文章摘录

Big Data In Practice

概览：大数据的10个应用。

资料来源：Bernard Marr 文章日期：NaN
原文链接：https://www.bernardmarr.com/default.asp?contentID=1076

01 Understanding and Targeting Customers 理解和锁定客户

大数据被用来更好地了解客户及其行为和偏好。公司热衷于利用社交媒体数据、浏览器日志以及文本分析和传感器数据来扩展传统数据集，以获得客户更全面的信息。在许多情况下，最大的目标是建立预测模型。

滑雪胜地甚至使用数据来了解和锁定他们的顾客。插入电梯票的 RFID 标签可以减少诈骗和电梯等待时间，还可以帮助滑雪场了解交通模式，电梯和跑步在一天中的哪个时间段最受欢迎，甚至可以帮助追踪一个滑雪者在迷路时的行动。如果你是一个滑雪爱好者，当你最喜欢的滑雪地上有新鲜的雪粉时，你会收到来自你最喜欢的度假地的定制邀请，或者当电梯队伍最短的时候，你会收到短信提醒。他们还把数据发给人们，提供网站和应用程序来显示你一天的统计数据，从你滑行了多少次到你穿越了多少垂直的脚，然后你可以在社交媒体上分享，或者用来与家人和朋友竞争。

02 Understanding and Optimising Business Processes 理解和优化业务流程

大数据也越来越多地被用于优化业务流程。零售商可以根据社交媒体数据、网络搜索趋势和天气预报来优化他们的库存。一个特别的业务流程是供应链或送货路线的优化，这个流程看到了大量的大数据分析。在这里，地理定位和射频识别传感器用于跟踪货物或运输车辆，并通过整合实时交通数据等优化路线。人力资源业务流程也在使用大数据分析进行改进。

例如，一家名为 Sociometric Solutions 的公司，在员工的姓名徽章上安装了传感器，可以检测工作场所的社会动态。这些传感器可以报告员工在工作场所的活动情况、与谁交谈，甚至还可以报告他们在交流时的语调。该公司的一个客户，美国银行，注意到它在呼叫中心表现最好的员工是那些一起休息的人。他们制定了集体休息政策，业绩提高了23% 。

你可能已经看到了你可以在手机、钥匙或眼镜上贴上的 RFID 标签，这些东西不可避免地会丢失，它们可以帮助你找到它们。但是，假设你可以把这项技术提升到一个新的水平，创造出可以贴在几乎任何东西上的智能标签。另外，它们能告诉你的不仅仅是物体的位置，它们还能告诉你物体的温度、湿度、是否在移动等等。

03 Personal Quantification and Performance Optimisation 个人量化和性能优化

大数据不仅适用于公司和政府，也适用于我们每个人。现在，我们可以从智能手表或智能手镯等可穿戴设备产生的数据中获益。以 Jawbone 的 Up 腕带为例: 臂带收集了我们的卡路里消耗量、活动水平和睡眠模式的数据。虽然它为个人提供了丰富的洞察力，但真正的价值在于分析集体数据。

在 Jawbone 的案例中，该公司现在每晚收集60年的睡眠数据。分析如此大量的数据将带来全新的洞察力，可以反馈给个人用户。我们从大数据分析中获益的另一个领域是找到真爱——这就是网络。大多数在线交友网站运用大数据工具和算法为我们找到最合适的匹配对象。

04 Improving Healthcare and Public Health 改善医疗和公共卫生

苹果最新的健康应用 ResearchKit 已经有效地将你的手机变成了一个生物医学研究设备。研究人员现在可以创建研究，通过这些研究，他们收集数据，并从用户手机中输入数据，为健康研究汇编数据。你的手机可能会追踪你一天走了多少步，或者提示你回答化疗后的感觉如何，或者帕金森病的进展情况。人们希望使这个过程变得更加简单和自动化，这将极大地增加一项研究能够吸引的参与者的数量以及数据的保真度。大数据技术已经被用于监测早产和生病婴儿的专业单位的婴儿。通过记录和分析每个婴儿的每一次心跳和呼吸模式，该小组能够开发算法，现在可以在任何身体症状出现前24小时预测感染。这样，研究小组就可以及早介入，在每时每刻都很重要的环境中拯救脆弱的婴儿。

更重要的是，大数据分析使我们能够监测和预测流行病和疾病爆发的发展。将医疗记录数据与社交媒体分析结合起来，我们就能够实时监控流感爆发，只需要听听人们的意见，即“今天感觉很糟——感冒卧床不起”。

