专栏首页CDA数据分析师企业为何实施大数据?

企业为何实施大数据?

从2012年,全球吹起了大数据风潮,任何行动方案,言必称大数据。三年过去了,似乎仍是外热内冷:言者谆谆,听藐藐。究其原因,实乃企业不知为何着手(不知为何而战),以及不知如何着手。现在将为各位分享如下。

为何实施大数据?

现在市面上一些讨论大数据的文章,或是书籍,大多从“如何"开始讨论,少有从“价值为何”切入的。

要实施大数据,必须全体企业上下一心,目标一致,套句08年北京奧運的Slogan,One World,One Dream。要做到这个层次,个人建议引用平衡计分卡,Blance Scord Card来理清思路,

平衡计分卡先把企业的使命,Mission,置于最上端,意思是,全公司从上到下必须先认同这个使命,才好去界定谁在什么时候应该做什么,Who to do What at When。

一、财务构面

在这个构面,必须从使命来设定财务目标,例如营业收入是多少?成本是多少?内部报酬率是多少?那个产品应该贡献多少等等。

二、顾客构面

你之所以会有营业收入,是因为有人付钱,付钱的就是顾客,所以第二个是顾客构面。必须界定你的顾客是谁?可能是经销商,可能是某个合作伙伴,他们多少人?顾客人数的年复合增长率是多少?买什么产品?如何付费?预付费还是后付费?

三、內部流程构面

顾客为什么愿意付费?那是因为你们提供一些不错的产品或服务,所以第三个就是内部流程构面。大数据的实施就是在内部流程构面:谁在何时花多少钱做什么(who to do what at when and cost how much)?

罗马不是一天造成的,大数据也不是做了一次就可以一步到位的。例如企业现在可能只需用到交易(结构化数据),未來可能会需要存储社交网络,甚至是从传感器上传回来的数据(半结构化数据甚至是非结构化数据);又或现在的数据量仍不足一个T,未來可能会是好几个T等等。这些现象都说明了,大数据的实施工程必须考量企业的现实情况,而且与时俱进。

例子

也许用案例说明会比较直观,假设是一个女性服饰企业:

一、财务构面:1,有些商品看的人多,买的人少,即陈列成本高;2。高端顾客的贡献金額下降

二、顾客构面:1。预防高端顾客流失;2。挽回已流失之高端顾客;3。让更多人成为高端顾客;4,多供应顾客喜欢的商品

三、內部流程构面

针对二之问题1,2,可利用决策树演算法(或类神经网络,贝叶斯,支持向量机皆可)建立顾客流失预测模型,找到如下之顾客:(1)现在未流失卻预测将流失,迸行预防流失之沟通(2)现在已流失顾客卻预测未流失,迸行邀请回头之沟通。

针对二之问题3,可利用与问题1,2同样的演算法,建立顾客升等预测模型,找到与高端顾客行为相似但贡献金额还未达到高端顾客门槛之顾客,迸行向上销售的促销活动。

针对二之问题4,必须先区分一般顾客与高端顾客,两者各有其做法:

一般顾客,可以在掛衣架上装置RFlD发射器,在立式衣架与试衣间装置RFlD接收器。一旦有人将这件衣服取下试穿,试穿毕置回,后台系统即可知道那个SKU于何时被试穿且试了多久,当顾客购买了该SKU,系统即可马上算出来该SKU必须经过几次的试穿,多久时间的试穿,才得以售出一件,并且与其他SKU迸行一样的KPl比较。如果某个SKU试穿次数少即可售出,代表该SKU受到顾客的欢迎,反之,即是设计师应该调整该SKU了。

针对高端顾客,必须保留高端顾客喜欢的商品。这个规则说说起来简单,但如果我们只以SKU的销售收入来评量,很容易将业绩表现欠佳的SKU下架万一刚好高端顾客喜欢这个SKU,则一旦下架,高端顾客很容易用腳投票,掉头就走,就像徐志摩说的:挥一挥衣袖,不带走一片云彩。

怎么办?这时不妨试试“忠诚商品必须性”的演算法,PNL,Product Necessity for Loyalty:

P of (item i /HC) / P of (item i /GC)

while

P = penetreation

HC = high-end customer

GC = general customer

当PNL大于1,即表示 item i 具有忠诚商品必须性,即使现在的销量不佳,也不可以轻易下架,以免高端顾客流失。

四、学习成长构面

在三所述之顾客流失预测模型、顾客升等预测模型,透過RFlD检验衣服试穿与购买次数的比较,以及忠诚商品必须性,都可以让企业学到些知识,获得成长,例如:顾客出现那些行为特征时,流失的机会高?那些衣服的设计可能让顾客考虑再三而延迟购买?为了留住高端顾客,必须保留那些策略性商品等。这些学习,都将能使得企业增加营收,减少成本,而最大化股东权益。

大数据确实有用,企业也绝对有必要实施大数据,但如果不让老板认识“为何”实施大数据,很可能老板一辈子只知道使用EXCEL。平衡计分卡,就是可以帮助老板了解大数据的好工具。

本文作者:大醉侠,为70后前段班之大数据广告人。

本文分享自微信公众号 - CDA数据分析师(cdacdacda)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2015-03-31

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 【干货】零售O2O该如何做数据分析

    通过数据分析可以知道商业模式是否可行,评判那种推广渠道效率最高,能发现网站、商品结构、物流等各个环节的问题,能评估改进效果。 有哪些数据? 线上平台的数据来源...

    CDA数据分析师
  • 数据分析之老顾客养成秘籍—让顾客回头的必杀技!

    现在整个淘宝的市场形式日益严峻,新用户成本越来越高,转化越来越低,新品难以打开销路,新增商家日益增多,产品重复率大,竞争十分惨烈,且顾客及其容易流失。在这种情...

    CDA数据分析师
  • 大数据应该这样用

    大数据的本质是工具,一个十分有用的工具,但并不能决定企业生死,决定一家企业死活的是方向与理念。   据田友龙这厮考证,大数据一词最先由麦肯锡提出,因维克托迈...

    CDA数据分析师
  • 决胜营销:重视客户有效参与

    大数据文摘
  • 驱动用户增长? 来,客户调查类型了解一下

    顾客调查可以帮助企业在短时间内用最低成本收集大量顾客反馈。这些调查结果可以帮助企业快速简便地满足顾客的反馈和要求,并且可以识别潜在用户以及进行案例研究。

    iCDO互联网数据官
  • 【干货】零售O2O该如何做数据分析

    通过数据分析可以知道商业模式是否可行,评判那种推广渠道效率最高,能发现网站、商品结构、物流等各个环节的问题,能评估改进效果。 有哪些数据? 线上平台的数据来源...

    CDA数据分析师
  • 【数据分析】零售O2O如何做数据分析?

    通过数据分析可以知道商业模式是否可行,评判那种推广渠道效率最高,能发现网站、商品结构、物流等各个环节的问题,能评估改进效果。   有哪些数据?   线上平台的数...

    陆勤_数据人网
  • 开源消息队列:NetMQ

    NetMQ 是  ZeroMQ的C#移植版本。 ZeroMQ是一个轻量级的消息内核,它是对标准socket接口的扩展。它提供了一种异步消息队列,多消息模式,消息...

    张善友
  • Stream 主流流处理框架比较(2)

    在上篇文章中,我们过了下基本的理论,也介绍了主流的流处理框架:Storm,Trident,Spark Streaming,Samza和Flink。今天咱们来点有...

    smartsi
  • 又到公司年会时,给公司写的年会抽奖程序!

    用户5997198

扫码关注云+社区

领取腾讯云代金券