大數據怎麼解決大問題

如今,大數據已成為一項業務上優先考慮的工作任務,因為它能夠對全球整合經濟時代的商務產生深遠的影響。下面是小編分享的，歡迎大家閲讀!

研究表明,72%的企業首選大數據應用需求是基於客 户行為分析的大數據營銷,其次產品創新、風險預測、供應鏈管理、客户服 務等也是企業優先考慮的大數據應用。

　　提升客户洞察力

傳統的拍腦袋的決策方式和營銷手段,對大數據時代消費模式的戰略決策 已經不再那麼適用,尤其是越到後來,市場、媒體、渠道成本就越高,企業所 換取的收益越來越少。那麼,如何才能在新時代裏,尋找到投資和回報的平衡 點,就需要利用大數據去預測消費者的行為,提高其購買力,從而獲得利益。

大數據的核心就是預測,大數據能夠預測體現在很多方面。大數據不是 要教機器像人一樣思考,相反,它是把數學算法運用到海量的數據上來預測 事情發生的可能性。正因為在大數據規律面前,每個人的行為都跟別人一 樣,沒有本質變化,所以商家會比消費者更了消費者的行為。

沃爾瑪是數據挖掘分析領域的先行者,建立了全新超大數據中心,利用 大數據技術和方法使得自己可以更好地優化物流、商品陳列和價格,還能夠 對客户行為做出預測,巧妙利用顧客數據實現盈利增長的有效經驗,推出有 前瞻性的促銷。相類似的是,銀行業、航空業、汽車業而今也在使用大數據 技術和方法來推進營銷預測,這些行業中也不存在所謂線上渠道和線下渠道 之爭,企業可以根據規劃需要靈活投入,並捕捉實時數據進行動態調整。

《大數據變革:讓客户數據驅動利潤奔跑》一書的作者指出,包括已知行 為動機和必要的實際客户行為數據的細粒化市場圖景,可以為企業提供更廣泛 且有數據支持的客户價值理解,企業將可能因此實現恰當的、有針對性的向上 和交叉銷售,促成替代效應,縮短客户數據反饋至研發和製造等環節的週期。 客户數據帶來更多的客户價值,指的是數據能夠幫助企業較為精準地找到單個 客户層級所處的市場,留住客户,促進客户的推薦,降低營銷成本。

Automercados Plaza’s是委內瑞拉的一個家族式食品連鎖店,擁有超過6TB 產品和客户數據,分佈在不同系統和數據庫中。因此,公司難以輕鬆地評估每個商店的運行情況,而且高管 知道他們需要從數據中獲得 寶貴的洞察力。

Automercados Plaza’s公 司CIO Jesus Romero説:“在 定價、庫存、銷售、配送和 銷售方面,我們面臨着嚴重 的混亂。我們擁有近2000萬美 元的庫存,而且我們追蹤不 同系統中的相關信息,並且 手動進行編輯。我們需要一 個整合的視圖,以確切地了 解我們擁有什麼。”

通過整合企業內的信息,這家食品連鎖店的收入增加了近30%,年利 潤提高了700萬美元。Romero先生將這些成績歸功於更好的.庫存管理以及更 快適應不斷變化的市場形勢的能力。例如,公司避免了大約35%的產品的損 失,因為公司能夠提前安排降價,在食物變質前將其銷售出去。

　　重構商業模式

一些成熟的企業可能會發現他們很難擺脱根深蒂固的做事方式,而初創 企業卻有能力創造新的商業模式。

免費數據收集器和聚合器:社交數據流服務提供商Gnip公司,通過 各種渠道收集數據,大部分都是免費的,然後對數據進行過濾和完善,並根 據客户需要的格式向他們提供數據。

數據分析服務:這些公司通常為客户提供分析數據的服務,這些數 據通常是由客户提供的。例如Sendify公司,為企業提供實時的調用者情報, 所以當有電話打進時他們看到打電話的人的很多相關的附加信息,這會幫助 企業增加他們的銷售機會。

數據生成和分析:公司通過眾包、智能手機或其他傳感器生成自己的數 據,他們也提供分析服務。這個例子包括GoSquared Mixpanel和Spinnakr公司, 他們通過使用一個跟蹤代碼在他們客户的網站上收集數據,分析數據並使用web界面提供報告。

免費數據知識發現:這個模式是免費提供數據和分析。例如,Gild公司通過自動評估應聘者發佈的代碼並進行打分,來幫助企業招聘開發人員。

數據集成服務:這些公司從多個內部源獲取數據並對數據進行彙總, 然後通過一系列用户友好、通常是可視化界面,將結果反饋給用户。在教育領域,從多個教育項目和網站彙總的數據時刻幫助教師監控學生的表現。

多源數據混聚和分析:這些公司將客户提供的數據進行彙總,大多是 免費的數據源,並對客户數據進行分析,以豐富或基準數據。例如welovroi是 一個基於網絡的數字營銷公司,監控和分析工具能夠使企業跟蹤大量不同指標。它還能集成外部數據,並保證營銷活動的成功的基準測試數據。

　　助力精細化運營

好產品是運營出來的,互聯網產品需要不斷運營、持續打磨。產品運營 的目的是為了擴大用户羣、提高用户活躍度、尋找合適的商業模式並增加收 入。成功的互聯網運營要做到精細化運營,成功的精細化運營需要大數據支 撐。大數據和互聯網思維在此方面關聯度最高。所以,企業在大數據的應用 場景上,一定是要優先考慮如何通過大數據進行精細化運營,以驅動更好的 運營效率和效果的提升。

