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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14