京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据如何建立企业竞争力与重塑竞争环境(1)_数据分析师
科技进步让各种先进的分析方法走入了寻常企业。“大数据”日益成为企业高管层津津乐道耳熟能详的字眼,但在把握大数据所蕴涵的商机方面,大多数企业的努力还 仅仅停留于“表面功夫”。 在他们眼中,大数据等同于“3V”:数量(volume)、多样性(variety)、速度(velocity),却常常忘了关注另一个最重要的“V”– 价值(value)。对全球企业开展了深入的研究,分析了大量成功与失败案例,从中总结出把握大数据机会的五个重要路径以及企业起步可采取的三个步骤。
如何定义大数据
我 们将以北美一家零售商的故事来阐述大数据的含义。该公司在北美的销售活动非常活跃,销售的产品总数达到3万多种,不仅如此,产品的价格也随地区和市场条件 而异。最让高管头疼的是定价促销策略。由于产品种类繁多,成本的变化异常频繁,一年之中,变化可达四次之多。结果就是,这家零售商每年的调价次数高达12 万次。处理定价促销的复杂之处,是它不只是受成本驱动,还有宏观经济、市场竞争、品牌定位、消费者心态等所影响。由于定价直接影响公司的利润率,高管决心接下挑战,组成了一个11人的团队,希望透过分析消费者的购买记录和相关信息,提高了定价的准确度和响应速度。定价团队的分析其实就是围绕着大数据的三个关键维度上:
•数量(Volume):团队需要分析海量信息。他们收集了上千万的消费者的购买记录,透过从客户不同维度分析,希望尽可能微分客户,了解客户对每种产品种类的最高接受能力,从而为产品定出最佳价位。
•多样性(Variety):团队除了分析了购买记录这种结构化的数据外,他们也非常聪明的利用社交媒体发帖这种新型的非结构化数据。由于消费者需要在零售商专页上点赞或留言以获得优惠券,团队利用情感分析公式来分析专页上消费者的情绪,从而判断他们对于公司的促销活动是否满意,并微调促销策略。
•速度(Velocity):为了实现价值最大化,团队对数据进行实时或近似实时的处理。他们成功地根据一个消费者既往的麦片购买记录,为身处超市麦片专柜的他/她即时发送优惠券,为客户带来便利性和惊喜。
透过这一系列的活动,团队提高了定价的准确度和响应速度,为零售商新增销售额和利润数千万美元。
这个故事跟BCG对大数据的定义也是相当吻合,重点都是放在最终的价值创造。我们对大数据的定义是:“在可控的经济成本下,企业可获取、分析并解读日益庞大且复杂的数据,让企业在价值创造方面实现跨越式的转变。"
我们也可以换一个角度来看看大数据的演变,那就是科技进步所推动的数据多样化和复杂化。在 很久以前,企业只会在他们的企业资源规划(ERP)系统中记录公司的采购和订单数据。 随着”以客户为中心“经营理念的日渐兴起,客户关系管理(CRM)系统应运而生,帮助企业收集客户的采购行为和偏好。此后,互联网时代的蓬勃发展为网络活 动和网络交易提供了足够的动力;互联网这一新的渠道,为企业带来了更多元化的客户数据。现在,随着移动装置、社交媒体、云服务以及“物联网”的大面积发 展,又涌现出了越来越多的原始数据和非结构化数据可供收集,包括定位数据、社交数据以及行为数据。可以说,大数据就是交易类、互动类以及观察类数据的总和。
大数据行业的发展趋势
目前,大数据行业可谓各类机构众多,既有基础设施、数据库以及分析技术等下游机构,也有应用类、商业情报等上游机构。
估计2012年大数据行业总值预计达100亿美元,年均增速约为40%。到2015年,这一市场的规模将扩大至270亿美元。硬件在大数据市场仍然占据最大的份额(35%),而软件企业和实施机构(如:系统集成商)也在快速成长中。
未 来,大数据行业将经历快速整合。大家是否还记得网络时代(dot-com)各类互联网咨询公司层出不穷的盛况?其中九成企业在短短数年内就夭折殆尽。相同 的剧情也有可能在所有大数据咨询机构身上重演。对企业而言,起步较早的机构可以获取客户洞察,取得先发优势。然而,就像是一场军备竞赛 – 用不了多久,大数据能力会成为所有企业的必备能力。这时候,整个行业又将站回到同一条起跑线上。
商机在哪里?
大数据领域的价值创造机会因行业而异。在零售业,先进的分析方法往往与战略相得益彰,涵盖促销增效、定价、门店选址、市场营销等多个领域。而在能源行业,大 数据的价值创造重点更体现在智能电表数据的使用以及对实体资产(如设备和工厂)的优化上。在金融服务业,大数据的应用则往往体现在风险评分、动态定价以及 为ATM和分行网点寻找最佳地点等方面。而在保险业,大数据的价值可能体现在防范理赔欺诈、优化保险金给付以及跟踪驾驶行为等方面。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21