石化销售企业会员大数据分析及应用的探讨

刘建权

〔中国石化北京石油分公司 北京 100022〕

石化销售企业会员大数据分析及应用的探讨

刘建权

〔中国石化北京石油分公司 北京 100022〕

石化销售企业与移动互联网业务融合的发展趋势给石化销售企业数据分析和应用提出了为销售向数字化和智能化转型发展服务的新要求，根据目前石化销售企业数据处理存在的标准不统一、不规范和传统结构存在缺陷、自有数据相对有限等问题，提出了深化大数据分析及应用的实施策略和步骤，建立会员大数据基础平台和技术架构、拓展分析的基本思路，并在会员标签、客流分析、新产品营销、营销效果分析和数据安全等方面，将为石化销售企业创新营销模式提供支持。

石化销售企业 会员 大数据 分析 应用 探讨

1 企业创新发展对大数据分析提出的新要求

近年来传统企业业务模式面临互联网升级的巨大挑战，中国石化销售有限公司提出了强化互联网思维、大数据分析和信息技术保障管理，突出信息技术服务经营职能，推进企业加快经营发展模式创新，努力向现代化综合服务商转型的要求。以创新产品、创新站外发展、创新业务和创新营销模式，实现创新发展，推进“互联网+”转型的发展目标，从业务和技术上对大数据分析也提出了更高的要求。

1.1 转型数字化、智能化销售的要求

销售企业从传统油品销售向数字化、智能化综合服务商转型，迫切需要利用大数据感知会员，形成对会员消费偏好的精准把握，对销售最佳机会的精准把握，获取更大的收益。

1.2 精准化会员营销的要求

销售企业目前普适化的会员营销方式转化率较低，效果不明显，迫切需要基于大数据分析进行会员画像，制定精准化、差异化的会员营销方案。

1.3 海量数据处理对架构及性能的要求

不断新增的互联网、物联网数据，对数据架构及性能的要求比传统的数据仓库要高出很多，需要利用新的适合海量数据分析的大数据架构，为大数据价值的发挥提供坚实的基础保障。

2 企业中各类数据的现状及存在的问题

2.1 数据缺少治理，标准不一致、不规范

由于各系统分期、分批建设，参考的规范和标准不同，建成的数据模型不一致、数据链条不统一，车牌、手机MAC等与会员绑定的信息缺失，数据链条不完整，影响了实际生产应用。

2.2 传统技术架构存在缺陷，很多数据基本上用完即处理掉

随着数据类型的增多，需要检索和处理的数据呈现几何级数的增长，尤其是物联网平台，传统的分析系统面对海量数据显出颓势，原有的以SAP BW为数据仓库的架构扩展性差、成本太高，无法满足移动互联网发展的要求，因此导致很多数据基本上用完即将原始数据处理掉，只保留结果。

2.3 自有数据相对有限，如何整合外部数据，更大程度地发挥会员数据的价值

销售企业采集会员数据的手段和方法相对有限，目前阿里、腾讯、百度及一些第三方的数据公司，拥有大量的会员偏好、行为、轨迹等数据，如果可以有效地整合，便可以更好地发挥会员的数据价值，但缺乏相应的方法和工具。

3 实施的策略及步骤

3.1 会员大数据分析的基础平台

首先通过基础平台的建设，积累大数据分析的基础数据，为基于会员的大数据分析提供支撑。主要分为如下两类：

3.1.1 互联网营销类

(1)会员自助服务网站。面向实名会员的官方网站，提供会员注册、会员积分查询、加油卡查询、充值服务、便利店服务、礼品商城、问卷调查等功能。

(2)会员APP。会员APP是顺应移动互联网的发展、为了满足会员日益增长的移动互联需求而建立的，相当于移动版本的会员服务平台，延伸了LBS服务、洗车服务、在线支付、营销活动等增值服务。

