精华内容
下载资源
问答
  • 大数据业务应用场景

    2017-08-31 10:55:00
    大数据时代背景下,你可能会认为每个人都在做着同样的事情。如果不幸成为例外,那只能说明你已经落后于时代了。但是,对很多IT负责人来说,大数据仍然是一个全新的领域,不对其过分追求反倒可能是当下合理的选择。...

    “将数据转化为洞察”,这是不是很容易?在大数据时代背景下,你可能会认为每个人都在做着同样的事情。如果不幸成为例外,那只能说明你已经落后于时代了。但是,对很多IT负责人来说,大数据仍然是一个全新的领域,不对其过分追求反倒可能是当下合理的选择。

    关于大数据的应用在各行各业俯首皆是。比如,零售行业通过将购物偏好和位置信息相结合,为客户提供更加个性化的服务和商品;或者,制造业通过预测分析来提升运维水平。

    基于飞行实时数据,发动机制造商对维护时间点和飞行性能进行评估,而后为航空公司提供创新的租赁和服务合约。

    超市很早以前就通过天气预报数据来决定冰淇淋和烧烤食物的上架时间。现在,业者开始基于客户忠诚度计划搜集的购物习惯数据,决定在第二天什么时间点提供那些易腐烂的商品。

    在这些案例中,无论数据是结构化还是非结构化,分析的最终目的都是相同的:提升销售或降低成本。

    但是,如果不在大数据上进行投资,会发生什么情况呢?也许,你很聪明,并且已经知道该在哪里进行投资以获得竞争优势和丰厚利润;或者,机缘巧合,你的成功来自于竞争对手的失误。

    如果属于第一种情况,本文对你毫无意义,你已经掌握了制胜之道。如果是第二种情况,我的建议是,继续阅读本文,思考在大数据上的投入将会给企业带来什么改变。

    需要考虑的问题

    下面这几个简单的问题将有助于你判断是否该在大数据上进行投资:

    ·基于企业现有的数据,你是否能产生出新的洞察?
    ·从IT的角度,结合业务数据是否能提升企业的效率?
    ·以一个客户的角度出发,考虑企业是否能更好地为你服务,提升你的效率,让CFO不再愁眉苦脸?
    ·对于同行业或者其他行业那些宣称通过大数据取得成功的企业,你是否会感到嫉妒?

    如果你的同事(比如首席营销官)很快就会来问你是否具备大数据方面的能力,你会不会感到担心?如果答案是否定的,依据是什么?

    对于上述问题中的任何一个,如果你的答案是肯定的,那么也许就应该考虑以下几个方面:

    投资规划

    挖掘大数据的应用场景与其他新技术的投资并无二致。驱动因素?风险忍受度?改变现状后的预期结果?能挖掘什么新的价值,其中有形和无形价值的比例各是多少?

    以上问题中,没有任何一个是决定性的。但是所有问题放在一起,就足以形成最终的投资决策。如果事关新兴的理念,供应商和顾问们会竭力想在新领域打出名声,你可以好好利用这一点。

    当新技术在各个行业分块或业务链条上的应用还不充分时,供应商和系统集成商会更愿意在商业开发上进行投入,这就为你尽可能降低成本提供了机会。

    合作伙伴选择

    为什么只挑选一家合作伙伴?同时引入多家合作伙伴对同一组数据进行挖掘,这在业界已经有诸多正面的案例。各家合作伙伴之间会进行真正的竞争,从自身视角出发分析数据。在这种情况下,客户通常会得到数个不同的结果,其中任何一个都可能是真正的洞察。

    但是,当你期望最终获得有形价值时,要做好准备面对各种意想不到的结果。

    对各类结构化数据的可视化无疑会对决策有所帮助。可视化能够让数据变得更加容易理解,提升附加价值。然而,当把同样的结构化数据与非结构化数据以及具体的上下文相结合时,真正的洞察才会产生。

    要鼓励你的大数据供应商打破传统思维,向你展示之前从未想象过的结果。尽管实际工作完成之前无法预测是否能带来价值,但是这至少能让你从全新的角度去思考业务。一旦获得了新的视角,你将从此脱胎换骨。