05 Improving Sports Performance 提高运动成绩

大多数精英体育运动现在已经接受了大数据分析。我们为网球锦标赛提供了 IBM SlamTracker 工具; 我们使用视频分析来跟踪足球或棒球比赛中每个运动员的表现，篮球或高尔夫球杆等体育设备中的传感器技术允许我们(通过智能手机和云服务器)获得比赛的反馈以及如何改进它。许多精英运动队也在运动环境之外追踪运动员——使用智能技术追踪营养和睡眠，以及通过社交媒体对话来监测情绪健康状况。

已经开发了自己的应用程序平台，以帮助所有32支球队根据场上草地的状况、天气、以及大学期间个人球员表现的统计数据做出最佳决策。这一切都是以战略的名义进行的，同时也是为了减少球员受伤。我遇到的一个非常酷的新东西是一个智能瑜伽垫: 垫子中嵌入的传感器将能够提供你的姿势反馈，给你的练习打分，甚至指导你在家练习。

06 Improving Science and Research 提高科学研究水平

欧洲核子研究中心拥有65000个处理器来分析30pb 的数据。然而，它使用分布在全世界150个数据中心的数千台计算机的计算能力来分析数据。这样的计算能力可以用来改变许多其他科学和研究领域。大数据的计算能力也可以应用于任何一组数据，为科学家开辟新的来源。研究人员可以更容易地获取和分析人口普查数据和其他政府收集的数据，从而为我们的健康和社会科学创造更大、更好的图片。

07 Optimising Machine and Device Performance 优化机器和设备性能

大数据分析帮助机器和设备变得更加智能和自主。例如，大数据工具被用来操作谷歌的自动驾驶汽车。丰田普锐斯安装了摄像头、全球定位系统以及强大的计算机和传感器，可以在没有人类干预的情况下安全行驶。我们甚至可以使用大数据工具来优化计算机和数据仓库的性能。

能源公司在科罗拉多州博尔德市发起了首次智能电网测试，在用户家中安装智能电表，用户可以登录网站，实时查看自己的能源使用情况。智能电网理论上也允许电力公司预测使用情况，以便为未来的基础设施需求做计划，并防止出现供电中断的情况。在爱尔兰，杂货连锁店 Tescos 让其仓库员工佩戴臂章，臂章可以跟踪他们从货架上取下的货物，分配任务，甚至预测工作的完成时间。

08 Improving Security and Law Enforcement 加强安全执法

09 Improving and Optimising Cities and Countries 改善和优化城市和国家

大数据被用来改善我们城市和国家的许多方面。例如，它允许城市根据实时交通信息以及社交媒体和天气数据优化交通流量。许多城市目前正在试行大数据分析，目的是把自己变成智能城市，在那里，交通基础设施和公用事业流程都联系在一起。公共汽车会在那里等待晚点的火车，交通信号灯会预测交通量，并尽量减少拥堵。

加利福尼亚州长滩市正在使用智能水表实时检测非法浇水，并已被用于帮助一些房主减少高达80% 的用水量。这是至关重要的时候，该州正在经历历史上最严重的干旱和州长已经颁布了第一次全州范围的水限制。洛杉矶使用来自磁性道路传感器和交通摄像机的数据来控制交通灯，从而控制城市周围的交通流量(或拥堵)。这个计算机化的系统控制着城市周围4500个交通信号灯，估计已经减少了16% 的交通堵塞。

10 Financial Trading 金融贸易

What Is A Big Data Strategy

概览：数据已经成为最重要的商业资产之一，没有数据策略的公司不可能充分利用其数据资源。本文将介绍大数据策略的基本要素，并提供有用的模板来帮助您保持正确的方向。

资料来源：Bernard Marr 文章日期：NaN
原文链接：https://www.bernardmarr.com/default.asp?contentID=2086

01 What is Big Data? 什么是大数据？

甚至在计算机和数据库(如客户和交易记录)出现之前，就已经有了“数据”。然而，计算机使得通过电子表格和数据库访问和组织数据变得更加容易。计算机不再需要繁琐的纸质记录，而是通过点击鼠标就可以获得海量的数据。

这种爆炸式增长的原因在于，我们几乎每一次行动都会留下一条数字痕迹——我们在网上做的任何事情，我们购物和使用信用卡付款的时候，甚至是带着装有全球定位系统的智能手机在城里到处旅行，或是让我们家里的个人数字助理给我们预报或播放音乐。从制造商到零售商，企业通过传感器、交易等收集数据，然后必须利用这些数据和洞察力来获得竞争优势。

