望而不可及的优势，并对企业的传统经营方式形成了巨大冲击。但是我们必须看到，大数据营销也是在传统营销方式（product， price， promotion， place）的架构上，以数据的获取、存储、处理分析与应用为基础而形成的。因此，我们不能完全否定传统营销方式，而应当配合使用，各取所长，从而最大限度地提高品牌的知名度，企业的效率，增强市场竞争力。

四、大数据时代如何营销

1.解每个消费者的个性化需求，创建个性化的营销策略。

2.据客户需求，创建一个全接触系统，重塑客户体验，从与客户的每次交互中创造最大价值。

3.企业文化与品牌的真正融合，使企业的形象表里如一。

在大数据时代，信息几乎完全透明，CMO们要引领企业建立真正伟大的公司和伟大的品牌，就要了解充分了解企业自身。

4. CMO携手CIO

大数据时代站在市场一线的“战士”并非营销官（CMO）独尊。若说首席营销官是引爆这场革命的先锋，那么，首席信息官（CIO）便是这场革命的军师。面对被数字工具武装起来的客户，首席营销官必须要与首席信息官（CIO）联手，依靠首席信息官专业的技术能力，以及对数据的分析洞察赢得这场革命的胜利。

在大数据推动的商业革命暗涌中，与时俱进绝不仅仅是附庸风雅的卡位之战，海量数据隐藏的微小信息就在那里，谁能率先通过显微镜捕捉那些数据的端倪，谁便能够占据营销大战的主动权。大数据时代，要么学会使用大数据的杠杆创造商业价值，要么被大数据驱动的新生代商业格局淘汰。这是天赐良机，更是生死之战。成功者将是中国产业链升级独领的枭雄，失败者拥有的只有遗憾。

参考文献：

[1]宋宝香.数据库营销：大数据时代引发的企业市场营销变革 [A] . 2012

篇8

普华永道最近研究了大数据应用在中国的现状和企业的关注点。研究结果表明，中国企业在做决策时越来越多地使用大数据；但调研同时表明，很多企业，尤其是中小企业在大数据应用上存在着一些误区。那么大数据影响企业决策的重要趋势是什么，中小企业又将如何应对挑战呢？

大数据的开放

大数据的价值评估，需要从社会效益、企业效益、个人效益和产品效益来综合评价。比如，金融数据和电商数据碰撞在一起，就会产生像小微贷款那样的互联网金融；电信数据和政府数据相遇，可以产生人口统计学方面的价值，帮助城市规划人们居住、工作、娱乐的场所；金融数据和医学数据在一起，可以发现骗保；物流数据和电商数据凑在一起，可以了解各个经济子领域的运行情况等。可见，只有将数据开放，即让不同领域的数据真正流动起来、融合起来，才能最大程度释放大数据的价值。

数据的开放主要有三个维度。一是狭义数据的开放。狭义的数据主体是政府和科研机构，即把非的政府数据以及科研数据公开。但是数据开放不等于信息公开。数据不等于信息，信息是从数据里面提炼出来的内涵，而且数据开放应该是一种主动和免费的开放，而不是经常被探讨的“申请信息公开”。二是大数据基础设施的开放。有了大数据思维，企业就会希望加快建设平台，投资相关的硬件和软件。但如何储存，处理并结合云对企业是个挑战。因此基础设施的开放对很多无力建设自己平台的中小企业来说就非常重要。一些拥有庞大平台的企业，如谷歌、亚马逊已经开始积极尝试，比如提供基础数据处理和分析平台。三是价值挖掘能力的开放。当我们在挖掘数据的时候，最主要的是在业务中体现其价值。但大数据具有非常明显的两面性，某些大数据是十分重要且有价值的，但绝大部分离散的数据是无用的。这让挖掘大数据一方面可以产生高价值，但也可能给企业带来沉重的成本负担。所以开放价值挖掘能力对降低数据应用的门槛非常重要，要让数据价值平民化和市场化。

