
大数据分析提升实时营销竞争力
数据集成、列式数据库解决方案能够让营销代理机构处理数百太字节,对消费者进行360度的全方位评估。
Merkle是一家领先的客户关系营销代理机构,目前拥有1600名员工,年营收额超过3亿美元。戴尔、Geico、DirecTV和Chase等知名厂商都是Merkle的客户。由于Merkle通过ParAccel的大数据分析平台对消费者进行360度的全方位评估,因此该公司的客户能够展开实时营销活动,并且能够更高效、更精准地调整这些活动。
在收集客户信息,然后再针对营销目标提供“数据即服务”(data as a service)方面,Merkle有着丰富的经验。以往Merkle会每月批量处理这些海量数据。为了从营销数据库公司向客户关系营销公司转型,Merkle需要调整和整合大数据来源。IP地址、Cookies和电子邮件等数字化消费者信息必须与其姓名、住址和电话号码等传统的离线信息结合在一起。最终,客户需要更深层次的营销互动,例如针对特定消费者的电子邮件和横幅广告。
实现实时性
为了实现这些目标,Merkle需要具备整合所有互动活动,以及能够对每名消费者的行为进行360度全方位评估的能力,同时将每月批量处理这些海量数据的模式调整为近实时处理的模式。为了具备这一能力,Merkle创建了专门用于大数据分析的数据仓库,其中一些部署在客户那里,另一些则由Merkle托管。
在选择适宜的技术方面,Merkle面临的挑战包括大数据分析环境的成本、可预测的高性能和扩展性,以及目前分析解决方案无法满足的特殊需求。最终,Merkle为其大规模并行处理(MPP)列式分析数据库选择了ParAccel分析平台。Merkel的技术副总裁Peter Rogers说:“Merkle选择ParAccel的原因是,因为它拥有优异的执行速度和性价比。”
为了实时分析结构化的大数据,MPP列式分析数据库成为一个普遍的选择。列式存储指关系型数据库将数据以列的方式进行存储,而不是以行的方式进行存储。这样做的优点是获得了更快的查询速度。此外,数据经过压缩后可以进一步地提升查询效率。与此同时,由于MPP的特性使然,用户可只需简单地添加一些商用硬件即可对MPP进行线性扩展。
掘金大数据
经济上的可承担性也是Merkle做出这一选择的重要原因。ParAccel分析平台处理每太数据的价格约为4500美元,这一价格远远低于其他竞争者所给出的价格。成本优势让存储和分析数据具有更大的成本可负担性。自从迁移到ParAccel平台后,Merkle的数据处理量提升了三倍。此外,ParAccel平台还具有更大的容量和500多个先进易用的分析功能。这使得Merkle能够为他们的客户提供更具竞争力的解决方案。
Merkle的一个特殊需求是使用已有的T-SQL技能。T-SQL为微软SQL Server所使用的查询语言。Merkel此前已经广泛使用了微软SQL Server,他们希望公司的数据管理员经过最低限度的培训就能够使用ParAccel平台。ParAccel的专业服务提供了一个T-SQL解析器,开发人员可以用T-SQL编程,然后再将编好的程序翻译成能够在ParAccel平台上高效运行的SQL语言。
在前端,Merkle使用MicroStrategy实现虚拟化和商业智能。数据集成方面,Merkle使用原生的ParAccel工具加载数据。这样一来,所有的转换都能在ParAccel上执行。
目前,Merkel已经部署了五个ParAccel集群,这些集群维护着总计50太压缩数据(相当于200太的原始数据)。Merkel每天根据用户需求处理1至250GB的原始数据。这些客户对Merkel的服务非常满意,这要归功于基于实时互动的360度全方位消费者综合评估。此外,大数据分析还让这些客户能够展开更加精准和有效的营销活动。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04