(3)会员微信公众号。面向会员营销及服务的移动互联网主渠道，除微信基础功能外，还二次开发了绑卡、电子券、会员电子卡、充值返现、会员抽奖、大转盘等个性化营销功能。

(4)微商城。面向会员的非油品O2O电子商务平台，主要实现了会员的线上购物线下提货，提升了会员的购物体验。

3.1.2 物联网平台类

(1)视频监控及车牌识别。提供加油站视频监控、进站车辆及车牌识别、人脸识别等功能，除了安全监控功能外，还实现了更细化的加油站客流管理。

(2)加油站WIFI。在加油站为客户提供免费上网功能，通过微信连接WIFI等功能进行微信吸粉及进行活动宣传，并通过WIFI设备附加探针功能，辅助实现实时客流分析、营销活动分析等功能。

(3)车联网。通过向会员免费发放车载OBD设备，实现与会员车辆相连接，实时采集车辆数据，并形成对用户的智能用车指引，促进油品及非油品业务。

通过以上系统的建设，积累相关数据，包括：

(1)会员数据，包括：

1)基本数据：姓名、手机号、年龄、身份证、加油卡号、性别、所在区域、住址、教育程度、职业、月收入等。数据量小，已结构化。

2)车辆数据：车牌号、车辆品牌、车辆型号、排气量、用油型号、车架号、发动机号等。数据量小，已结构化。

3)积分数据：积分时间、积分、积分类型等。数据量小，已结构化。

(2)会员消费数据，包括：

1)油品消费数据：时间、加油站、油机、油品型号、单位(L)、单价、折扣及折让、折后金额、支付方式等。数据量中，已结构化。

2)非油品消费数据：时间、电子会员卡、非油品消费明细(商品编号、单位、单价、折扣及折让、折后金额)、总金额、折扣及折让、折后金额、支付方式等。数据量中，已结构化。

(3)会员行为数据，包括：

1)人的行为数据：网站、APP、微信、微商城访问浏览数据、关注的商品数据、关注的营销活动数据等。数据量中，已结构化。

2)车的行为数据：车辆油耗、车辆行驶数据、车辆四急数据(急加速、急转弯、急减速、急刹车)、车辆故障数据、车辆安防数据等。数据量大，已结构化或半结构化/非结构化。

(4)会员位置数据，包括：

1)人的位置数据：①加油站WIFI采集的经常出现的加油站及驻留情况；②APP采集的LBS信息。数据量大，已结构化或半结构化/非结构化。

2)车的位置数据：①视频监控及车牌识别采集的出现的加油站；②车联网采集的GPS及车辆分段数据。数据量大，已结构化或半结构化/非结构化。

(5)会员上网数据，包括：

上网行为数据。加油站WIFI会员上网行为数据。数据量大，非结构化。

3.2 会员大数据分析的基本思路

(1)利用阿里巴巴大数据平台实现海量数据的高效存储及计算。阿里巴巴2014年与中国石化开展云计算及大数据的合作，并在中国石化内部部署了整套私有的阿里云计算及大数据产品，其中包括阿里巴巴自主研发的海量数据处理平台ODPS，ODPS主要实现结构化和半结构化数据的存储和计算服务，并提供了完整的数据采集、加工、处理分析、运营和维护工具。

(2)将会员数据与物联网平台数据、外部数据整合构建会员标签，助力精准化营销。标签是对会员特征进行观察分析提炼出的标记性语言，会员标签以会员的资料、行为、偏好分析结果为基础，直观描述会员的基本特征和偏好情况，为客户分群、油品经营、非油品经营等重点应用提供客户层面的信息支撑。通过会员标签，不仅能够全面掌握客户的特征、感知客户的行为变化、进行差异化营销，还能支撑新业务、新产品、新模式的创新拓展，为销售企业面向未来的探索和开辟新市场服务。

(3)建立数据安全防护体系，确保会员数据的安全不外泄。会员数据作为销售企业的核心资产，必须要确保数据的安全、不外泄，尤其是结合外部数据时尤为重要。另外，随着国家关于客户隐私信息保护相关法律法规的出台，对数据安全也提出了更高的要求。

为了能够在保障业务发展的同时，全方位、立体化保障会员数据分析的安全，确保客户信息不被泄露，此次特别考虑了整套客户隐私的保护方案，明确了隐私保护算法，提出了剩余信息保护要求，优化了系统安全管理办法，全面构建会员数据安全防护体系。

