京公网安备 11010802034615号
经营许可证编号:京B2-20210330
提高大数据投资回报三关键
随着越来越多的公司进入大数据领域,企业迫在眉睫的问题是:你如何让大数据可操作?
更具体地说,就是C-lever的管理人员希望很快知道组织能否得到埋藏在庞大的大数据存储库中的“金块”。大数据工作者也不希望处在很难获得“黄金”的位置。(从历史的角度来看,地质学家估计,1849年的加州淘金热,80%的黄金勘探者一无所获)。这里有三种方式可以避免这种悲剧的后果。(注:如果可能的话,第一点和第二点应该在实施大数据之前就要考虑。)
1、了解你的目的
IT咨询和研究机构麦肯锡公司消费者市场分析中心首席营运官Matt Ariker在公司一篇博客文章中写道“……大数据的承诺是如此的诱人,以至于人们越来越期望PB级或EB级的黄金洞察,让他们成长并击败竞争对手。这个过程让许多营销从一个问题跳到又一个问题再到另一个问题……巨大的洞察确实存在大数据当中,那些很好地使用大数据的公司,向前超越了他们的竞争对手。但是,一个重大的原因是,在开始之前,想要所有的这些数据做什么,他们有一个非常明确的目标。”
Ariker敦促企业以“目的思维(destination think)”来开始他们的大数据挖掘之旅。换句话说,营销部门和其他任何计划使用大数据的部门应该与IT部门坐下来,并确定预计从大数据将改善的关键绩效指标(KPI),例如在服务水平低下的社区建立市场份额。大数据问题应该谨慎设计,有明确的意图发现有价值的洞察,可以立即付??诸行动,并看预定义的KPI是否符合。
2、检查你的数据样本
普林斯顿大学的信息技术政策中心(CITP)和北卡罗莱纳州大学教堂山分校(University of North Carolina at
Chapel
Hill,简称UNC)最近发表的研究警告营销人员,因为他们对查询从社交媒体渠道(如Twitter和Facebook)收集的消费者数据给予绝对的信心。
在UNC教授和普林斯顿CITP同伴Zeynep Tufekci的报告草案《大数据:一个新兴领域的陷阱、方法和概念(Big Data: Pitfalls, Methods and Concepts for an Emergent Field)》中,她挑战很大程度上依靠社会化媒体得到见解的大数据方法论,并和果蝇的生物测试比较,果蝇易于使用,能在实验室中培育并能产生立竿见影的效果。Tufekci说,果蝇测试的问题是,它不一定代表现实生活中的场景,所以它可能歪曲研究。同样,来自
Twitter的调查结果,一个典型营销的观众参与只有10%,或者Facebook,只代表一定的细分市场,也可能扭曲结果。
这里的教训是,从不能准确反映市场的数据,你不会得到可靠的行动依据。您需要验证,首先确认这个大数据是否真正地代表你的整个市场。
3、寻找方法来创造快速的成功
安装一个新的大数据解决方案,要在12个月内看到它的实际投资回报率,方法之一是首先收获一些唾手可得的果实。大多数已有运作营销部门经验的人知道,当项目时堆积起来,宣传、产品发布会和品牌建设活动要放在首位,随后才是探索性的研究,这将使尽早获得大数据的贡献成为可能。
营销部门似乎明白让大数据可操作的紧迫性。这在2013年6月经济学人智库(EIU)的一个调查研究反映出来,营销人员列出“使用大数据分析来获得预测性结果的能力”作为他们的最高优先级。
结论
现在投资的考验已经落下,市场营销和IT部门必须找到方法来减少形成商业洞察的时间,让烦躁的C-lever管理人员保持快乐并满足他们的期望。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 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 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 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 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 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 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09