【观点】 从大数据中获取商业价值的9种方法

现在已经有了许多利用大数据获取商业价值的案例,我们可以参考这些案例并以之为起点,我们也可以从大数据中挖掘出更多的金矿。

2013 TDWI关于管理大数据的调查显示,89%的受访者认为大数据是一个机会,而在2011年的大数据分析的调查中这个比例仅为70%。在这两次调查中受访问者均普遍认为,要抓住大数据的机会并从中获取商业价值,需要使用先进的分析方法。此外,其他从大数据中获取商业价值的方法包括数据探索、捕捉实时流动的大数据并把新的大数据来源与原来的企业数据相整合。

虽然很多人已有了这样一个认识:大数据将为我们呈现一个新的商业机会。但目前仅有少量公司可以真正的从大数据中获取到较多的商业价值。下边介绍了9个大数据用例,我们在进行大数据分析项目时可以参考一下这些用例,从而更好地从大数据中获取到我们想要的价值。

1:从数据分析中获取商业价值。请注意,这里涉及到一些高级的数据分析方法,例如数据挖掘、统计分析、自然语言处理和极端SQL等等。与原来的报告和OLAP技术不同,这些方法可以让你更好地探索数据和发现分析见解。

2:探索大数据以发现新的商业机会。很多大数据都是来自一些新的来源,这代表客户或合作伙伴互动的新渠道。和任何新的数据来源一样,大数据值得探索。通过数据探索,你可以了解一些之前所不知道的商业模式和事实真相,比如新的客户群细分、客户行为、客户流失的形式,和最低成本的根本原因等等。

3:对已收集到的大数据进行分析。许多公司都收集了大量的数据,他们感觉这些数据存在着商业价值,但并不知道怎样从这些弄出来的值大的数据。不同行业的数据集有所不同,比如,如果你处于网络营销行业,你可能会有大量Web站点的日志数据集,这可以把数据按会话进行划分,进行分析以了解网站访客的行为并提升网站的访问体验。同样,来自制造业的质量保证数据将有助于公司生产出更可靠的产品和选择更好的供应商,而通过RFID数据可以帮助你更深入地供应链中产品的运动轨迹。

4:重点分析对你的行业有价值的大数据。大数据的类型和内容因行业而异,每一类数据对于每个行业的价值是不一样的。比如电信行业的呼叫详细记录(CDR),零售业、制造业或其他以产口为中心的行业的RFID数据,以及制造业(特别是汽车和消费电子)中机器人的传感器数据等等,这些都是各个行业中非常重要的数据。

5:理解非结构化的大数据。非结构化的信息主要指的是是使用文字表达的人类语言,这与大多数关系型数据有着很大的不同,你需要使用一些新的工具来进行自然语言处理、搜索和文本分析。把基于文本内容的业务流程进行可视化展示,比如,保险索赔过程,医疗病历记录,各个行业的呼叫中心和帮助台应用程序,以及以客户为导向的企业情感分析等内容均可以在进行处理后以可视化的形式表现出来。

6:使用社交媒体数据来扩展现有的客户分析。客户的各种行为比如评论品牌、评价产品、参与营销活动或表示他们的喜好等等,会在客户中相互影响。社交大数据可以来自社交媒体网站,以及自有的客户能够表达意见及事实的渠道。我们可以使用预测性分析发现规律和预测产品或服务的问题。我们也可以利用这些数据来评估市场知名度、品牌美誉度、用户情绪变动和新的客户群。

7:把客户的意见整合到大数据中。通过运用大数据(与原有的企业资源集成),我们可以对客户或其他商业实体(产品,供应商,合作伙伴)实现360度全景分析,分析的维度属性从几百个扩展到几千个。新增的粒状细节带来更准确的客户群细分,直销策略和客户分析。

