京公网安备 11010802034615号
经营许可证编号:京B2-20210330
当制造遇上大数据
“现在越来越多的行业都要适应大数据的趋势,不仅限于原来的高科技、互联网企业,现在包括通讯、金融、制造、能源等行业都在顺应趋势培养这方面的竞争力。”Hermann Wimmer 说,“用数据来驱动业务增长”是未来的方向。“例如,市场部门如何利用真实的数据来帮助制定市场成长策略;怎样提升客户体验或者客户满意度;怎样通过降低仓储、物流的运营成本等让企业运营得更智慧、更有效率;怎样结合生产部门和其他部门的数据优化生产和运营能力,这些都是大数据的‘用武之地’。”Teradata( 天睿公司) 大中华区首席执行官辛儿伦(AaronHsin) 举例道。
对于传统制造业来说,大数据能在哪些方面进行“颠覆”和“改进”?麦肯锡咨询公司在近日发布的《如何利用大数据改进制造业》的报告中列举了10 条大数据颠覆制造过程的路径,涉及优化生产进度;提高制造绩效;精确供应商管理;追踪产品质量,改进工作流程;以销定产,制定生产计划;量化产能,追踪设备运转效率;以及提供生产设备预防性维护建议等方面。
可以说,大数据影响到生产制造、运营、管理的方方面面,而从目前大数据在制造业的应用范围来看,我们想从客户关系管理(CRM)、优化生产以及供应链管理三方面窥探大数据的无限可能。
“大海捞针”成为可能
在当今经济环境中,良好的客户服务和客户体验至关重要。越来越多的企业通过挖掘客户|数据提升客户关系,了解客户需求。今天的CRM 数据分析能力已经不止局限于客户邮件、电话等数据,而是能够识别客户购买行为,了解客户情绪。辛儿伦切身感受到数据分析在客户管理方面应用的变化趋势:“过去更多是在数据仓库针对客户关系的管理和体验,特别是对客户|数据和CRM 数据进行分析和探索促进营销增长的途径和手段。随着技术和数据架构的演进,现在的数据已经延伸到很多范围,比如位置数据、基站数据、还有通话记录和移动互联网上的消费者行为等。利用这些来自多渠道的数据建立分析模型,以便从360 度去观察客户的兴趣、爱好,并预测未来的行为,从而制定个性化的营销策略。”
发生在海尔的一个营销故事可以从这方面揭示大数据的“神奇”。2012 年,海尔推出帝樽空调,如何精准地预测有哪些用户可能选购帝樽空调?如何送去个性化的服务方案?海尔从SCRM 会员数据库中提取了数万名用户数据,与中国邮政的名址数据库匹配,建立“look-alike”模型。此外,海尔SCRM会员平台还同旅游、健康类杂志有合作。海尔通过查询订阅名|录,发现北京一小区有人订阅旅游杂志,其中有位陈先生。海尔得出“ 他对环境、自然应该感兴趣”的结论,于是推测,他极有可能对帝樽空调除PM2.5功能感兴趣。接着,陈收到了海尔投递的一封直邮单页,除了公益环保知识外,重点介绍了帝樽空调的除PM2.5 功能。接下来的故事就水到渠成了,陈带着直邮单页,到附近的商超购买了空调,并且还登录海尔官方网站,自主注册成为海尔会员。
从这个案例可以看出,在客户管理方面,企业营销的对象不仅是一群人、一类人,而是具体的某个人。其次,跨领域数据的整合也很重要,当然企业应当首先明确需要哪些领域的数据和如何获取这些数据。Hermann Wimmer 例举了两个行业之间的数据共享带来的商业价值—汽车行业和保险行业。“买车的人都要上保险,每一个司机由于自己的驾驶习惯不一样,保险公司对于他们的评估也是不一样的。如何才能更准确地评估一个司机到底属于高风险还是低风险驾驶习惯,就取决于他所开的车。通过车上所装载的100 多个传感器传回的数据,可以了解他的驾驶习惯,然后判断他属于什么级别的风险类别。比如,他不超速、驾驶平稳,就属于低风险,反之,开的很快就属于高风险类别。”Hermann Wimmer 说,这两个行业密切的联系就是由传感器带来的数据连接起来的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28