    原文发布时间为:2014年05月29日
    本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
    展开全文
  • 第3章 运营商大数据业务 3.1 运营商常见的大数据业务 3.1.1 SQM(运维质量管理) 3.1.2 CSE(客户体验提升) 3.1.3 MSS(市场运维支撑) 3.1.4 DMP(数据管理平台)
    第3章 运营商大数据业务
    3.1 运营商常见的大数据业务
    	3.1.1 SQM(运维质量管理)
    		一个电话或者用户一个上网行为的成功发生,对于整个运营商来说,经过了很多种类,很多台设备才能一起完成。
    		通过大数据技术,不仅可以收集全网的各台设备的数据,而且可以收集设备的原始数据,监控和计算出"播放成功率","缓存延时",“停顿频次”等指标,
    	就可以知道整个业务的质量如何。
    
    	3.1.2 CSE(客户体验提升)
    		1.通过对用户语言,短消息,流媒体等业务进行分析。定位到用户的哪个业务,哪类事件,哪个区域发生了问题,并呈现出单个用户的活动轨迹,定位失败位置,以及对
    	失败原因进行详细分析,为维护分析人员进行业务问题提供详尽的依据。
    		2.可以针对vip用户,以全网为监控对象,对反映vvip用户的kpi指标进行1分钟粒度的实时数据监控,帮助运营商实时了解vvip用户的业务质量。以全网为监控对象,
    	对反映用户群的kpi指标进行5分钟粒度的数据监控,并提供历史业务数据的失败分析,帮助运营商及时发现问题。
    		3.针对整个用户群,可以分别展示CS,PS等业务质量的总体情况,支持以不同维度对失败业务进行分析,并支持对异常原因进行分析,为保证用户/用户群的业务质量提供
    	有力的数据支撑。
    		4.针对客户漫游专门进行监听。实时监控漫入/漫出客户数,对漫游的质量进行分析等。
    
    	3.1.3 MSS(市场运维支撑) 
    		离网分析是通过按照客户群和客户来统计用户的业务数据,在定制报表服务器中对数据进行简易的模型计算,给出用户业务评分和质差事件评分,更好的帮助运营商及时预测
    	用户离网倾向。主要用到,数据挖掘技术,通过建模,从数据中挖掘出用户离网倾向的主要原因,以及指导后续改进。
    
    	3.1.4 DMP(数据管理平台) 
    		数据变现是通过DMP来实现的。
    		dmp 是把分散的第一,第三数据进行整合,纳入统一的技术平台,对这些数据进行标准化和细分,让用户可以把这些细分结果推向现有的互动营销环境中。dmp核心元素如下:
    		1.数据整合及标准化能力:采用统一的方式,将各方数据吸纳整合
    		2.数据细分管理能力:创建出独一无二,有意义的客户细分,进行有效的营销活动
    		3.功能健全的数据标签:提供数据标签灵活性,便于营销互动使用
    		4.自助式的用户界面
    		5.相关渠道环境的连接

     

     

     

     

     

     

     

     

     

    展开全文
  • 省联通政企部 产业互联网公司 省信导&省数字内 容创新发展部 信息化部统筹管理大数据业务运营,主要包括:参与预算规划、协调总部及各地市分公司进行业务管理、参与标准资费制定及商务政策审核等,并协助推进特定...
  • 很多大数据的从业者,都清楚的知道,在大数据公司里,或者是大数据的项目里,都设有独立的数据部门,而且如果部门内的的人员规模足够大的话,还会进一步考虑划分成几个小组,比如BI、大数据、数据产品和UED,甚至还...

    很多大数据的从业者,都清楚的知道,在大数据公司里,或者是大数据的项目里,都设有独立的数据部门,而且如果部门内的的人员规模足够大的话,还会进一步考虑划分成几个小组,比如BI、大数据、数据产品和UED,甚至还可能会有数据挖掘组、爬虫组。大家各尽其责,在自己的岗位上相互独立的去工作,虽然经常会遇到「数据项目」需要大家一起协作完成,但却很少有人彻头彻尾的去了解整个项目中的数据迁移,顶多也只是任务之间的对接而已。

    如果每个人都只扮演着流水线上的一颗螺丝钉,那这种半封闭式的工作流程到底好不好呢?

