当前位置:首页 >> 经济学 >>


产业聚焦

Estate Focus

十年之前,电影《天下无贼》中的经典对白“21 世纪什么最贵?人才”被人们争相传颂;十年之后,这 个问题的答案与时俱进地变为当前市场热点——数据! 当然,此数据已非传统意义的数据,而是海量、爆发式 增长的“大数据”。作为继云计算、物联网之后IT产业

“大数据” 成就 “智慧营销”
的又一次颠覆性技术浪潮,大数据被人们视为智慧城市 未来企业应该如何挖掘海量数据背后的潜在价值? 的源泉、精准营销的根基,其与传统BI究竟有何区别?

文/吴勇毅

近年来,以互联网、物联网、电信网、广电网、无 线宽带网为基础的智慧城市建设带来了数据量的爆发式增 长,“大数据”像血液一样遍布智慧交通、智慧医疗、智 慧生活、智慧营销等城市生活的方方面面,并推动社会职 能部门及企业决策者们从“经验治理”向“科学治理”转 型。如何挖掘海量数据的潜在价值,为 城 市 治 理 、 市 民 生 活 、 企 业 营 销 提 供 可 靠 的 决 策 建 议 ,是智慧城市发展所 面临的重要课题,亦是企业在未来市场竞争中抢占先机的 关键。

自2009年以来,从IBM、甲骨文到谷歌、亚马逊、 Facebook,从IDC、Gartner到麦肯锡、普华永道、埃森哲, 从《纽约时报》到《福布斯》、《财富》周刊,从《科 学》、《自然》杂志到MIT《斯隆管理评论》——产业巨头 的实践探索、连篇累牍的新闻报道,令“大数据”概念深 入人心。 顾名思义,“大数据”的精髓在于“大”,其不仅说 明数据的数量庞大,还意味着数据种类繁多、结构复杂, 变化速度飞快。大数据呈现三种特性:Volume(极多的数 据量)、Velocity(极快的处理速度)、Variety(极繁的数

21世纪什么最贵?数据!
根据IDC机构的定义,“大数据”是指为了更经济、更 有效地从高频率、大容量、不同结构类型的数据中获取有 价值的信息而设计的新一代架构技术,人们用它来描述和 定义信息爆炸时代产生的海量数据,并命名与之相关的技 术发展创新。

据种类)。 Volume指的是数据量庞大。如今有许多企业已面临单 日数据量以数十、数百TB(万亿字节,1TB=1024GB)的速 度增加,而近几年累加的总数据量也达到了PB(1000个TB) 甚至EB(一百万个TB)等级,这样的数据量令传统的数据库 不堪重负。 Velocity指企业数据增加的速度越来越快。诸如移动

46

上 海 信 息 化 2013 / 2

Estate Focus

产业聚焦

化、社交网络的广泛应用,使得数据增加的速度比传统的应用程式快了很多,而在数据迅猛增生的背 后,处理、分析的能力和速度必须紧跟其后加以完善。 Variety则是指数据的多样性、复杂性。一方面,互联网在产生文字资讯的同时,也不断产出与 以往不同的数据:照片、视频、微博等;另一方面,IT遍及工作生活的每个角落,各种各样的传 感器、监控器也不断产生新的数据,各种机器资讯数据的形式日趋复杂多样,从结构化数据到非 结构化数据不断转化,催生了对大数据技术的强烈需求。 当前,从搜索引擎、社交网络的普及,到“人手一机”的智能移动终端应用,全球互联网 上的信息总量正以每年30%~50% 的增速不断爆涨。人们每天在Facebook分享几亿条内容,在 Twitter转发15TB信息,在淘宝浏览十亿条店铺、商品,创造上亿的成交、收藏纪录及3000多万 条传感器资讯……IDC发布的数字宇宙研究报告(Digital Universe)显示,2011年全球创造的信 息数量达到1800EB,如果把这些数据刻录到 CD 碟片中,这些碟片可环绕地球30圈。而目前 这个数字还在以每年50%的速度增长,到2020年,全球每年产生的数字信息将达到40ZB( 1ZB=1024EB),估计是地球上所有沙粒数量的57倍。 “在大数据时代,信息将呈爆发式增长,而数据价值密度非常低,找到有价值的数 据如同大海捞针,通过怎样的产品平台和方式提炼数据价值,是关乎公共事业发展和企 业生存的大计,值得大家从战略角度去思索……”在2012年百度世界营销分论坛上,百 度商业产品与技术执行总监郑子斌关于“大数据”时代的见解,赢得了产业界的广泛 认同。

