京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据如何建立企业竞争力与重塑竞争环境(1)_数据分析师
科技进步让各种先进的分析方法走入了寻常企业。“大数据”日益成为企业高管层津津乐道耳熟能详的字眼,但在把握大数据所蕴涵的商机方面,大多数企业的努力还 仅仅停留于“表面功夫”。 在他们眼中,大数据等同于“3V”:数量(volume)、多样性(variety)、速度(velocity),却常常忘了关注另一个最重要的“V”– 价值(value)。对全球企业开展了深入的研究,分析了大量成功与失败案例,从中总结出把握大数据机会的五个重要路径以及企业起步可采取的三个步骤。
如何定义大数据
我 们将以北美一家零售商的故事来阐述大数据的含义。该公司在北美的销售活动非常活跃,销售的产品总数达到3万多种,不仅如此,产品的价格也随地区和市场条件 而异。最让高管头疼的是定价促销策略。由于产品种类繁多,成本的变化异常频繁,一年之中,变化可达四次之多。结果就是,这家零售商每年的调价次数高达12 万次。处理定价促销的复杂之处,是它不只是受成本驱动,还有宏观经济、市场竞争、品牌定位、消费者心态等所影响。由于定价直接影响公司的利润率,高管决心接下挑战,组成了一个11人的团队,希望透过分析消费者的购买记录和相关信息,提高了定价的准确度和响应速度。定价团队的分析其实就是围绕着大数据的三个关键维度上:
•数量(Volume):团队需要分析海量信息。他们收集了上千万的消费者的购买记录,透过从客户不同维度分析,希望尽可能微分客户,了解客户对每种产品种类的最高接受能力,从而为产品定出最佳价位。
•多样性(Variety):团队除了分析了购买记录这种结构化的数据外,他们也非常聪明的利用社交媒体发帖这种新型的非结构化数据。由于消费者需要在零售商专页上点赞或留言以获得优惠券,团队利用情感分析公式来分析专页上消费者的情绪,从而判断他们对于公司的促销活动是否满意,并微调促销策略。
•速度(Velocity):为了实现价值最大化,团队对数据进行实时或近似实时的处理。他们成功地根据一个消费者既往的麦片购买记录,为身处超市麦片专柜的他/她即时发送优惠券,为客户带来便利性和惊喜。
透过这一系列的活动,团队提高了定价的准确度和响应速度,为零售商新增销售额和利润数千万美元。
这个故事跟BCG对大数据的定义也是相当吻合,重点都是放在最终的价值创造。我们对大数据的定义是:“在可控的经济成本下,企业可获取、分析并解读日益庞大且复杂的数据,让企业在价值创造方面实现跨越式的转变。"
我们也可以换一个角度来看看大数据的演变,那就是科技进步所推动的数据多样化和复杂化。在 很久以前,企业只会在他们的企业资源规划(ERP)系统中记录公司的采购和订单数据。 随着”以客户为中心“经营理念的日渐兴起,客户关系管理(CRM)系统应运而生,帮助企业收集客户的采购行为和偏好。此后,互联网时代的蓬勃发展为网络活 动和网络交易提供了足够的动力;互联网这一新的渠道,为企业带来了更多元化的客户数据。现在,随着移动装置、社交媒体、云服务以及“物联网”的大面积发 展,又涌现出了越来越多的原始数据和非结构化数据可供收集,包括定位数据、社交数据以及行为数据。可以说,大数据就是交易类、互动类以及观察类数据的总和。
大数据行业的发展趋势
目前,大数据行业可谓各类机构众多,既有基础设施、数据库以及分析技术等下游机构,也有应用类、商业情报等上游机构。
估计2012年大数据行业总值预计达100亿美元,年均增速约为40%。到2015年,这一市场的规模将扩大至270亿美元。硬件在大数据市场仍然占据最大的份额(35%),而软件企业和实施机构(如:系统集成商)也在快速成长中。
未 来,大数据行业将经历快速整合。大家是否还记得网络时代(dot-com)各类互联网咨询公司层出不穷的盛况?其中九成企业在短短数年内就夭折殆尽。相同 的剧情也有可能在所有大数据咨询机构身上重演。对企业而言,起步较早的机构可以获取客户洞察,取得先发优势。然而,就像是一场军备竞赛 – 用不了多久,大数据能力会成为所有企业的必备能力。这时候,整个行业又将站回到同一条起跑线上。
商机在哪里?
大数据领域的价值创造机会因行业而异。在零售业,先进的分析方法往往与战略相得益彰,涵盖促销增效、定价、门店选址、市场营销等多个领域。而在能源行业,大 数据的价值创造重点更体现在智能电表数据的使用以及对实体资产(如设备和工厂)的优化上。在金融服务业,大数据的应用则往往体现在风险评分、动态定价以及 为ATM和分行网点寻找最佳地点等方面。而在保险业,大数据的价值可能体现在防范理赔欺诈、优化保险金给付以及跟踪驾驶行为等方面。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16