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。

原文发布于微信公众号 - CDA数据分析师(cdacdacda)

原文发表时间: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。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据挖掘DT机器学习

【经验】如何发现销售报告中有错误的数据

你是否有这种经历:开会的时候,一屋子人正在热火朝天的讨论着一项计划,突然听见有人大叫一声“不对,这个数字是错误的”!大家一看果然有个数字是有问题的。于是有人开...

36880
来自专栏java一日一条

我是如何拿到硅谷Offer的:告诉你算法面试的秘密

原视频地址:www.youtube.com/watch?v=ub1Zwz_nivU

30010
来自专栏Java帮帮-微信公众号-技术文章全总结

【非技术面试】电话面试时需要注意什么

电话面试时需要注意什么 部分企业人事部收到求职者简历后,会预先进行一轮电话面试,来考察求职者的综合素质,因此了解懂得求职面试的基本技巧,将会让求职者更顺利的通...

28640
来自专栏量子位

华为AI战略完整披露!2款AI芯片首次曝光,拳打TPU,争锋英伟达

2018华为全连接大会上,华为轮值董事长徐直军一口气高密度发布:华为AI战略、华为AI全栈全场景解决方案、华为自研统一达芬奇架构的2款AI芯片……

10920
来自专栏数据科学与人工智能

【数据科学】什么是数据科学家与数据科学

仅仅在几年前,数据科学家还不是一个正式确定的职业,然而一眨眼的工夫,这个职业就已经被誉为“今后十年IT行业最重要的人才”了。 一、数据科学家的起源 “数据科学”...

29560
来自专栏全栈数据化营销

数据分析视角:咪蒙凭什么写出那么火的文章

       写这篇文章最主要的,是想说明数据和数据分析在工作和生活中的实用性和重要性,顺便说一说我认识的咪蒙。       很早很早之前就听过关于咪蒙的各种...

44280
来自专栏华章科技

吴喜之:数据分析和数据挖掘是最大的求职法宝

本文是中国人民大学教授吴喜之在“2015中国数据分析师行业峰会(CDA•Summit)”上的演讲全文,演讲的主题是“如何成为一名数据科学家”。

11530
来自专栏机器之心

学界 | 让机器人互相学习:MIT科学家实现知识传输新方式

选自Science 作者:Matthew Huston 机器之心编译 参与:Quantum、李泽南、黄小天 在不久的将来,机器人助理会走进每个人的生活,不过前提...

298120
来自专栏PPV课数据科学社区

【推荐】数据科学家与数据科学。

仅仅在几年前,数据科学家还不是一个正式确定的职业,然而一眨眼的工夫,这个职业就已经被誉为“今后十年IT行业最重要的人才”了。 一、数据科学家的起源 "数据科学"...

29160
来自专栏人工智能头条

合肥工业大学吴信东:大数据Processing Framework多层架构

16340

扫码关注云+社区

领取腾讯云代金券