京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据成为新老零售企业转型新动力_数据分析师考试
很多企业已经意识到,数据会成为企业的重要资产。但事实上,很多企业都守着一堆数据而不知所措,如何让数据成为取之不尽的“金矿”,成为摆在企业业务部门以及IT部门面前的重要命题。
接下来,让我们看看两家零售企业如何从纷繁复杂的数据中,找到自己新的发展机遇。
Esty:以AB测试指导业务决策
对手工艺电商平台Esty来说,上线大数据分析平台是一项巨大的尝试。负责Esty数据分析平台的Thomas表示:Esty每天产生的数据量极大,他们不可能每周或每月才进行一次数据整理。Esty目前将数据放在AB测试里,以此来优化用户在网站的体验。
此前,AB测试不过是研发人员小规模测试的项目,但如今越来越成为业务部门与IT人员关注的重点。而AB测试的数据也越发的使用大数据相关技术,AB测试可以用于增加转化率注册率等网页指标。本质上是个分离式组间实验,以前进行AB测试的技术成本和资源成本相对较高,但现在一系列专业的可视化实验工具的出现,AB测试已越来越成为网站优化常用的方法,而且在云计算和诸如Hadoop大数据平台的帮助下,数据处理的成本已经变得非常低。
也正是在这样的背景下,AB测试走出研发实验室,进入到业务部门办公室,业务部门需要时刻通过AB测试的结果调整自己的业务决策,而这在Esty有很多尝试。
在一次偶然测试中,Thomas发现网站一个本该受欢迎的页面却无用户响应,她和她的团队想知道其中的缘由。进一步调查后,他们发现这个网页的响应次数非常少。Thomas回忆道:“用户在这个页面上可以搜索、购买,我们进一步想到:是不是再增加些项目。”
利用AB测试的结果显示,用户更喜欢点击卖家店铺网页顶上的图片,这些图片都经过算法优化推荐生成。Thomas表示,测试中,网页浏览量和店铺互动量都有提升。测试的结果不仅仅是拥有了衡量特定网页的维度,更重要的是,通过测试让Esty团队了解到用户的习惯,并更好地影响用户行为。
Esty的AB测试也开始应用在该公司的邮件营销频道。在一封邮件的顶部,Thomas团队设计了一个响应式的功能,用于确认用户的邮箱地址,测试结果同样喜人,大约40%的用户都确认了自己的账户。
更重要的是,Esty的IT团队认为,他们更在乎数据质量。而且,他们会把数据块进行分割划分,从而进一步筛选出有质量的数据。Thomas进一步谈到,Esty的数据哲学不仅仅是为了取悦股东,更是为了让买家和卖家都有极致的体验。
LL Bean:百年老店的数据转型
LL Bean是一家有着102年历史的零售企业,这家位于缅因州的企业一直保持与时俱进。在新一轮转型中,LL Bean的驱动力不仅是技术,还包括文化因素。该公司直销业务副总裁Chris wilson说:目前我们已经拥有30多个市场渠道。
和其他零售商类似,LL Bean也希望随时随地与消费者互动,并提供可定制化的服务。但真正实施起来却有很多挑战。Wilson告诉记者:“目前最大问题是无法全面知晓用户的访问路径。所以现在我们得出的一些结论都是概率性的。”
除了数据量,LL Bean也希望让自己的数据处理速度变得更快。Wilson承认,现有的一些非结构化数据在那些传统的IT系统里处理起来非常糟糕。
LL Bean后来采用来自Rich Relevance的产品,这是一家基于Cloudera Hadoop的个性化数据服务提供商,该公司已经为诸如沃尔玛、塔吉特等大型超市提供服务。再采用Rich Relevance的产品后,LL Bean的用于用于营销的数据增长了2倍之多,而这些数据足够让LL Bean老旧的IT系统处理几十年,但借助云计算技术,这一切都变得异常简单。
数据收集仅仅是LL Bean大数据项目的一个步骤,接下来,按照Wilson的想法:“我们希望抛弃掉过去几十年来决策机制,全面通过数据来指导公司内部的一切决策”。Wilson的目标是建立一个去中心化的机制,在这种机制指导下,公司在用户体验优化、数据处理以及内容构建上都依靠数据支持。Wilson认为,只有这样才能适应快速变化的商业世界。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16