
如何削减大数据分析的成本
现如今,越来越多的企业和慈善机构纷纷进军大数据领域,以提高相关业务活动的有效性。
达伦•罗伯逊,是一家慈善机构Action for Children的数字通信官,他认为大数据领域的相关知识和洞察分析有可能成为彻底改变慈善事业的潜力。
近年来,随着经济大环境的恶化,慈善机构越来越需要扩充数据分析能力,试图提振筹款。
罗伯逊说:“慈善机构已经意识到他们已经采集了相当惊人的数据信息。”正如在企业商业领域一样,这些数据可以用来帮助慈善机构提升对于慈善事业的理解和更深入地了解他们为何以及何时选择捐赠。
这是一个重要的考虑因素,因为吸引捐助者的因素正在发生变化,据罗伯逊表示。
“全国性的募捐活动可能无法向过去那样轰轰烈烈了,我们无法通过全国性的电视宣传活动筹集到大量金钱。在这个时代,这是不可行的,而且也是慈善资金的浪费。”他说。
从网络数据中提取价值信息
罗伯逊认为,慈善机构应该转向基于Web的有针对性的宣传活动,以吸引捐助者,而不再是向以前那样的全国性的大规模募捐活动了。
“我是谷歌Analytics(分析)的粉丝,它是免费的,您从通过该工具对于您的网站获得一些基本的洞察分析。 ”他说。
现如今,该慈善事业所面临的挑战是如何深入并分析网络数据,保持每天3,000人次的访问量,包括与访问者的互动。
分析大数据的成本过高。 “我们制定了一套内部部署Hadoop的方案,但发现其将花费120万英镑,如果我们花了如此多的钱用于IT设备, 我们的捐助者们会不高兴的。”罗伯逊说。
Action for Children一直在使用Rackspace公司托管的云计算和数据中心服务,以便更好地定位自身的未来。主要目标包括网络流量高峰的成本效益管理和更好的数据分析,以提供更深入地了解捐赠客户和筹款活动。
2013年2月, Rackspace公司收购了ObjectRocket,开始提供MongoDB数据库作为一种服务。
罗伯逊说,能够作为一种按需的云服务在Rackspace的基础设施上运行MongoDB,帮助他们大大降低了成本,意味着该慈善机构并不需要专门在其团队内部雇用一个MongoDB专家。
需求大数据分析在整个慈善界产生了更广泛的影响,据罗伯逊介绍。 “我预计我们将看到更广泛的工作内容将转移到云中进行数据分析。 ”他说。
争取数据科学专家的时间支持
罗伯逊说,尽管他们可以通过云服务提供商来处理管理大数据所需的相关技术技能,但慈善事业仍然需要专门的人员帮助进行数据分析。
数据科学家是在商业机构最抢手的技能人手,可以获得非常高的薪金。但其实在某些领域慈善机构根本涉及不到,他说,这意味着“慈善机构不必担心支付非常高的工资给数据科学家” 。
而自从美国的数据科学家组织DataKind去年首次在伦敦举办活动以来,他们鼓励数据科学家们开始牺牲他们自己的一点私人时间来帮助慈善机构进行数据分析。
“企业社会责任感已经发生了改变。企业不一定要直接通过捐款,或者商业企业的员工也不一定想要通过帮助粉刷墙壁或做园艺来做义工。他们想利用他们的自己的知识和技能来帮助慈善机构。这就是DataKind组织非常棒的原因了。他们鼓励大量的数据科学家帮助慈善机构进行非常有用的数据分析工作。”罗伯逊说。
因此,与点播的Hadoop ,这要归功于Rackspace的ObjectRocket ,和数据科学家志愿者的供应,罗伯逊认为,该慈善机构现在可谓是占尽了充分利用大数据的天时地利人和。
模仿亚马逊
罗伯逊说,每个人都希望网站易于使用。 “这是来自商界一个连锁反应。人们看到像亚马逊和Netflix这样的网站已经内置了智能化的功能。”他说。这些网站使用推荐引擎,以人为本的根据访客的浏览历史推荐相关产品。
罗伯逊认为这超出了慈善机构的覆盖范围。 “我们从未足够的财政支持开发一款推荐的引擎。想想亚马逊已经为此投资了多少钱吧!”罗伯逊说。
相反,他需要如何构思一个接近于亚马逊的慈善网络引擎,允许该慈善机构能够基于他们所收集到的关于个人用户的信息来发布动态网页内容。
但他们仍然有很长的路要走,他说:“理论是有效的,但这是建立在我们的CRM客户关系管理系统的一个庞大的工作。我们没有和亚马逊这样的相同的商业巨头之一的技能实力。” 眼下,罗伯逊正在研究他所说内容模型。 “我一直工作在细分用户模型。”他说。虽然慈善机构基于理论倾向于做很多手工作业,但罗伯逊说,这不一定是最好的办法。
他一直在研究如何以最简单的方式将一群人聚集起来。”人们不可能每个活动都出席。”他指出每个月都向相同的受众发送的活动信息并不是好的技术使用方法,而为全部受众都发送活动信息也是不逻辑的。细分捐款人信息将是吸引捐助者,改善捐助活动活动有效性的重要一步,他说。利用细分,罗伯逊分析了随着时间的推移和各种主题募捐的收益情况。
由于该慈善机构CRM系统的局限性,罗伯逊认为,慈善机构必须在如何对待技术方面有很大的变化。“传统上,慈善机构采用专门为慈善机构定制的CRM软件。”他说。罗伯逊说,慈善界现在也要开始睁大眼睛,不再局限于定制软件,以降低成本。“并补充说:“定制的系统是与电子邮件系统繁琐和复杂的整合” 。
在罗伯逊看来,定制软件对慈善界并不是一件好事。他认为,开源软件将发挥非常积极的作用。而且他非常感谢如DataKind这样的组织,他表示,现在是时候让慈善机构开始分析大数据了。
虽然他们并可能并不总是能够获得类似于DataKind这样的帮助,但罗伯逊认为,有些慈善组织可能会在其内部的不同团队有相关技能的人才。他们将建立一些工作组,发挥作为数据科学家的作用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05