8:整合大数据以改善原有的分析应用。对于原有的分析应用,大数据可以扩大和扩展其数据样本。尤其在依赖于大样本的分析技术的情况下,比如统计或数据挖掘;而在欺诈检测、风险管理或精确计算的情况下同样也得用上大样本的数据。

9:分析大数据流,实时操作业务,提升业务动作水平。实时监测和分析的程序已经在企业运营中存在了很多年,那些需要全天候运行的能源、通讯网络或任何系统网络、服务或设施的机构早就在使用这类型的程序。最近,从监控行业(网络安全、态势感知、欺诈检测)到物流行业(公路或铁路运输、移动资产管理、实时库存),越来越多的组织正在利用大数据流的应用。目前大数据分析仍主要以批量和离线的方式执行,但随着用户与技术的成熟,大数据分析将会进入实时分析的时代。

原文发布于微信公众号 - 大数据挖掘DT数据分析(datadw)

原文发表时间:2014-07-23

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

来自专栏腾讯研究院的专栏

超级大国的AI雄心:解读美国《国家人工智能研究和发展战略计划》

孙 那 腾讯研究院研究员 2015年,美国政府在人工智能(AI)相关技术方面的研发投入约为11亿美元。AI在制造、物流、金融、通信、交通运输、农业、销...

1955
来自专栏华章科技

CCF大数据专家委:《2018年大数据发展趋势预测》(PPT全文)

○ 报告对2018年大数据发展趋势进行了十大预测,包括:机器学习继续成为大数据智能分析的核心技术;人工智能和脑科学相结合,成为大数据分析领域的热点;数据科学带动...

612
来自专栏人工智能快报

斯坦福报告展望2030年的人工智能与生活

2016年9月6日,斯坦福大学发布了一份名为《2030年的人工智能与生活》的研究报告,展望了人工智能的研究趋势以及2030年的人工智能与生活,主要内容如下: 1...

35411
来自专栏新智元

【华尔街日报】数据竞争价值:从商业分析到机器学习

【新智元导读】 本文以较长的时间维度,从商业分析到机器学习,分析数据在企业中的竞争价值所在和变化。作者提出,数据驱动的AI越来越多地应用于需要智力和认知能力的任...

3106
来自专栏AI研习社

一张图看懂数据科学家、数据工程师和软件工程师之间的区别

大家都知道,这三种角色各有不同定位,也知道他们之间有许多一致的地方,但是否能讲明白这其中的区别呢? 国外 ETL 服务商 Stitch 的 CEO Jake S...

34912
来自专栏华章科技

创业公司什么阶段需要数据科学家?

Instacart数据科学副总裁Jeremy Stanley和前LinkedIn数据领导Daniel Tunkelang的这篇文章,可以解答你的所有问题!

651
来自专栏AI科技评论

业界 | 腾讯AI Lab主任张潼:我们如何在人工智能领域布局?

AI科技评论按:4月9日,CITE 2017第五届深圳国际电子信息博览会盛大开幕。腾讯AI实验室主任张潼亮相峰会,并分享了三项内容:如何构建AI生态、AI时代的...

3455
来自专栏PPV课数据科学社区

2014数据可视化调查:接地气、易用和开源产品更受人欢迎

大数据时代一个显著特征就是数据可视化的崛起。作为数据最上层的展现环节,数据可视化将技术与艺术完美结合,借助图形化的手段,清晰有效地传达与沟通信息。一...

2579
来自专栏指旺研究院

【报告】普华永道发布2018 AI预测报告:塑造商业策略的8个洞察

机器之心编译 机器之心编辑部 不久之前,普华永道发布报告《2018 AI predictions:8 insights to shape business st...

61421
来自专栏人称T客

BI根本不重要,报告显示物联网中AI是王道

基于大数据的BI软件问题是它们本身总是被动而且静态的。虽然这种后发型的事件分析本身很好,但是对公司来说怎么样去实现实时洞察从而进行管理呢? 最近一份来自于数据...

3386

扫码关注云+社区