02 Big Data is Worthless Without a Big Data Strategy 没有大数据战略，大数据毫无价值

人们很容易放弃开发大数据策略，试图跟上生成的数据量。然而，直接投资数据分析和技术而不知道你的具体业务需要成功是误导。首先必须制定一个大数据战略，这样你才能最大限度地利用你的组织收集的数据。大数据战略阐明了数据在实践中将如何使用，以及实现特定公司目标可能需要哪种类型的数据。

03 Big Data Strategy 大数据战略

1. Data requirements:
   数据需求: 您需要什么类型的数据？它是否足够多样化？你将如何获取和存储它？
2. Data governance:
   数据治理: 这包括非常重要的考虑因素，如数据质量、安全性、访问权限、所有权、道德规范和组织内的数据隐私。
3. Technology:
   技术: 必须有适当的基础设施来支持所需的数据。一定要考虑数据的四个层次，包括数据的收集、存储、处理/分析和通信。
4. Skills and capacity:
   技能和能力: 如果你的组织在大数据技能或知识差距上挣扎，你并不孤单。然而，这可能会抑制你的大数据策略。模板的这一部分可以帮助您确定培训需求，以及是否需要外包或与其他数据专家合作以实现您的目标。
5. Implementation/change management
   实施/变革管理: 考虑可能影响大数据战略成功的其他挑战，比如缺乏领导层的认同。

   大数据战略模版下载：https://www.bernardmarr.com/default.asp?contentID=1838

How to define a Big Data Strategy

概览：一个全面的企业范围的大数据战略可以为企业提供市场上的显著竞争优势。然而，大数据战略不能被视为独立于组织战略之外的东西，应该被牢牢地嵌入。当我们讨论大数据战略时，这实际上意味着一个包含大数据的商业战略。

资料来源：Big Data Framework 文章日期：NaN
原文链接：https://www.bigdataframework.org/formulating-a-big-data-strategy/#:~:text=A%20Big%20Data%20strategy%20defines%20and%20lays%20out,benefits%20or%20Big%20Data%20actionable%20for%20the%20organization.

什么是大数据战略

大数据战略定义并规划整个企业的全面愿景，并为组织使用与数据相关或依赖数据的能力奠定基础。一个良好定义和全面的大数据战略使得利益或大数据可以为组织付诸行动。它列出了一个组织为了成为一个“数据驱动的企业”应该执行的步骤。大数据战略纳入了一些指导原则，以实现数据驱动的愿景，指导组织选择具体的业务目标，并且是整个企业数据驱动规划的起点。

大数据战略超越了组织边界。如果没有大数据战略，企业将被迫处理各种各样的数据相关活动，这些活动很可能是由不同的业务单位发起的。各个部门可能会启动自己的分析、商业智能或数据管理程序，而不考虑整体的长期战略目标。

大数据战略步骤

1. Define business objectives 定义业务目标
2. Execute a current state assessment 执行当前状态评估
3. Identify and prioritize Use Cases 识别和优先化用例
4. Formulate a Big Data Roadmap 制定大数据路线图
5. Embed through Change Management 嵌入变更管理

Step 1: Define business objectives 步骤1: 定义业务目标

为了在任何组织中利用大数据，首先必须充分了解企业的企业业务目标。是什么让一个组织成功？收入和利润通常是达到或超过业务关键绩效指标(kpi)的结果。在探索大数据技术和解决方案如何提高未来性能之前，先要了解一个组织是如何成功的。大数据战略应该与企业业务目标相一致，并解决关键的业务问题，因为大数据的主要目的是通过利用数据获取价值。实现这一目标的一种方法是与企业战略规划流程保持一致，因为大多数组织已经有了这一流程。

为了确定业务目标，关键业务涉众的参与是至关重要的。确保这些利益相关者从一开始就参与其中，并持续提供关键投入。

Step 2: Execute a current state assessment 步骤2: 执行当前状态评估

在此步骤中，主要重点是评估当前业务流程、数据源、数据资产、技术资产、功能和策略或企业。这个练习的目的是帮助对现有状态和期望的未来状态进行差距分析。例如，如果数据策略的范围是获得客户和潜在客户的360度视图，那么当前状态评估将包括任何业务流程、数据资产(包括体系结构、功能(业务和 IT)以及涉及客户的部门政策)。目前的状态评估通常是通过一系列的访谈来进行的，这些访谈涉及到客户的获取、保留和处理。

在这个阶段，确定和培养一些数据传播者也很重要。这些人真的相信数据在决策中的力量，并且可能已经在以一种强大的方式使用数据和分析。通过让这些人参与进来，征求他们的意见，在以后的阶段制定路线图就会变得更加容易。

