
真正使用大数据处理的4个方法_数据分析师
大数据处理已经在媒体和IT企业中大量提及,但是有多少企业真正在使用大数据处理?又有多少企业从大数据处理中受益呢?真正使用好大数据处理是不容易的事情。
2014年,美国的中西部和东北部遭遇了最恶劣的气候。美国的西南航空是美国最大的廉价航空。因者暴风雪,取消了上百家航班。上千上万的乘客准备打电话,以及通过网络支持重新预订航班,但是发现系统已经过载。最后这些旅客转向了滞留旅客的最后求助者:TwITter。
你可以想象一下,12000条充满各种愤怒的微博在6个暴风雪的日子里,把西南航空彻底淹没了。每天的峰值达到3000条微博。而另一端,作为这家航空公司的最后一招,派出了7个社交媒体专家。
这个例子似乎很极端,但是你不能保证自己不会遇到类似的事件,就是被社交媒体的需求和数据给吞没。很多大品牌,如可口可乐和NBA,每天有成千上万条社交媒体互动,从TwITter上的提及,以及Facebook上赞,到客户贴的问题和抱怨,以及分享公司最近新闻的博文。
慢慢地,一些公司发现了把这种数据的头疼变成一种资源。大数据其实就是企业和客户之间数字交互的洪流,一直也被炒作为新世纪的原油,表面上有巨大价值,如果不提炼,什么用也没有。这个挑战就是先进的软件套件和分析专家必须大体明白这些每天收集的兆兆字节的原始信息的意义。
社交媒体正在不断提供普通公司进入大数据神秘世界的入场券。配以新的,用户友好的分析工具,企业最终发现实用的,成本友好的方法,来处理客户和潜在客户上数字信息的井喷。
在西南航空的案例里,他们的社交媒体不仅能调节这个大风暴,也能从这个事件中收获积极情绪,以及比以往更多的粉丝。这是猜测大数据,正确的工具去化解它,在成功中就能扮演重要角色。
美国一家拥有800万用户的社交媒体管理系统公司HootSuITe,它的CEO,Ryan Holmes最近在INC上撰文,对于那些指望利用社交媒体成为自己的优势,提出应用以下这些分析技术将是一个好的开始:
用过滤器从背景噪音中分离重要信息。Dell公司每天在11种语言的社交媒体渠道会收到超过25000个提及。从一个实际的业务角度来说,这些种的绝大多数是不重要的。但是通过使用社交媒体和分析工具,Dell能过滤出真正有用的信息:那种拥有成千上万粉丝的,有影响力的TwITter用户,贴在受人尊敬的博客和论坛上的故事,如果不被解决,就会扩散的紧急客户需求。
这些工具每个都使用自己专有的算法来实时确定最急迫的信息,考虑关键词、观点和其他定制化领域。最终的结果是社交媒体数据的洪水减少成可管理的溪流。公司能立即启动分流坏消息,帮助散布好消息,把简洁的信息分配给营销、销售、客户服务或者其他部门的人进行跟进。
跟踪整个信息量的变化。2013年9月2日晚上,关于英国航空的微博数量开始异常飙升。这个信息不是好的。不满的TwITter用户Hasan Syed生气自己的行李被航空公司丢了,发布了一个信息,不要乘@英国航空,他们的客户服务糟糕透顶。他不是把这个微博发给他的粉丝,而是把这个信息发给了纽约和英国的大约50000个其他用户,这两个地方都是英国航空的主要市场。
难以置信的是,英国航空的员工最后看见这个信息,并且姗姗来迟企图用道歉来灭火。这时,这个故事已经从社交媒体升华了,在大西洋两边的新闻载体传开了,从BBC到《时代》杂志。
用一些很简单的分析工具,在这个事件中的许多麻烦都能避免。社交媒体信息量的变化,像英国航空经历的,经常暗示有特别意义的事情出现,或好或坏,比如这个事件。当任何在活动异常出现时,可以设置警报来管理公司名字提及和其他关键词和问题警告电子邮件。这能使企业走在PR灾难之前,处理关注,阻止问题发酵失控。
植入自动跟踪情绪的工具。回到2009,一个小鼻屎给达美乐Pizza带来一个大问题。一个员工拍了一张工作时抠鼻子的视频,并上传到YouTube上。可以想象,在这段视频被撤下钱,这个脚本泛滥了,至少被看了一百万次。对于达美乐而言,这个视频和接下来的海啸,出现在从《纽约时报》到NBC这样的媒体上,把这个故事变成了鼻屎门,把已经很低的顾客评级又拉下不少。
为了反击,达美乐改变了菜谱,提供退钱保证,并设立一个网站,就餐者能上传他们食品的真正影像。在此期间,他们追踪社交媒体上的公众意见的变化,以便来调整他们推广每个方面的调调。最终,这个几百万美元的我的过错成为一个戏剧化的成功。美国地区的销售在推广之后的一个季度增长了14%,并且在接下来的一年,股价飙升了75%。
今天这种细微的性感追踪能即可实现。社交分析软件,这种软件能扫描自动上千上万信息的文本,来揭示积极情绪、负面情绪和中立情绪的分享。这样就给企业一个实时的窗口来观察如何感受他们产品、品牌、竞争对手,或者任意关键词组合。
通过不断监控搜索词,品牌能明白对于事件的内外舆论反应如何变化,企业能相应地转变策略。
选择能展现出时髦报告的软件。寒冷天气不是西南航空在近些年面对的唯一PR挑战。一次一个飞行员无意丢下一个收音机,里面以同性恋数落他的空乘人员充满了整个德州领空。整个事件吸引了超过1万社交媒体的提及。那是在机身飞行中有一个时间空挡,当事件发生时,乘客用免费的WI-FI来微博整个事件。
然而,尽管这些,西南航空可以避免这些伤痛。事实上,在2013年航空质量评级中,这家公司排名第一。一大部分,无疑必须面对航空公司的充满激情的社交媒体社区,这个社区有1.6百万的TwITter粉丝,以及4.2百万的Facebook的喜欢者。西南航空的社交业务和倾听团队花了多年培养和扩大了这个社区,改善了航空公司的曝光率,提升了忠诚度,并帮助了它成长,尽管有偶尔的PR失误。
然而,对公司高管在结果上的无情关注,交流社交媒体的价值不总是容易的。深深的怀疑主义在许多高管中持守,他们认为TwITter和Facebook代表着少有趣味的宠物视频,或者最多就是社交的软工具而已。
分析提供了一种解药。现在的工具包括高级回报功能,能拿出董事会需要的图表,追踪品牌全部曝光的变化和随时的性感变化,以及面对竞争对手的比较增长。利用这些可视化的帮助,营销和社区团队能展现给平静心态的高管,社交媒体确实对业务有意义。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16