
企业对数据与洞见的胃口增大_数据分析师
时尚触觉没有中间地带:你要么有,要么没有。如果没有的话,StyleSeek 可以帮助你挖掘内心深处的时尚感。
StyleSeek 网站的功能是通过一个小游戏帮助访客及会员找到自己的“时尚 DNA”.用户从一系列图片中挑出他们最喜欢的生活方式形象,例如高档奢华的大门、杂志封面、跑车等等。这些选择的综合结果就是用户的时尚 DNA.接下来,StyleSeek 会依据你的 DNA,从与他们合作的 200 多家零售商──包括 Macy's, Nordstrom, Anthropologie 和 J. Crew──里向你推荐衣物饰品。
不过,这家位于芝加哥的公司不仅仅是一个线上推荐引擎,当用户在 90 天内点击链接去到零售商的网站购物时,它会从交易中抽取一定比例的提成。StyleSeek 的访客点击到零售商网站并发生购买行为的比例远远高于业界平均水平。
虽然 StyleSeek 还只是一家创业公司,但它已经开始将其商业模式变得多样化。它的某些零售商伙伴希望能够付费得到一个定制版的数据分析平台,以便更好地理解顾客的偏好与行为模式。StyleSeek 的创始人泰勒·斯泊丁说:我们可以把我们的技术针对合作伙伴的网站进行定制,让他们对顾客有更深入的了解:哪些做法有效,哪些无效。很多大型零售商伙伴都已经感受到了好处:“赶快给我们也做一个,只要能用上这套系统,我们全力配合。”
像 StyleSeek 这样的公司不只一家。它们满足了企业对更优质的数据不断增长的需求。在某些案例中,更优质的数据令企业的商业模式发生了改变。
企业对数据与洞见的胃口增大
最近,MIT 斯隆管理评论和 SAS Institute 联手对 2037 位管理者进行了调查,发现在决策时倚赖数据分析的管理者开始增多,他们在整体管理者中的比例高得令我们意外。超过半数的受访者强烈同意公司需要加强对数据分析的运用,以便做出更好的决策──若把“强烈同意”的说法“基本同意”,这个比例还会提高至 87%.这一发现──即大部分受访者强烈同意公司需要增加对数据的运用──在多个行业中都成立。
令管理者对数据分析的兴趣提高的因素不只一个,包括市场复杂度的增加(例如包括了网店与实体店的全渠道零售)以及更好的分析工具与数据的出现。当然,若公司的竞争对手利用数据做出了更快、更好的决策,从而先拔头筹,也会改变公司面对的竞争图景。
对更好的数据分析能力的需求正在改变部分公司对自己和他人的数据的看法。很多企业都希望通过更有效地运用数据来改善产品或服务。但还有一些公司(例如 StyleSeek)已开始改变那种思路。它们自己试图成为更好的数据生产者和分析师,从而让其它企业能更有效地利用数据分析。这一类公司把自己的数据分析平台──即对自己的顾客或所处行业的深入了解与知识──视为具有战略和商业价值的资产。
我们以位于加州 Santa Monica 的西班牙语媒体公司 Entravision Communications 为例。该公司拥有或运营着超过 50 家电视台和 49 家电台,还在 11 个区域性市场拥有多媒体资产,以及 106 项本地互联网产业。所有这些加在一起,已经能够到达美国大多数的西班牙裔消费者──这一市场在 2013 年的总体购买力约为 1.2 万亿美元。
Entravision 的高层相信,通过整合他们拥有的 300 多个外部数据源的交易数据,可以为广告主以及营销人员提供更好的有关美国拉丁族裔的媒体投放信息。于是他们设立了名为 Luminar 的分部,专门销售此类信息,以及他们的数据分析平台的访问权限。Entravision 最初把这视为对其传统媒体广告主的一种服务,但管理层很快发现他们的顾客对于美国拉丁族群的信息很感兴趣(而且愿意为之付费),这种兴趣未必和他们作为广告主的身份相关。于是,Entravision 开始改变其新兴的信息服务的重点。
数据共享与创新
某些公司会把他们的数据以及分析与商业伙伴分享,从而达成战略性的商业目标。举例来说,WellPoint 这家位于美国印第安纳波利斯的医保公司正在用数据分析帮助内科医生设计一套具有战略意义的支付模式。这种模式会奖励那些降低了整体医疗费用、提高了医疗质量的医生。具体而言,WellPoint 将行政数据转化为关于病人地理分布的有用信息,并将这些信息与医生及其团队共享,以帮助他们更好地决策。这种创新的合作模式让医生对于成本以及病人受到的医疗质量有更清晰的认识,它标志着 WellPoint 与医生的关系的重要转变。
大体而言,我们的调查数据显示,从数据分析中获益,提高了创新能力的公司,会更倾向于将数据与合作伙伴和供应商分享。今年有半数的受访者同意数据分析提高了自己企业的创新能力,其中有 16% 的人表示强烈同意。同意这一点的受访者通常都会表示自己曾经通过数据分析与商业伙伴和供应商合作。
我们采访的部分通过数据提高了创新能力的公司开始使用外部数据来进行分析,将自己内部的海量数据与外部数据结合到一起。我们发现这是多数大数据项目采用的方法。我们的调查结果显示,启动了大数据项目的公司里有 88% 的受访者表示他们混用了内部与外部数据。只有 10% 的受访者说他们仅仅使用了公司内部数据,表示只用外部数据的受访者仅有 2%.
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14