企業大數據應用的實踐與方法

陳憲宇

大數據時代的到來，為數據在企業運營中打破時空局限提供了新思路，為“解放數據生產力”提供了新辦法。海量的用戶訪問行為數據信息看似零散，但背后隱藏著必然的消費行為邏輯，哪些產品吸引特定客戶群體，哪些手段最具營銷感召力，哪些網絡廣告帶來的受眾是高質量的，哪些影響因素才最重要？這些答案往往隱藏在看似孤島的碎片信息中，需要一個鏈條把碎片信息串聯起來，從軟件技術、數據收集、數據挖掘和分析緯度等方面，更好地實現價值數據輸出，讓營銷變得更智能、更快捷、更精準、更高效，其意義尤其重大。通過數據挖掘將電商網站內的用戶、產品、內容與營銷計劃有機結合，使營銷形成閉環，從而可以客觀地評估和分析營銷的效果，發掘客戶的潛在真實需求。此外，大數據分析還能獲悉產品在各區域、各時間段、各消費群的庫存和預售情況，進而判斷市場趨勢，有的放矢地刺激用戶需求，并依此按需配產并優化產品，實現從產品開發、生產、銷售到物流等整個鏈條的智能化和快速反應。

一、大數據時代企業的典型應用

1.基于客戶行為分析的產品推薦。產品推薦的一個重要方面是基于客戶交易行為分析的交叉銷售。根據客戶信息、客戶交易歷史、客戶購買過程的行為軌跡等客戶行為數據，以及同一商品其他訪問或成交客戶的客戶行為數據進行客戶行為的相似性分析，為客戶推薦產品。客戶還瀏覽了哪些產品、購買這一產品的客戶還購買了哪些產品、預測客戶還喜歡哪些產品等。產品推薦是Amazon的發明，它為Amazon等電子商務公司贏得了近三分之一的新增商品交易。產品推薦的另一個重要方面是基于客戶社交行為分析的社區營銷。通過分析客戶在微博、微信、社區里的興趣、關注、愛好和觀點等數據，投其所好，為客戶推薦他本人喜歡的或者是他的圈子流行的或推薦給他朋友的相關產品。通過對客戶行為數據的分析，產品推薦將更加精準、個性化。

2.基于客戶評價的產品設計。客戶評價數據具有非常大的潛在價值，它是企業改進產品設計、產品定價、運營效率、客戶服務等方面的一個很好的數據渠道，也是實現產品創新的重要方式之一。客戶的評價既有對產品滿意度、物流效率、客戶服務質量等方面的建設性改進意見，也有客戶對產品的外觀、功能、性能等方面的體驗和期望，有效采集和分析客戶評價數據，將有助于企業改進產品、運營和服務，有助于企業建立以客戶為中心的產品創新。

3.基于數據分析的廣告投放。DSP為廣告主提供數據分析服務，包括廣告投放試驗、時段分析和效果分析。例如，依托數據平臺記錄每次用戶會話中每個頁面事件的海量數據，可以在很短的時間內完成一次廣告位置、顏色、大小、用詞和其他特征的試驗。當試驗表明廣告中的這種特征更改促成了更好的點擊行為，這個更改和優化就可以實時實施。再如，根據廣告被點擊和購買的效果數據分析，根據廣告點擊時段分析等，針對性進行廣告投放的策劃。

4.基于社區熱點的趨勢預測和病毒式營銷。社區中熱點和熱門是大數據分析的結果。在社區中熱門話題、在搜索引擎中熱點分析，通常具有先兆性的特征，能夠成為一種流行趨勢的預測。比如，蘋果的土豪金讓土豪色成為一種流行。同時由于社區傳播的廣泛、快捷性，也能夠幫助企業通過病毒式營銷獲得更多關注，比如小米的病毒式營銷的策劃。

5.基于數據分析的產品定價。產品定價的合理性需要進行數據試驗和分析，主要研究客戶對產品定價的敏感度，將客戶按照敏感度進行分類，測量不同價格敏感度的客戶群對產品價格變化的直接反應和容忍度，通過這些數據試驗，為產品定價提供決策參考。

6.基于客戶異常行為的客戶流失預測。客戶數據分析中發現客戶的投訴增多，客戶評價出現負面情緒，客戶購買量明顯減少等現象，根據客戶行為模型，預測客戶流失的可能性，并采取針對性措施。

7.基于環境數據的外部形勢分析。從市場競爭者的產品、促銷等數據，從外部環境的數據，例如天氣（如霧霾）、重大節日、國家大事、熱門話題、社交媒體上人們的情緒等中找到對外部形勢演變的先導性的預測，幫助企業應對環境變化。

8.基于物聯網數據分析的產品生命周期管理。條形碼、二維碼、RFID等能夠唯一標識產品，傳感器、可穿戴設備、智能感知、視頻采集、增強現實等技術能將產品生命周期的信息進行實時采集和分析，這些數據能夠幫助企業在供應鏈的各個環節跟蹤產品，收集產品使用信息，從而實現產品生命周期的管理。

