京公网安备 11010802034615号
经营许可证编号:京B2-20210330
企业面对海量实时数据却不知所措
在人人喊着要“掘金”的大数据时代,企业的市场营销人员应该是最直接受益者。数据显示,83%的市场营销专业人士认为他们的品牌在数字化平台上应该更加活跃。然而,“梦想很丰满,现实很骨干”。虽然企业现在拥有的可供利用的数据量空前巨大,但是65%的市场营销专业人士都无法整合多个数据源—— 如社交媒体、博客、网站访问和搜索数据,这使他们无法确定采取什么行动。
来自TNS的最新研究显示,很多企业都未能利用企业的大数据信息来帮助自己做出明智的决策。TNS的“市场监测(Marketing Monitor)” 研究访问了遍布亚太区的2700多位市场营销专业人士。根据该研究,数据的总量之大、种类之多让人感觉雾里看花,难以从中获取有价值的洞察,使企业更难以利用数据来为自己服务,形成竞争优势。
在中国的企业正向数据驱动的数字化平台以及追踪研究系统投入更多资源,以帮助他们理解富有挑战性的线上世界。这些数据大量涌入市场营销部门,有三分之一(31%)的市场营销人员目前的职责包括管理实时数据。
然而,65%的中国市场营销人员承认,整合不同来源的数据相当困难。有这么多的可用数据,市场营销人员都知道他们应该能够实时做出决策,但很多人在整合传统和数字化数据的道路上艰难挣扎。
TNS中国首席执行官刘锡芸认为,面对如此大量的数据,许多企业都不知所措。“在线上平台方面,中国是世界上最先进的国家之一,其结果是产生了数量空前大的消费者行为数据。 好消息是,市场营销人员有丰富的信息可以加以利用。而不那么利好的消息是,要确定如何处理和分析这些数据以揭示对企业有价值的、隐藏在数据背后的洞察,并不总是一件容易的事情。”
由于对实时数据进行分析存在各种困难,许多市场营销人员都转而依赖传统的测量方法。根据TNS的研究,销售提升指标仍然是企业评估市场营销活动的成败的首选方法。尽管这些指标很重要,它们都是回顾性的,并不赋予企业能力来追踪消费者对市场营销活动的持续反应、对正在发生的问题采取行动,并做出改变以将他们的市场营销活动向更有利的方向推进的能力。
此外,现有的市场研究方法并不能帮助市场营销人员做出快速、明智的决策。根据我们在中国的调查,市场营销人员认为市场研究分析“可操作性不够”(64%)及“太慢”以致无法使用(61%)。
TNS品牌和沟通亚太区董事总经理Nitin Nishandar解释说:“从数据中提取有价值的洞察的困难意味着市场营销人员采用了一种”后视镜式“的方法,即只能在营销活动进行数周甚至数月之后才能了解其表现和品牌资产变动情况。实时数据需要给到实时价值——否则它就只是让人分心的噪音。”
在整合来自数字化渠道的洞察方面,一些国家领先于其他国家。尽管拥有一些世界上最先进的社交媒体平台,中国在数字化渠道洞察整合方面其实是滞后的,只有三分之一(30%)的市场营销人员在做市场营销决策时使用社交媒体监测。新加坡遥遥领先,55%的市场营销人员在进行社交媒体数据的监测。马来西亚紧随其后,有50%的市场营销人员在监测该数据,而印尼则有43%的市场营销人员进行社交媒体的数据监测。
各国家使用社交媒体监测来为决策提供依据的市场营销人员比例:
1.新加坡 – 55%
2.马来西亚 – 50%
3.泰国 – 46%
4.韩国 – 45%
5.印尼 – 43%
6.澳大利亚 – 43%
7.印度 – 42%
8.中国 - 30%
对有能力利用数字化数据的企业来说,对数字化数据的挖掘有潜力为企业开启通向未来机会之门。TNS的“市场监测(Marketing Monitor)” 研究的一个重要发现是,在亚洲,有三分之二(67%)的市场营销人员对传统市场研究不能提供预测性洞察这一事实感到沮丧。新的方法显示,数字化数据如能得到恰当的整合,不仅可以帮助营销人员做出实时决策,还可以预测品牌资产。
Nitin继续说道:“随着亚太区变革步伐的加快,我们需要开始使用数据来关注未来,而不是仅仅测量现状。追踪社交和搜索数据,以形成‘预测框架’的基础,能够比市场调研数据或销售数据早几个月提供洞察。这就使营销人员有能力及时预测品牌资产的变化,从而能够及时采取措施来应对这些变化。在这样一个多变的环境,能够有这样一幅‘望远镜’来眺望未来,对企业而言是一个非常宝贵的竞争优势。这种优势任何一个企业都不能忽视。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16