大数据如何影响企业决策

企业对大数据的应用主要可分成三个阶段。在2010年到2012年之间的第一阶段，大数据应用关注数据和机器的关系，局限于传统的IT思维，只不过在很多小数据应用上贴上了大数据标签；从2013年开始的第二阶段关注数据与人的关系，可视化和预测应用成为了市场的宠儿；2014年之后，大数据应用的重点已经转向分析数据和数据之间的关系，这要求对企业大数据应用进行开放式的创新：从数据的开放、共享和交易，到基础处理和分析平台的开放，再到价值提取能力的开放。

研究还表明，大数据对企业决策最重要的影响，不是大数据本身，而是数据和数据之间的关系。大数据价值的实现，在于数据与数据间的连接。

以谷歌的一项数据处理功能为例。谷歌做了一件惊人的事情――能在不懂某个网页语言的情况下，知道网页所讲的内容是什么。试想一下，如果你懂俄语，看出俄语网页里在讲什么当然很简单。但是，如果你不懂俄语，仅仅通过看字词的排列和网站的分类，就知道网页的内容，这是不是很令人惊叹？这就是一种利用数据间的联系建立起来的知识图谱。知识图谱并不是数据，但它产生的结果要比单纯的数据搜集有价值得多。

除此之外，大数据对企业决策的影响还表现在以下三个层面：

第一，企业在重视获取大数据的同时，开始意识到要抓住大数据的机会并从中获取商业价值，需要使用先进的分析方法。从前我们通过对市场、行业和业务洞见来分析市场形势，传统的BI方案（商业智能方案）也能给我们提供解决方案。然而，大数据分析是全量数据和多数据类型，相对抽样研究，能更精准地体现数据价值。因此，我们需要引入新的技术来提升解读数据价值的能力，比如机器学习和预测能力。此外，数据探索、捕捉实时流动的大数据并把新的大数据来源与原来的企业数据相整合等，也将帮助企业攫取大数据的商业价值。

第二，在应用大数据的同时关注小数据。小数据强调的是定性和定量分析。大数据强调的是趋势和融合分析。小数据的分析往往是面对一个业务主题，而不是行业趋势或热点。小数据在做数据取样和验证结果时能对大量的、宏观的数据分析进行补充。当然，最终我们要获得的是数据价值本身，而不仅仅是把它分为不同类型的数据。所以，无论是大数据还是小数据，都需要我们把所有类型的数据碎片化后，运用先进的关联手段来建立其价值链，通过定制价值路径让数据的价值快速推送到商业应用中。这也是为什么越来越多的企业开始关注企业知识库建设的原因，它们藉此实现企业数据价值的变现。

第三，在数据的搜集和处理过程中，建立数据属性标签。我们常把数据属性标签比喻成脸谱勾画，通过数据属性标签可以更容易识别数据的不同特征。数据标签的属性是指在使用数据前，企业要了解数据的场景以及数据是如何进入这个场景的。因此，数据属性管理的层级化和维度化就变得十分必要，而在将数据属性标签化之前，就说数据如何起了作用是不现实的。

树立大数据思维

在很多企业，尤其是对中小型企业来说，大数据应用无法落地的原因是企业没有大数据思维。拥有大数据思维，并不是指任何决策都参考数据，也不是要求所有问题都足够精准，更不是花巨资打造大数据系统或平台。大数据思维是“数据借力”。

首先让我们了解一下建立大数据思维通常面对的几个挑战：

第一，大数据应用和商业回报间的矛盾。未来的大数据应用一定是可定制的、可在云上打包的服务，即将业务、数据、分析能力多面定制，一起打包。企业需要可快速部署和有明确投资回报的应用，这涉及到数据的质量和丰富度及业务人员对数据的依赖度。这需要企业内各个部门的有效协作，并规避无法确定的风险，比如分析结果的不确定性，业务场景的复杂性，人员的能力缺失等。

传统手段，比如通过社交媒体、邮件、网络文本等获得的数据量非常庞大，但解破这些数据的关系和价值却给企业带来巨大挑战。企业希望成为数据的主人，但往往在辨析数据的有效性、能带来哪些商业回报，以及如何帮助决策等方面却缺乏有效工具。