    我认为,如果站在「数据项目」敏捷开发的角度,让所有人都只专注自己熟悉的技术领域,短期内这或许是一件好事。但是长期下来,从项目的质量和创新来说,不见得是一件好事,因为认知的局限性,很难有人去全方位把控「数据项目」的方向和深度,从而导致同质化的数据产品一大堆,但都普遍缺乏创新性,也谈不上价值。同时从个人的成长进阶来看,弊肯定大于利。

    别让「局限」蒙蔽了你的双眼,让你失去了无限的想象空间,也让你很难去最大化输出个人价值。

    如果ETL工程师不懂业务的话,那么他就只是一个工具罢了,由业务人员提供需求和逻辑,他只负责加工数据,但却很难去验证数据的准确性,更别谈理解数据质量。

    如果数据分析师不懂技术的话,那么他就只是在玩转小数据,由业务人员提供需求和表源,他就负责写SQL去分析数据。但他常常会把简单的SQL语句写得巨耗时,也不懂得去挖掘数据背后的意义,更别谈去做深度分析。

    如果数据产品经理不懂的数据和技术的话,那么他就只是在天马行空,一切的构思都源于竞品分析,他就负责去完成功能堆积。但他却不理解功能背后的技术细节,也不懂得数据价值如何去落地,更别谈去推动产品运营。

    而这些「如果」,并不是「假设」,而是实际发生在我们身边,无时无刻不引起注意的案例。

    自从部门对外开放了「数据查询平台」给业务运营人员和数据分析人员使用以后,总是会在后台看到几百~上千行的SQL语句,先不谈运行效率,这语法逻辑跑出来的数据,其准确性都值得质疑,还如何谈后续的深度分析工作。

    曾经还有一位数据产品经理在规划智能营销产品时,凭空堆积了很多无脑的功能,不去解决「效果跟踪分析」,反倒是列举了一些没价值的数据指标做大屏展示。还有所谓的「数据管理」、「模型训练」,都让你无法直视。根本不知道他在解决什么痛点需求,所以后续就不带一起玩了。

    所以说,我一直在提倡大家要致力成为「综合性数据人才」,这也是未来市场上最紧缺的数据人才。而所谓的「综合」,并不是要求你在每一个数据环节都要专研很深,而是要让你在数据认知的广度上打破盲区,这样才能更好的服务于你所扮演的数据角色,更全面去理解数据的价值。

    就像数据挖掘工程师一样,你不能只关注数据建模的环节,如果你只把精力全放在「算法专研」和「算法调优」上,不亲自去了解底层数据,也不结合业务去做用户分析和数据清洗,甚至不去思考模型结果后的业务运营以及产品包装,那你就不能说是在探索「数据价值」了。

    总而言之,数据没有边界,你也不应该闭门造车,数据认知的广度和深度也是相辅相成的。

    展开全文
  • ​​​​​​​大数据业务分析基本步骤 ​​​​​​​明确分析目的和思路 ​​​​​​​数据收集flumesqoopkettle ​​​​​​​数据处理-ETLMapReduceSpark ​​​​​​​数据分析HiveSQLSparkSQL 数据...

    2021大数据领域优质创作博客,带你从入门到精通,该博客每天更新,逐渐完善大数据各个知识体系的文章,帮助大家更高效学习。

    有对大数据感兴趣的可以关注微信公众号:三帮大数据

    目录

    大数据业务分析基本步骤

    明确分析目的和思路

    数据收集 flume  sqoop  kettle

    数据处理-ETL MapReduce Spark

    数据分析 HiveSQL SparkSQL

    数据展现

    报告撰写

    部门组织结构


    数据业务分析基本步骤

    典型的大数据分析包含以下几个步骤:

    明确分析目的和思路

    明确数据分析目的以及确定分析思路,是确保数据分析过程有效进行的先决条件,它可以为数据的收集、处理及分析提供清晰的指引方向。

    目的是整个分析流程的起点。目的不明确则会导致方向性的错误。即思考:为什么要开展数据分析,通过这次数据分析要解决什么问题?