大数据超越传统商务智能
对于政府管理机构和企业决策者而言,当前面临的最大挑战不是缺少数据, 而是数据太多,面对这些只是静态、孤立、无多大参考意义的“初级”信息数 据,信息部门如何通过系统功能来分析、利用和整合?如何发掘有价值的数 据,为政府管理、企业营销提供决策支持?凡此种种,已成为摆在信息管理者 面前的难题。 当前,面对浩如烟海的市场信息,没有一个具有高度商业智能的数据分 析处理系统是不可想象的。而管理者想要从庞大海量的数据库中提取对自己 有用的信息,就离不开大数据分析技术及相关工具。 事实证明,传统的、基于事实的商业管理系统如BI(智能分析系 统)、CRM(客户管理系统)也能够为企业带来价值,但时至今日,一 个优秀的大数据系统可以将数据挖掘技术与现有管理技术更好地结合起 来,将 特 殊 领 域 的 商 业 逻 辑 与 数 据 仓 库 技 术 进 行 集 成 ,找出对未来 企业战略具有影响的关键因素,使数据挖掘的分析效果、效益尽可能 达到峰值,以便管理者能够“运筹帷幄,决胜千里”,真正的“智慧 决策”。 专业人士指出:大数据技术与BI或CRM的一个主要区别,在于 其能在BI基础上进行更大容量数据和非机构化数据的处理。大数

2013 / 2 上 海 信 息 化

47

产业聚焦

Estate Focus

据分析不仅关注结构化的历史数据,亦能对Web、社交网 络、RFID传感器等非结构化海量数据进行有效分析计算。 相比BI和CRM,大数据实现了完美的跨结构提升。 当前,适用于大数据的技术包括大规模并行处理 (MPP)数据库、数据挖掘电网、分布式文件系统、分 布式数据库、云计算平台以及互联网和可扩展的存储系 统。此外,还包含诸多常规的数据挖掘和分析技术,包括 数据集市(Data Mart)、数据仓库(Data Warehouse, DW); 用户查询和报表(Query &Reports);联机分析处理(OnLine Analytical Processing, OLAP),也称为多维分析;数据挖掘 (Data Mining);关键绩效指标(KPI);分析型应用(Analytic Application)等。 当前,很多面临数据量大爆炸的国际社交网络公司如 Facebook、Twitter等,已开始使用Hadoop(分布式程序系 统)基础架构、NoSQL(非关系型的数据库)等新兴大数 据技术来解决海量市场 信息问题,并取得了显 著成效。 在国内,阿里巴巴 等大型电子商务公司也 已开始利用大数据技术 提供具体服务,如阿里 信用贷款、淘宝数据魔 方等。以淘宝数据魔方 为例,利用淘宝平台上 的大数据应用方案,商 家可以了解淘宝平台上 的行业宏观情况、自己 品牌的销售情况、市场 排名、消费者行为情况 等,并可以据此作出经 营决策。

数据中心和企业的CRM、BI系统,其中囊括了公民基本信 息、顾客资料、市场促销、广告活动、展览策划及官方网 站中的各类结构化数据。而研究显示,这些信息只能满足 企业正常营销管理需求中15%的量能,并不够给出一个重要 洞察和发现规律。 而其它85%的数据— —诸如社交媒体数据、邮件数 据、地理位置、音视频等不断增加的信息,数据量更大、 逐渐广泛应用、以传感器为主的物联网信息,以及风起云 涌的移动3G互联网信息等— —都属于大数据所覆盖的非结 构性数据,它们更多地以图片、视频等方式呈现。在几年 之前,其可能被束之高阁,价值亦无法被有效挖掘。而如 今,大数据技术可以进一步提高算法和机器分析性能,也 令这些非结构化数据得以充分挖掘和运用。 对营销决策数据进行更好的优化。包括沃尔玛、家 乐福、麦当劳等知名企业的一些主要门店,均安装了搜集 运营数据的装置,用 于跟踪客户互动、店 内客流和预订情况, 研究人员可以对菜单 变化、餐厅设计以及 顾问意见等如何影响 物流和销售额进行建 模。这些企业可将这 些数据与交易记录结 合起来,并利用大数 据工具展开分析,从 而在销售哪些商品、 如何摆放货品以及何 时调整售价上给出意 见,此类方法已经帮 助这些领先零售企业 减少了17%的存货,同 时增加了高利润率自有品牌商品的比例。

