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
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 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 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25