欺詐是全球各地的保險公司面臨的一個切實挑戰。無論是大規模欺詐, 例如縱火,或者涉及到較小金額的索賠,例如虛報價格的汽車修理賬單,欺 詐索賠每年可使企業支付數百萬美元的費用,而且成本會以更高保費的形式轉嫁給客户。保險公司不斷應對欺詐,但法律訴訟和私人調查等傳統方法不 僅費時,而且要支付高昂的費用。

作為南非最大的短期保險提供商,Santam切實感到保險欺詐的嚴重性。 欺詐損失佔Santam客户每年保費的6%至10%。欺詐還有另外一個後果——運 行效率低下。由於代理必須處理並調查高風險和低風險索賠,所有索賠至少 需要三天才能解決,而且Santam開始感覺到,公司在客户服務方面的良好聲 譽在客户希望快速獲得結果的時代受到了損害。

通過採用先進的分析解決方案從收到的索賠中獲取數據,Santam有能力 及早發現欺詐,根據已經確定的風險因素評估每個索賠,並且將索賠劃分為 五個風險類別,並將可能的欺詐索賠和更高風險與低風險案例區分開。藉助 新系統,公司不僅節省了數百萬元的保險欺詐損失,而且顯著縮短了低風險 索賠的處理時間,最終使某些客户的處理在不到一個小時內即可完成。在實 施後的前幾個月內,Santam還發現了一個著名的汽車保險欺詐團伙。大數 據、預測分析和風險劃分幫助公司識別出了導致欺詐監測的模式。

　　企業如何推動大數據採用

受應對業務挑戰這一需求的推動,並且根據不斷進步的技術和數據不斷變化的特點,企業已經開始更深入地考察大數據的潛在收益。為了從大數據中獲取更多價值,IBM商業價值研究院為企業實施大數據舉措提供瞭如下的建議。

以客户為中心推動初始舉措

最初的大數據舉措必須注重能夠為企業提供最大價值的領域,這一點勢 在必行。對許多行業來説,這意味着從客户分析開始,通過真正瞭解客户需 求,並預測未來行為,從而為客户提供更好的服務。

全面數字化是有助於帶來大數據迅猛發展的一個推動力,已經改變了個 人和組織之間的力量平衡。如果企業希望瞭解並向有能力的客户和市民提供 價值,他們必須集中精力將客户作為個體進行了解。企業還需要向新技術和 高級分析能力投資,以更好地瞭解各個客户的交互和偏好。

但是,當今的客户 ——包括最終消費者或者企業對企業客户,需要的不 僅僅是瞭解。要想有效地培養與客户之間有意義的關係,企業必須以客户認 為有價值的方式與客户聯繫。

價值可能來自更及時、更明智或者更相關的交互;也可能來自於企業通 過改進底層運作而增強交互的整體體驗。無論來自何處,分析都有助於從大 數據中獲得洞察力,這對於在這些關係中達到這一深度日益重要。

制定整個企業的大數藍圖

藍圖包含企業內的大數據願景、戰略和要求,對於在業務用户的需求與 IT實施路線圖之間做到協調非常關鍵。它實現了關於企業如何利用數據改進 業務目標的一致理解。

有效的藍圖通過確定大數據適用的關鍵業務挑戰、規定如何使用大數據 的業務流程要求,以及包含實現該藍圖所需數據、工具和硬件的架構,從而 定義了企業內大數據的範圍。這是為指導企業以實用的方式,並以創造可持 續的商業價值為出發點,開發並實施大數據解決方案而制定藍圖的基礎。

從現有數據開始,實現近期目標

要實現近期目標,同時為持續開展大數據項目創造發展動力和專業知 識,企業必須採取實用的方法。我們的調研表明,要開始尋求新的洞察力, 最具邏輯性和性價比的地點就是企業內部。

從內部着眼允許企業利用現有數據、軟件和技能,提供近期業務價值, 並且在考慮提升現有的能力而處理更復雜的數據來源和類型之前積累重要的 經驗。大多數企業希望通過這樣做而充分利用現有存儲庫中的信息,同時擴 展其數據倉庫,以處理更大數量和更多類型的數據。

受應對業務挑戰這一需求的推動，並且根據不斷進步的技術和數據不斷變化的特點，企業已經開始更深入地考察大數據的潛在收益

根據業務優先級逐步建立分析能力

在世界範圍內,越來越多的分析工具使企業目不暇接,同時企業也面臨着分析技能的嚴重缺乏。大數據效率取決於消除這一巨大差距。簡言之,企 業必須獲取工具和技能。在這個過程中,隨着分析、功能和IT技能的完美平 衡,預計新角色和事業模式將會出現。

關注內部分析人員的專業發展和事業進步,他們已經熟悉企業獨特的業 務流程和挑戰,這應是業務高管的首要任務。同時,大學和個人自身(無論什 麼背景或專業)都有義務培養強大的分析技能。

基於可衡量的指標制定投資回報分析

制定綜合且可行的大數據戰略以及後續的路線圖需要可靠且可量化的投 資回報分析。因此,一位或多位業務高管積極參與並支持這一流程非常重 要。要實現長期的成功,強大、持續的業務和IT的協作同樣重要。

許多企業的投資回報分析基於以下可從大數據獲得的益處:

更聰明的決策-利用新的數據源提高決策質量;

更快的決策-實現更實時的數據獲取與分析,支持在“影響點”做出決策,例如在客户訪問您的網站或者與客户服務代表通電話時;

創造奇蹟的決策-使大數據舉措注重於那些能夠提供真正差異化的領域。

這些建議中有一個基本原則:業務和IT專業人員必須在整個大數據實施過程中通力合作。最有效的大數據解決方案首先確定業務要求,然後定製基 礎設施、數據源和量化分析,以支持該業務機會。