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
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 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 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 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 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12