企業大數據應用遠不止此，理論上看，業務價值鏈的各個環節都有數據分析的必要性，隨著大數據應用的進一步深化，會有越來越多的應用場景，最大程度發揮大數據應用的價值。

二、大數據應用的實踐方法

1.業務需求定義。成功的大數據項目通常是以使命和目標開始的，這是與業務戰略目標一致的、具體的、很好被定義的大數據應用的使命和目標。為了明晰目標，需要有一個大數據的業務需求定義，解決“為什么要做”、“做成什么”的問題。業務需求定義階段要分析組織的業務戰略，總結對戰略決策具有關鍵性意義的分析數據需求，通過業務部門、客戶和合作伙伴的調研和分析，根據業務優先級確定分析能力的優先級，確定逐步建立分析能力的策略。要進行大數據的SWTO分析，分析定義大數據的機會、關鍵業務和使命的挑戰。要調研初始的用例或用例集，業務需求滿足度以及大數據能夠交付的價值。

2.數據應用現狀分析與標桿比較。從現有數據開始做分析，并與業界標桿進行比較，確定出差距，著眼企業數據利用的基礎來確定近期的目標。從內部著眼，允許企業利用現有的數據、軟件和技能，提供近期業務價值，并且在考慮擴展現有能力而處理更復雜的數據來源和類型之前積累重要的經驗。大多數企業希望通過這樣做而充分利用現有數據庫中的信息，同時擴展其數據倉庫，以處理更大數量和更多類型的數據。

3.大數據應用架構規劃和設計。大數據應用架構規劃和設計階段，要以業務價值為基礎、以分析戰略為驅動、以靈活性和擴展性為原則，設計一個將來的大數據技術應用架構。規劃整個企業的大數據戰略，戰略規劃包括企業內的大數據愿景、戰略目標和要求，它對于在業務用戶的需求與IT實施路線圖之間做到協調非常關鍵，它實現了關于企業如何利用數據和分析驅動的戰略來改進業務目標的一致理解。規劃大數據平臺架構，包括采集、處理、存儲和分析的模塊規劃，以及實現該架構所需數據、工具和硬件，從而定義了企業內大數據的建設和實施范圍。

4.大數據技術切入與實施。大數據應用的技術實施階段將按照設計方案進行系統采購、數據準備、系統集成、安裝調試、技術開發、模型開發、系統整合、系統聯調等工作。

5.大數據試用和評估。組織開始利用現有和新的數據源進行大數據技術的應用試點。一個典型的業務需求被用于試點，相應的真實數據被用于采集和分析，并設法做出第一次評估，評價大數據應用是否滿足了設定的業務目標和技術性能指標。找出當前的技術實施與大數據應用參考體系架構仍然存在的差距，為項目的改進和持續實施提供依據。在試用過程中，還要第一次評估業務流程、政策、數據治理、隱私保護和安全方面的滿足程度。評估一個持續的過程，需要不斷審核部署的體系架構和技術是不是能滿足組織更廣泛的業務需求；需要評價大數據投資回報率如何；需要連續審計計劃執行是否與數據治理、隱私保護和安全政策一致，審核大數據目標是不是與當前的政府和法律法規相背；通過持續不斷地評估和反饋，持續地改進和優化大數據應用。

6.大數據應用推廣。通過上述階段的成功實踐，組織會把在一個領域成功的經驗推廣到其他業務領域，建立一個更強大、一致和企業級的大數據平臺。在大數據應用的背景下，企業開始關注過去不重視、丟棄或者無能力處理的數據，從中分析潛在的信息和知識，用于以客戶為中心的客戶拓展、市場營銷等。例如，企業在進行新客戶開發、新訂單交易和新產品研發過程中，產生了很多瀏覽的日志、呼叫中心的投訴和反饋。這些數據過去一直為企業所忽視，通過大數據的分析和利用，這些數據能夠為企業的客戶關懷、產業創新和市場策略提供非常有價值的信息。在互聯網和移動互聯網時代，企業收集了來自網站、電子商務、客戶記分卡、移動應用、呼叫中心、企業官方微信公眾平臺等不同渠道的客戶訪問、交易和反饋數據，把這些數據整合起來，形成客戶的全方位信息，這將有助于企業給客戶提供更有針對性、更貼心的產品和服務。數據是企業的寶貴資源，特別是客戶數據、行業數據等。當企業把這些數據從一個業務領域向另外一個業務領域進行再利用，發揮了數據低成本復制和增值的價值。很多成功的互聯網企業就是基于原始用戶群的數據再利用，不斷進行業務創新，在新的領域發揮現有數據的價值。

在大數據時代，誰擁有數據，誰就擁有客戶。以往，企業的經營管理一直依賴于規范的流程和制度，使得主觀能動性甚至被流程所僵化。依靠大數據應用，分析驅動的決策代替了直覺和常識，流程中每一環節的智慧被激發出來，企業將變得更有洞察力，更具有執行力，也更有智慧。商家與客戶的關系不再是簡單的賣方和買方的關系，依靠大數據應用，商家可能成為客戶最信賴的朋友。他們了解客戶的愛好，熟悉客戶的朋友圈，能夠給客戶更多中肯的建議。

（作者單位：浙江財經大學信息學院）