第二，海量数据与核心数据间的矛盾。要做大数据，首先要了解自己的企业，或者企业所在的行业的核心是什么。调研中我们发现，有很多企业在竞争过程中，最终不是被现有竞争对手打败，而是被很多潜在未知的竞争对手打败的。举例来说，大部分人都认为亚马逊是做电商的，但其实亚马逊现在最主要的收入来自云服务，也就意味着亚马逊的核心数据（价值）是云服务。只有在此基础上，亚马逊建立的大数据才是有效的、服务于战略的。

第三，内部数据与数据间的矛盾。企业所获取的数据，很大一部分是内部数据，这让企业面对另一个挑战，即如何让内部数据与相关数据产生联系并使之成长。只有让内外部数据的交融在用户场景中，才能为业务用户描绘更精准的业务发展空间。

第四，规律发现和规律失效间的矛盾。我们的调研显示，从大数据应用总结出的规律来看，建立失效预警是特别必要的。当企业通过大数据分析发现一个规律，并在现实中应用时，必须要设立一些预警指标。当指标达到一定水平，即表明之前发现的规律已经失效，必须发现新的规律、建立新相关指标，这称为数据价值的有效性。

没有根据实际应用场景的变化而及时更新，挖掘再多数据都是无谓的浪费。熟练应用失效预警，企业才能培养起整个团队对数据真实有效的敏感性。

中小企业的“数据借力”之道

对中小企业而言，购买大数据，雇佣专业团队成本偏高，建立大数据思维、理智对待大数据应用的热潮才能将数据对企业决策的影响最优化。应对以上建立大数据思维的四种挑战，中小企业“数据借力”可以尝试以下几种方法：

第一，做好数据价值调研。企业在购买搜索关键字、投放DSP（精准定位人群）的广告等大数据业务前，要先做调研，对数据是否能带来期望的商业回报做到心中有数。比如，可以考察行业内是否有较多成功案例再做决定。若成功案例不多，必然有一些难以跨越的障碍，购买前就需要三思。

第二，确认核心数据属性，建立海量数据与核心数据以及内部数据与外部数据间的关联标准。在此方面企业可遵循以下步骤：第一步，确立核心数据标准。比如，CRM（客户关系管理）和客户营销数据一定是核心数据。第二步，归档数据。比如，将线上线下举办的推广活动中收集的消费者的信息，归纳入CRM的系统。第三步，扩展常规上下游渠道的数据。比如，做快销行业的企业，就可以尽量获取沃尔玛、家乐福的数据，并与自己的CRM结合，为企业下一步做市场营销、推广、产品创新等建立指导。第四步，与社会化媒体数据建立联系。社会化媒体产生的数据是数据的一个重要来源，对于中小企业而言，它们在客户的获取和营销上没有强大的运营平台，因此社会化媒体产生的数据，对它们来说尤为重要。但如果只搜集而没有跟这些数据的者建立联系，那么这些数据就毫无价值。

第三，用虚拟人脉交换来获取数据。对中小企业而言，数据的缺失是一种常态，但它们可以通过扩展人脉，来加强对数据的获取能力。比较常见的做法是建立企业自媒体。传统的虚拟人脉的建立主要基于社交媒体上的互粉、互相介绍，而企业自媒体的人脉互相交换，则能更好地各取所需，在不同行业领域交换。企业还可以通过线下人脉寻找优质的高端群体用户。优质用户虽然人数不多，但通过收集其详细资料、分析其行为爱好，将相关分析存储到自己的系统中，就能形成优质的大数据资源。

第四，在关注大数据的同时要关注好小数据。企业的大数据起步，要从小数据开始，从核心数据开始。以业务为主导做好小数据，有助于企业做好企业内部的精细化管理、对市场的观察，以及未来发展方向的规划。

第五，赋予高管更多的权力。做好大数据应用需要企业内部建立大数据文化，比如，灵活的部门间协作机制，管理人员使用数据分析模型的习惯养成等。这就要求企业赋予高管更多的决策权，以帮助其突破制度限制、协调资源、协同合作，更积极主动地应对大数据挑战。

