京公网安备 11010802034615号
经营许可证编号:京B2-20210330
实现挖掘大数据价值的三大因素_数据分析师
很多公司都在探索如何挖掘大数据的价值,但有一类公司不得不擅长做这项工作,那就是:数据分析提供商。这些公司的商业模式决定了其必须能够有效、持续地提供客户愿意买单的数据产品和服务。
下面将分享一家伟大的数据分析提供商- ComScore,如何通过3个关键因素(一个便捷、可扩展的平台,一支深悟数据分析的员工团队,以及对客户的深刻理解)来实现对大数据价值的挖掘。
1个便捷、可扩展的数据平台
ComScore提供服务的基础是14个PB的多种来源在线数据,这些数据实时地从全球范围收集,这就是公司现在称之为大数据的东西。
数据的来源有4个主要渠道。第一个来源是样本库数据,来自200万个互联网用户,美国境内和境外用户各有100万人。样本库成员允许ComScore秘密地采集用户行为和人口特征。人口调查数据是第二个来源,从获准安放在大约90%的美国数字媒体机构百强公司里面的传感器获得数据。第三个数据来源是采用专属调查的方式,从样本库成员获得的认知数据。第四个来源是从战略合作伙伴获得的数据。比如,ComScore采用会员卡店内购买数据,来帮助客户将在线广告活动与线下商店购买行为紧密结合在一起。
在上世纪90年代后期,可管理ComScore数据工厂的主流商业技术解决方案还没有出现。ComScore就开发了一个高效、获专利保护的技术平台来存储和管理大数据。
到2013年,技术团队已经将平台从一个专有的解决方案进化为一种面向服务的架构,支持在MapR的Hadoop和Pivotal Greenplum数据库上运行的3个关键系统,每个系统都有独立的工作任务和扩展需求。ComScore需要不间断地呆在平台的顶端,在过去的12个月里,数据量大约增长了80%。
一支深悟数据分析的员工团队
ComScore依赖它出众的员工来掌握大数据的艺术和科学。它已经成长为一支1200人的全球团队,每个人都拥有不同水平的"数据科学家"能力。为了跟上公司成长步伐而选择和开发这些员工,公司领导实施了许多人才管理战略。
其中一项战略是:首先从大学的商学院和数学专业招聘分析人才,并给她(他)们提供更多的分析培训。ComScore有一个正在进行的公司内部范围培训项目-ComS core大学,大部分员工都参加。
另一项实践是旨在培养一支领域广泛、深悟数据分析的工作团队,根据员工的不同技能水平在整个公司成立不同的小组,但与此同时,员工必须具备足以确保这些小组能顺利沟通的基本技能。而这些需要沟通的团队通常都在同一个地方办公。
公司领导层还利用矩阵式组织架构,将具备不同技能组合的人才结合在一起。比如,ComScore同时运行了好几个并列的团队,每支团队都有一个商业产品经理来理解产品的开发路线图,以及分析师们来监控数据质量和分析方法论。这种方式被认为对产品开发流程尤为重要。
对客户的深刻理解获得行动的洞察力
ComScore每天发布大约15万份在线报告。其中的挑战在于如何传播优秀的报告,让客户不仅能获取洞察力,而且还能将这种洞察力与工作任务紧密结合。当客户将所获得的洞察力付诸行动时,比如改变一次广告活动的策略或定位一个新的细分客户群,她们可以从ComScore的产品和服务中取得价值。但是作为一个数据分析提供商,ComScore对于客户使用数据的方式缺乏控制力。
ComScore能够控制的是它自己对客户需求的理解。该公司致力于在专业知识领域深度挖掘,并理解其客户想要解决的难题。具备了这些知识之后,ComScore就使大数据变得"可消费",并且可以积极主动地帮助客户识别哪些是可付诸行动的洞察力。不得不承认,数据可以在短时间内压倒一切,激励客户聚焦于解决一些关键问题,然后反复适用。
ComScore给它的客户提供拥有图形界面、整合可视化和图表呈现的软件工具;通过向导和模板报告的大量使用来支持客户的自助服务;当需要即时决策时,通过控制面板提供数据的实时访问;以及创建知识门户来支持知识的分享。更进一步,公司还专门成立了一个组织单位,来为其产品和服务的可消费性提供支持。
(图为,ComScore的典型客户)
一切都归于数据
在大数据的空间领域,必须不断地适应才能跟上其迅猛发展。
多年以前,ComScore还仅仅期望测量挂有客户广告的网页的访问者数量;今天,它则必须报告这个广告是否被真正看过。在早期,公司客户对非美国数据还没有多大兴趣;全球化的发展催生了对ComScore覆盖全球数据的市场需求。
此外,ComScore还需要对技术相关的变化保持跟进。比如,客户可能会需要分析类似来自视频和智能手机的数据流这样的突发性数据类型。另一个重要的变化例子是,使用大量不同设备访问在线内容的用户数在持续增长。这样,公司客户就需要能识别跨多个设备的独立用户。
ComScore的平台、人才和深刻客户理解赋予公司足够的能量,来应对大数据产业环境的风云变幻。其便捷、可扩展的数据平台使得ComScore能够适应数据量的迅速增长,并获取新的数据类型。交叉组合的团队和技能,与拥有深厚分析技能的工作团队相结合,使它能够顺畅地适应需求的变化。对客户使用分析工具的良好培训,允许公司能够预期未来发展趋势,并据此调整其产品和服务。CISR(MIT信息系统研究中心)相信,对借助大数据发展自己感兴趣的公司可以考虑采用ComScore的方法,以获取良好的服务。
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 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-05-18【专访摘要】本次CDA持证专访邀请到拥有丰富物流供应链数据分析经验的赖尧,他结合自身在京东、华莱士、兰格赛等企业的从业经历 ...
2026-05-15在数字化时代,企业的每一次业务优化、每一项技术迭代,都需要回答一个核心问题:这个动作到底能带来多少价值?是提升了用户转化 ...
2026-05-15