大数据:重构精准营销模式
在大数据时代到来之前,管理者一般会从哪些平台提 取并使用信息数据呢?调查显示,大部分数据来源于政府

与传统信息技术比较:以前的CRM系统只能出示分析 报告来回答“发生了什么事”,而如今,一个优秀的大数 据系统已可以被用来回答“为什么会发生这种事”,一些 关联数据库甚至还可以预言“将要发生什么事”,并最终

48

上 海 信 息 化 2013 / 2

Estate Focus

产业聚焦

发展为非常活跃的数据仓库,从而能判断“你(用户)想要什 么事发生”。据称,集成整合了Essbase服务技术的Oracle大 数据平台,已经能为用户提供面向策略级、未知信息分析 预测能力和个性化自助式定制等。 对目标对象进行更完整的分析描述。通过获取更丰富 的消费者数据,包括网站浏览数据、社交数据和地理追踪 数据等,可以绘制出更完整的消费者行为描述。譬如,大 数据技术能对客人方方面面的信息进行充分有效管理并深 度挖掘。 如果某个客人是某酒店的老主顾,那么该大数据系统 就会向酒店提供个性化服务,清楚告知酒店经理人这位客 人的习惯和喜好,如是否喜欢景观房间、是否吸烟、是否 喜欢大床、喜欢什么样的早餐,甚至从事什么工作、有哪 些商务需求等等。当客人再次光临时,不用客人自己提出 来,酒店大数据系统就会自动提供客人所喜欢的房间和服 务等相关信息,大大提升酒店管理效率。 利用大数据中的语义搜索功能,系统能理解自然语 言的含义,包括理解工作的头衔、技能、行业、教育背景 等,除此之外,系统还可以做到智能地处理拼写错误、缩 写、标点符号等更多问题,也能识别相同的词在不同语境 中的含义,以更好地为营销管理服务。例如销售经理、财 务经理、人事经理……它们都带有“经理”二字,但显然 代表了不同的语义,借用语义搜索技术,可以对目标对象 实现智能的区隔判断。 实现点对点智能广告模式。对于广告主而言,广告的 核心问题在于:如何从海量数据中寻找目标受众,并投放 相应的广告信息。 众所周知,时下市场上大部分广告并非“点对点”模 式,而是“主从”模式。就像单个“老师”(产品)在面 对众多满地跑的“学生”(消费者等受众),可想而知即 便“老师”再努力,也无法抓住大部分“学生”,相当一 部分广告费被白白扔掉。然而随着大数据的发展,产业界

乐观地预期:这 些 钱 或 许 将 被 一 一 捡 回来。 大数据能通过互联网点击流跟踪个 体用户的行为,更新其偏爱,并实时模 仿其可能的行为,让点对点的RTB(实 时竞价广告)成为可能。在美国,通过 大数据的帮助,RTB(实时竞价广告) 能把炙手可热的目标用户拍卖给广告 商。试想一下:在传统电梯情景中,进 入一个谢顶的中年人,而电梯视频中放 映了洗发水广告,那广告费无疑打了水 漂。而如今有了RTB,广告需要盯住的不是满地跑的“学 生”,而是那个喜欢看广告的目标客户;广告市场上卖的 也不是传统意义上的广告位,而是访问这个广告位的具体 用户。 在大数据背景下,RTB实时竞价广告如何实现精准营 销呢?假设潜在客户在浏览某网页面,某网会向广告交易 平台(Ad Exchange)请求广告,交易平台向所有需求端 平台(DSP)发出公告,“某网有访客,要不要向他发广 告”,同时DSP请求大数据管理平台(DMP)帮助分析这 位访客情况,并根据结果进行出价决策。Ad Exchange为出 价高的DSP匹配相关广告代码,并最终作出广告。 而尖端的追踪技术和多种大数据管理平台(DMP) 可 以 将 受 众 以 及 广 告 效 果 数 据 整 合 于 单 一 界 面 上 ,让 广告主轻易撷取关键指标,如转化率、流失率以及各渠道 贡献比率等。 更好地进行顾问式营销。当某顾客进入店铺后,一个 零售商利用大数据技术搜索其数据库,发现这位顾客是本 店希望留住的有价值顾客,于是他们通过综合其过去购物 历史和Facebook主页信息,来了解花多少钱可以留住这位顾 客,进而为所售物品进行合理化定价,并确认零售商可以 退让的利润空间,最终针对该顾客给出最佳优惠策略和个