篇9

关键词：大数据时代；数字出版产业；发展趋势

中图分类号：G23 文献标志码：A 文章编号：1673-291X（2017）08-0026-02

随着互联网新科技的不断研发和应用，信息化进程日益加快，大量数据呈爆炸式增长，大数据时代应运而来。数字出版产业要持久发展就必须重视并顺应大数据带来的巨大变革，积极面对大数据带来的挑战。对大数据时代数字出版产业的发展趋势进行分析，有利于数字出版企业做好充分的准备，抓住发展机遇。

一、大数据时代的内涵和特点

（一）大数据时代的内涵

目前，大数据已经在全球范围内运用到社会生产生活的方方面面，各国对大数据的研究和应用也已经提上日程，大数据对经济增长和科技创新的重大作用正在显现，大数据时代已经到来[1]。

人们普遍认为，大数据是在一定时间内，无法用常规软件工具对其内容进行获取、管理和处理的数据集合。大数据用户可以利用其承载的信息进行决策优化，而这些用户既可以是政府机关、也可能是社会媒体或者商业运营者。

（二）大数据时代的特点

大数据的特点主要包括数量规模大、类型广泛、实时快速性和价值密度低四个方面。

大数据的数量规模来自于各运营系统的数据库，目前主要是互联网用户产生的大量内容，这些内容的规模正在日渐上涨，加上未来物联网中传感器生成的数据，人类社会的数据集成量将大大超出目前的计算程度[2]。

随着互联网应用的大范围普及，信息化带来的包括结构化数据、半结构化数据和非结构化数据的数据类型众多。其中，日常生活中运用程度最高的视频、音乐、图片和定位等产生的半结构化和非结构化数据在3/4以上，这一数据在互联网技术不断提升的过程中将持续增长，而企业所产生的结构化数据所占比率较低。

大数据的产生是以数据流的形式，其速度之快对数据分析的技术要求非常高，以往的数据库技术难以对这些实时数据进行全面分析，这也导致了大数据价值的降低。

大数据在经过处理分析后，具有重大的决策价值。但目前由于技术的限制，可利用的有价值信息较少。

二、大数据时代数字出版产业的发展趋势

（一）利用大数据技术实现精准营销

目前数字出版行业的营销已经涉及微信、微博、电子邮箱等互联网新媒体手段，但其营销效果仍然难以达到预期目标，这就要求电子出版业对不同年龄、不同性别、不同工作甚至不同地区、不同时间段的读者的阅读偏好、心理预期及行为标准进行更加具体细致的分析和了解，并据此对出版内容和营销策略进行调整和更新。而大数据技术可以实现对大规模数据进行整合处理和研究分析，更加精准地掌握客户的需求规律[3]，从而更加精准地进行营销策划，保证在日趋激烈的竞争环境中占据有利位置。

（二）基于大数据的个性化选题策划

数字出版行业选题策划通常要经过信息采集、市场调查、目标客户群确立等诸多环节，不但浪费了大量的时间和成本，而且由于调研结果往往真实性、科学性和有效性不足，导致很多选题难以与读者的预期相一致。传统的根据编辑约稿和作者投稿来选题策划的形式已经难以满足读者要日益个性化和多样化的阅读需求[4]。

数字出版行业的选题策划只有把握读者的心理和需求，才能实现长远发展。因此，利用大数据实施精确化营销就显得尤为重要。在此基础上，数字出版行业的出版内容要根据读者的需求进行个性化选题策划，同时，要实现与各种新媒体渠道、交易平台以及读者的阅读终端的无障碍连接，以便利用大数据技术对客户的需求进行及时捕捉和分析。

（三）消费者对数字内容产品的付费意愿会大大提高

现阶段，我国网民对数字内容的下载及浏览主要是基于免费方面，数字内容的付费模式在我国仍然没有有效建立，这也是数字出版行业发展过程中的重要障碍之一，其关键原因是数字内容难以真正满足消费者的需求及支付体系的不健全。

