京公网安备 11010802034615号
经营许可证编号:京B2-20210330
传统企业如何挖掘自身大数据的价值
当前,传统(非互联网类)企业已认识到大数据的价值,但如何结合企业现状有效应用大数据,仍普遍存在着迷茫。针对这种现状,下文基于企业大数据应用的相关服务经验,提出一些可行性的思路和建议,供企业客户了解和实施。
本文内容适合拥有较多客户资源(ToC和部分ToB)和内部数据的大中型企业,对拥有大量企业/个人管理数据的政府机构(如税务)的大数据应用也有借鉴意义。
一、企业最有价值的数据在哪里
大数据的价值基础来自于数据,对于企业最有价值的数据,我们认为有两点:
1)内部业务大数据(而非外部大数据)具有最高的应用价值
企业的大数据,从来源讲可分为内部(自身业务生产经营环节产生的所有数据)和外部(来自外部,如第三方/互联网)。当前企业热衷于引入来自外部的大数据(如互联网/电商/移动互联网)和相关服务应用,而忽视了一个事实:现有的内部业务大数据才是最大的价值挖掘目标。
大中型企业在信息化与数据应用过程中,大都已经完成了第一阶段(信息化系统建设与业务数据采集的自动化/常态化)的工作。多年来建立的各种业务信息系统已积累了大量业务数据。而进入第二阶段(挖掘数据提升企业业务经营管理)后,却进度缓慢。相比外部数据,内部业务数据体量大,内容多样,时间跨度长,是企业大数据的主体。因其与企业特性直接相关,深入覆盖经营的各个环节,其对企业的价值远大于各种外部数据。然而,这些数据很少发挥出应有的价值,大都沉睡在那里,甚至成为负担。
2)内部业务大数据中,应优先关注服务客户相关的数据
企业内部业务大数据,如果按逻辑属性划分,可分为两大类:
1) 产品/服务相关: 围绕企业产品/服务相关的(研发/设计/原材料/生产/制造/反馈)的数据
2)服务客户相关: 围绕着目标客户(可为B或者C)的相关(售前/销售/客服/运维/活动/CRM等等)数据
以上两类数据中,服务客户相关的业务行为对企业经营影响巨大。其数据也是企业内部大数据的主体,应优先作为内部大数据挖掘应用的目标。
二、实施的流程
下面,针对企业最有价值的内部业务数据集,结合消费者研究与标签化研究方法,我们来介绍如何有效挖掘其大数据价值的机制。
首先我们给出一个主要的流程,后续将对每个步骤进行详细说明。
Step1总体体系设计: 对现有内部数据进行重构设计
对现有的业务数据体系,结合实际情况与未来的应用目标,重新进行数据组织和规划。过程中要关注两点:
要点1:数据的组织,要从功能为中心转向以客户为中心(按生命期阶段组织)。企业内部业务数据,当前大多是以业务功能(系统)为中心组织,相互间未充分打通。用于价值挖掘的业务数据,要以每个客户为中心,以用户生命期为线,将其所有业务功能阶段的数据串起来。
要点2:以类标签化的思想建立客户的数据描述体系,作为未来全景数据整合的框架。描述体系的来源数据不仅有内部数据,也包含外部数据(辅助)。实际的数据整合处理将基于该体系进行:已有的数据可直接引入,缺失数据内容作为后续采集/外购的主要目标。
以某车企客户为例,其相关的大数据,对应由9大内部业务系统产生,各自独立。在数据体系重构整合中,重构的示意图如下:
Step2 数据整合集中 :对现有数据进行实际整合,建立一个统一大数据平台
基于step1得到的规划方案,对现有的业务数据通过技术手段从各业务系统整合到统一大数据平台上。该平台作为数据分析平台,与生产业务系统分离,提供对数据仓库/结构化/非结构化数据的支持。
整合中要注意:
(1) 数据模型的设计以及数据ETL(清洗/转化),都需要以客户为中心进行统一规划
(2) 充分考虑新数据体系中缺失/不足的数据内容未来的融入和整合机制。
Step3 标签化分析 : 对客户进行全方位标签化分析,生成标签化描述结果
在step2整合得到的以用户为中心的多维度数据空间上,基于消费者研究与业务特性建立用户标签体系,并对客户进行实际的标签化分析。标签体系的定义,要兼顾用户基本信息、业务特点和未来应用的目的,并不断扩展。