    当明确目的后,就要校理分析思路,并搭建分析框架,把分析目的分解成若干个不同的分析要点,即如何具体开展数据分析,需要从哪几个角度进行分析,采用哪些分析指标。只有明确了分析目的,分析框架才能跟着确定下来,最后还要确保分析框架的体系化,使分析更具有说服力。

    体系化也就是逻辑化,简单来说就是先分析什么,后分析什么,使得各个分析点之间具有逻辑联系。避免不知从哪方面入手以及分析的内容和指标被质疑是否合理、完整。所以体系化就是为了让你的分析框架具有说服力。

    要想使分析框架体系化,就需要一些营销、管理等理论为指导,结合着实际的业务情况进行构建,这样才能保证分析维度的完整性,分析结果的有效性以及正确性。比如以用户行为理论为指导,搭建的互联网网站分析指标框架如下:

    把跟数据分析相关的营销、管理等理论统称为数据分析方法论。比如用户行为理论、PEST分析法、5W2H分析法等等,详细请查阅附件资料。

    ​​​​​​​数据收集 flume  sqoop  kettle

    数据收集是按照确定的数据分析框架,收集相关数据的过程,它为数据分析提供了素材和依据。这里所说的数据包括第一手数据与第二手数据,第一手数据主要指可直接获取的数据,第二手数据主要指经过加工整理后得到的数据。一般数据来源主要有以下几种方式:

    数据库:每个公司都有自己的业务数据库,存放从公司成立以来产生的相关业务数据。这个业务数据库就是一个庞大的数据资源,需要有效地利用起来。

    公开出版物:可以用于收集数据的公开出版物包括《中国统计年鉴》《中国社会统计年鉴》《中国人口统计年鉴》《世界经济年鉴》《世界发展报告》等统计年鉴或报告。

    互联网:随着互联网的发展,网络上发布的数据越来越多,特别是搜索引擎可以帮助我们快速找到所需要的数据,例如国家及地方统计局网站、行业组织网站、政府机构网站、传播媒体网站、大型综合门户网站等上面都可能有我们需要的数据。

    市场调查:进行数据分析时,需要了解用户的想法与需求,但是通过以上三种方式获得此类数据会比较困难,因此可以尝试使用市场调查的方法收集用户的想法和需求数据。

    ​​​​​​​数据处理-ETL MapReduce Spark

    数据处理是指对收集到的数据进行加工整理,形成适合数据分析的样式,它是数据分析前必不可少的阶段。数据处理的基本目的是从大量的、杂乱无章、难以理解的数据中,抽取并推导出对解决问题有价值、有意义的数据。

    数据处理主要包括数据清洗、数据转化、数据提取、数据计算等处理方法。一般拿到手的数据都需要进行一定的处理才能用于后续的数据分析工作,即使再“干净”’的原始数据也需要先进行一定的处理才能使用。

    数据处理是数据分析的基础。通过数据处理,将收集到的原始数据转换为可以分析的形式,并且保证数据的一致性和有效性。

    ​​​​​​​数据分析 HiveSQL SparkSQL

    数据分析是指用适当的分析方法及工具,对处理过的数据进行分析,提取有价值的信息,形成有效结论的过程。由于数据分析多是通过软件来完成的,这就要求数据分析师不仅要掌握各种数据分析方法,还要熟悉数据分析软件的操作。

    数据挖掘其实是一种高级的数据分析方法,就是从大量的数据中挖掘出有用的信息,它是根据用户的特定要求,从浩如烟海的数据中找出所需的信息,以满足用户的特定需求。数据挖掘技术是人们长期对数据库技术进行研究和开发的结果。一般来说,数据挖掘侧重解决四类数据分析问题:分类、聚类、关联和预测,重点在寻找模式和规律。数据分析与数据挖掘的本质是一样的,都是从数据里面发现关于业务的知识。