3.3 会员大数据分析的技术架构

会员数据分析的技术架构完全基于阿里巴巴大数据处理平台ODPS，具体分为数据获取层、数据整合层、数据访问层及数据可视化四层(图1)。

图1 大数据分析的技术架构

(1)数据获取层。数据获取层涵盖从互联网营销系统、物联网平台及外部数据源中对相关会员的业务数据进行抽取、清洗、加工、整理并加载到ODPS的全过程，并利用ODPS的Tunnel、DataHub组件从文件处理、流处理的方式获取的源数据，经隐私数据进行保护处理后传入数据仓库。

(2)数据整合层。数据整合层既是数据和信息集中管理的存储中心，也是会员数据分析的数据加工中心，经过数据汇总、数据统计和数据挖掘等技术手段对会员数据进行提炼和精加工，形成指标、多维数据、报表数据、挖掘结果等各类信息。数据整合层还利用ODPS的存储服务(Volume，二维表存储等)、分析服务(SQL、Mapreduce、流计算等)、机器学习服务(Graph、Xlib等)进行数据存储及加工处理，可以应对TB/PB级别数据处理。

(3)数据访问层。数据访问层采用HTTP RESTful服务形式对外提供会员分析数据，包括逻辑数据(视图)及物理数据，供数据可视化及其他系统进行数据利用。除此之外，ODPS还提供Java SDK、命令行工具(Command Line Tool，CLT)和上传下载工具dship等辅助的数据访问工具。

(4)数据可视化。数据可视化主要是将会员分析数据中每一个数据项作为单个图元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，可以从不同的维度观察数据，对数据进行更深入的观察和分析，采用EChart、D3.js等开源图表技术进行定制化开发。

3.4 会员大数据分析的具体应用

会员数据分析应用通过整合销售企业以客户为中心的相关应用及分析模型，通过会员营销系统与客户接触，辅助销售企业构建智能化、流程化的会员体系。会员数据分析应用的建设是一个长期持续的过程，主要应用包括：

(1)会员标签。会员标签是会员数据分析的基础，通过整合会员相关数据，采用标签化方法描绘并细分客户需求特征，建立客户画像，提升客户细分能力。

图2 会员标签数据的整体架构

会员标签整体架构分为数据层、模型层及功能层(图2)，其中：①数据层是对采集数据的预处理，实现会员数据、物联网平台数据、外部平台数据的整合及解析，是为客户标签提供初步加工的基础数据；②模型层主要构建对会员偏好特征分析的挖掘能力，包括消费偏好模型、内容偏好模型、消费推荐模型、位置及行为模型等；③功能层主要包括标签管理，包括标签调用、标签后台调度管理等功能，以满足客户标签管理及应用的要求。

客户标签库数据的分类见图3。

图3 客户标签库数据分类

(2)客流分析。主要基于视频监控及车牌识别、加油站WIFI等多种物联网平台数据源进行加油站的客流分析，并结合加油站的非油品销售数据进行非油品经营情况的综合分析，以辅助加油站运营实现迭代式提高，实现从粗放式运营向精细化运营迈进。客户分析数据架构见图4。其中①流量分析主要通过实时采集的加油站数据，分析加油站客流热力情况、客流的趋势和客流的时间分布等；②进店及驻留分析主要分析各个加油站的客户进店率、驻留时长分布，并以此为基础进行进店引导培训及考核(图5)；③加油站分析主要整合加油站非油品销售数据进行加油站经营情况的综合分析，并给出各个加油站的非油品经营指导意见。

图4 客户分析数据架构

图5 加油站客流分析

(3)会员流失预警。会员流失预警模型采用Logistic回归模型，跟踪销售企业高价值客户消费和行为情况，通过监控分析，及时预警消费下降的高价值客户，从客户保有、电子券、积分回馈等开展高价值客户挽留(图6)。

图6 会员流失预警模型

Logistic回归是一种描述多种独立变量与因变量(只有两种结果)之间关系的模型逼近法，主要目的是为了进行分类，同时预估事件发生的概率。它可以考察多个属性变量在识别将要流失客户方面的集成贡献。应用Logistic回归模型可以深入理解客户流失的原因，分析哪些因素对于客户流失有影响，从而得到如何处理客户流失的线索 。

