京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据分析仅为赢得新客户?推动整合转型是关键
作为全球发展最快的大数据市场,虽然超过四分之三的大中华区企业在一年内实现了大数据的投资回报,显示了高于全球的投资信心,但是更多的中国企业更注重利用大数据分析来赢得新客户而不是创造更好的客户体验,同时,中国企业普遍在利用大数据推动数字和流程整合转型方面落后于全球整体水平。这是IBM近日发布的《分析:速度的优势》白皮书的调查结果。该白皮书就企业在分析生命周期的三个关键阶段提出了快速将数据转变为洞察并驱动行动的建议,帮助企业在竞争中保持领先优势。
IBM大中华区全球企业咨询服务部高级合伙人兼副总裁StevenDavidson表示:“随着大数据应用的不断深入,新的发展与变化已经产生。通过此次《分析:速度的优势》白皮书的发布,我们可以看到,速度优势对企业在竞争取胜至关重要。一部分企业正通过速度驱动的数据和分析实现差异化发展,对业务绩效和竞争地位产生了显著的影响。这一趋势对于全球企业高管,尤其是那些致力于利用创新技术推动自身发展的中国企业的领导尤为重要。IBM一直致力于与中国企业紧密合作,分享自身丰富的大数据分析洞察与资源,共同携手推动业务的创新与增长。”
四大变化引领全球大数据应用发展
作为IBM第六次全球数据分析调研,此次调研对象包括60多个国家中超过1,000位业务和IT高管,其中也包括大中华区企业。IBM 2014年全球分析调研揭示了影响快速发展的数字市场的四个重大变化:
变化一:绝大多数企业目前在一年内实现了大数据投资的回报。
变化二:以客户为中心仍是分析活动的主要目的,但企业越来越多地将注意力集中于利用大数据应对运营挑战。
变化三:通过将数字化能力集成到业务流程中实现企业转型。
变化四:大数据的价值推动力从数量转变为速度。
如何在各个关键阶段保持领先
利用大数据分析,成为领跑者的关键是什么?IBM大中华区全球企业咨询服务部合伙人、大数据和分析负责人王明德这样谈到:“在研究中我们特别针对领跑者做了一些深入分析,领跑者并不是在某一两点上做的非常好,而是在分析的生命周期的各个阶段都非常出色。”
IBM大中华区全球企业咨询服务部合伙人、大数据和分析负责人王明德
IBM把分析生命周期分为标准的三个阶段:获取阶段、分析阶段、行动阶段。王明德强调说,基于IBM公司掌握的关于大数据分析的技能和知识,也基于IBM对中国企业以往提供服务与合作获得的知识,IBM能够帮助中国企业更快地成为或赶上领跑者。
同时,王明德在采访中也着重谈到了此次发布的白皮书,对中国企业在这个阶段应该抓住哪些重点给出的不同建议。在分析生命周期的第一阶段,即获取阶段,企业要获取数据、管理数据、处理数据。IBM给出的第一个建议就是开发出能够支持数据多样性的解决方案。第二个建议则是把这些数据真正快速的提供给企业里需要这些数据的人。第三个建议是不要忘记数据治理概念的重要性。
当企业进入到分析生命周期的第二阶段,即分析阶段,企业已经可以从数据中获得洞察,这样可以专注于某个业务领域,通过洞察提升这个业务领域的业务效果。因此,在这个阶段IBM给出的第一个建议是,从外部获得这样的洞察,对客户有更好地了解。其次,要全面地使用更深层的分析。在传统的数据库中分析主要集中在描述性和诊断性的分析。而现在的大数据平台,有强大的分析软件和分析引擎,因此应该更多地做预测性、指定性的分析。
分析生命周期的第三阶段,即基于数据分析作出快速的行动。IBM特别强调第一步整合数字和流程的转型做法很关键。这一阶段要尽可能使企业全部数字化,能够提供数字平台,可以处理目前所有的数字形式的要求。其次,怎么使这些分析和数据能够供自己的员工和高管使用。比如推出一些符合现在需求的做法,通过移动设备来使用。IBM给出的第三个建议,一定要专注于以能够带来最多的业务回报和成果的方式来作为开始行动的起点。
从IBM此次发布的《分析:速度的优势》白皮书,其核心内容则是领跑者数据分析驱动实践,速度成为了关键。该白皮书指出要跟上当前的发展速度,企业需要全面地采用分析技术。基于企业现阶段分析能力,白皮书将企业分为四个组别:领跑者、慢跑者、参与者和旁观者。占10%的领跑者最有能力满足速度需求,并创造了巨大的商业价值。超过一半的领跑者都表示分析对业务表现和收入产生了显著影响并且使他们获得了显著的竞争优势。但大中华区在分析对业务、收入和竞争力方面产生影响的表现仍与全球领跑者存在着较大差距。为了创造业务价值,中国企业需要仿效领跑者,并且加快速度管理数据和分析,并依据数据洞察采取行动。
大数据在中国落地有声
尽管从整体上而言,中国企业在大数据应用方面的表现与全球领跑者存在差距,但是也不乏成功者和领先者。
IBM大中华区全球咨询服务部副合伙人,大数据与分析中国区负责人谢国忠在采访中也谈到:“最近两年IBM和中国企业有很多合作,我们已经做了很多相关的大数据的项目实践。”谢国忠在白皮书发表之际展示了IBM在十三个重点领域的应用场景,同时也着重介绍了诸如上汽集团等企业大数据应用的情况。
IBM大中华区全球咨询服务部副合伙人,大数据与分析中国区负责人谢国忠
比如,IBM帮助上汽集团成功打造中国汽车市场首个O2O电子商务平台——车享网。该平台将基于线上客户数据,有效判断客户潜在需求,提高运营分析效率,为客户提供及时的、个性化的服务与信息。通过全面的客户洞察做到精细化营销,车享网平台将大幅提升会员管理水平。通过数据分析提升汽车消费者全生命周期服务能力,真正做到高品质的客户体验。目前该公司从访客变成线下的成交客户,提升了1%。1%的提升很不简单,这需要庞大的数据量,而这个1%所带来的总订单量则提升了11.3%,客户流失率降低了3%。
在新互联网时代下,随着大数据、云计算、社交及移动趋势的快速崛起,IBM正在构建自身全新的服务能力。在大数据应用领域,IBM一直引领着创新和发展,并不断融合自身在各行业与全球化发展中的经验,不断帮助中国客户紧抓新时代下的发展机遇,以稳健的步伐成长为全球企业的领导者。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25