京公网安备 11010802034615号
经营许可证编号:京B2-20210330
四大原则 把握“大数据”机遇
岁末年初,尽管各种各样的关键词不断出现在国内国外有关商业、技术趋势预测的文章中, “大数据”却无一例外地受到关注。企业已经在努力学习通过利用大规模采集及分析数据来制定战略,这有力地体现出大数据的巨大潜力。大数据的采集及分析正在迅速成为企业获取差异化竞争优势的新争夺领域。Amazon.com、谷歌和Netflix等公司在这方面表现抢眼,其他公司则紧追不舍。事实上,近几个月来,制药、零售、电信、保险等各行业都在大数据战略上锐意进取。它们的大手笔表明业界正在针对大数据制定全新战略,对CEO等高管们而言,面临着阻挠大数据举措的挑战。根据相关经验,我们总结出四大原则,希望对企业高管捕捉大数据发展潜力有所帮助。
1. 测算的机会和挑战
企业高管如果能够意识到应对行业盈利挑战的迫切性时,往往就能促成其大数据战略。以AstraZeneca公司为例,企业高管看到了现实数据的威力,比如医药费包销的数据,让制药公司的客户能够评估药品的有效程度 (参阅副文“AstraZeneca的“大数据”合作)。
在我们研究过的一个零售商案例中,大数据是夺取市场份额的艰难一役。该公司战略一向侧重于应对竞争对手的重大挑战,但一种来自网络的竞争威胁正在侵蚀公司的收入及利润。这种威胁的核心来自于竞争对手有能力收集和分析消费心理,且能够为数百万客户提供建议,而这种能力让该零售商的销售能力大打折扣。与此同时,该竞争对手正在形成一种平台,供应商可在这个平台上利用行业汇总的公开价格数据销售多余库存,以此帮助供应商确定折扣幅度。为此,该零售商董事会希望知道是否也可以利用自身的信息资源应对这些挑战。
数据带来的挑战及机会可能会更加微妙。例如,欧洲某电信商采用创新产品绑定的手段提高了市场份额后,大数据分析就被视作公司振兴的里程碑。该公司高管相信,如果能精确找到通过销售带动效益的点,并通过研究消费者行为发现哪些因素决定了其品牌或产品取舍,就可以形成公司新的优势。这就需要有能力解读两种大规模且不断增长的信息:网络搜寻数据和实时信息,即消费者在社交工具和其他网络渠道上分享的关于该公司产品和服务的评价。
2. 确定大数据源头及差距
制定大数据战略,当然需要研究企业究竟需要哪些类型的信息及需要哪些能力。在现阶段,企业高管应彻底评估所有相关的内外部数据。审计人员还应考虑分析型人才的可获得性以及可能有助于填补不足的潜在合作关系。这类审计不仅能真实认识企业能力和需求,而且会激发灵感—例如,某高管发现了隐藏在某些业务部门的“数据宝石”,或认识到通过正确合作创造价值的重要意义。
零售商的审计侧重于公司内部数据,它们往往还有未被完全开发的利用价值。这类数据包括产品返回率、许可证及客户投诉,是涵盖客户消费习惯及偏好的宝贵信息。该审计还发现了一处阻碍因素:没有与客户身份认证数据相结合的数据,或是标准化后足以供公司内外部共享的数据。因此,该类信息很少被用于营销分析,也不可能支持销售代表与客户互动,或是供应链高管服务于供应商。所幸的是,审计发现有一个团队可以帮助解决这些问题:内部数据分析员,该团队的独立工作尚未得到充分利用。
就欧洲电信商而言,问题集中在如何利用消费者对公司及其产品的网上讨论信息,包括数百万相关微博发帖、社交媒体互动、搜索关键词、品牌直接比较,以及张贴在网站上的客户反馈。该电信公司的CEO认识到这一工作的重要性,并发现公司缺乏数量经济学及分析技术,于是聘任了具备相关资质的外部分析师领导组建了一个“集思广益”团队。
3. 就战略选择达成共识
一旦发现了可资利用的机会及资源,很多企业就会立即进入实施规划阶段,但这是错误的。数据战略与企业整体战略密不可分,在确定所需资源投入时需要精心规划才能取得预期效果。这需要一线人员能够使用高级数据分析工具,或者需要收集数据和招聘分析人才,以获得先发优势。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23