(4)新产品营销模型。近年销售企业不断推出“枸杞”、“海龙”燃油宝等非油产品自有品牌。该模型主要是针对这些新产品如何对现有会员开展营销而建立的，目的是依据会员系统现有的用户偏好分析、规则触发、渠道接触等能力，为非油品业务营销人员提供一套营销策划的方法、步骤和思路。

根据销售企业目前接触会员的两种主要方式，可将营销方式分为主动接触及被动接触。主动接触是指由会员营销系统主动发起与会员的接触，相应的渠道以短信、微信、APP、员工主动推广营销为主。被动接触是指用户在访问会员营销系统时，所看到的系统提供的营销推荐内容。

新产品营销模型的建立主要包含三个步骤，分别是基础模型、时机选择和渠道规则。基础模型主要确定目标客户对具体新业务的需求，通过产品关联推荐模型、会员消费偏好模型以及一些自定义的筛选规则向用户推荐其它关联产品；时机选择加强了新业务营销模型的精准性，包括业务的分类、位置信息的梳理和时机的梳理；渠道规则主要对营销活动推送的各个渠道进行了定义，包括短信、微信、APP等。

(5)营销效果分析。通过整合营销活动数据及物联网平台的客流数据，进行营销活动的跟踪及效果、效率和效益评估，以便于及时优化与提升营销活动的日常管理以及营销方案，达到最大投入产出比的营销目标(图7)。

图7 营销效果评价模型

营销效果评估指标体系：①效果评估。 效果指通过提供一定优惠和交叉营销活动，以达到获取新用户、提高客户价值、维系客户和客户挽留的目标，从不同指标对营销效果进行评估。②效率评估。 从时间维度对营销活动产生的效果进行评估。以某一个营销活动为例，考察用户在营销活动后一段时间内的响应情况。③效益评估。根据用户在营销周期内产生的油品及非油品的消费数据，与本次营销的投入进行对比，来评估该营销活动的投入产出效益。

3.5 会员大数据分析的数据安全

数据安全方案旨在建立一套体系化的安全策略，通过多种手段保障会员数据的安全，做到事前可管、事中可控、事后可查，具体的安全方案(参见图8)可分为：

图8 隐私保护系统

(1)隐私信息保护。通过去隐私引擎和隐私还原引擎对前台功能和后台数据涉及的隐私信息进行保护，确保隐私的无法泄露，ODPS本身也提供了部分隐私数据的管理功能。

(2)数据导出保护。应用数字水印技术和离线文件加密对导出的会员数据进行保护，避免数据的导出外泄，同时ODPS也支持项目保护模式，防止数据外泄。

(3)应用权限管控。ODPS支持ACL授权、Policy授权、角色授权等多种权限管理方式，满足多种场景的需求。

(4)数据权限控制。ODPS提供DAC和MAC的安全管理方案，可根据数据敏感程度、分级情况和隐私信息分类控制用户访问数据范围，管理后台应用和运维人员账号数据访问权限，避免敏感数据和隐私信息从后台泄露的风险。

(5)访问轨迹追踪。通过ODPS日志管理功能对会员分析系统应用层和数据层的日志进行记录，配合4A系统的审计管理功能实现对访问轨迹的追踪管理，重点对客户隐私信息进行监控。

(6)基于4A的权限认证。ODPS支持4A，实现服务完成账号的登录认证和权限识别。

4 结束语

大数据是现代信息技术和移动互联网海量数据结合的产物，会员大数据分析是当前环境下油品销售企业的创新驱动力，会员分析应用平台的建设将为石化销售企业创新销售模式提供支持，并对于销售企业未来的创新发展带来深刻的影响。随着油品销售企业的转型和发展，今后如何实现会员数据分析的更大商业价值将是油品销售企业长期关注的核心议题。

[1] 李军.实战大数据：客户定位和精准营销[M].北京：清华大学出版社, 2015.

[2] 阿里研究院. 互联网 ：从IT到DT [M].北京：机械工业出版社, 2015.

[3] 车觉民. 决战大数据[M].杭州： 浙江人民出版社,2016.

2016-12-14。

刘建权(1980-)，本科，毕业于北京石油化工学院，高工，现从事石油销售企业信息管理工作，2016年获得销售公司互联网技术比武金牌。