京公网安备 11010802034615号
经营许可证编号:京B2-20210330
四大原则 把握“大数据”机遇
岁末年初,尽管各种各样的关键词不断出现在国内国外有关商业、技术趋势预测的文章中, “大数据”却无一例外地受到关注。企业已经在努力学习通过利用大规模采集及分析数据来制定战略,这有力地体现出大数据的巨大潜力。大数据的采集及分析正在迅速成为企业获取差异化竞争优势的新争夺领域。Amazon.com、谷歌和Netflix等公司在这方面表现抢眼,其他公司则紧追不舍。事实上,近几个月来,制药、零售、电信、保险等各行业都在大数据战略上锐意进取。它们的大手笔表明业界正在针对大数据制定全新战略,对CEO等高管们而言,面临着阻挠大数据举措的挑战。根据相关经验,我们总结出四大原则,希望对企业高管捕捉大数据发展潜力有所帮助。
1. 测算的机会和挑战
企业高管如果能够意识到应对行业盈利挑战的迫切性时,往往就能促成其大数据战略。以AstraZeneca公司为例,企业高管看到了现实数据的威力,比如医药费包销的数据,让制药公司的客户能够评估药品的有效程度 (参阅副文“AstraZeneca的“大数据”合作)。
在我们研究过的一个零售商案例中,大数据是夺取市场份额的艰难一役。该公司战略一向侧重于应对竞争对手的重大挑战,但一种来自网络的竞争威胁正在侵蚀公司的收入及利润。这种威胁的核心来自于竞争对手有能力收集和分析消费心理,且能够为数百万客户提供建议,而这种能力让该零售商的销售能力大打折扣。与此同时,该竞争对手正在形成一种平台,供应商可在这个平台上利用行业汇总的公开价格数据销售多余库存,以此帮助供应商确定折扣幅度。为此,该零售商董事会希望知道是否也可以利用自身的信息资源应对这些挑战。
数据带来的挑战及机会可能会更加微妙。例如,欧洲某电信商采用创新产品绑定的手段提高了市场份额后,大数据分析就被视作公司振兴的里程碑。该公司高管相信,如果能精确找到通过销售带动效益的点,并通过研究消费者行为发现哪些因素决定了其品牌或产品取舍,就可以形成公司新的优势。这就需要有能力解读两种大规模且不断增长的信息:网络搜寻数据和实时信息,即消费者在社交工具和其他网络渠道上分享的关于该公司产品和服务的评价。
2. 确定大数据源头及差距
制定大数据战略,当然需要研究企业究竟需要哪些类型的信息及需要哪些能力。在现阶段,企业高管应彻底评估所有相关的内外部数据。审计人员还应考虑分析型人才的可获得性以及可能有助于填补不足的潜在合作关系。这类审计不仅能真实认识企业能力和需求,而且会激发灵感—例如,某高管发现了隐藏在某些业务部门的“数据宝石”,或认识到通过正确合作创造价值的重要意义。
零售商的审计侧重于公司内部数据,它们往往还有未被完全开发的利用价值。这类数据包括产品返回率、许可证及客户投诉,是涵盖客户消费习惯及偏好的宝贵信息。该审计还发现了一处阻碍因素:没有与客户身份认证数据相结合的数据,或是标准化后足以供公司内外部共享的数据。因此,该类信息很少被用于营销分析,也不可能支持销售代表与客户互动,或是供应链高管服务于供应商。所幸的是,审计发现有一个团队可以帮助解决这些问题:内部数据分析员,该团队的独立工作尚未得到充分利用。
就欧洲电信商而言,问题集中在如何利用消费者对公司及其产品的网上讨论信息,包括数百万相关微博发帖、社交媒体互动、搜索关键词、品牌直接比较,以及张贴在网站上的客户反馈。该电信公司的CEO认识到这一工作的重要性,并发现公司缺乏数量经济学及分析技术,于是聘任了具备相关资质的外部分析师领导组建了一个“集思广益”团队。
3. 就战略选择达成共识
一旦发现了可资利用的机会及资源,很多企业就会立即进入实施规划阶段,但这是错误的。数据战略与企业整体战略密不可分,在确定所需资源投入时需要精心规划才能取得预期效果。这需要一线人员能够使用高级数据分析工具,或者需要收集数据和招聘分析人才,以获得先发优势。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07