数字出版行业在有效利用大数据进行消费者需求分析，并根据消费者的需求进行个性化服务后，要注重与消费者之间的感情维护和后续追踪反馈，切实将消费者的需求放在首位，消费者自然就会接受电子内容付费模式。同时，数字出版企业要不断优化完善数字内容支付系统，保证下载和支付途径简便易行，支付手段要随支付方式的发展及时进行添加变更，减少消费者的支付困扰。

（四）观念更新和人才储备是数字出版行业发展的关键

在大数据时代背景下，数字出版行业管理人员必须意识到大数据对产业战略发展的影响，大数据环境下，企业只有顺应潮流，积极转型才能长足发展，传统的企业发展模式已经难能与时展的需求相适应了[5]。

大数据技术带来的信息资源将成为企业最重要的资源之一，企业对数据内容的选题策划、广告投放、产品效果预测都离不开大数据技术的信息分析，大数据在数字出版行业决策中的作用将会越来越明显。

大数据技术使消费者需求得以分析和把握，底殖霭嫘幸档囊滴窳鞒唐笠底橹都会以读者的需求为中心进行设置和调整，以实现数字出版的效益最大化。

此外，大数据时代数字出版企业在实现对自有数据库的管理和与新媒体平台及支付渠道的无障碍对接过程中，对专业人才的需求量大幅度提升。因此，数字出版行业对集数据管理和分析、互联网运营以及市场营销能力于一体的综合性人才的储备和培养力度将不断增长。

（五）与互联网和大数据产业的合作力度加强

目前，数字出版行业尚不具备大数据应用技术和环境，要想在大数据时代保持长足发展，就要加强与互联网行业与大数据企业的合作[6]。

数字出版行业的销售和客户信息大都掌握在平台运营商和社交媒体的手里，受成本制约，很多数字出版企业都未建立自有数据库，对大量客户信息的采集和分析y度自然也非常大，而数字出版企业要面对大数据带来的挑战并抓住其提供的机遇，就必须对这些信息进行有效的利用，因此，数字出版商要拓宽与互联网和大数据企业的合作渠道，建立稳定长久的合作关系，为消费者提供更好的针对，促进数字出版行业在大数据时代的持续发展。

（六）以消费者需求为导向进行业务流程和企业组织结构调整

随着大数据技术的发展，数字出版产业的业务流程设计将以用户需求导向为核心。首先，数字出版行业业务流程将依靠大数据技术的支撑，更加清晰的了解消费者的需求，并及时满足消费者的需求。其次，大数据为数字出版行业提供的数据分析将大大超出传统市场调查统计数据的科学性和准确性，大数据提供的数据分析结果将成为数字出版行业整个业务流程的决策依据。此外，大数据技术的发展能够使数字出版行业业务流程平台的各个环节均与互联网有效连接，直接与读者进行线上互动、交流、合作实现数字内容的个性化服务。

数字出版产业业务流程向用户需求导向发展的过程中离不开与之适应的企业组织结构。因此，在大数据技术的不断发展过程中，数字出版企业的组织结构也要向消费者需求导向转变。首先，在大数据技术的支撑下，数字出版企业的数据分析部门的重要性将逐步显现出来，从单纯的成本部门向利润创造部门转变。其次，随着消费者对数字内容的付费意愿增强及利用大数据分析进行精准营销的推行，数字出版企业将对数字内容提供商有更加明确的定位，其业务将向数字内容提供聚集。此外，由于大数据的商业价值受时空变化的影响较大，数字出版企业原有的金字塔式层级组织结构已经不能适应大数据时代的发展，因此，必须建立能够及时满足消费者需求的弹性化网络式的组织结构。

三、结论

大数据时代是互联网技术发展的必然趋势，它必将带来全球性的技术变革，信息的传播速度将会更快，利用效率将会更高。它为商业发展带来前所未有的挑战和机遇，消费者的需求在这一时代背景下的受关注度空前提高，消费者具有了更多的选择权，掌握了更大的主动权，对个性化服务的要求更高，由此带来的市场供需关系的改变，对企业的产品设计和营销策略也提出了新的要求和挑战。

