
当制造遇上大数据
“现在越来越多的行业都要适应大数据的趋势,不仅限于原来的高科技、互联网企业,现在包括通讯、金融、制造、能源等行业都在顺应趋势培养这方面的竞争力。”Hermann Wimmer 说,“用数据来驱动业务增长”是未来的方向。“例如,市场部门如何利用真实的数据来帮助制定市场成长策略;怎样提升客户体验或者客户满意度;怎样通过降低仓储、物流的运营成本等让企业运营得更智慧、更有效率;怎样结合生产部门和其他部门的数据优化生产和运营能力,这些都是大数据的‘用武之地’。”Teradata( 天睿公司) 大中华区首席执行官辛儿伦(AaronHsin) 举例道。
对于传统制造业来说,大数据能在哪些方面进行“颠覆”和“改进”?麦肯锡咨询公司在近日发布的《如何利用大数据改进制造业》的报告中列举了10 条大数据颠覆制造过程的路径,涉及优化生产进度;提高制造绩效;精确供应商管理;追踪产品质量,改进工作流程;以销定产,制定生产计划;量化产能,追踪设备运转效率;以及提供生产设备预防性维护建议等方面。
可以说,大数据影响到生产制造、运营、管理的方方面面,而从目前大数据在制造业的应用范围来看,我们想从客户关系管理(CRM)、优化生产以及供应链管理三方面窥探大数据的无限可能。
“大海捞针”成为可能
在当今经济环境中,良好的客户服务和客户体验至关重要。越来越多的企业通过挖掘客户|数据提升客户关系,了解客户需求。今天的CRM 数据分析能力已经不止局限于客户邮件、电话等数据,而是能够识别客户购买行为,了解客户情绪。辛儿伦切身感受到数据分析在客户管理方面应用的变化趋势:“过去更多是在数据仓库针对客户关系的管理和体验,特别是对客户|数据和CRM 数据进行分析和探索促进营销增长的途径和手段。随着技术和数据架构的演进,现在的数据已经延伸到很多范围,比如位置数据、基站数据、还有通话记录和移动互联网上的消费者行为等。利用这些来自多渠道的数据建立分析模型,以便从360 度去观察客户的兴趣、爱好,并预测未来的行为,从而制定个性化的营销策略。”
发生在海尔的一个营销故事可以从这方面揭示大数据的“神奇”。2012 年,海尔推出帝樽空调,如何精准地预测有哪些用户可能选购帝樽空调?如何送去个性化的服务方案?海尔从SCRM 会员数据库中提取了数万名用户数据,与中国邮政的名址数据库匹配,建立“look-alike”模型。此外,海尔SCRM会员平台还同旅游、健康类杂志有合作。海尔通过查询订阅名|录,发现北京一小区有人订阅旅游杂志,其中有位陈先生。海尔得出“ 他对环境、自然应该感兴趣”的结论,于是推测,他极有可能对帝樽空调除PM2.5功能感兴趣。接着,陈收到了海尔投递的一封直邮单页,除了公益环保知识外,重点介绍了帝樽空调的除PM2.5 功能。接下来的故事就水到渠成了,陈带着直邮单页,到附近的商超购买了空调,并且还登录海尔官方网站,自主注册成为海尔会员。
从这个案例可以看出,在客户管理方面,企业营销的对象不仅是一群人、一类人,而是具体的某个人。其次,跨领域数据的整合也很重要,当然企业应当首先明确需要哪些领域的数据和如何获取这些数据。Hermann Wimmer 例举了两个行业之间的数据共享带来的商业价值—汽车行业和保险行业。“买车的人都要上保险,每一个司机由于自己的驾驶习惯不一样,保险公司对于他们的评估也是不一样的。如何才能更准确地评估一个司机到底属于高风险还是低风险驾驶习惯,就取决于他所开的车。通过车上所装载的100 多个传感器传回的数据,可以了解他的驾驶习惯,然后判断他属于什么级别的风险类别。比如,他不超速、驾驶平稳,就属于低风险,反之,开的很快就属于高风险类别。”Hermann Wimmer 说,这两个行业密切的联系就是由传感器带来的数据连接起来的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15