Step 3: Identify and prioritize Use Cases 步骤3: 识别和优先化用例

在第3步中，想象一下预测分析分析、规范性分析和最终的认知分析(在第8章中进一步讨论)是如何通过开发与第1步的业务目标相一致的用例来帮助组织加速、优化和持续学习的。记录每个用例，以了解大数据如何实现业务目标，如下图所示:

定义良好的用例为定义大数据技术和解决方案如何实现业务目标提供了一种清晰有效的方法。在用例开发完成后，下一步是根据业务影响、预算和资源需求对所有用例进行优先排序。通过开展这项工作，企业可以确定哪些大数据举措提供了最大的业务价值。

优先化用例最有效的方法之一是使用优先化矩阵。优先次序矩阵有助业务及资讯科技持份者之间进行讨论及辩论，以确定启动大数据计划的「正确」用例 — 即既具有有意义的业务价值(从业务持份者的角度) ，又具有成功推行的合理可行性的用例。

Step 4: Formulate a Big Data Roadmap 第四步: 制定大数据路线图

考虑到期望的未来状态，路线图应该侧重于确定数据体系结构、技术和工具、流程，当然还有人员(技能、培训等)方面的差距。当前的状态评估和用例将为计划提供多个战略选项，下一个任务是根据复杂性、预算和潜在利益对这些选项进行优先排序。发起者和利益攸关方将在确定这些举措的优先次序方面发挥关键作用。这个阶段的最终结果是一个路线图，用于展开已优先化的大数据计划。

Step 5: Embed through Change Management 第五步: 嵌入变更管理

变革管理应该包括组织变革、文化变革、技术变革和业务流程变革。数据治理处理数据的可用性、可用性、完整性和安全性的全面管理，成为变更管理的关键组成部分。适当的激励措施和持续的衡量标准应该是任何变革管理计划的关键部分。

图书速读

《电商数据分析与数据化营销》

这本书由阿里巴巴商学院出版，比较细致的讲述了淘宝网店相关的内容和逻辑。缺点是全部使用淘宝的相关内容。不过另一方面也比较细致的还原了网店所需的数据和分析过程。里面有些数据可以进行参考和模拟，结构如下： C1 营销定义和传统营销的局限性 C2 电商领域需要参考的行业市场数据 C3 如何对竞品进行数据分析，优化自身品牌策略 C4 通过对人群数据进行分析，确定产品核心价值 C5 精准产品定位 C6 如何进行客户画像 C7 营销规划如何落地 C8 日常数据监控及解读 C9 数字化营销手段，如何从数据中发现洞察

书店和卖场的结合

来自日本的“茑屋书店”，在全世界实体书店开始衰落的背景下异军突起，开业一年多就被评为世界二十大最美书店之一。目前已经有1400多家分店，其在东京的门店，每月营业额达上亿日元（相当于600多万元人民币）。他们是如何提升消费者的客单价的呢？
传统书店的产品陈列是按照类别来的，历史类、文学类、科教类，书籍被人为地进行定性，而茑屋书店将相关的书籍和产品摆放在一起。例如，意大利食物菜谱的展示台上，书中介绍的意面、酱料等食材就在书的旁边，顾客可以和书籍一起购买；讲航空飞行知识的展台上，也会摆放着多个飞机、飞船的模型；烘焙类书籍会与小烤箱放在一起

目前西西弗书店也是这样的，非常喜欢的一家连锁店。

询单转化率

转化率可以细分为询单转化率和静默转化率，询单转化率就是来店铺咨询客服并最终下单的人数占来店铺咨询总人数的百分比，商家可以根据数据制作成询单转化率走势图。比如，一天之内有60个人来咨询客服，只有30个客人下单购买，那这位客服的询单转化率就是50%。因为来咨询客服的客户都是有一定购买意向的，所以询单转化率数值一般都比较高，而客服带来的量在整体的销量中占有很大的比重，所以询单转化率数据的重要性不言而喻。

是否可以根据客服上班周期，来发现明星克服，也就是说询单转化率较高的客服。不过还有可能客服是同一个账号，由于有周期性就不太好分析。

渠道分析

在监控了每月整体的访客数之后，商家还要对该月的流量渠道的数据进行监控，分析每个流量渠道的走势情况。通过百分比数值可以清晰地看到每种流量的变化情况，手淘首页在下单买家数中上涨了40.82%，说明近期手淘首页数据表现较为不错，如果要确保手淘首页流量的持续稳定，近期要对手淘首页的数据进行维护，以保证流量的稳定增长。

