京公网安备 11010802034615号
经营许可证编号:京B2-20210330
企业面对海量实时数据却不知所措
在人人喊着要“掘金”的大数据时代,企业的市场营销人员应该是最直接受益者。数据显示,83%的市场营销专业人士认为他们的品牌在数字化平台上应该更加活跃。然而,“梦想很丰满,现实很骨干”。虽然企业现在拥有的可供利用的数据量空前巨大,但是65%的市场营销专业人士都无法整合多个数据源—— 如社交媒体、博客、网站访问和搜索数据,这使他们无法确定采取什么行动。
来自TNS的最新研究显示,很多企业都未能利用企业的大数据信息来帮助自己做出明智的决策。TNS的“市场监测(Marketing Monitor)” 研究访问了遍布亚太区的2700多位市场营销专业人士。根据该研究,数据的总量之大、种类之多让人感觉雾里看花,难以从中获取有价值的洞察,使企业更难以利用数据来为自己服务,形成竞争优势。
在中国的企业正向数据驱动的数字化平台以及追踪研究系统投入更多资源,以帮助他们理解富有挑战性的线上世界。这些数据大量涌入市场营销部门,有三分之一(31%)的市场营销人员目前的职责包括管理实时数据。
然而,65%的中国市场营销人员承认,整合不同来源的数据相当困难。有这么多的可用数据,市场营销人员都知道他们应该能够实时做出决策,但很多人在整合传统和数字化数据的道路上艰难挣扎。
TNS中国首席执行官刘锡芸认为,面对如此大量的数据,许多企业都不知所措。“在线上平台方面,中国是世界上最先进的国家之一,其结果是产生了数量空前大的消费者行为数据。 好消息是,市场营销人员有丰富的信息可以加以利用。而不那么利好的消息是,要确定如何处理和分析这些数据以揭示对企业有价值的、隐藏在数据背后的洞察,并不总是一件容易的事情。”
由于对实时数据进行分析存在各种困难,许多市场营销人员都转而依赖传统的测量方法。根据TNS的研究,销售提升指标仍然是企业评估市场营销活动的成败的首选方法。尽管这些指标很重要,它们都是回顾性的,并不赋予企业能力来追踪消费者对市场营销活动的持续反应、对正在发生的问题采取行动,并做出改变以将他们的市场营销活动向更有利的方向推进的能力。
此外,现有的市场研究方法并不能帮助市场营销人员做出快速、明智的决策。根据我们在中国的调查,市场营销人员认为市场研究分析“可操作性不够”(64%)及“太慢”以致无法使用(61%)。
TNS品牌和沟通亚太区董事总经理Nitin Nishandar解释说:“从数据中提取有价值的洞察的困难意味着市场营销人员采用了一种”后视镜式“的方法,即只能在营销活动进行数周甚至数月之后才能了解其表现和品牌资产变动情况。实时数据需要给到实时价值——否则它就只是让人分心的噪音。”
在整合来自数字化渠道的洞察方面,一些国家领先于其他国家。尽管拥有一些世界上最先进的社交媒体平台,中国在数字化渠道洞察整合方面其实是滞后的,只有三分之一(30%)的市场营销人员在做市场营销决策时使用社交媒体监测。新加坡遥遥领先,55%的市场营销人员在进行社交媒体数据的监测。马来西亚紧随其后,有50%的市场营销人员在监测该数据,而印尼则有43%的市场营销人员进行社交媒体的数据监测。
各国家使用社交媒体监测来为决策提供依据的市场营销人员比例:
1.新加坡 – 55%
2.马来西亚 – 50%
3.泰国 – 46%
4.韩国 – 45%
5.印尼 – 43%
6.澳大利亚 – 43%
7.印度 – 42%
8.中国 - 30%
对有能力利用数字化数据的企业来说,对数字化数据的挖掘有潜力为企业开启通向未来机会之门。TNS的“市场监测(Marketing Monitor)” 研究的一个重要发现是,在亚洲,有三分之二(67%)的市场营销人员对传统市场研究不能提供预测性洞察这一事实感到沮丧。新的方法显示,数字化数据如能得到恰当的整合,不仅可以帮助营销人员做出实时决策,还可以预测品牌资产。
Nitin继续说道:“随着亚太区变革步伐的加快,我们需要开始使用数据来关注未来,而不是仅仅测量现状。追踪社交和搜索数据,以形成‘预测框架’的基础,能够比市场调研数据或销售数据早几个月提供洞察。这就使营销人员有能力及时预测品牌资产的变化,从而能够及时采取措施来应对这些变化。在这样一个多变的环境,能够有这样一幅‘望远镜’来眺望未来,对企业而言是一个非常宝贵的竞争优势。这种优势任何一个企业都不能忽视。”
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数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31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 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28