企业大数据应用的实践与方法

陈宪宇

大数据时代的到来，为数据在企业运营中打破时空局限提供了新思路，为“解放数据生产力”提供了新办法。海量的用户访问行为数据信息看似零散，但背后隐藏着必然的消费行为逻辑，哪些产品吸引特定客户群体，哪些手段最具营销感召力，哪些网络广告带来的受众是高质量的，哪些影响因素才最重要？这些答案往往隐藏在看似孤岛的碎片信息中，需要一个链条把碎片信息串联起来，从软件技术、数据收集、数据挖掘和分析纬度等方面，更好地实现价值数据输出，让营销变得更智能、更快捷、更精准、更高效，其意义尤其重大。通过数据挖掘将电商网站内的用户、产品、内容与营销计划有机结合，使营销形成闭环，从而可以客观地评估和分析营销的效果，发掘客户的潜在真实需求。此外，大数据分析还能获悉产品在各区域、各时间段、各消费群的库存和预售情况，进而判断市场趋势，有的放矢地刺激用户需求，并依此按需配产并优化产品，实现从产品开发、生产、销售到物流等整个链条的智能化和快速反应。

一、大数据时代企业的典型应用

1.基于客户行为分析的产品推荐。产品推荐的一个重要方面是基于客户交易行为分析的交叉销售。根据客户信息、客户交易历史、客户购买过程的行为轨迹等客户行为数据，以及同一商品其他访问或成交客户的客户行为数据进行客户行为的相似性分析，为客户推荐产品。客户还浏览了哪些产品、购买这一产品的客户还购买了哪些产品、预测客户还喜欢哪些产品等。产品推荐是Amazon的发明，它为Amazon等电子商务公司赢得了近三分之一的新增商品交易。产品推荐的另一个重要方面是基于客户社交行为分析的社区营销。通过分析客户在微博、微信、社区里的兴趣、关注、爱好和观点等数据，投其所好，为客户推荐他本人喜欢的或者是他的圈子流行的或推荐给他朋友的相关产品。通过对客户行为数据的分析，产品推荐将更加精准、个性化。

2.基于客户评价的产品设计。客户评价数据具有非常大的潜在价值，它是企业改进产品设计、产品定价、运营效率、客户服务等方面的一个很好的数据渠道，也是实现产品创新的重要方式之一。客户的评价既有对产品满意度、物流效率、客户服务质量等方面的建设性改进意见，也有客户对产品的外观、功能、性能等方面的体验和期望，有效采集和分析客户评价数据，将有助于企业改进产品、运营和服务，有助于企业建立以客户为中心的产品创新。

3.基于数据分析的广告投放。DSP为广告主提供数据分析服务，包括广告投放试验、时段分析和效果分析。例如，依托数据平台记录每次用户会话中每个页面事件的海量数据，可以在很短的时间内完成一次广告位置、颜色、大小、用词和其他特征的试验。当试验表明广告中的这种特征更改促成了更好的点击行为，这个更改和优化就可以实时实施。再如，根据广告被点击和购买的效果数据分析，根据广告点击时段分析等，针对性进行广告投放的策划。

4.基于社区热点的趋势预测和病毒式营销。社区中热点和热门是大数据分析的结果。在社区中热门话题、在搜索引擎中热点分析，通常具有先兆性的特征，能够成为一种流行趋势的预测。比如，苹果的土豪金让土豪色成为一种流行。同时由于社区传播的广泛、快捷性，也能够帮助企业通过病毒式营销获得更多关注，比如小米的病毒式营销的策划。

5.基于数据分析的产品定价。产品定价的合理性需要进行数据试验和分析，主要研究客户对产品定价的敏感度，将客户按照敏感度进行分类，测量不同价格敏感度的客户群对产品价格变化的直接反应和容忍度，通过这些数据试验，为产品定价提供决策参考。

6.基于客户异常行为的客户流失预测。客户数据分析中发现客户的投诉增多，客户评价出现负面情绪，客户购买量明显减少等现象，根据客户行为模型，预测客户流失的可能性，并采取针对性措施。

7.基于环境数据的外部形势分析。从市场竞争者的产品、促销等数据，从外部环境的数据，例如天气（如雾霾）、重大节日、国家大事、热门话题、社交媒体上人们的情绪等中找到对外部形势演变的先导性的预测，帮助企业应对环境变化。

8.基于物联网数据分析的产品生命周期管理。条形码、二维码、RFID等能够唯一标识产品，传感器、可穿戴设备、智能感知、视频采集、增强现实等技术能将产品生命周期的信息进行实时采集和分析，这些数据能够帮助企业在供应链的各个环节跟踪产品，收集产品使用信息，从而实现产品生命周期的管理。

