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Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25在数字化时代,数据已成为企业核心资产,而“数据存储有序化、数据分析专业化、数据价值可落地”,则是企业实现数据驱动的三大核 ...
2026-02-25在数据分析、机器学习的实操场景中,聚类分析与主成分分析(PCA)是两种高频使用的统计与数据处理方法。二者常被用于数据预处理 ...
2026-02-24在聚类分析的实操场景中,K-Means算法因其简单高效、易落地的特点,成为处理无监督分类问题的首选工具——无论是用户画像分层、 ...
2026-02-24数字化浪潮下,数据已成为企业核心竞争力,“用数据说话、用数据决策”成为企业发展的核心逻辑。CDA(Certified Data Analyst) ...
2026-02-24CDA一级知识点汇总手册 第五章 业务数据的特征、处理与透视分析考点52:业务数据分析基础考点53:输入和资源需求考点54:业务数 ...
2026-02-23CDA一级知识点汇总手册 第四章 战略与业务数据分析考点43:战略数据分析基础考点44:表格结构数据的使用考点45:输入数据和资源 ...
2026-02-22CDA一级知识点汇总手册 第三章 商业数据分析框架考点27:商业数据分析体系的核心逻辑——BSC五视角框架考点28:战略视角考点29: ...
2026-02-20CDA一级知识点汇总手册 第二章 数据分析方法考点7:基础范式的核心逻辑(本体论与流程化)考点8:分类分析(本体论核心应用)考 ...
2026-02-18第一章:数据分析思维考点1:UVCA时代的特点考点2:数据分析背后的逻辑思维方法论考点3:流程化企业的数据分析需求考点4:企业数 ...
2026-02-16在数据分析、业务决策、科学研究等领域,统计模型是连接原始数据与业务价值的核心工具——它通过对数据的规律提炼、变量关联分析 ...
2026-02-14在SQL查询实操中,SELECT * 与 SELECT 字段1, 字段2,...(指定个别字段)是最常用的两种查询方式。很多开发者在日常开发中,为了 ...
2026-02-14对CDA(Certified Data Analyst)数据分析师而言,数据分析的核心不是孤立解读单个指标数值,而是构建一套科学、完整、贴合业务 ...
2026-02-14