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
在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16在游戏行业“存量竞争”的当下,玩家留存率直接决定游戏的生命周期与商业价值。一款游戏即便拥有出色的画面与玩法,若无法精准识 ...
2026-01-16为配合CDA考试中心的 2025 版 CDA Level III 认证新大纲落地,CDA 网校正式推出新大纲更新后的第一套官方模拟题。该模拟题严格遵 ...
2026-01-16在数据驱动决策的时代,数据分析已成为企业运营、产品优化、业务增长的核心工具。但实际工作中,很多数据分析项目看似流程完整, ...
2026-01-15在CDA(Certified Data Analyst)数据分析师的日常工作中,“高维数据处理”是高频痛点——比如用户画像包含“浏览次数、停留时 ...
2026-01-15在教育测量与评价领域,百分制考试成绩的分布规律是评估教学效果、优化命题设计的核心依据,而正态分布则是其中最具代表性的分布 ...
2026-01-15在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08