数据分析师:为什么说大数据与客户分析之间有所差异

大数据预测与传统的基于抽样的预测不同之处在于，其基于海量历史数据和实时动态数据，发现数据与结果之间的规律，并假设此规律会延续，捕捉到变量之后进行预测。一个领域本身便有相对稳定的规律，大数据预测才有机会得到应用。

大数据，这个术语已被过度使用，同样也被过度误解。现在我们陷入了这样一个怪圈：每个人都在谈论这件事，每个人都认为别人在做这件事，所以每个人都说他们正在做这件事。

下图的谷歌趋势曲线向我们展示了在过去几年里每个人都在谈论的大数据的搜索量变化情况：

很多人可以就大数据的话题夸夸其谈，但很少有人会意识到大数据对于他们的业务的真正意义。许多人在讨论如何管理大数据，但只有很少的人会仔细考虑如何去使用大数据。也就是说，简而言之，大数据和客户分析之间存在着较大的差距。事实上，在Gartner最近的调查报告中，超过50%的受访企业表示他们不知道如何从大数据中获取价值 。

到目前为止，大部分的讨论都是关于大数据的IT问题的。这些问题的重点是，应该如何对体积巨大的数据进行合理的组织、标记、清理并把它存储起来。就大数据的话题我们可以讨论的内容很多，比如数据存取、数据安全、数据的存储和吞吐量等等…… 这些都是很重要的内容。但如果你是一个公司的老板，这些应该是你最不需要担心的事情。你真正需要担心的是这里边有没有一些东西可以促进你的客户关系管理。对于大多数公司（这里指的是Adobe数字营销的客户）来说，大数据的目的是让你对你的客户可以有更深入的了解。

一个很不好的现象是，当业内的人谈及大数据时，往往都是专注于数据量的大小。数据量的大小是无关紧要的；大规模数据的问题已经基本得到解决。重要的是，企业可以用这些数据来做什么。如果你不使用这些数据来产生驱动营销和业务决策的洞察力，那么即使你使用了非常有效的方式来存储了海量的数据，这对于你的企业也不会有什么促进作用。需要明确的是：能够正常运行数据查询是一回事，而能够为你的企业产生驱动战略规模化的见解则是另一回事。

Adobe是大数据技术的深度用户，管理着数十PB的数据，30分钟内处理的交易比整个信用卡处理网络一天内处理的交易还要多，运行处理大量的数据这并不能算是Adobe的目标，Adobe的真正目标是帮助客户获得所需要的可操作的规模化的见解。

仅有少数真正懂得大数据、能从数以PB计的数据量中获取到见解的分析师是不够的。公司里所有人都应该把客户数据使用起来。比如，营销人员和呼叫中心都应该能够基于前期客户与公司的互动预测客户的需求。 如果那丰富的客户与品牌的互动数据不能在公司中得到充分利用，那么这些数据的意义就不能真正体现出来。

所有的这一切意味着你需要使用收集到的数据更好地了解客户，并不断优化客户体验。这可能意味着你需要为每个客户提供一些不同的东西。这其中的关键是要想清楚如何利用大数据为每个客户量身定制有意义的信息。例如，联想采用客户分析以了解客户在数字属性与呼叫中心之间的访问过程 ，从而为客户提供更贴切的用户体验。这将产生可衡量的有利于促进业务发展的积极影响。

大数据重要不？当然重要。但它不是你的业务是否会取得成功的决定性指标。你对你的客户的认识才是。客户分析可帮助你优化客户体验使它变得更简单更流畅。简单而流畅的客户服务，可以让你赢得客户的心并且他们会成为你品牌的代言人……这才是你的数据的真正的用途。