    数据展现

    一般情况下,数据是通过表格和图形的方式来呈现的,我们常说用图表说话就是这个意思。常用的数据图表包括饼图、柱形图、条形图、折线图、散点图、雷达图等,当然可以对这些图表进一步整理加工,使之变为我们所需要的图形,例如金字塔图、矩阵图、漏斗图等。

    大多数情况下,人们更愿意接受图形这种数据展现方式,因为它能更加有效、直观地传递出分析所要表达的观点。记位,一般情况不,能用图说明问题的就不用表格,能用表格说明问题的就不要用文字。

    ​​​​​​​报告撰写

    数据分析报告其实是对整个数据分析过程的一个总结与呈现。通过报告,把数据分析的起因、过程、结果及建议完整地呈现出来,供决策者参考。

    一份好的数据分析报告,首先需要有一个好的分析框架,并且图文并茂,层次明晰,能够让阅读者一目了然。结构清晰、主次分明可以使阅读者正确理解报告内容;图文并茂,可以令数据更加生动活泼 ,提供视觉冲击力,有助于阅读者更形象、直观地看清楚问题和结论,从而产生思考。

    另外,数据分析报告需要有明确的结论,没有明确结论的分析称不上分析,同时也失去了报告的意义,因为我们最初就是为寻找或者求证一个结论才进行分析的,所以千万不要舍本求末。

    最后,好的分析报告一定要有建议或解决方案。作为决策者,需要的不仅仅是找出问题,更重要的是建议或解决方案,以便他们做决策时作参考。所以,数据分析师不仅需要掌握数据分析方法,而且还要了解和熟悉业务,这样才能根据发现的业务问题,提出具有可行性的建议或解决方案。

    部门组织结构


    • 📢博客主页:https://lansonli.blog.csdn.net
    • 📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正!
    • 📢本文由 Lansonli 原创,首发于 CSDN博客🙉
    • 📢大数据系列文章会每天更新,停下休息的时候不要忘了别人还在奔跑,希望大家抓紧时间学习,全力奔赴更美好的生活✨
    展开全文
  • 大数据营销

    2014-08-25 16:45:12
    如何深度挖掘大数据,为企业的业务优化和发展提供有价值的建议,是各行业大数据应用领域的一项核心课题
  • 联通大数据精准营销

    千次阅读 2019-10-08 15:44:54
    联通电信大数据外呼、联通电信大数据精准营销、联通大数据精准外呼、联通电信精准外呼平台服务。大数据精准营销实质就是将目标客户分类(或者是分级),有针对性地制定营销策略。依托于移动联通电信运营商和各大...
  • “实时交易监控系统”属于业务监控,主要用于监控客户的购买行为及订单情况,一般用于支持公司的日常运营决策和重大营销活动,如“双11”、“双12”及“双旦”等,对数据的实时性要求较高。 “实时交易监控系统”对...
  • “实时交易监控系统”属于业务监控,主要用于监控客户的购买行为及订单情况,一般用于支持公司的日常运营决策和重大营销活动,如“双11”、“双12”及“双旦”等,对数据的实时性要求较高。“实时交易监控系统”对...
  • 作为时代的最新特征,大数据将面临巨大的挑战,并给大公司的营销管理模式带来一系列相关的问题。 本文研究和分析了大数据对企业的影响,得出的结论是,如果企业不能意识到这个时代的重要性,而采用特定的方法,那么...
  • 到目前为止,我们还很难说清到底什么由“C什么O”来打理大数据方面的事务。对于CIO们而言,如果他们想要承担起这份职责,首先需要把注意力从技术转移到业务创新身上。 许多企业都面临着相同的难题:“到底应该由谁...
  • 科学有效地引领零售业务持续增长已成为国内领先银行的首要任务。 然而,零售客户的需求日趋复杂和个性化,市场竞争愈加激烈。在此背景下,有效利用核心技术、业务的集约式增长以及前线产能的加速提升,成为各家银行...
  • 大数据精准营销之客户细分