企业大数据应用远不止此，理论上看，业务价值链的各个环节都有数据分析的必要性，随着大数据应用的进一步深化，会有越来越多的应用场景，最大程度发挥大数据应用的价值。

二、大数据应用的实践方法

1.业务需求定义。成功的大数据项目通常是以使命和目标开始的，这是与业务战略目标一致的、具体的、很好被定义的大数据应用的使命和目标。为了明晰目标，需要有一个大数据的业务需求定义，解决“为什么要做”、“做成什么”的问题。业务需求定义阶段要分析组织的业务战略，总结对战略决策具有关键性意义的分析数据需求，通过业务部门、客户和合作伙伴的调研和分析，根据业务优先级确定分析能力的优先级，确定逐步建立分析能力的策略。要进行大数据的SWTO分析，分析定义大数据的机会、关键业务和使命的挑战。要调研初始的用例或用例集，业务需求满足度以及大数据能够交付的价值。

2.数据应用现状分析与标杆比较。从现有数据开始做分析，并与业界标杆进行比较，确定出差距，着眼企业数据利用的基础来确定近期的目标。从内部着眼，允许企业利用现有的数据、软件和技能，提供近期业务价值，并且在考虑扩展现有能力而处理更复杂的数据来源和类型之前积累重要的经验。大多数企业希望通过这样做而充分利用现有数据库中的信息，同时扩展其数据仓库，以处理更大数量和更多类型的数据。

3.大数据应用架构规划和设计。大数据应用架构规划和设计阶段，要以业务价值为基础、以分析战略为驱动、以灵活性和扩展性为原则，设计一个将来的大数据技术应用架构。规划整个企业的大数据战略，战略规划包括企业内的大数据愿景、战略目标和要求，它对于在业务用户的需求与IT实施路线图之间做到协调非常关键，它实现了关于企业如何利用数据和分析驱动的战略来改进业务目标的一致理解。规划大数据平台架构，包括采集、处理、存储和分析的模块规划，以及实现该架构所需数据、工具和硬件，从而定义了企业内大数据的建设和实施范围。

4.大数据技术切入与实施。大数据应用的技术实施阶段将按照设计方案进行系统采购、数据准备、系统集成、安装调试、技术开发、模型开发、系统整合、系统联调等工作。

5.大数据试用和评估。组织开始利用现有和新的数据源进行大数据技术的应用试点。一个典型的业务需求被用于试点，相应的真实数据被用于采集和分析，并设法做出第一次评估，评价大数据应用是否满足了设定的业务目标和技术性能指标。找出当前的技术实施与大数据应用参考体系架构仍然存在的差距，为项目的改进和持续实施提供依据。在试用过程中，还要第一次评估业务流程、政策、数据治理、隐私保护和安全方面的满足程度。评估一个持续的过程，需要不断审核部署的体系架构和技术是不是能满足组织更广泛的业务需求；需要评价大数据投资回报率如何；需要连续审计计划执行是否与数据治理、隐私保护和安全政策一致，审核大数据目标是不是与当前的政府和法律法规相背；通过持续不断地评估和反馈，持续地改进和优化大数据应用。

6.大数据应用推广。通过上述阶段的成功实践，组织会把在一个领域成功的经验推广到其他业务领域，建立一个更强大、一致和企业级的大数据平台。在大数据应用的背景下，企业开始关注过去不重视、丢弃或者无能力处理的数据，从中分析潜在的信息和知识，用于以客户为中心的客户拓展、市场营销等。例如，企业在进行新客户开发、新订单交易和新产品研发过程中，产生了很多浏览的日志、呼叫中心的投诉和反馈。这些数据过去一直为企业所忽视，通过大数据的分析和利用，这些数据能够为企业的客户关怀、产业创新和市场策略提供非常有价值的信息。在互联网和移动互联网时代，企业收集了来自网站、电子商务、客户记分卡、移动应用、呼叫中心、企业官方微信公众平台等不同渠道的客户访问、交易和反馈数据，把这些数据整合起来，形成客户的全方位信息，这将有助于企业给客户提供更有针对性、更贴心的产品和服务。数据是企业的宝贵资源，特别是客户数据、行业数据等。当企业把这些数据从一个业务领域向另外一个业务领域进行再利用，发挥了数据低成本复制和增值的价值。很多成功的互联网企业就是基于原始用户群的数据再利用，不断进行业务创新，在新的领域发挥现有数据的价值。

在大数据时代，谁拥有数据，谁就拥有客户。以往，企业的经营管理一直依赖于规范的流程和制度，使得主观能动性甚至被流程所僵化。依靠大数据应用，分析驱动的决策代替了直觉和常识，流程中每一环节的智慧被激发出来，企业将变得更有洞察力，更具有执行力，也更有智慧。商家与客户的关系不再是简单的卖方和买方的关系，依靠大数据应用，商家可能成为客户最信赖的朋友。他们了解客户的爱好，熟悉客户的朋友圈，能够给客户更多中肯的建议。

（作者单位：浙江财经大学信息学院）