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
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09