    万次阅读 2018-07-11 15:21:22
    客户细分没有统一的标准,它是从业务角度出发、结合实际应用场景对目标对象进行分层分群的客户管理工具,不同行业不同企业都可以有自己的客户细分策略,即使是同一业务单位,在不同业务场景下,客户细分策略也可能...
  • 据智慧狐运营商大数据精准营销获客平台了解,目前80%的在线教育机构是不盈利的。这背后有诸多原因,包括商业模式缺失,教研、产品、技术都要大投入、师资成本、行业普遍复购率不高等。但是预计明年,中国在线教育...
  • “实时交易监控系统”属于业务监控,主要用于监控客户的购买行为及订单情况,一般用于支持公司的日常运营决策和重大营销活动,如“双11”、“双12”及“双旦”等,对数据的实时性要求较高。“实时交易监控系统”对...
  • 近日,消费大数据公司信柏科技树立“大数据-重分析-强应用”理念发布新一代大数据业务平台,以大数据为基础、软硬件结合的方案来辅助企业进行经营决策与精准营销。该大数据业务平台定位于“人群 、“内容”、“行业...
  • 基于大数据的精准营销就是利用大数据技术来支持精确分类,预测营销效果,并根据执行结果、时效性持续改进策略。 我们对精准营销的期待,不外乎降低获客成本、提升营销效率,然而“精准”首先是深刻地理解市场和用户...
  • 笔者按: 有人在汽车设计制造出之前就能知道其品质好坏及市场营销效果。 ...对于传统汽车企业来说,如何借大数据之势,建立智能、精准的营销网络系统,助力企业营销决策分析、精准定位目标客户...
  • 对于大数据的前景,有53%的互联网专家和观察员相信,它将给社会的各个方面都带来积极的影响。大数据可以增加社会透明度、可以更...以下是当今公司利用大数据发展业务的方法: 了解客户 市场界的新规则是:市场人员可...
  • “达芙妮国际于8月25日晚间发布2020年中期财报,宣布接下来将继续进行轻资产业务模式战略转型,将重点放在核心品牌业务,并彻底退出包括中国内地及台湾市场的中高档品牌实体零售业务,关闭旗下所有其他品牌销售点。...
  • 大数据工程师改善营销决策 大数据技术能发挥什么作用 【导语】大部分的商业智能应用均针对营销决策,大数据技术在其中发挥着很大的作用,在这一领域有很大影响,近几年,数据的增长速度呈现爆炸式趋势,数据营利成为...
  • 本人目前在一家在线教育公司担任大数据营销产品负责人,由于一些机缘巧合,我同时负责了数据产品线和营销CRM产品线,因此给了我更多的机会去思考和实践如何把数据与营销业务深入融合,将大数据的势能赋予营销平台,...
  • 大数据

    千次阅读 2018-04-12 14:43:10
    大数据大数据对于“大数据”(Big data)研究机构Gartner给出了定义,“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据技术的战略意义不在于...
  • AdTime:大数据营销 真需求

    千次阅读 2013-04-30 09:44:03
    大数据这个概念现在在IT圈子非常火,这把火也烧到了广告营销领域,对此 AdTime CTO雷永华也对大数据的重要性做了肯定,并且依赖大数据推出了时间营销的新理念:“时间营销依赖于大数据,才能做到精准把握用户需求。...
  • 灵玖软件,大数据搜索与挖掘技术服务商 灵玖软件专注于大数据搜索与挖掘的技术创新与服务,提供大数据搜索、大数据挖掘与大数据应用解决方案,以应对大数据的管理、处理、分析并从大数据中获知识与智慧。 灵玖软件:...
  • 【精华】大数据营销中的6大优势

    千次阅读 2018-01-05 00:00:00
    导读大数据正在重塑人们所知道的业务。数据科学为大多数现代公司的决策过程奠定了基础,这正是2017年其营收在400亿美元以上的原因。营销在这方面没有什么不同。如今,营销团队借助信息和数据分析的力量,以提高其...
  •  这一点不必多说,一个正规的大数据营销公司需要拥有一个正规公司具备的一切基础才行,这样才能保证业务的可靠性。  2.数据更新速度及有效性  大数据营销公司的产品就是数据,数据质量是选择大数据营销平台...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 32,833
精华内容 13,133
关键字:

大数据业务营销