比如前述的车企客户,对用户标签,已经定义了如下几类:基本属性(性别、年龄段、购买能力、职业阶层…)、家庭情况(家有儿童,第二辆车)、车型/驾驶偏好(如偏好SUV 、注重安全性.、追求速度感…)、配件关注点(喜欢原装、喜欢功能性配件)、内装偏好、保养习惯、参与活动偏好、触媒习惯等。
Step4 业务实际应用/挖掘: 通过业务活动,进行客户大数据价值的实际挖掘和应用
对所有客户分析得到标签化描述结果,可通过统一的客户分析平台,提供给企业内部所有部门实际应用。各部门可根据实际业务需要,通过标签灵活准确筛选目标客户(如市场部可以查找80后家有儿童且购买能力强的目标客户做MPV家用车型推广),或发现产品客户群的深层特性(产品设计部门可分析车型的目标客户与实际购买客户是否一致)。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
做产品立项、写商业计划书、规划市场进入策略时,"市场调研"和"竞品分析"几乎总是被绑在一起说,甚至被当成同一件事。但实际 ...
2026-11-19 在做数据治理、搭数据中台或者梳理数据库表结构时,"主数据"和"参考数据"是被提及频率最高、也最容易被混为一谈的两个概念。 ...
2026-11-19“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-19一、什么是本体 在知识图谱和语义建模里,本体(Ontology)是对一个领域内概念、属性、关系和实例的形式化描述。它回答三个问题 ...
2026-11-18一、K-S 曲线解决什么问题 风控评分卡、客户流失模型、欺诈识别模型建好之后,最核心的一个问题是:模型能不能把"会变坏"和"不会 ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18产品上线之后,真正回答"用户是谁、想要什么、卡在哪里"的,往往不是调研问卷,而是用户留下的一条条行为记录。点击、浏览、停留 ...
2026-11-17在日常数据库开发与报表查询中,日期格式几乎是最高频的"打交道"对象:页面上要展示 yyyy-MM-dd,接口要返回 ISO 8601 字符串, ...
2026-11-17核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-17一、销售行业为什么离不开大数据分析 销售行业的本质是"把合适的产品,在合适的时间,卖给合适的人,并持续复购"。传统销售靠经 ...
2026-11-16一、什么是频数分布 拿到一批连续数据(员工年龄、商品价格、考试分数、订单金额),最想先看的往往不是平均值,而是数据集中在 ...
2026-11-16教育部办公厅关于成立全国数据职业教育教学指导委员会(2026—2030年)的通知 教职成厅函〔2026〕25号 各省、自治区、直辖市教 ...
2026-11-16CDA数据分析师 出品 作者:李诗怡 基础与单表查询 四大类语言 · 数据库基础 · DQL 单表查询 ” 一、SQL 四大类语言与数据 ...
2026-11-13核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-13一、问题从哪来 财务分析里算增长率,常规公式所有人都会写: 增长率本年数上年数上年数 这个公式在"上年为正"时完全成立。但一 ...
2026-11-12一、什么是加权聚类 普通聚类默认"每个样本、每个指标都同等重要":距离公式里每个样本权重都是 1,每个指标在距离计算里占比相 ...
2026-11-12“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-12一、需求从哪来 做 Excel 报表时,"从一个透视表取数据"这个需求通常有三种来源: 汇总页引用:明细透视表在另一个 sheet,汇总 ...
2026-11-11一、透视表的价值在哪 一句话概括:数据透视表把"写公式汇总"变成了"拖字段看结果"。 传统做法要写 SUMIFS、COUNTIFS,改一个维 ...
2026-11-11