营销数据监控

在日常营销过程中，商家每天都会对店铺生意参谋中的数据进行观察并统计汇总，在统计的过程中可以对比今日实时数据和往日的数据，以便第一时间找出问题所在，并且第一时间进行处理。在团队的日常运营过程中，如果能在第一时间找到异常数据的负责人，将大大提高团队的管理效率。在团队的运作过程中，每个岗位所涉及的数据板块都有所差别，作为管理层不可能对每一个岗位的工作任务进行具体的监督，所以在监控店铺的数据的时候就可以从店铺的异常数据板块来切入，找出团队目前存在的问题，这样可以大大提高团队的管理效率。

资金分析

在营销资源中很重要的部分就是资金，日常推广过程中的广告费用、人工费用、场地费用等，都需要有充足的资金投入。在做营销规划之前商家需要对自身资金情况有非常准确的认识，了解在该项目的运营过程中最多可以投入多少资金。同时，在营销端，商家需要考虑如何分配资金，在哪些项目需要投入大部分资金，在哪些项目需要投入小部分资金即可；以及哪些项目能够自收自支，哪些项目效果不佳，需要调整策略方案。

第一次感受到资金分析对淘宝网店的重要性。淘宝各种展示单价挺贵的。

RFM

什么是RFM？简单地说，R就是客户最后一次购买到现在的时间，F就是客户购买的频次，M就是客户购买的金额。商家通过RFM可以比较全面地绘制客户画像，例如：

• 根据客户购买时间R这个维度，某家食品店将客户分为以下4种类型：

① 活跃客户，R≤90天。
② 沉睡客户，90天＜R≤180天。
③ 预流失客户，180天＜R≤360 天。
④ 流失客户，R＞360天。

• 根据客户购买频次F这个维度，此店铺把客户分为以下4种类型：

① 新进客户，F=1次。
② 回头客户，F=2次。
③ 忠实客户，F=3次。
④ 粉丝客户，F≥4次。

• 客户购买金额M维度分为客户平均每次购买金额和客户累计购买金额。客户购买次数越多，平均每次的购买金额就越高。通过分析客户消费心理我们可以很好地理解这种现象：客户在第一次购买时，对商家、商品、售后等各种情况都不太了解，这时候心里总会不踏实，往往是因为有需要、促销活动或是产品的某个卖点激发了他们的购买欲望，但是由于缺乏信任基础，他们一般不敢多买，大多数只会尝试性购买。

  客户画像常见维度和度量指标

  商家进行客户画像时，需要从营销需求出发，梳理出画像的维度、度量指标及表达特征或形式。
  对客户画像常用的维度有：购买时间（R）、购买次数（F）、购买金额（M）、地域（国内外）、来源（一级、二级、三级）、性别、年龄、平台（指移动端平台、PC端平台）等。
  通常使用不同的维度对客户进行描述时，采用的度量指标也是不同的，下面我们介绍一些用于描述客户的常见度量指标。
  ① PV：也叫页面浏览量，即页面被查看的次数；如果客户多次打开或刷新同一个页面，则用该指标值累加计算即可。
  ② UV：也叫访客数，即全店各页面的访问人数，在所选时间段内，如果同一访客多次访问进行去重计算即可。
  ③ 浏览回头客户数：即最近7天内跨天再次浏览的客户数；对于当天回访的客户数，在所选时间段内会进行去重计算。
  ④ 平均访问深度：访问深度是指客户一次连续访问店铺的页面数（即每次进店浏览的页面数）；平均访问深度即客户平均每次连续访问浏览店铺的页面数。
  ⑤ 成交客户数：即成功拍下商品并完成付款的客户数，按付款时间统计。
  ⑥ 成交金额：即成功完成付款的金额，按付款时间统计。
  ⑦ 转化率：其计算公式为转化率=（成交客户数/UV）×100%。
  ⑧ 客单价：其计算公式为客单价=成交金额/成交客户数。
  ⑨ 成交回头客户数：曾在店铺发生过交易并再次发生交易的客户被称为成交回头客户，在所选时间段内要进行去重计算（生意参谋的统计标准为最近一年再次成交的客户算回头客）。

  电商营销需求

  我们经常说，商场如战场，其一方面是指同行之间的竞争关系；另一方面是指要赢得客户的认可，并让其忠于品牌，也就是要长期“捕获”客户。商家在各种营销活动中都要对目标客户进行精准营销，利用有限的营销资源　“捕获”更多的目标客户。商家要做到精准捕获，获得客户的“情报”尤为重要。所以，客户画像在很大程度上就是客户地图、客户情报；有了客户画像，商家的营销才能做到精准。对电商企业而言，在整个数据化营销过程中，需要解决的四大核心问题是流量、转化、客单价和复购率。
  ① 流量
  ② 转化
  ③ 客单价
  ④ 复购率