
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
在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25