京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代,如何精准狙击
信息化高速发展,促进数据类型繁多,每分钟都有大量数据产生。大数据在改变数据分析思维的同时,大数据应用方向逐步明晰,成为企业掘金新方向。
随着互联网技术的高速发展,云计算、物联网应用的日益丰富,大数据未来发展前景将更为广阔。7月23日,梅花网开放日带领你走近大数据,掀开面纱,精准狙击。
1、MIGO 大中华区数据应用顾问 戴家祥 演讲题目:探索新大陆 扔掉旧地图--大数据营销的革命新观点

通过建立NES模型,分为所谓的新客户,新会员,既有会员和沉睡会员。把所有的营收拆分成三个因子,有效顾客数、活跃度、客单。你关注的点并不在于营销预算怎么花,通过看这10指标,进而帮客户看整个局,会员生态是不是健康。
戴总谈到其实MIGO的概念是说,现在很多数据要看,我们就让机器做机器擅长的事情,人做人擅长的事情。以前网络没有那么兴盛的时候,如果你开一个卖场,可能花15分钟成一单,如果我们把时间拉到今年的3月8号早上10点,从早上10点开始到10点10分,这个10分钟,阿里巴巴的营业额相当于一线城市10家卖场的10天的总和。这是整个总揽、看整个时间轴的方式,另外有一个交叉比较的方式,去比较说到底我哪里做的好做的不好,投入交叉比较就可以清楚的知道,下次活动应该怎么去做。
2、TalkingData 业务拓展总监 宋显赫 演讲题目:《数据营销≠数字营销》

移动端很大的特点是单人单设备,针对到单用户,并不是PC或者电视的时代。移动端的数据是真真正正的可以线上线下打通的,我们服务嘀嘀打车的时候,你从哪儿到哪儿的经纬度信息可以抓到的,这是以前电脑不能做到的。
移动端的数据可以有效的体现个人的兴趣。在移动端的下载或活跃行为,可以体现人长期和短期之内的兴趣喜好,可以很明确的反应出你是什么样的人,这是移动端更有意思的地方,我们把移动端每一个设备对应到每个人本身。结合这样的标签移动端我们可以更好的刻画出一个用户,通过数据可以刻画出不同的纬度。
3、悠易互通 副总裁 刘顺,演讲题目: 程序化购买+ 中国数字营销新趋势

程序化购买有别于传统的用手工方式进行购买的方式,为什么说程序化购后面可以加一个"+"因为程序化购买发展势不可当,除了跟PC、移动端还有社区的资源有了合作之外,未来可以看到更多,比如数字电视资源也会介入进来,包括平面、户外LED屏都可以加入到程序化购买的大家庭当中来。让我们的程序化购买更丰富。
品牌的助力无非是三个方面,任何一个CMO都会面对这样一个问题,第一个是广度,第二个是交互的深度,第三个是效率,我们用跨屏这个词替代。主要是这三大方面,也许你的品牌知名度更高,也许你需要更多的交互,也许你的交互很好但是广度不够,程序化购买可以帮大家更好的完成这三个方面的东西。
4、剧星传媒CEO俞湘华,演讲题目:大数据激活内容营销

每个品牌都关注各种各样的热点,类似品牌跟进的也非常多,特别是微信火了以后,大家几乎可以判定有一个热点出来以后,大家都在等,会有哪些品牌跟进,最后这些热点会不会失控,热点出来之后怎么跟,你跟了之后你从中获取了什么,这是整个中国综艺节目的浮夸风带来的结果,背后的逻辑是中国的土豪广告主愿意买单,很多广告主我们可以看到,除了电视冠名还愿意做一些网络,做一些互联网的冠名,电视和互联网的,基于同样的内容在不同的介质受众是样的,有很强的互补作用。
5、海尔 数据战略发展总监 孙鲲鹏,演讲题目:海尔大数据精准营销初探

以用户为中心,这里面强调两个字,客户关系里面的"关系"。怎么维护"关系"这个非常重要。所以在2.0阶段我们强调用户永远是对的。到3.0阶段,我们从顾客转移中转向人文中心,邀请顾客参与产品开发和信息沟通。
在这个背景下,利用数据对营销工作进行优化。2012年的时候,海尔进入新的战略阶段叫做网络化战略,探索全流程的用户交互。作为一个家电企业,大家感受比较强烈的是销售人员和服务人员和用户打过交道,我们提出无交互不海尔,无数据不营销,而且把营销的过程,每一次营销都看成数据的采集、挖掘、应用的过程。通过建立数据模型,用分数预测,用量化的分数定义客户潜在需求的高低,这是精准并基础的工作。海尔通过数据细化到内容和产品做到精准营销,为用户找产品,本质是B2C,海尔更希望做的是进行交互、创新为用户做产品,希望做到C2B,这样的颠覆的模式。
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 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23