数字出版行业作为国家支持的新兴出版业态，要想充分利用和挖掘大数据技术带来的巨大发展机会和商业价值，就必须从战略高度上意识到大数据时代已经到来。大数据蕴涵着大量的信息，进行处理分析后的信息具有巨大作用。随大数据技术的不断发展和运用，数字出版行业必然向精准营销、个性化主题策划、读者对数字内容的付费意识增强和企业对专业化人才的需求量不断增加、与互联网企业和大数据企业的合作加强的趋势发展。因此，数字出版行业要从现在开始注重对数据的采集、整理、分析和运用，提高应对外界环境变化的能力，增强自身的竞争力，实现数字出版行业在大数据时代的持续发展。

参考文献：

[1] 孙玉玲.大数据时代数字出版产业的发展趋势[J].出版发行研究，2013，（4）：5-8.

[2] 陈尼佳.大数据时代数字出版发展趋势研究[J].现代商贸工业，2015，36（17）：12-13.

[3] 路晓鸽，李铭娜.大数据时代传统出版产业的转型思考[J].商业经济，2015，（5）：69-70，81.

[4] 肖镘洁.大数据时代数字出版产业发展趋势分析[J].黑龙江科学，2015，（19）：118-119.

篇10

如何充分利用大数据，挖掘大数据的商业价值，从而提升企业的竞争力，已经成为企业关注的一个焦点。这也是甲骨文公司努力的方向。

全面解决方案才能奏效

当前，越来越多企业将大数据的分析结果作为其判断未来发展的依据。同时，传统的商业预测逻辑正日益被新的大数据预测所取代。但是，我们要谨慎管理大家对大数据的期望值，因为海量数据只有在得到有效治理的前提下才能进一步发展其业务价值。

最广为人知的大数据定义是Gartner给出的大数据的3V特性：巨大的数据量（Volume）、数据的快速处理（Velocity）、多变的数据结构和类型（Variety）。根据这一定义，大家首先想到的是IT系统中一直难以处理却又不容忽视的非结构化数据。也就是说，大数据不仅要处理好交易型数据的分析，还把社交媒体、电子商务、决策支持等信息都融入进来。现在，分布式处理技术Hadoop和NoSQL已经能对非结构化数据进行存储、处理、分析和挖掘，但未能为满足客户的大数据需求提供一个全面的解决方案。

事实上，普遍意义上的大数据范围更加广泛，任何涉及海量数据及多数据源的复杂计算，均属大数据范畴，而不仅局限于非结构化数据。因此，诸如电信运营商所拥有的巨量用户的各类详细数据、手机开关机信息、手机在网注册信息、手机通话计费信息、手机上网详细日志信息、用户漫游信息、用户订阅服务信息和用户基础服务信息等，均可划归为大数据。

与几年前兴起的云计算相比，大数据实现其业务价值所要走的路或许更为长远。但是企业用户已经迫不及待，越来越多企业高层倾向于将大数据分析结果作为其商业决策的重要依据。在这种背景下，我们必须找到一种全面的大数据解决方案，不仅要解决非结构化数据的处理问题，还要将功能扩展到海量数据的存储、大数据的分布式采集和交换、海量数据的实时快速访问、统计分析与挖掘和商务智能分析等。

典型的大数据解决方案应该是具有多种能力的平台化解决方案，这些能力包括结构化数据的存储、计算、分析和挖掘，多结构化数据的存储、加工和处理，以及大数据的商务智能分析。这种解决方案应具有以下四个特性：软硬集成化的大数据处理、全结构化数据处理的能力、大规模内存计算的能力、超高网络速度的访问。

软硬件集成是必然选择

我们认为，大数据解决方案的关键在于如何处理好大规模数据计算。过去，传统的前端数据库服务器、后端大存储的架构难以有效存储大规模数据并保持高性能数据处理。这时候，我们让软件和硬件更有效地集成起来进行更紧密的协作。也就是说，我们需要软硬一体化的专门设备来应对大数据的挑战。

坚持开放的战略