|
当前，传统（非互联网类）企业已认识到大数据的价值，但如何结合企业现状有效应用大数据，仍普遍存在着迷茫。针对这种现状，下文基于企业大数据应用的相关服务经验，提出一些可行性的思路和建议，供企业客户了解和实施。 一、企业最有价值的数据在哪里 大数据的价值基础来自于数据，对于企业最有价值的数据，我们认为有两点： 1)内部业务大数据(而非外部大数据)具有最高的应用价值 企业的大数据，从来源讲可分为内部(自身业务生产经营环节产生的所有数据)和外部(来自外部，如第三方/互联网)。当前企业热衷于引入来自外部的大数据(如互联网/电商/移动互联网)和相关服务应用，而忽视了一个事实：现有的内部业务大数据才是最大的价值挖掘目标。 大中型企业在信息化与数据应用过程中，大都已经完成了第一阶段(信息化系统建设与业务数据采集的自动化/常态化)的工作。多年来建立的各种业务信息系统已积累了大量业务数据。而进入第二阶段(挖掘数据提升企业业务经营管理)后，却进度缓慢。相比外部数据，内部业务数据体量大，内容多样，时间跨度长，是企业大数据的主体。因其与企业特性直接相关，深入覆盖经营的各个环节，其对企业的价值远大于各种外部数据。然而，这些数据很少发挥出应有的价值，大都沉睡在那里，甚至成为负担。 2)内部业务大数据中，应优先关注服务客户相关的数据 企业内部业务大数据，如果按逻辑属性划分，可分为两大类： 1) 产品/服务相关：围绕企业产品/服务相关的(研发/设计/原材料/生产/制造/反馈)的数据 2)服务客户相关：围绕着目标客户(可为B或者C)的相关(售前/销售/客服/运维/活动/CRM等等)数据 以上两类数据中，服务客户相关的业务行为对企业经营影响巨大。其数据也是企业内部大数据的主体，应优先作为内部大数据挖掘应用的目标。 二、实施的流程 Step1 总体体系设计： 对现有内部数据进行重构设计 对现有的业务数据体系，结合实际情况与未来的应用目标，重新进行数据组织和规划。过程中要关注两点： 要点1：数据的组织，要从功能为中心转向以客户为中心(按生命期阶段组织)。企业内部业务数据，当前大多是以业务功能(系统)为中心组织，相互间未充分打通。用于价值挖掘的业务数据，要以每个客户为中心，以用户生命期为线，将其所有业务功能阶段的数据串起来。 要点2：以类标签化的思想建立客户的数据描述体系，作为未来全景数据整合的框架。描述体系的来源数据不仅有内部数据，也包含外部数据(辅助)。实际的数据整合处理将基于该体系进行：已有的数据可直接引入，缺失数据内容作为后续采集/外购的主要目标。 Step2 数据整合集中 ：对现有数据进行实际整合，建立一个统一大数据平台 基于step1得到的规划方案，对现有的业务数据通过技术手段从各业务系统整合到统一大数据平台上。该平台作为数据分析平台，与生产业务系统分离，提供对数据仓库/结构化/非结构化数据的支持。 整合中要注意： (1) 数据模型的设计以及数据ETL(清洗/转化)，都需要以客户为中心进行统一规划 (2) 充分考虑新数据体系中缺失/不足的数据内容未来的融入和整合机制。 Step3 标签化分析 ： 对客户进行全方位标签化分析，生成标签化描述结果 在step2整合得到的以用户为中心的多维度数据空间上，基于消费者研究与业务特性建立用户标签体系，并对客户进行实际的标签化分析。标签体系的定义，要兼顾用户基本信息、业务特点和未来应用的目的，并不断扩展。 比如前述的车企客户，对用户标签，已经定义了如下几类：基本属性(性别、年龄段、购买能力、职业阶层…)、家庭情况(家有儿童,第二辆车)、车型/驾驶偏好(如偏好SUV 、注重安全性.、追求速度感…)、配件关注点(喜欢原装、喜欢功能性配件)、内装偏好、保养习惯、参与活动偏好、触媒习惯等。 Step4 业务实际应用/挖掘： 通过业务活动，进行客户大数据价值的实际挖掘和应用 对所有客户分析得到标签化描述结果，可通过统一的客户分析平台，提供给企业内部所有部门实际应用。各部门可根据实际业务需要，通过标签灵活准确筛选目标客户(如市场部可以查找80后家有儿童且购买能力强的目标客户做MPV家用车型推广)，或发现产品客户群的深层特性(产品设计部门可分析车型的目标客户与实际购买客户是否一致)。 本文汇编：会点网袁帅
| 
