
大数据时代-数据分析师考试
数据不是一个新的现象,或者是数据根本就不是一个新的现象。上世纪1920年代,在美国出现了所谓的直销业,大量的百货公司开始进行所谓的直销,给每家每户送目录,这就是开始采集用户的数据来进行个性化的营销。到1982年,美国的一些航空公司出现了客户忠诚项目,航空公司开始有大量的客户交易行为数据。
商业创新涉及产品整个价值链
从商业创新的角度来看,更多的是围绕着管理现有和潜在顾客的全生命周期,在你购买之前、购买之后,全媒体、全渠道。无论是PC、手机,还是线下O2O,所有跟这个企业的社会互动,把这些数据收集起来,就能做出一个很好的预测。而且传统的数据营销,产品投放市场以后,只是单纯地做营销。现在,商业的创新是更多延伸到产品整个价值链的上下游商业的创新。
大数据时代,商业创新的市场趋势和一些商业创新出现新的范式。
我们现在处于一个社会化互联网时代,早就过了门户时代。现在的互联网是一个社会化的互联网,其内容主要是用户提供的,用户的内容都可以自己生成,而不是由企业生成的。
互联网时代,最主要是两种形式:一种叫口碑,就是“言”;另外一种是观察模仿,或者叫观察学习,就是“行”。
大数据时代的商业创新,既然是围绕着社会互动展开的,就有一个很重要的特点:社会化互联网使社会互动成为企业的一个重要的战略变量,无论是口碑还是观察模仿,在传统的线下,企业没有办法直接操控。中国有一句谚语:酒香不怕巷子深,但现在不一样,现在很重要的一个特点是,商业创新要看各种各样的新的商业模式,很多完全是围绕这个展开的。
口碑:
新的营销 决策变量
从过去这些年的研究中,可以发现的一些有关口碑的例子。比如亚马逊1995年最早推出消费者的口碑,第一次把消费者的口碑当做企业操控的变量,它可以决定提供还是不提供。这里,我们要思考口碑给企业带来了什么样的影响,功能是什么。
观察学习也是这样,也是亚马逊最早开始做的。我们在线下排队的时候,亚马逊很轻易地放到网站上,后台可以统计出看过某款产品的客户,最终有多少人购买这款产品。
我们看到100个顾客从餐馆门前走过,最终有多少人进了这个餐馆,多少人进了对面的餐馆,这就是在现实生活中大家去吃饭时关心的数据。企业仍然能够把它当做直接操控的战略变量,这就改变了很多商业的游戏规则。
另外,社会互动的类型成为企业直接管理的变量。其实,另外一种社会互动的异质性本身或者同质性本身,也成为企业管理战略的变量,这是我们要在另外一篇文章里面讨论的问题。
商业创新:
立足社会互动 的战略管理
商业创新是围绕着利用社会互动来影响产品投放市场以后的战略吗?其实远远不止,社会互动还可以影响到整个价值链的上下游。企业用消费者社会的互动来做新产品的测试,更重要的是新产品测试的时候就在做营销了。
身处大数据时代,商业创新一个很重要的立足点就是怎么来进行社会互动的战略管理。社会互动的异质性取决于社会网络关系,社会互动不同的类型不仅可以影响企业做决策,还受现在移动互联网O2O的影响,它也是一个战略变量。
其实在大数据时代,你仍然可以做社会互动。美国芝加哥的一家公司是卖T恤衫的,任何一个人都可以把自己设计的T恤衫上传到这个网站,得票高的由这个网站生产。这样来做新产品开发,同时也是在做新产品的测试,也是在做新产品的营销。什么意思呢?在大数据时代,如果你要基于社会互动战略管理的时候,我们过去商业上决策的流程是一种串行。现在是一个并行,我在做营销的时候,我就应该在做研发,我在做研发的时候,我应该就在做营销,不应该把它割裂开来。
社会互动:
企业可操控的 战略变量
传统的市场主体企业创造价值,顾客消费价值。是谁创造价值,谁消费价值呢?实际上是消费者在创造价值,企业在消费价值。而传统市场的功能是在做价值的交换和资源的配置,但是价值的交换前提是:谁是价值的创造者,谁是价值的消费者非常清晰,而现在并不清晰,现在市场最主要的功能更多的是在做一种资源的整合和价值的共创。市场的主要调节机制不仅是供求价格,更多是社会互动。
人类社会一直有社会互动,社会互动现在成为市场调节的主要机制?一个很重要的条件是,价格之所以成为调解价值,第一是价格可观测、可度量,第二是价格可调控。
由于互联网、大数据技术,社会互动成为企业可以操控的战略变量。大数据技术可以把用户在微博、微信上互动的内容分析提取出来,知道什么价值有用,什么价值没用,这就是大数据时代对商业创新的影响
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17