2013 / 2 上 海 信 息 化

49

产业聚焦

Estate Focus

性化沟通方式。 值得强调的是,以上所述并非仅是概念化场景。如 今,美国沃尔玛卖场的收银员在扫描完顾客选购商品后, 面前POS机上会显示出一些附加信息,售货员会据此提醒 顾客:“我们商场刚进两三种配酒佳料,并正在促销,位 于D5货架上,您要购买吗?”这时顾客也许会惊讶地说: “啊?谢谢你,我正想要,刚才一直没找到,现在重新去 购买……” 以上即是沃尔玛在大数据系统支持下实现的“顾问式 营销”实例。因为系统早已计算好,如果顾客的购物车中 有不少啤酒、红酒和沙拉,那么80%的可能需要买配酒小菜 和相关佐料。而提供这一决策分析支持的,就是其位于美 国的一个庞大的、通过卫星与全球所有卖场实时连通的企 业级数据仓库。

要能熟悉驾驭,首先要确保企业技术人员已经接受过相关 技能培训,了解如何最大化利用大数据的作用和潜力为企 业营销服务。 解决碎片化问题。启动大数据营销所面临的一个重 要挑战,是数据的碎片化。许多组织中,数据都散落在互 不联通的数据库中,而且相应数据技术也都存在于不同部 门,如何将这些孤立错位的数据库打通、使之相互互联, 并能实现技术共享,才是最大化大数据价值的关键。营销 者应当留意的是:数据策略要成功提升网络营销成效,要 诀在于无缝对接网络营销的每一步骤, 从数据收集到数据挖 掘、应用、提取洞悉、报表,缺一不可。 培养内部整合能力。要做好大数据的营销运用,首 先要有较强数据整合能力,整合来自企业的各种不同数据 源、不同结构的数据,如客户关系管理、搜索、移动、社 交媒体、网络分析工具、普查数据、离线数据……这些整

突破大数据营销瓶颈
在展示了大数据的非凡前景之后,人们亦不得不承 认,大数据营销目前仍面临着诸多挑战。首先,技术难题 当道,大数据尚处于发展初期,各方面技术并不十分扎 实,各项工具尚需进一步完善。与此同时,企业若想真正 启动大数据营销,不仅要面临技术工具难题,更重要的是 转变传统经营思维和组织架构。 确定企业目标和标准。大数据的资源庞大、繁杂丰 富,如何没有明确的应用目标,很容易走入迷途。因此, 建设者首先要明确大数据运用的短中 期目标,定义机构的价值数据标准, 之后再使用那些能够解决特定领域问 题的技术工具。逐步推广,步步为 营,不要把理想定得太高,否则失望 的几率会很大。 储备好相关技术人才。运用大数 据为营销管理服务之前,要保证技术 团队的到位。企业营销团队要能够非 常自如地玩转数据。许多人认为社交 媒体营销是个有趣的工作,而实际上 那绝对是个艰苦活儿,它非常注重数 据、衡量标准和数据可视化等问题。

合的数据是定向更大目标受众的基础;其次要有研究探索 数据背后价值的能力,未来营销成功的关键取决于如何在 大数据库中挖掘更丰富的营销价值,像站内外数据整合、 多方平台的数据接轨、结合人口与行为数据去建立优化算 法等,都是未来的发展重点;最后,探索之后,给予精确 行动的营销指导纲领,同时通过此纲领进行精确快速的行 动。 以上四条准则被产业界视为未来大数据应用的金科玉 律。“决胜千里,运筹帷幄”,人们有理由相信:在下一 个十年,大数据将成为成就“智慧营销”的关键。

50

上 海 信 息 化 2013 / 2


相关文章:
更多相关标签: