第一篇：大數(shù)據(jù)精準(zhǔn)營(yíng)銷如此火爆,你還不知道是什么嗎？

大數(shù)據(jù)精準(zhǔn)營(yíng)銷如此火爆，你還不知道是什么嗎？

近幾年，大數(shù)據(jù)精準(zhǔn)營(yíng)銷這個(gè)概念充斥著我們生活的方方面面，可以這么說(shuō)，無(wú)論是公司的發(fā)展，還是產(chǎn)品的營(yíng)銷，大數(shù)據(jù)都起著不可比擬的作用，尤其是它發(fā)揮的指導(dǎo)性的作用成為很多企業(yè)發(fā)展的參考依據(jù)。

但對(duì)于很多人來(lái)說(shuō)，雖然置身大數(shù)據(jù)之中，但對(duì)于這個(gè)概念還是一知半解，今天小編就帶大家來(lái)了解一下是什么大數(shù)據(jù)以及大數(shù)據(jù)精準(zhǔn)營(yíng)銷的概念。

大數(shù)據(jù)精準(zhǔn)營(yíng)銷起源于互聯(lián)網(wǎng)行業(yè)，它依托多平臺(tái)的大數(shù)據(jù)采集和大數(shù)據(jù)技術(shù)的分析與預(yù)測(cè)能力，使廣告更加精準(zhǔn)有效，給品牌和企業(yè)帶來(lái)更高的投資回報(bào)率。其核心在于讓網(wǎng)絡(luò)廣告在合適的時(shí)間，通過(guò)合適的載體，以合適的方式，投給合適的人。

為了讓更多的大學(xué)生感受到什么是大數(shù)據(jù)精準(zhǔn)營(yíng)銷，近日，來(lái)自西安某高校的學(xué)子來(lái)到陜西華信智原，傾聽大數(shù)據(jù)精準(zhǔn)營(yíng)銷項(xiàng)目總監(jiān)劉曉宇的體驗(yàn)課程。在體驗(yàn)課現(xiàn)場(chǎng)，劉老師以提問和回答的互動(dòng)模式讓大家明白了“互聯(lián)網(wǎng)+”在各個(gè)領(lǐng)域的應(yīng)用，同時(shí)也進(jìn)一步明白了大數(shù)據(jù)精準(zhǔn)營(yíng)銷在企業(yè)發(fā)展和產(chǎn)品營(yíng)銷中的關(guān)鍵作用，同時(shí)還向大家展示了專業(yè)的概念及魅力。這一堂精彩的體驗(yàn)課下來(lái)，大家都收獲滿滿。

“在大學(xué)我們學(xué)習(xí)的是電子商務(wù)專業(yè)，但感覺內(nèi)容過(guò)于陳舊，跟不上現(xiàn)在時(shí)代的發(fā)展，雖然明知是這樣，但要去改變，卻無(wú)從下手?！币晃粚W(xué)習(xí)電子商務(wù)專業(yè)的學(xué)生表示說(shuō)。

“大數(shù)據(jù)精準(zhǔn)營(yíng)銷這個(gè)概念被越來(lái)越多的人知曉，同時(shí)對(duì)于學(xué)習(xí)電子商務(wù)的學(xué)生來(lái)說(shuō)，進(jìn)一步了解并掌握營(yíng)銷方法的使用，是很多高校需要解決的問題?！标兾魅A信智原項(xiàng)目總監(jiān)胡老師表示說(shuō)。

至于什么是大數(shù)據(jù)精準(zhǔn)營(yíng)銷，未來(lái)我們還有很長(zhǎng)的道路要走，還有很多問題需要探索和解決，但毋庸置疑的是，在互聯(lián)網(wǎng)+這個(gè)時(shí)代，大數(shù)據(jù)精準(zhǔn)營(yíng)銷將發(fā)揮它不可替代的作用。

第二篇：深圳創(chuàng)業(yè)竟然有5項(xiàng)優(yōu)惠措施, 你還不知道嗎

深圳，作為一個(gè)只用三十年就從一個(gè)小漁村搖身一變就躋身國(guó)際大都市的城市，我想最主要的原因是因?yàn)槿瞬?。深圳有一群不甘人后的奮斗青年，他們來(lái)不及等這個(gè)世界變成他們想要的那個(gè)世界，只能是自己去打造屬于他們理想的世界，而深圳就為他們提供了這么一個(gè)平臺(tái)。深圳市企業(yè)注冊(cè)局推出的《深圳市2016年商事主體登記統(tǒng)計(jì)分析報(bào)告》(下簡(jiǎn)稱《報(bào)告》)顯示，深圳商事主體總量繼續(xù)穩(wěn)居全國(guó)大中城市首位，創(chuàng)業(yè)密度最高。

有人問，21世紀(jì)什么最貴?當(dāng)然是人才!為了鼓勵(lì)有志青年來(lái)深創(chuàng)業(yè)，各級(jí)政府也是各顯神通，操碎了心，那么，大深圳在支持創(chuàng)業(yè)的方面用了哪些手段呢?下面，各位想創(chuàng)業(yè)的，或者是已經(jīng)在創(chuàng)業(yè)的有志之士就跟著知道君一起來(lái)看看關(guān)于大深圳最創(chuàng)業(yè)者們的優(yōu)惠扶持政策吧!

1、社保補(bǔ)貼

補(bǔ)貼單位承擔(dān)部分。自主創(chuàng)業(yè)人員在本市創(chuàng)辦初創(chuàng)企業(yè)，進(jìn)行商事登記(或其他法定注冊(cè)登記)取得經(jīng)營(yíng)資質(zhì)，并在該初創(chuàng)企業(yè)繳納社會(huì)保險(xiǎn)費(fèi)的，按深圳市當(dāng)最低繳交社會(huì)保險(xiǎn)費(fèi)標(biāo)準(zhǔn)，對(duì)單位承擔(dān)部分給予補(bǔ)貼。若單位實(shí)際繳交部分低于最低繳交標(biāo)準(zhǔn)的據(jù)實(shí)給予補(bǔ)貼，補(bǔ)貼期限最長(zhǎng)不超過(guò)3年;個(gè)人應(yīng)繳部分仍由其本人承擔(dān)。

自主創(chuàng)業(yè)人員首次申請(qǐng)社會(huì)保險(xiǎn)補(bǔ)貼后，在其初創(chuàng)企業(yè)正常繳交社會(huì)保險(xiǎn)費(fèi)的，公共就業(yè)服務(wù)信息系統(tǒng)將自動(dòng)每3個(gè)月?lián)?shí)發(fā)放后續(xù)的社會(huì)保險(xiǎn)補(bǔ)貼。

2、初創(chuàng)企業(yè)場(chǎng)租補(bǔ)貼

3年租金補(bǔ)貼。自主創(chuàng)業(yè)人員可在初創(chuàng)企業(yè)實(shí)際繳納場(chǎng)租滿3個(gè)月后，向初創(chuàng)企業(yè)注冊(cè)地街道公共就業(yè)服務(wù)機(jī)構(gòu)提出首次場(chǎng)租補(bǔ)貼申請(qǐng)。自主創(chuàng)業(yè)人員應(yīng)在首次申請(qǐng)后，每滿3個(gè)月的次月月底前提出一次場(chǎng)租補(bǔ)貼申請(qǐng)。

自主創(chuàng)業(yè)人員入駐政府主辦的創(chuàng)業(yè)孵化載體創(chuàng)辦初創(chuàng)企業(yè)，按照第一年不低于80%、第二年不低于50%、第三年不低于20%的比例減免租金。

自主創(chuàng)業(yè)人員在經(jīng)市直部門及各區(qū)(新區(qū))認(rèn)定或備案的創(chuàng)業(yè)帶動(dòng)就業(yè)孵化基地、科技企業(yè)孵化載體、留學(xué)生創(chuàng)業(yè)園等創(chuàng)業(yè)孵化載體內(nèi)創(chuàng)辦初創(chuàng)企業(yè)，按第一年1200元/月、第二年1000元/月、第三年700元/月的標(biāo)準(zhǔn)給予租金補(bǔ)貼。

自主創(chuàng)業(yè)人員自行租用經(jīng)營(yíng)場(chǎng)地創(chuàng)辦初創(chuàng)企業(yè)，給予每年最高6000元、最長(zhǎng)3年的租金補(bǔ)貼。

3、初創(chuàng)企業(yè)補(bǔ)貼

每人一次性5000元。自主創(chuàng)業(yè)人員在深圳市創(chuàng)辦初創(chuàng)企業(yè)，正常經(jīng)營(yíng)6個(gè)月以上的，可申請(qǐng)5000元初創(chuàng)補(bǔ)貼。屬于合伙創(chuàng)辦企業(yè)的，經(jīng)審核合伙人條件、出資比例等，按每名合伙人計(jì)發(fā)5000元、合計(jì)不超過(guò)5萬(wàn)元標(biāo)準(zhǔn)給予企業(yè)初創(chuàng)補(bǔ)貼。

符合條件的自主創(chuàng)業(yè)人員只能申請(qǐng)一次初創(chuàng)企業(yè)補(bǔ)貼哦!

4、創(chuàng)業(yè)帶動(dòng)就業(yè)補(bǔ)貼

每雇一人補(bǔ)貼2000元。吸納戶籍人員就業(yè)，可按其人數(shù)申請(qǐng)創(chuàng)業(yè)帶動(dòng)就業(yè)補(bǔ)貼。

自主創(chuàng)業(yè)人員在本市的初創(chuàng)企業(yè)、吸納戶籍人員就業(yè)并按規(guī)定繳納社會(huì)保險(xiǎn)費(fèi)的，經(jīng)申請(qǐng)并驗(yàn)證身份證明、商事主體營(yíng)業(yè)執(zhí)照(或其他法定注冊(cè)登記手續(xù))、稅務(wù)登記證，按其吸納就業(yè)(簽訂1年以上期限勞動(dòng)合同并已繳交6個(gè)月以上社會(huì)保險(xiǎn)費(fèi))人數(shù)給予創(chuàng)業(yè)帶動(dòng)就業(yè)補(bǔ)貼。

招用3人(含3人)以下的按每人2000元給予補(bǔ)貼;招用3人以上的，每增加1人給予3000元補(bǔ)貼，總額最高不超過(guò)3萬(wàn)元。

5、自主創(chuàng)業(yè)擔(dān)保貸款

個(gè)人最高可貸20萬(wàn)元。自主創(chuàng)業(yè)人員在本市的初創(chuàng)企業(yè)可申請(qǐng)創(chuàng)業(yè)擔(dān)保貸款，個(gè)人最高貸款額度為20萬(wàn)元;合伙經(jīng)營(yíng)或創(chuàng)辦的初創(chuàng)企業(yè)，按每人不超過(guò)20萬(wàn)元、總額不超過(guò)200萬(wàn)元的額度實(shí)行“捆綁性”貸款。在貸款額度內(nèi)，貸款利率在基準(zhǔn)利率的基礎(chǔ)上上浮3個(gè)百分點(diǎn)，財(cái)政給予貸款貼息，貸款期限不超過(guò)2年。財(cái)政貼息資金支持的創(chuàng)業(yè)擔(dān)保貸款期限最長(zhǎng)為2年，對(duì)展期和逾期的創(chuàng)業(yè)擔(dān)保貸款，財(cái)政不予貼息。

財(cái)政貼息實(shí)行“先付后貼”，即借款人從取得貸款之日起，根據(jù)貸款合同按期支付利息，按期還本付息后，市公共就業(yè)服務(wù)機(jī)構(gòu)核實(shí)還貸情況及信用記錄后給予貼息。

創(chuàng)客們或者是正在往創(chuàng)業(yè)路上走的準(zhǔn)創(chuàng)客們，有了以上5大優(yōu)惠政策的支持，是不是更有干勁了。那就2017年擼起袖子干吧!當(dāng)然，如果您在創(chuàng)業(yè)路上像是公司注冊(cè)，代理記賬報(bào)稅，商標(biāo)注冊(cè)等等一系列的問題都可以來(lái)咨詢知道君，當(dāng)然如果想輕松一點(diǎn)，也可以直接委托給知道君哦!

第三篇：金融業(yè)如何利用大數(shù)據(jù)進(jìn)行精準(zhǔn)營(yíng)銷

金融業(yè)如何利用大數(shù)據(jù)進(jìn)行精準(zhǔn)營(yíng)銷

導(dǎo)讀近幾年各行各業(yè)對(duì)大數(shù)據(jù)技術(shù)的應(yīng)用越來(lái)越多，但凡有財(cái)力的企業(yè)都躍躍欲試，更何況是“手握重金”的金融行業(yè)。金融業(yè)如何利用大數(shù)據(jù)進(jìn)行精準(zhǔn)營(yíng)銷？如何構(gòu)建新一代大數(shù)據(jù)運(yùn)營(yíng)中心？且聽永洪科技高級(jí)咨詢師胡星昱圍繞金融行業(yè)的經(jīng)驗(yàn)分享。

說(shuō)到大數(shù)據(jù)，有兩點(diǎn)我們要強(qiáng)調(diào)一下：一個(gè)是數(shù)據(jù)資產(chǎn)化，另一個(gè)是決策數(shù)據(jù)化。

? IT部門轉(zhuǎn)變成利潤(rùn)中心

信息技術(shù)部門是做IT支撐的，每年都會(huì)進(jìn)行軟、硬件大批量采購(gòu)，企業(yè)內(nèi)部都認(rèn)為信息技術(shù)部門是成本中心，信息技術(shù)部門的數(shù)據(jù)也都是伴隨業(yè)務(wù)發(fā)生時(shí)產(chǎn)生的一個(gè)附屬物。隨著大數(shù)據(jù)技術(shù)發(fā)展，企業(yè)希望通過(guò)數(shù)據(jù)尋找業(yè)務(wù)規(guī)律，對(duì)客戶需求進(jìn)行挖掘，因?yàn)檫@樣做會(huì)給業(yè)務(wù)帶來(lái)直接的價(jià)值，幫助業(yè)務(wù)進(jìn)行優(yōu)化和提升，所以數(shù)據(jù)成了金融機(jī)構(gòu)的一項(xiàng)寶貴資產(chǎn)，掌握數(shù)據(jù)量最大的信息技術(shù)部門也逐漸成為企業(yè)的利潤(rùn)中心。

從戰(zhàn)略方向上講，以前在企業(yè)內(nèi)部，主要是決策人員根據(jù)經(jīng)驗(yàn)主觀判斷進(jìn)行決策，這樣做的風(fēng)險(xiǎn)很大，因?yàn)槿藭?huì)受到自己所處環(huán)境和情緒的影響。所以企業(yè)必須借助數(shù)據(jù)的幫助來(lái)做決策，并進(jìn)行客觀的驗(yàn)證和預(yù)測(cè)，要從原來(lái)依據(jù)經(jīng)驗(yàn)說(shuō)話向依據(jù)數(shù)據(jù)說(shuō)話進(jìn)行轉(zhuǎn)變。

在數(shù)據(jù)量和數(shù)據(jù)分析需求日益增加的挑戰(zhàn)下，從戰(zhàn)略層面上講，金融機(jī)構(gòu)需要建立一套“數(shù)據(jù)驅(qū)動(dòng)型”的模式，即真正落實(shí)大數(shù)據(jù)運(yùn)營(yíng)中心。

從戰(zhàn)術(shù)方面上講，金融行業(yè)內(nèi)企業(yè)可以嘗試三種戰(zhàn)術(shù)方向。首先可以通過(guò)用戶畫像、精準(zhǔn)營(yíng)銷來(lái)做運(yùn)營(yíng)優(yōu)化。其次是通過(guò)運(yùn)營(yíng)分析、產(chǎn)品定價(jià)來(lái)做精細(xì)化管理。最后是利用實(shí)時(shí)的反欺詐反洗錢應(yīng)用，以及中小企業(yè)的貸款評(píng)估來(lái)提高風(fēng)險(xiǎn)控制能力，最終實(shí)現(xiàn)全面提升金融企業(yè)的核心價(jià)值和能力。

? 新一代金融大數(shù)據(jù)運(yùn)營(yíng)中心 金融行業(yè)內(nèi)的企業(yè)現(xiàn)在都需要一套整體化的業(yè)務(wù)架構(gòu)。構(gòu)建業(yè)務(wù)架構(gòu)要從搭建一套企業(yè)級(jí)數(shù)據(jù)中心說(shuō)起。企業(yè)級(jí)數(shù)據(jù)中心會(huì)包含企業(yè)的業(yè)務(wù)系統(tǒng)、外部數(shù)據(jù)和一些機(jī)器日志，這些結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，都要被匯集在一起。

在這些數(shù)據(jù)之上，金融行業(yè)內(nèi)企業(yè)可以建立各種各樣的分析模型。比如利用用戶畫像做精準(zhǔn)營(yíng)銷，用EVA指標(biāo)模型和反欺詐模型做多維盈利分析、反欺詐的交易分析等。

運(yùn)營(yíng)優(yōu)化、管理提升、風(fēng)險(xiǎn)監(jiān)控，這三個(gè)方向到底給金融行業(yè)帶來(lái)什么價(jià)值？

首先是精準(zhǔn)營(yíng)銷。精準(zhǔn)營(yíng)銷真正要做的就是了解客戶：客戶到底是什么樣的？客戶是誰(shuí)？客戶需要什么產(chǎn)品？客戶有什么產(chǎn)品偏好？客戶喜歡哪些產(chǎn)品組合……還有就是如何進(jìn)行有效營(yíng)銷、如何提升客戶價(jià)值、保持客戶忠誠(chéng)度。

比如，現(xiàn)在很多金融機(jī)構(gòu)都有APP，就可以分析用戶在尋找什么產(chǎn)品，用戶在找到一款產(chǎn)品并真正實(shí)現(xiàn)交易的過(guò)程中會(huì)瀏覽哪些頁(yè)面，在哪個(gè)頁(yè)面停留最長(zhǎng)時(shí)間，交易中斷是什么原因造成的等，而分析結(jié)果可以用于提升運(yùn)營(yíng)效果。

說(shuō)到精準(zhǔn)營(yíng)銷就不能不談?dòng)脩舢嬒?。以前?jīng)常聽到“360度用戶畫像”這個(gè)詞。但我覺得，“360度用戶畫像”更像一個(gè)廣告宣傳語(yǔ)，因?yàn)槿耸欠浅?fù)雜的動(dòng)物，很難用可數(shù)的緯度來(lái)100%地描述，所以需要從一定目的出發(fā)來(lái)建立用戶畫像。

尤其是在企業(yè)內(nèi)部沒有足夠數(shù)據(jù)來(lái)構(gòu)建用戶畫像，需要通過(guò)外界渠道來(lái)獲取數(shù)據(jù)支撐的時(shí)候。數(shù)據(jù)的獲取是有成本的，更不應(yīng)該盲目搭建用戶畫像體系。也就是說(shuō)，用戶畫像的本質(zhì)其實(shí)應(yīng)該是從業(yè)務(wù)角度出發(fā)，對(duì)客戶需求、消費(fèi)能力，以及客戶信用額度等進(jìn)行分析。

舉個(gè)小例子，比如說(shuō)做存貸款產(chǎn)品營(yíng)銷時(shí)，可對(duì)高價(jià)值信用卡用戶的AUM進(jìn)行分析。篩選他們每月的消費(fèi)金額、信用額度、當(dāng)前存款情況、貸款有沒有拖欠，是不是商務(wù)卡持有者等，通過(guò)這些維度對(duì)用戶進(jìn)行分析。再針對(duì)不同用戶分群給出不同的營(yíng)銷策略。比如說(shuō)哪些用戶該提升額度，哪些應(yīng)該為其推薦金融產(chǎn)品。營(yíng)銷在落實(shí)時(shí)，可以先通過(guò)短信進(jìn)行營(yíng)銷，再通過(guò)呼叫中心來(lái)了解客戶意圖。當(dāng)客戶有意向時(shí)，再交由理財(cái)經(jīng)理進(jìn)行進(jìn)一步跟進(jìn)。

除精準(zhǔn)營(yíng)銷，還有多維盈利分析。多維盈利分析金融機(jī)構(gòu)已經(jīng)做很多年了，我最近也與國(guó)內(nèi)幾十家金融機(jī)構(gòu)進(jìn)行了交流，發(fā)現(xiàn)其實(shí)在業(yè)務(wù)上他們都希望多維盈利分析能夠做到帳戶級(jí)?？蓪?shí)際上，大部分金融機(jī)構(gòu)現(xiàn)有的IT架構(gòu)只能支撐做到產(chǎn)品級(jí)，或是科目級(jí)分析。為什么？就是因?yàn)榻鹑跈C(jī)構(gòu)普遍數(shù)據(jù)處理能力不夠。如果要跑一個(gè)帳戶級(jí)的結(jié)果出來(lái)，系統(tǒng)要跑好幾個(gè)小時(shí)。而通過(guò)數(shù)據(jù)運(yùn)營(yíng)中心，就可以實(shí)現(xiàn)幾十分鐘出結(jié)果，企業(yè)就可以更好地進(jìn)行精細(xì)化管理。

在風(fēng)險(xiǎn)監(jiān)控方面，可以列出很多風(fēng)險(xiǎn)監(jiān)控的指標(biāo)，再通過(guò)這些指標(biāo)用大數(shù)據(jù)平臺(tái)進(jìn)行實(shí)時(shí)監(jiān)控，真正了解整個(gè)企業(yè)當(dāng)前所處的風(fēng)險(xiǎn)等級(jí)。

? 傳統(tǒng)業(yè)務(wù)架構(gòu)存在的6大缺點(diǎn)

上述應(yīng)用在傳統(tǒng)架構(gòu)下能否實(shí)現(xiàn)？我認(rèn)為傳統(tǒng)業(yè)務(wù)架構(gòu)存在6大缺點(diǎn)。

第一是不夠敏捷，對(duì)業(yè)務(wù)新需求滿足的時(shí)間太長(zhǎng)。我通過(guò)交流了解到，有些金融機(jī)構(gòu)內(nèi)部業(yè)務(wù)新的需求提出后，需要幾周，甚至幾個(gè)月時(shí)間才能把報(bào)表提交上去，業(yè)務(wù)人員才能看到他需要的數(shù)據(jù)，這種效率顯然跟不上市場(chǎng)變化。

第二是性能不佳，在海量數(shù)據(jù)面前，沒有足夠的計(jì)算能力去實(shí)時(shí)計(jì)算數(shù)據(jù)。

第三是洞察力弱，傳統(tǒng)IT架構(gòu)已無(wú)法深入挖掘海量數(shù)據(jù)的數(shù)據(jù)價(jià)值。金融企業(yè)的分析人員已不滿足于只看到數(shù)據(jù)呈現(xiàn)，還希望對(duì)數(shù)據(jù)進(jìn)行聚類、分類的算法來(lái)挖掘數(shù)據(jù)價(jià)值。第四是擴(kuò)展性差，海量歷史數(shù)據(jù)無(wú)法單機(jī)存儲(chǔ)，傳統(tǒng)的IT架構(gòu)又不支持水平擴(kuò)展。第五是無(wú)法挖掘非結(jié)構(gòu)化數(shù)據(jù)價(jià)值，現(xiàn)在每年金融機(jī)構(gòu)的數(shù)據(jù)增量中有百分之七十到八十的數(shù)據(jù)屬于非結(jié)構(gòu)化數(shù)據(jù)，如果不能把這部分?jǐn)?shù)據(jù)的價(jià)值挖掘出來(lái)，是嚴(yán)重的浪費(fèi)。

第六是成本高，從系統(tǒng)搭建到項(xiàng)目實(shí)施整個(gè)過(guò)程不可控。動(dòng)輒上百萬(wàn)元資金成本或一到兩年時(shí)間成本的項(xiàng)目在金融機(jī)構(gòu)中很多。

所以，永洪提出了新一代的金融大數(shù)據(jù)應(yīng)用中心的IT架構(gòu)，可以根據(jù)業(yè)務(wù)需求不同，分為在線需求和離線需求。

在線or離線

為什么要分在線和離線？其實(shí)，很多需求都是按時(shí)效性區(qū)分的。

舉個(gè)小例子，比如我們會(huì)分析現(xiàn)有的客戶中，哪些屬于即將流失的客戶，哪些是高價(jià)值客戶。在這個(gè)過(guò)程中，要經(jīng)過(guò)復(fù)雜的模型，考量多個(gè)指標(biāo)來(lái)判斷，而結(jié)果也許并不需要馬上就得到。但在分析某個(gè)地區(qū)時(shí)，高價(jià)值客戶最近的消費(fèi)傾向這種分析需求是非常靈活且時(shí)刻變化的，這就要求能夠?qū)崟r(shí)得到計(jì)算結(jié)果。

下面，我把在線和離線分開介紹。

在線分析需求，我們總結(jié)出了一個(gè)最佳實(shí)踐。這里順便回答下如何實(shí)現(xiàn)敏捷分析的問題。在以前的架構(gòu)中，通常是把業(yè)務(wù)邏輯和數(shù)據(jù)模型結(jié)合在一起，也就是根據(jù)業(yè)務(wù)需求制作數(shù)據(jù)模型，制作CUBE，做二次表，進(jìn)行匯總計(jì)算，最后反饋和展現(xiàn)的只是一個(gè)很小數(shù)據(jù)量的結(jié)果。在那這樣的架構(gòu)中，前端需求一旦變化就需要改模型，造成工作量大，交付時(shí)間也會(huì)拖長(zhǎng)。

所以永洪提倡把數(shù)據(jù)模型和業(yè)務(wù)邏輯分開。數(shù)據(jù)模型只把跟分析主題相關(guān)的數(shù)據(jù)關(guān)聯(lián)到一起，做一張大寬表。比如，現(xiàn)在要進(jìn)行營(yíng)銷相關(guān)分析，就把數(shù)據(jù)交易數(shù)據(jù)、用戶數(shù)據(jù)、渠道數(shù)據(jù)都打通，關(guān)聯(lián)起來(lái)，但這些數(shù)據(jù)不要匯總，也就是要保持交易記錄級(jí)的數(shù)據(jù)粒度，而要分析哪些緯度，需要什么粒度的數(shù)據(jù)，都可以通過(guò)實(shí)時(shí)的計(jì)算，這樣就不會(huì)造成業(yè)務(wù)邏輯和數(shù)據(jù)模型混在一起。

不能每個(gè)分析需求都建一個(gè)CUBE，之前我見過(guò)有的企業(yè)數(shù)據(jù)倉(cāng)庫(kù)中有上千個(gè)cube，因?yàn)閿?shù)量太大，根本沒人來(lái)管理。而每當(dāng)有新需求提出，也只能做新CUBE。這么做對(duì)企業(yè)來(lái)說(shuō)有風(fēng)險(xiǎn)。

如果不愿意對(duì)數(shù)據(jù)來(lái)進(jìn)行匯總計(jì)算，而是進(jìn)行實(shí)時(shí)計(jì)算，就要提供大量細(xì)節(jié)數(shù)據(jù)實(shí)時(shí)計(jì)算的能力，這時(shí)可以采用了MPP數(shù)據(jù)集市來(lái)處理在線分析需求。

在這個(gè)過(guò)程中，永洪運(yùn)用了列存儲(chǔ)、分布式計(jì)算、列存計(jì)算的技術(shù)來(lái)提高運(yùn)行效率，就算是百億級(jí)的數(shù)據(jù)，也可以通過(guò)這種分布式的集群，實(shí)時(shí)進(jìn)行分析計(jì)算，然后反饋給用戶。此外，大數(shù)據(jù)平臺(tái)離線分析是通過(guò)Hadoop的平臺(tái)來(lái)做結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)，解析。然后在上面會(huì)用YARN量做資源管理——根據(jù)分析需求決定是用批處理模塊還是搜索模塊、是用流處理還是用機(jī)器學(xué)習(xí)等。

永洪科技現(xiàn)正在幫助國(guó)內(nèi)各個(gè)企業(yè)進(jìn)行數(shù)據(jù)挖掘應(yīng)用。我們的客戶范圍涉及電信行業(yè)、能源、政府、金融、零售，還有IT互聯(lián)網(wǎng)行業(yè)，永洪會(huì)幫助他們提升數(shù)據(jù)運(yùn)營(yíng)效果。

接下來(lái)，簡(jiǎn)單介紹幾個(gè)做過(guò)的案例。

首先是一個(gè)股份銀行，永洪通過(guò)大數(shù)據(jù)平臺(tái)，幫助他們進(jìn)行用戶畫像的精準(zhǔn)營(yíng)銷，把金融機(jī)構(gòu)持卡人的信息、信用卡信息、微信卡信息都拿過(guò)來(lái)。在大數(shù)據(jù)平臺(tái)上，通過(guò)畫像和算法給用戶進(jìn)行畫像分群，根據(jù)分析需求來(lái)構(gòu)建畫像模型，基于Map Raduce聚類和算法對(duì)用戶進(jìn)行分類，然后再進(jìn)行數(shù)據(jù)域處理，最終完成用戶的畫像。

另外,永洪也幫助華北一些金融機(jī)構(gòu)在傳統(tǒng)數(shù)倉(cāng)上搭建在線分析平臺(tái)，以及幫助他們建立全行的報(bào)表平臺(tái)。例如行長(zhǎng)駕駛艙和業(yè)務(wù)類型報(bào)表。永洪也為中信金融機(jī)構(gòu)杭州分行、四川分行搭建了在線分析平臺(tái)。杭州分行通過(guò)在線平臺(tái)幫助用戶實(shí)時(shí)分析零售數(shù)據(jù)。以前他們的分析人員大部分精力都用在整理數(shù)據(jù)和制作報(bào)表上，通過(guò)永洪的在線平臺(tái)，業(yè)務(wù)人員可以自己接觸到數(shù)據(jù)，并且可快速地生成分析報(bào)告，把真正精力都放在分析數(shù)據(jù)這塊。

現(xiàn)在，整個(gè)行業(yè)正處在數(shù)據(jù)架構(gòu)和數(shù)據(jù)分析系統(tǒng)的變革時(shí)期，永洪科技非常希望通過(guò)提供專業(yè)技術(shù)和服務(wù)來(lái)幫助金融機(jī)構(gòu)把數(shù)據(jù)價(jià)值挖掘出來(lái)，提高業(yè)務(wù)能力，提高競(jìng)爭(zhēng)力。

胡星昱：澳大利亞莫納什大學(xué)商業(yè)信息系統(tǒng)碩士，擁有3年大型企業(yè)需求分析，項(xiàng)目實(shí)施和解決方案制作經(jīng)驗(yàn)；曾為國(guó)外大型零售企業(yè)和政府機(jī)構(gòu)設(shè)計(jì)和實(shí)現(xiàn)數(shù)據(jù)分析系統(tǒng)，成功推進(jìn)國(guó)內(nèi)多個(gè)大型金融項(xiàng)目的需求、設(shè)計(jì)、研發(fā)、實(shí)施工作。在企業(yè)級(jí)系統(tǒng)集成，大數(shù)據(jù)，BI領(lǐng)域有豐富的項(xiàng)目經(jīng)驗(yàn)；目前主要負(fù)責(zé)產(chǎn)品和解決方案的咨詢工作。

第四篇：大數(shù)據(jù)與精準(zhǔn)營(yíng)銷研究綜述

大數(shù)據(jù)與精準(zhǔn)營(yíng)銷研究綜述

摘要：隨著互聯(lián)網(wǎng)的日益普及，人們對(duì)互聯(lián)網(wǎng)技術(shù)的利用率越來(lái)越高，由此而來(lái)的大數(shù)據(jù)對(duì)社會(huì)的各行各業(yè)都帶來(lái)很大變化，人們正步入大數(shù)據(jù)時(shí)代。在企業(yè)營(yíng)銷中，大數(shù)據(jù)的應(yīng)用可以大大促進(jìn)精準(zhǔn)營(yíng)銷的發(fā)展，為其帶來(lái)前所未有的發(fā)展機(jī)遇。本文首先分別對(duì)大數(shù)據(jù)與精準(zhǔn)營(yíng)銷的研究進(jìn)行綜述，然后提出大數(shù)據(jù)時(shí)代下精準(zhǔn)營(yíng)銷模式的問題，最后針對(duì)該問題提出一些思考與建議。

關(guān)鍵詞： 大數(shù)據(jù)； 精準(zhǔn)營(yíng)銷； 精準(zhǔn)營(yíng)銷模式

一、大數(shù)據(jù)研究現(xiàn)狀

1.大數(shù)據(jù)起源與興起

1980年，著名未來(lái)學(xué)家托夫勒在其《第三次浪潮》提出了“大數(shù)據(jù)”的概念，并熱情地將其稱頌為“第三次浪潮的華彩樂章”，但是之后很長(zhǎng)一段時(shí)期內(nèi)，由于技術(shù)發(fā)展制約，“大數(shù)據(jù)”的概念并沒有得到人們的重視。

2008年開始，移動(dòng)計(jì)算、物聯(lián)網(wǎng)、云計(jì)算等一系列新興技術(shù)相繼興起，這些技術(shù)的發(fā)展及其在社交媒體、協(xié)同創(chuàng)造、虛擬服務(wù)等新型模式中的廣泛應(yīng)用，使得全球數(shù)據(jù)量呈現(xiàn)出前所未有的爆發(fā)式增長(zhǎng)態(tài)勢(shì)，數(shù)據(jù)復(fù)雜性也急劇增長(zhǎng)，客觀上要求新的分析方法和技術(shù)來(lái)挖掘數(shù)據(jù)價(jià)值，大數(shù)據(jù)技術(shù)應(yīng)運(yùn)而生，并得到迅速發(fā)展和應(yīng)用，如此，“大數(shù)據(jù)”時(shí)代真正到來(lái)。

2008 年末，三位信息領(lǐng)域資深科學(xué)家卡內(nèi)基梅隆大學(xué)的R.E.Bryant、加利福尼亞大學(xué)伯克利分校的R.H.Katz、華盛頓大學(xué)的E.D.Lazowska聯(lián)合業(yè)界組織計(jì)算社區(qū)聯(lián)盟（Computing Community Consortium）發(fā)表了非常有影響力的白皮書《大數(shù)據(jù)計(jì)算： 商務(wù)、科學(xué)和社會(huì)領(lǐng)域的革命性突破》，使得研究者和業(yè)界高管意識(shí)到大數(shù)據(jù)真正重要的是其新用途和帶來(lái)的新見解，而非數(shù)據(jù)本身。隨后，包括EMC、IBM、惠普、微軟在內(nèi)的全球知名企業(yè)紛紛通過(guò)收購(gòu)大數(shù)據(jù)相關(guān)廠商來(lái)實(shí)現(xiàn)技術(shù)整合，實(shí)施其大數(shù)據(jù)戰(zhàn)略； 國(guó)內(nèi)外咨詢機(jī)構(gòu)也相繼發(fā)布與大數(shù)據(jù)相關(guān)的研究報(bào)告，積極跟進(jìn)大數(shù)據(jù)領(lǐng)域的研發(fā)與應(yīng)用。2011 年5 月，EMC 公司在主題為“云計(jì)算相遇大數(shù)據(jù)”的World 2011 大會(huì)中闡述了云計(jì)算與大數(shù)據(jù)的理念和技術(shù)趨勢(shì)。同年10 月，Gartner 將大數(shù)據(jù)列入2012 年十大戰(zhàn)略新興技術(shù)； 11 月，由CSDN 舉辦的中國(guó)大數(shù)據(jù)技術(shù)大會(huì)在北京成功舉行。大數(shù)據(jù)在產(chǎn)業(yè)界逐漸形成燎原之勢(shì)。

目前，大數(shù)據(jù)研究和應(yīng)用已經(jīng)成為信息科技領(lǐng)域中的熱點(diǎn)。世界各國(guó)均高度重視大數(shù)據(jù)領(lǐng)域的研究探索，并從國(guó)家戰(zhàn)略層面推出研究規(guī)劃以應(yīng)對(duì)其帶來(lái)的挑戰(zhàn)。2012 年3 月，美國(guó)奧巴馬政府投資兩億美元啟動(dòng)“大數(shù)據(jù)研究和發(fā)展計(jì)劃”，致力于提高從大型復(fù)雜數(shù)據(jù)集中提取知識(shí)和觀點(diǎn)的能力，并服務(wù)于能源、健康、金融和信息技術(shù)等領(lǐng)域的高科技企業(yè)； 2012年4 月，英國(guó)、美國(guó)、德國(guó)、芬蘭和澳大利亞研究者聯(lián)合推出“世界大數(shù)據(jù)周”活動(dòng)，旨在促使政府制定戰(zhàn)略性的大數(shù)據(jù)措施； 7 月，日本推出“新ICT 戰(zhàn)略研究計(jì)劃”，其中重點(diǎn)關(guān)注“大數(shù)據(jù)應(yīng)用”同時(shí)，大數(shù)據(jù)也已引起學(xué)術(shù)界的廣泛研究興趣。2008 年和2011 年，《Nature》與《Science》雜志分別出版?？禕ig Data： Science in the Petabyte Era》和《Dealing with Data》，從互聯(lián)網(wǎng)技術(shù)、互聯(lián)網(wǎng)經(jīng)濟(jì)學(xué)、超級(jí)計(jì)算、環(huán)境科學(xué)、生物醫(yī)藥等多個(gè)方面討論大數(shù)據(jù)處理和應(yīng)用專題。

2．大數(shù)據(jù)的定義與特征

對(duì)于大數(shù)據(jù)的概念，企業(yè)和學(xué)術(shù)界目前尚未形成公認(rèn)的準(zhǔn)確定義。維基百科將大數(shù)據(jù)定義為“無(wú)法在一定時(shí)間內(nèi)用常規(guī)軟件工具對(duì)其內(nèi)容進(jìn)行抓取、管理和處理的數(shù)據(jù)集合”； 權(quán)威IT 研究與顧問咨詢公司Gartner 將大數(shù)據(jù)定義為“在一個(gè)或多個(gè)維度上超出傳統(tǒng)信息技術(shù)的處理能力的極端信息管理和處理問題”； 美國(guó)國(guó)家科學(xué)基金會(huì)（NSF）則將大數(shù)據(jù)定義為“由科學(xué)儀器、傳感設(shè)備、互聯(lián)網(wǎng)交易、電子郵件、音視頻軟件、網(wǎng)絡(luò)點(diǎn)擊流等多種數(shù)據(jù)源生成的大規(guī)模、多元化、復(fù)雜、長(zhǎng)期的分布式數(shù)據(jù)集”。盡管存在不同的表述，但一個(gè)普遍的觀點(diǎn)是，大數(shù)據(jù)與“海量數(shù)據(jù)”和“大規(guī)模數(shù)據(jù)”的概念一脈相承，但其在數(shù)據(jù)體量、數(shù)據(jù)復(fù)雜性和產(chǎn)生速度三個(gè)方面均大大超出了傳統(tǒng)的數(shù)據(jù)形態(tài)，也超出了現(xiàn)有技術(shù)手段的處理能力，并帶來(lái)了巨大的產(chǎn)業(yè)創(chuàng)新的機(jī)遇。

IBM公司把大數(shù)據(jù)的特征概括成三個(gè)“V”：規(guī)模（Volume）、快速（Velocity）和多樣（Variety），但是更多的人則將其概括為四個(gè)“V”，即規(guī)模（volume）、快速（Velocity）、多樣（Variety）和價(jià)值（value）。

（1）規(guī)模（Volume）。大數(shù)據(jù)首先是必須具有海量數(shù)據(jù)，但是究竟多大體量才叫海量，人們并沒有一個(gè)確定的數(shù)字。有人認(rèn)為應(yīng)該達(dá)到TB數(shù)量級(jí)，一般在10TB規(guī)模左右。但在實(shí)際應(yīng)用中，很多用戶把多個(gè)數(shù)據(jù)集放在一起，已經(jīng)形成了PB級(jí)的數(shù)據(jù)量。

（2）多樣性（Variety）。這是大數(shù)據(jù)概念區(qū)別于從前有關(guān)數(shù)據(jù)管理的一個(gè)重要特征，傳統(tǒng)的數(shù)據(jù)管理主要是針對(duì)結(jié)構(gòu)化數(shù)據(jù)分析利用，其應(yīng)用技術(shù)而大數(shù)據(jù)則更加強(qiáng)調(diào)對(duì)于半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的分析和應(yīng)用。

（3）快速（Velocity）。在當(dāng)前常規(guī)的信息安全產(chǎn)品中，特別是具有代表性的檢測(cè)響應(yīng)類產(chǎn)品技術(shù)中，大量采用實(shí)時(shí)監(jiān)測(cè)，而“實(shí)時(shí)”就意味著快速。在當(dāng)前帶寬越來(lái)越大、系統(tǒng)越來(lái)越復(fù)雜采集的數(shù)據(jù)越來(lái)越多的同時(shí)，安全檢測(cè)對(duì)于事件響應(yīng)的及時(shí)性要求并沒有減

弱。另外，“實(shí)時(shí)”還包含著一種內(nèi)在的含義：主要根據(jù)當(dāng)前的數(shù)據(jù)做出分析判斷。

（4）價(jià)值（Value）。數(shù)據(jù)是物理世界的數(shù)字反映，價(jià)值上數(shù)據(jù)不同于數(shù)字，數(shù)據(jù)背后是有對(duì)象的，而這些對(duì)象是有屬主的、有立場(chǎng)的、有價(jià)值歸屬的、主觀的。大數(shù)據(jù)的體量很大，所蘊(yùn)含的價(jià)值總量也會(huì)是客觀的，但是平均到單條信息的價(jià)值卻很低，即價(jià)值密度很低。

3．大數(shù)據(jù)的關(guān)鍵技術(shù)

傳統(tǒng)的數(shù)據(jù)采集來(lái)源單一，且存儲(chǔ)、管理和分析數(shù)據(jù)量也相對(duì)較小，大多采用關(guān)系型數(shù)據(jù)庫(kù)和并行數(shù)據(jù)倉(cāng)庫(kù)即可處理。而大數(shù)據(jù)環(huán)境下，數(shù)據(jù)來(lái)源非常豐富且數(shù)據(jù)類型多樣，存儲(chǔ)和分析挖掘的數(shù)據(jù)量龐大，對(duì)數(shù)據(jù)展現(xiàn)的要求較高，并且很看重?cái)?shù)據(jù)處理的高效性和可用性，需要依靠并行計(jì)算提升數(shù)據(jù)處理速度。而傳統(tǒng)的并行數(shù)據(jù)庫(kù)技術(shù)追求高度一致性和容錯(cuò)性，難以保證其可用性和擴(kuò)展性。

另一方面，傳統(tǒng)的數(shù)據(jù)處理方法是以處理器為中心，而大數(shù)據(jù)環(huán)境下，需要采取以數(shù)據(jù)為中心的模式，減少數(shù)據(jù)移動(dòng)帶來(lái)的開銷。因此，傳統(tǒng)的數(shù)據(jù)處理方法，已經(jīng)不能適應(yīng)大數(shù)據(jù)的需求，需要一種新的技術(shù)理論和方法。

3.1數(shù)據(jù)挖掘

數(shù)據(jù)挖掘是指從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中提取隱含在其中的、人們事先不知道的，但又是潛在有用信息和知識(shí)的過(guò)程。目前廣為接受的一種處理模型是Fayyad 等人設(shè)計(jì)的多處理階段模型。

3.2數(shù)據(jù)分析

在相關(guān)技術(shù)中，比較具有代表性的是Apache 軟件基金會(huì)開發(fā)的Hadoop，以MapReduce 和Hadoop 為代表的非關(guān)系數(shù)據(jù)分析技術(shù)，憑借其適合非結(jié)構(gòu)處理、大規(guī)模并行處理和簡(jiǎn)單易用等優(yōu)勢(shì)，在互聯(lián)網(wǎng)搜索和其他大數(shù)據(jù)分析技術(shù)領(lǐng)域取得重大進(jìn)展，成為主流技術(shù)。

4．大數(shù)據(jù)相關(guān)產(chǎn)業(yè)發(fā)展

按照信息處理環(huán)節(jié)，大數(shù)據(jù)可以分為數(shù)據(jù)采集、數(shù)據(jù)清理、數(shù)據(jù)存儲(chǔ)及管理、數(shù)據(jù)分析、數(shù)據(jù)顯化及產(chǎn)業(yè)應(yīng)用等六個(gè)環(huán)節(jié)，由于尚屬發(fā)展初期，其中的每個(gè)產(chǎn)業(yè)環(huán)節(jié)都包含著不少的企業(yè)，其市場(chǎng)發(fā)展情況如下。

（l）數(shù)據(jù)采集。Google、CISCO這些傳統(tǒng)的IT公司早已經(jīng)開始部署數(shù)據(jù)收集的工作。在中國(guó)，淘寶、騰訊、百度等公司已經(jīng)收集并存儲(chǔ)大量的用戶習(xí)慣及用戶消費(fèi)行為數(shù)據(jù)。德勤預(yù)計(jì)，在未來(lái)，會(huì)有更為專業(yè)的數(shù)據(jù)收集公司針對(duì)各行業(yè)的特定需求，專門設(shè)計(jì)行業(yè)數(shù)據(jù)收集系統(tǒng)。

（2）數(shù)據(jù)清理。當(dāng)大量龐雜無(wú)序的數(shù)據(jù)收集之后，如何將有用的數(shù)據(jù)篩選出來(lái)，完成數(shù)據(jù)的清理工作并傳遞到下一環(huán)節(jié)，這是隨著大數(shù)據(jù)產(chǎn)業(yè)分工的不斷細(xì)化而需求越來(lái)越高的環(huán)節(jié)。除了Intel等老牌IT企業(yè)，Teradata、Informatica等專業(yè)的數(shù)據(jù)處理公司呈現(xiàn)了更大的活力。在中國(guó)，華傲數(shù)據(jù)等類似廠商也開始不斷涌現(xiàn)。德勤預(yù)計(jì)，在未來(lái)，將會(huì)有大量的公司專注于數(shù)據(jù)清理。

（3）數(shù)據(jù)存儲(chǔ)及管理。數(shù)據(jù)的存儲(chǔ)、管理是數(shù)據(jù)處理的兩個(gè)細(xì)分環(huán)節(jié)。這兩個(gè)細(xì)分環(huán)節(jié)之間的關(guān)系極為緊密。數(shù)據(jù)管理的方式?jīng)Q定了數(shù)據(jù)的存儲(chǔ)格式，而數(shù)據(jù)如何存儲(chǔ)又限制了數(shù)據(jù)分析的深度和廣度。由于相關(guān)性極高，通常由一個(gè)廠商統(tǒng)籌設(shè)計(jì)這兩個(gè)細(xì)分環(huán)節(jié)將更為有效。從廠商占位角度來(lái)分析，IBM、Oracle等老牌的數(shù)據(jù)存儲(chǔ)提供商有明顯的既有優(yōu)勢(shì)，他們?cè)谠械拇鎯?chǔ)業(yè)務(wù)之上進(jìn)行相應(yīng)的深度拓展，輕松占據(jù)了較大的市場(chǎng)份額。而Apache Software Foundation等新生公司，以開源的戰(zhàn)略匯集了行業(yè)專精的智慧，成為大數(shù)據(jù)發(fā)展的領(lǐng)軍企業(yè)。

（4）數(shù)據(jù)分析。傳統(tǒng)的數(shù)據(jù)處理公司SAS及SPSS在數(shù)據(jù)分析方面有明顯的優(yōu)勢(shì)。然而，基于開源軟件基礎(chǔ)構(gòu)架Hadoop的數(shù)據(jù)分析公司最近幾年呈現(xiàn)爆發(fā)性增長(zhǎng)。例如，成立于2008年的Cloudera公司，幫助企業(yè)管理和分析基于開源Hadoop產(chǎn)品的數(shù)據(jù)。由于能夠幫助客戶完成定制化的數(shù)據(jù)分析需求，Cloudera擁有了如ExPedia、摩根大通等大批的知名企業(yè)用戶，僅僅五年時(shí)間，其市值估值已達(dá)到7億美元。

（5）解讀。將大數(shù)據(jù)的分析結(jié)果還原為具體的行業(yè)問題。SAP、SAS等數(shù)據(jù)分析公司在其已有的業(yè)務(wù)之上加人行業(yè)知識(shí)，成為此環(huán)節(jié)競(jìng)爭(zhēng)的佼佼者。同時(shí)，因大數(shù)據(jù)的發(fā)展而應(yīng)運(yùn)而生的wibidata等專業(yè)的數(shù)據(jù)還原公司也開始蓬勃發(fā)展。

（6）展示。這一環(huán)節(jié)中，大數(shù)據(jù)真正開始幫助管理實(shí)踐。通過(guò)對(duì)數(shù)據(jù)的分析和具象化，將大數(shù)據(jù)能夠推導(dǎo)出的結(jié)論量化計(jì)算，同時(shí)應(yīng)用到行業(yè)中去。這一環(huán)節(jié)需要行業(yè)專精人員，通過(guò)大數(shù)據(jù)給出的推論，結(jié)合行業(yè)的具體實(shí)踐制定出真正能夠改變行業(yè)現(xiàn)狀的計(jì)劃。

不僅僅是大數(shù)據(jù)技術(shù)行業(yè)的發(fā)展，大數(shù)據(jù)的應(yīng)用也已經(jīng)在醫(yī)療服務(wù)、零售業(yè)、金融業(yè)、制造業(yè)、物流、電信等行業(yè)廣泛展開，并產(chǎn)生了巨大的社會(huì)價(jià)值和產(chǎn)業(yè)空間。麥肯錫評(píng)估西方產(chǎn)業(yè)數(shù)據(jù)為例，大數(shù)據(jù)的有效利用將能使歐洲發(fā)達(dá)國(guó)家政府節(jié)省至少1000 億歐元（約1 490 億美元）的運(yùn)作成本； 使美國(guó)醫(yī)療保健行業(yè)降低8%的成本（約每年3000 多億美元）； 并使得大多數(shù)零售商的營(yíng)業(yè)利潤(rùn)率提高60%以上。據(jù)市場(chǎng)調(diào)研機(jī)構(gòu)IDC 預(yù)測(cè)，大數(shù)據(jù)技術(shù)與服務(wù)市場(chǎng)將從2010 年的32 億美元攀升到2015 年的169 億美元，實(shí)現(xiàn)40%的年增長(zhǎng)率（IT與通信產(chǎn)業(yè)增長(zhǎng)率的7 倍）近兩年來(lái)，國(guó)內(nèi)外知名企業(yè)（如Ebay、AmazonWal-Mart、淘寶、中國(guó)移動(dòng)和凡客等）相繼推出相應(yīng)的大數(shù)據(jù)產(chǎn)品和平臺(tái)，開展了多種深度商務(wù)分析和應(yīng)用。例如：通過(guò)分析結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)促進(jìn)其業(yè)務(wù)創(chuàng)新和利潤(rùn)增長(zhǎng)； 基于機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘方法來(lái)管理和優(yōu)化其庫(kù)存與供應(yīng)鏈，并量化評(píng)估其定價(jià)策略與營(yíng)銷效果； 通過(guò)市場(chǎng)分析、競(jìng)爭(zhēng)分析、客戶分析和產(chǎn)品分析以優(yōu)化經(jīng)營(yíng)決策等。

5．大數(shù)據(jù)的發(fā)展與挑戰(zhàn)

在大數(shù)據(jù)時(shí)代，我們?nèi)匀灰鎸?duì)大數(shù)據(jù)的各種技術(shù)挑戰(zhàn)，包括大數(shù)據(jù)的去冗降噪技術(shù)、大數(shù)據(jù)的新型表示方法、高效率低成本的大數(shù)據(jù)存儲(chǔ)、大數(shù)據(jù)的有效融合、非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)的高效處理、適合不同行業(yè)的大數(shù)據(jù)挖掘分析工具和開發(fā)環(huán)境、大幅度降低數(shù)據(jù)處理、存儲(chǔ)和通信能耗的新技術(shù)等等。但我們相信技術(shù)能夠解決的問題終將不會(huì)成為問題，真正制約或者成為大數(shù)據(jù)發(fā)展和應(yīng)用瓶頸的有三個(gè)環(huán)節(jié)。

5.1數(shù)據(jù)收集和提取的合法性，數(shù)據(jù)隱私的保護(hù)和數(shù)據(jù)隱私應(yīng)用之間的權(quán)衡

任何企業(yè)或機(jī)構(gòu)從人群中提取私人數(shù)據(jù)，用戶都有知情權(quán)，將用戶的隱私數(shù)據(jù)用于商業(yè)行為時(shí)，都需要得到用戶的認(rèn)可。然而，目前，中國(guó)乃至全世界對(duì)于用戶隱私應(yīng)當(dāng)如何保護(hù)、商業(yè)規(guī)則應(yīng)當(dāng)如何制定、觸犯用戶的隱私權(quán)應(yīng)當(dāng)如何懲治、法律規(guī)范應(yīng)當(dāng)如何制定等一系列管理問題都大大滯后于大數(shù)據(jù)的發(fā)展速度。未來(lái)很多大數(shù)據(jù)業(yè)務(wù)在最初發(fā)展階段將會(huì)游走在灰色地帶，當(dāng)商業(yè)運(yùn)作初具規(guī)模并開始對(duì)大批消費(fèi)者和公司都產(chǎn)生影響之后，相關(guān)的法律法規(guī)以及市場(chǎng)規(guī)范才會(huì)被迫加速制定出來(lái)?？梢灶A(yù)計(jì)的是，盡管大數(shù)據(jù)技術(shù)層面的應(yīng)用可以無(wú)限廣闊，但是由于受到數(shù)據(jù)采集的限制，能夠用于商業(yè)應(yīng)用、服務(wù)于人們的數(shù)據(jù)要遠(yuǎn)遠(yuǎn)小于理論上大數(shù)據(jù)能夠采集和處理的數(shù)據(jù)。數(shù)據(jù)源頭的采集受限將大大限制大數(shù)據(jù)的商業(yè)應(yīng)用。

5.2.大數(shù)據(jù)發(fā)揮協(xié)同效應(yīng)需要產(chǎn)業(yè)鏈各個(gè)環(huán)節(jié)的企業(yè)達(dá)成競(jìng)爭(zhēng)與合作的平衡

大數(shù)據(jù)對(duì)基于其生態(tài)圈中的企業(yè)提出了更多的合作要求。如果沒有對(duì)整體產(chǎn)業(yè)鏈的宏觀把握，單個(gè)企業(yè)僅僅基于自己掌握的獨(dú)立數(shù)據(jù)，無(wú)法了解產(chǎn)業(yè)鏈各個(gè)環(huán)節(jié)數(shù)據(jù)之間的關(guān)系，對(duì)消費(fèi)者做出的判斷和影響也十分有限。在一些信息不對(duì)稱比較明顯的行業(yè)，例如銀行業(yè)以及保險(xiǎn)業(yè)，企業(yè)之間數(shù)據(jù)共享的需求更為迫切。例如，銀行業(yè)和保險(xiǎn)業(yè)通常都需要建立一個(gè)行業(yè)共享的數(shù)據(jù)庫(kù)，讓其成員能夠了解到單個(gè)用戶的信用記錄，消除擔(dān)保方和消費(fèi)者之間的信息不對(duì)稱，讓交易進(jìn)行得更為順利。然而，在很多情況下，這些需要共享信息的企業(yè)之間競(jìng)爭(zhēng)和合作的關(guān)系同時(shí)存在，企業(yè)在共享數(shù)據(jù)之前，需要權(quán)衡利弊，避免在共享數(shù)據(jù)的同時(shí)喪失了其競(jìng)爭(zhēng)優(yōu)勢(shì)。此外，當(dāng)很多商家合作起來(lái)，很容易形成賣家同盟而導(dǎo)致消費(fèi)者利益受到損失，影響到競(jìng)爭(zhēng)的公平性。大數(shù)據(jù)最具有想象力的發(fā)展方向是將不

同行業(yè)的數(shù)據(jù)整合起來(lái)，提供全方位立體的數(shù)據(jù)繪圖，力圖從系統(tǒng)的角度了解并重塑用戶需求。然而，交叉行業(yè)數(shù)據(jù)共享需要平衡太多企業(yè)的利益關(guān)系，如果沒有中立的第三方機(jī)構(gòu)出面，協(xié)調(diào)所有參與企業(yè)之間的關(guān)系、制定數(shù)據(jù)共性及應(yīng)用的規(guī)則，將大大限制大數(shù)據(jù)的用武之地。權(quán)威第三方中立機(jī)構(gòu)的缺乏，將制約大數(shù)據(jù)發(fā)揮出其最大的潛力。5.3大數(shù)據(jù)結(jié)論的解讀和應(yīng)用

大數(shù)據(jù)可以從數(shù)據(jù)分析的層面上揭示各個(gè)變量之間可能的關(guān)聯(lián)，但是數(shù)據(jù)層面上的關(guān)聯(lián)如何具象到行業(yè)實(shí)踐中如何制定可執(zhí)行方案應(yīng)用大數(shù)據(jù)的結(jié)論這些問題要求執(zhí)行者不但能夠解讀大數(shù)據(jù)，同時(shí)還需深諳行業(yè)發(fā)展各個(gè)要素之間的關(guān)聯(lián)。這一環(huán)節(jié)基于大數(shù)據(jù)技術(shù)的發(fā)展，但又涉及管理和執(zhí)行等各方面因素。在這一環(huán)節(jié)中，人的因素成為制勝關(guān)鍵。從技術(shù)角度看，執(zhí)行人需要理解大數(shù)據(jù)技術(shù)，能夠解讀大數(shù)據(jù)分析的結(jié)論；從行業(yè)角度看，執(zhí)行人要非常了解行業(yè)各個(gè)生產(chǎn)環(huán)節(jié)的流程及關(guān)系、各要素之間的可能關(guān)聯(lián)，并且將大數(shù)據(jù)得到的結(jié)論和行業(yè)的具體執(zhí)行環(huán)節(jié)一一對(duì)應(yīng)起來(lái)；從管理的角度看，執(zhí)行人需要制定出可執(zhí)行的解決問題的方案，并且確保這一方案和管理流程沒有沖突，在解決問題的同時(shí)，沒有制造出新的問題。這些需求，不但要求執(zhí)行人深諳技術(shù)，同時(shí)應(yīng)當(dāng)是一個(gè)卓越的管理者，有系統(tǒng)論的思維，能夠從復(fù)雜系統(tǒng)的角度關(guān)聯(lián)地看待大數(shù)據(jù)與行業(yè)的關(guān)系。此類人才的稀缺性將制約大數(shù)據(jù)的發(fā)展。

6．大數(shù)據(jù)的研究不足

綜觀國(guó)內(nèi)外大數(shù)據(jù)領(lǐng)域的研究和應(yīng)用發(fā)展現(xiàn)狀可見： 1）大數(shù)據(jù)相關(guān)的研究與應(yīng)用目前仍然處于起步階段，學(xué)術(shù)研究大多局限于宏觀層面；2）基于互聯(lián)網(wǎng)和社會(huì)媒體的企業(yè)大數(shù)據(jù)研究與應(yīng)用亟需進(jìn)一步的深入開展； 3）現(xiàn)有的大數(shù)據(jù)研究大多立足于信息科學(xué)，側(cè)重于大數(shù)據(jù)的獲取、存儲(chǔ)、處理、挖掘和信息安全等方面，鮮有從管理學(xué)的角度探討大數(shù)據(jù)對(duì)于現(xiàn)代企業(yè)生產(chǎn)管理和商務(wù)運(yùn)營(yíng)決策等方面帶來(lái)的變革與沖擊的研究。

二、精準(zhǔn)營(yíng)銷研究現(xiàn)狀

1.精準(zhǔn)營(yíng)銷的定義

1999 年，美國(guó)的萊斯特·偉門提出了精準(zhǔn)營(yíng)銷的概念。Zabin和Brebach（2004）提出了精準(zhǔn)營(yíng)銷的4R法則，亦即正確的顧客（right customer），正確的信息（right message），正確的管道（right channel）以及正確的時(shí)刻（Right time），通過(guò)將正確的信息在正確的時(shí)刻通過(guò)正確的管道傳遞到正確的顧客手中，以此真正對(duì)目標(biāo)客戶的購(gòu)買決策構(gòu)成影響，促進(jìn)營(yíng)銷目標(biāo)的有效達(dá)成。

菲利普.科特勒Philip Kotler（2005）在其全球巡回演講論壇上宣布了一個(gè)營(yíng)銷傳播的新趨勢(shì)——精準(zhǔn)營(yíng)銷（Precision Marketing），并對(duì)其進(jìn)行闡述：“具體來(lái)說(shuō)，就是公司需要更精準(zhǔn)、可衡量和高投資回報(bào)的營(yíng)銷溝通，需要更注重結(jié)果和行動(dòng)的營(yíng)銷傳播計(jì)劃，還有越來(lái)越注重對(duì)直接銷售溝通的投資?？铺乩眨?006）在暢銷書《Principles of Marketing》中，首次將基于互聯(lián)網(wǎng)的精準(zhǔn)營(yíng)銷理論融入其中，他認(rèn)為日新月異的科技，使一些公司勇于從傳統(tǒng)的大眾傳媒溝通方式轉(zhuǎn)移到更加有針對(duì)性目標(biāo)市場(chǎng)的互動(dòng)模式，以此來(lái)不斷提高溝通的效果和效率。并提出“對(duì)于營(yíng)銷來(lái)說(shuō)，將溝通個(gè)性化，并在正確的時(shí)間，對(duì)正確的人，表達(dá)而且做出正確的事情，是至關(guān)重要的。”

Paul.W.Farris與Neil.T.Bendle等人（2006）在《Marketing Metries：50+MetriesEvery Executive Should Master》一書中專門研究了解決營(yíng)銷活動(dòng)科學(xué)量化的問題，幫助精準(zhǔn)營(yíng)銷活動(dòng)取得良好效果。營(yíng)銷量化指標(biāo)的歸納和運(yùn)用，為經(jīng)理人在實(shí)踐中有效利用信息進(jìn)行科學(xué)決策，提供了指導(dǎo)原則、方法以及注意事項(xiàng)。營(yíng)銷量化指標(biāo)衡量方法，綜合了營(yíng)銷和財(cái)務(wù)兩個(gè)方面的視角，是關(guān)于公司營(yíng)銷業(yè)績(jī)的科學(xué)而全面的評(píng)價(jià)。

Lisa D Spiller與Martin Baier（2006）合著的《當(dāng)代直復(fù)營(yíng)銷》中提到了直復(fù)營(yíng)銷是對(duì)傳統(tǒng)營(yíng)銷的發(fā)展，是精準(zhǔn)營(yíng)銷的理論基礎(chǔ)之一，強(qiáng)調(diào)以市場(chǎng)細(xì)分為基礎(chǔ)進(jìn)行數(shù)據(jù)庫(kù)驅(qū)動(dòng)的直復(fù)營(yíng)銷。在互聯(lián)網(wǎng)的基礎(chǔ)上實(shí)現(xiàn)精準(zhǔn)營(yíng)銷，完成與顧客之間的直復(fù)營(yíng)銷關(guān)系。

國(guó)內(nèi)的齊淵博（2005）將精準(zhǔn)營(yíng)銷理解為“精確營(yíng)銷”，即包含了“標(biāo)準(zhǔn)”和“確定”兩個(gè)意思，“標(biāo)準(zhǔn)”就是可以復(fù)制、可以推廣、可以提升，沒有“標(biāo)準(zhǔn)”的理念只是偶然現(xiàn)象，而“確定”就是對(duì)市場(chǎng)極致的了解和把握。

學(xué)者許瑾（2006）在科特勒精準(zhǔn)營(yíng)銷理論的基礎(chǔ)上，從實(shí)踐的角度對(duì)精準(zhǔn)營(yíng)銷進(jìn)行了補(bǔ)充：“精準(zhǔn)營(yíng)銷是以客戶為中心，運(yùn)用各種可利用的方式，在恰當(dāng)?shù)臅r(shí)間，以恰當(dāng)?shù)膬r(jià)格，通過(guò)恰當(dāng)?shù)那?，向恰?dāng)?shù)念櫩吞峁┣‘?dāng)?shù)漠a(chǎn)品?！辈⒅赋鼍珳?zhǔn)營(yíng)銷的幾種傳播新模式，提倡從傳播受眾切入，研究受眾的行為、生活形態(tài)，從而理解用戶需求，最終傳遞給受眾最精準(zhǔn)的廣告內(nèi)容。

伍青生、余穎、鄭興山（2006）在《精準(zhǔn)營(yíng)銷的思想和方法》一文中提出了精準(zhǔn)營(yíng)銷是通過(guò)定量和定性相結(jié)合的方法對(duì)目標(biāo)市場(chǎng)的不同消費(fèi)者進(jìn)行細(xì)致分析，根據(jù)他們不同的消費(fèi)心理和行為特征，企業(yè)采用有針對(duì)性的現(xiàn)代技術(shù)、方法和指向明確的策略，實(shí)現(xiàn)對(duì)目標(biāo)市場(chǎng)不同消費(fèi)者群體強(qiáng)有效性、高投資回報(bào)的營(yíng)銷溝通。

郵政營(yíng)銷專家徐海亮教授（2006）創(chuàng)立了精準(zhǔn)營(yíng)銷理論體系，提出了較為完整的精準(zhǔn)營(yíng)銷的概念——精準(zhǔn)營(yíng)銷就是在精準(zhǔn)定位的基礎(chǔ)上，依托現(xiàn)代信息技術(shù)手段建立個(gè)性化的

顧客溝通服務(wù)體系，實(shí)現(xiàn)企業(yè)可度量的低成本擴(kuò)張之路。并指出了精準(zhǔn)營(yíng)銷的三個(gè)層面的含義：第一、精準(zhǔn)的營(yíng)銷思想。營(yíng)銷的終極追求就是無(wú)營(yíng)銷的營(yíng)銷，到達(dá)終極思想的過(guò)度就是逐步精準(zhǔn)。第二是實(shí)施精準(zhǔn)的體系保證和手段，而這種手段是可衡量的。第三就是達(dá)到低成本可持續(xù)發(fā)展的企業(yè)目標(biāo)。并對(duì)傳統(tǒng)廣告體系與精準(zhǔn)傳播體系進(jìn)行了對(duì)比，提出來(lái)精準(zhǔn)傳播的三種方式：網(wǎng)絡(luò)媒體的傳播，傳統(tǒng)廣告的改良與創(chuàng)新及口碑傳播。劉征宇（2007）在《精準(zhǔn)營(yíng)銷方法研究》一文中也把精準(zhǔn)營(yíng)銷的方法歸為基于數(shù)據(jù)庫(kù)營(yíng)銷的方法、基于互聯(lián)網(wǎng)的方法、借助他人渠道的方法等三大類。

姜何（2008）用精細(xì)化營(yíng)銷來(lái)形容精準(zhǔn)營(yíng)銷，他認(rèn)為所謂精細(xì)化的管理是相對(duì)于粗放式管理而言的，面對(duì)于營(yíng)銷的精細(xì)化管理，意味著基于客戶細(xì)分戰(zhàn)略的一對(duì)一營(yíng)銷，即要與企業(yè)選定的最有價(jià)值的客戶群一對(duì)一，了解個(gè)性化需求，提供個(gè)性化渠道，實(shí)現(xiàn)個(gè)性化營(yíng)銷手段。而曹彩杰（2010）也分析到：以網(wǎng)絡(luò)和信息技術(shù)為核心的精準(zhǔn)營(yíng)銷體系，在一定程度上將取代傳統(tǒng)的營(yíng)銷方式，逐步成為現(xiàn)代企業(yè)營(yíng)銷發(fā)展的新趨勢(shì)。

綜合上述各種觀點(diǎn)可以看出，目前學(xué)者對(duì)精準(zhǔn)營(yíng)銷研究熱情也頗為高漲，相關(guān)文獻(xiàn)數(shù)量較多，但對(duì)于什么是精準(zhǔn)營(yíng)銷業(yè)界還沒有給出一個(gè)公認(rèn)的定義，但精準(zhǔn)營(yíng)銷的特性是顯而易見的：一是對(duì)市場(chǎng)準(zhǔn)確定位，二是依賴科技手段，三是個(gè)性化服務(wù)，四是提高營(yíng)銷的正確性。盡管精準(zhǔn)營(yíng)銷的定義尚無(wú)定論，但這并不妨礙精準(zhǔn)營(yíng)銷思想及方法的發(fā)展傳播，由于互聯(lián)網(wǎng)的普及化，網(wǎng)絡(luò)營(yíng)銷方興未艾，基于互聯(lián)網(wǎng)的精準(zhǔn)營(yíng)銷是目前網(wǎng)絡(luò)營(yíng)銷的一個(gè)熱點(diǎn)領(lǐng)域并且還會(huì)不斷涌現(xiàn)新的研究成果。精準(zhǔn)營(yíng)銷將在互聯(lián)網(wǎng)上的新興行業(yè)里得到廣泛推廣，并逐步應(yīng)用到傳統(tǒng)產(chǎn)業(yè)中去。

2．精準(zhǔn)營(yíng)銷的理論基礎(chǔ)及意義

精準(zhǔn)營(yíng)銷并不是一個(gè)全新的營(yíng)銷思想，隨著信息技術(shù)的飛速發(fā)展，市場(chǎng)的形態(tài)有人們的消費(fèi)行為、消費(fèi)觀念都產(chǎn)生了巨大的變化，隨之產(chǎn)生的新營(yíng)銷環(huán)境促使?fàn)I銷方式和營(yíng)銷途徑在傳統(tǒng)營(yíng)銷理論的基礎(chǔ)上不斷演變發(fā)展。

2.1從4P理論到4C理論

美國(guó)營(yíng)銷學(xué)學(xué)者麥卡錫教授于1960年在《基礎(chǔ)營(yíng)銷》（Basic Marketing）中提出產(chǎn)品（product）、價(jià)格（price）、渠道（place）、促銷（promotion）大營(yíng)銷組合策略，他認(rèn)為一次成功和完整的市場(chǎng)營(yíng)銷活動(dòng)，意味著以適當(dāng)?shù)漠a(chǎn)品、適當(dāng)?shù)膬r(jià)格、適當(dāng)?shù)那篮瓦m當(dāng)?shù)膫鞑ゴ黉N推廣手段，將適當(dāng)?shù)漠a(chǎn)品和服務(wù)投放到特定市場(chǎng)的行為。4P理論是營(yíng)銷策略的基礎(chǔ)，科特勒（1967）在其暢銷書《營(yíng)銷管理：分析、規(guī)劃與控制》第一版中進(jìn)一步確認(rèn)了以4P為核心的營(yíng)銷組合方法。4P營(yíng)銷理論遵循的是由上而下的運(yùn)行原則，它使市場(chǎng)營(yíng)銷

理論有開始有了體系，又使復(fù)雜的現(xiàn)象和理論簡(jiǎn)單化“這種理念的出發(fā)點(diǎn)是追求企業(yè)利潤(rùn)，重視產(chǎn)品導(dǎo)向而非消費(fèi)者導(dǎo)向，沒有將客戶的需求放到同等重要的地位上來(lái)，這也正好體現(xiàn)了了在無(wú)細(xì)分市場(chǎng)（mass market）里推（push）的概念。在4P理論的基礎(chǔ)上勞特朋（Robert.F.Lauterbon）教授（1990）在其《4P退休4C登場(chǎng)》專文中，提出了以顧客為中心的一個(gè)新的營(yíng)銷模式，這個(gè)4C理論它包含4個(gè)要素：四個(gè)基本要素：即消費(fèi)者（Consumer）、成本（Cost）、便利（convenience）和溝通（communication）。4C理論的核心：強(qiáng)調(diào)購(gòu)買一方在市場(chǎng)營(yíng)銷活動(dòng)中的主動(dòng)性與積極參與，強(qiáng)調(diào)顧客購(gòu)買的便利性”精準(zhǔn)營(yíng)銷為買賣雙方創(chuàng)造了得以即時(shí)交流的小環(huán)境，符合消費(fèi)者導(dǎo)向、成本低廉、購(gòu)買的便利以及充分溝通的4C要求，是4C理論的實(shí)際應(yīng)用。精準(zhǔn)營(yíng)銷是迎合市場(chǎng)內(nèi)外環(huán)境的變化，在4P的理論基礎(chǔ)上，融合了4C營(yíng)銷組合理論來(lái)適應(yīng)新環(huán)境的發(fā)展：

（1）精準(zhǔn)營(yíng)銷真正貫徹了消費(fèi)者導(dǎo)向的基本原則。4C理論的核心思想，便是企業(yè)的全部行為都要以消費(fèi)者需求和欲望為基本導(dǎo)向，精準(zhǔn)營(yíng)銷作為這一大背景下的產(chǎn)物，強(qiáng)調(diào)的仍然是比競(jìng)爭(zhēng)對(duì)手更及時(shí)、更有效地了解并傳遞目標(biāo)市場(chǎng)所期待的滿足。這樣，企業(yè)要迅速而準(zhǔn)確地掌握市場(chǎng)需求，就必須離消費(fèi)者越近越好。這是由于，一方面，信息經(jīng)過(guò)多個(gè)環(huán)節(jié)的傳播、過(guò)濾，必然帶來(lái)自然失真，這是由知覺的選擇性注意、選擇性理解、選擇性記憶、選擇性反饋和選擇性接受所決定的；另一方面，由于各環(huán)節(jié)主體利益的不同，他們往往出于自身利益的需要而過(guò)分夸大或縮小信息，從而帶來(lái)信息的人為失真。精準(zhǔn)營(yíng)銷繞過(guò)復(fù)雜的中間環(huán)節(jié)，直接面對(duì)消費(fèi)者，通過(guò)各種現(xiàn)代化信息傳播工具與消費(fèi)者進(jìn)行直接溝通，從而避免了信息的失真，可以比較準(zhǔn)確地了解和掌握他們的需求和欲望。

（2）精準(zhǔn)營(yíng)銷降低了消費(fèi)者的滿足成本。精準(zhǔn)營(yíng)銷是渠道最短的一種營(yíng)銷方式，由于減少了流轉(zhuǎn)環(huán)節(jié)，節(jié)省了昂貴的店鋪?zhàn)饨穑範(fàn)I銷成本大為降低，又由于其完善的訂貨!配送服務(wù)系統(tǒng)，使購(gòu)買的其它成本也相應(yīng)減少，因而降低了滿足成本。

（3）精準(zhǔn)營(yíng)銷方便了顧客購(gòu)買。精準(zhǔn)營(yíng)銷商經(jīng)常向顧客提供大量的商品和服務(wù)信息，顧客不出家門就能購(gòu)得所需物品，減少了顧客購(gòu)物的麻煩，增進(jìn)了購(gòu)物的便利性。精準(zhǔn)營(yíng)銷實(shí)現(xiàn)了與顧客的雙向互動(dòng)溝通，這是精準(zhǔn)營(yíng)銷與傳統(tǒng)營(yíng)銷最明顯的區(qū)別之一。

2.2讓渡價(jià)值理論

“讓渡價(jià)值”這個(gè)新概念是科特勒（1994）提出的，是對(duì)市場(chǎng)營(yíng)銷理論的又一進(jìn)步。顧客總價(jià)值與顧客總成本之間的差額是“讓客價(jià)值”的中心。其中顧客總價(jià)值是指顧客購(gòu)買某個(gè)產(chǎn)品或者得到服務(wù)所期望獲得的某些利益，其中包括產(chǎn)品的價(jià)值、服務(wù)的價(jià)值和形象的價(jià)值等；顧客總成本的意思是指顧客為購(gòu)買某一產(chǎn)品或服務(wù)而支付的貨幣及所耗費(fèi)的

精力、時(shí)間，包括貨幣的成本、時(shí)間的成本及精力的成本。

由于顧客選擇購(gòu)買商品或者服務(wù)時(shí)，總是希望把相關(guān)的成本降至最低，同時(shí)又希望從中獲得到更多的實(shí)際利益，因此，顧客總是傾向于選擇“讓渡價(jià)值”最大化的方式。而企業(yè)為在競(jìng)爭(zhēng)中想要努力的戰(zhàn)勝對(duì)手，就需要吸引更多的潛在顧客，同時(shí)必須向顧客提供比競(jìng)爭(zhēng)對(duì)手更多的“讓渡價(jià)值”，才可以滿足顧客的實(shí)際利益最大化的期望。

首先，精準(zhǔn)營(yíng)銷能夠大幅度的提高顧客總價(jià)值。因?yàn)榫珳?zhǔn)營(yíng)銷實(shí)現(xiàn)了“一對(duì)一”的營(yíng)銷，在這種新型觀念指導(dǎo)下，其產(chǎn)品設(shè)計(jì)、開發(fā)、銷售充分考慮了消費(fèi)者需求的個(gè)性特征，同時(shí)增強(qiáng)了產(chǎn)品價(jià)值的適應(yīng)性，從而為顧客創(chuàng)造了更大的產(chǎn)品價(jià)值。在提供優(yōu)良產(chǎn)品的同時(shí)，精準(zhǔn)營(yíng)銷更加注重服務(wù)價(jià)值的開發(fā)和創(chuàng)造，努力的向消費(fèi)者提供合理、周密、完善的銷售服務(wù)，同時(shí)方便廣大顧客的購(gòu)買。另外，精準(zhǔn)營(yíng)銷還通過(guò)一系列的優(yōu)質(zhì)的營(yíng)銷活動(dòng)，努力提升自身的形象，逐步的培養(yǎng)消費(fèi)者對(duì)企業(yè)的偏好與忠誠(chéng)。

其次，精準(zhǔn)營(yíng)銷大大的降低了顧客總成本。在顧客購(gòu)買商品，不僅要考慮銷售商品的價(jià)格，同時(shí)必須確切的知道有關(guān)商品的信息，并對(duì)銷售商品各方面進(jìn)行深層次的比較，還必須考慮顧客購(gòu)物環(huán)境是否便利等多種因素。精準(zhǔn)營(yíng)銷可能大幅的縮短了營(yíng)銷渠道，通過(guò)直接手段和直接媒體及時(shí)向顧客傳遞商品信息，降低了顧客搜尋信息的精力成本與時(shí)間成本，因而減少了交易費(fèi)用，擴(kuò)大了企業(yè)商品銷售，成為眾多企業(yè)廣泛采用的營(yíng)銷方式。

2.3直接溝通理論

1973年，領(lǐng)導(dǎo)行為理論代表人物，美國(guó)行為科學(xué)家明茨伯格H.Mintzberg指出“管理工作有10種作用，而人際關(guān)系和溝通占3成”。明茨伯格首先創(chuàng)立了經(jīng)理角色理論，指出“重視同外界和下屬的信息聯(lián)系”和“愛用口頭交談方式”為經(jīng)理角色六個(gè)特點(diǎn)中非常重要的兩個(gè)特點(diǎn)，直接強(qiáng)化了直接溝通。從泰勒科學(xué)管理初始探索下行溝通開始，管理溝通理論的發(fā)展歷程主要經(jīng)歷了從研究“行政溝通”，向研究“人際溝通”發(fā)展、接著以“縱向溝通”研究為主，向以“橫向溝通”研究為主，進(jìn)而向以“網(wǎng)絡(luò)化溝通”研究為主發(fā)展、從以研究“單一的任務(wù)溝通”為主，向“全方位的知識(shí)共享溝通”研究發(fā)展等一系列過(guò)程。

20世紀(jì)80年代以來(lái)隨著世界經(jīng)濟(jì)政治的變化，管理思想發(fā)生了重大的轉(zhuǎn)變，管理溝通理論的研究也遭遇到新的挑戰(zhàn)，主要表現(xiàn)在溝通中的信息網(wǎng)絡(luò)技術(shù)的應(yīng)用，知識(shí)型企業(yè)及學(xué)習(xí)型組織的建立等。伴隨著現(xiàn)代管理理論呈現(xiàn)出的管理理念更加知識(shí)化、管理組織虛擬化、人性化、管理手段和設(shè)施網(wǎng)絡(luò)化、組織結(jié)構(gòu)扁平化、管理文化全球化等總體趨勢(shì)，管理溝通理論也出現(xiàn)了企業(yè)流程再造溝通趨勢(shì)、知識(shí)管理溝通趨勢(shì)、管理更加柔性化的文化管理溝通趨勢(shì)、網(wǎng)絡(luò)經(jīng)濟(jì)和全球經(jīng)濟(jì)一體化的管理溝通的國(guó)際化趨勢(shì)。精準(zhǔn)營(yíng)銷的直接

溝通，使溝通的距離達(dá)到了最短，強(qiáng)化了溝通的效果。

四、對(duì)大數(shù)據(jù)環(huán)境下精準(zhǔn)營(yíng)銷模式的思考

“營(yíng)銷管理是藝術(shù)與科學(xué)的結(jié)合——選擇目標(biāo)市場(chǎng)，并通過(guò)創(chuàng)造、交付和傳播優(yōu)質(zhì)的顧客價(jià)值來(lái)獲得顧客、挽留顧客和提升顧客的科學(xué)與藝術(shù)?！逼渲?，“科學(xué)”的部分有賴于數(shù)據(jù)搜集與分析和各種營(yíng)銷數(shù)據(jù)庫(kù)的建立。可以說(shuō)，數(shù)據(jù)的使用貫穿在整個(gè)營(yíng)銷過(guò)程的始末，對(duì)于營(yíng)銷的效果起著至關(guān)重要的影響性作用。而在大數(shù)據(jù)時(shí)代，大數(shù)據(jù)的日益興起和全方位的發(fā)展，如GPS定位一般，使企業(yè)對(duì)市場(chǎng)的理解和洞察需求正在日益地走向?qū)崟r(shí)化和精準(zhǔn)化，為企業(yè)實(shí)現(xiàn)精準(zhǔn)營(yíng)銷帶來(lái)前所未有的發(fā)展機(jī)遇。

而通過(guò)以上對(duì)大數(shù)據(jù)、精準(zhǔn)營(yíng)銷的分析與總結(jié)我們可以看出，國(guó)內(nèi)外學(xué)者對(duì)大數(shù)據(jù)、精準(zhǔn)營(yíng)銷等理論研究成果很多，但對(duì)于如何利用大數(shù)據(jù)及大數(shù)據(jù)技術(shù)，研究客戶行為特征，建立大數(shù)據(jù)時(shí)代顧客洞察與精準(zhǔn)營(yíng)銷體系策略，這方面的研究則很少。“許多人感覺到大數(shù)據(jù)時(shí)代正在到來(lái)，但往往只是一種朦朧的感覺，對(duì)于其真正對(duì)營(yíng)銷帶來(lái)的威力可以用一個(gè)時(shí)髦的詞來(lái)形容——不明覺厲”。下面提出自己的一些思考。

首先，科技在營(yíng)銷中的運(yùn)用一直存在，然而大數(shù)據(jù)在營(yíng)銷中的運(yùn)用是科技與營(yíng)銷的結(jié)合的一座新的里程碑，它使技術(shù)在營(yíng)銷中不再僅僅是錦上添花的工具，則是會(huì)帶來(lái)企業(yè)營(yíng)銷的戰(zhàn)略性轉(zhuǎn)型，起到革命性的作用。

其次，我們可以從市場(chǎng)營(yíng)銷的一般過(guò)程來(lái)分析大數(shù)據(jù)技術(shù)在精準(zhǔn)營(yíng)銷中的應(yīng)用。（1）客戶信息收集與處理?？蛻魯?shù)據(jù)管理是一個(gè)數(shù)據(jù)準(zhǔn)備的過(guò)程，是數(shù)據(jù)分析和挖掘的基礎(chǔ)，是搞好精準(zhǔn)營(yíng)銷的關(guān)鍵和基礎(chǔ)，否則會(huì)造成盲目推介、過(guò)度營(yíng)銷等錯(cuò)誤，比如因?yàn)槟承┊a(chǎn)品的購(gòu)買，在一定時(shí)段里是不會(huì)重復(fù)的，強(qiáng)行推薦，只會(huì)導(dǎo)致厭煩情緒和后悔情緒。傳統(tǒng)的客戶關(guān)系管理一般關(guān)注兩方面的客戶數(shù)據(jù)：客戶的描述性數(shù)據(jù)和行為數(shù)據(jù)。描述性數(shù)據(jù)類似于一個(gè)人的簡(jiǎn)歷，比如姓名、性別、年齡、學(xué)歷等；行為數(shù)據(jù)則復(fù)雜一些，比如消費(fèi)者購(gòu)買數(shù)量、購(gòu)買頻次、退貨行為、付款方式等。在大數(shù)據(jù)時(shí)代，結(jié)構(gòu)性數(shù)據(jù)僅占15%，更多的是類似于購(gòu)物過(guò)程、社交評(píng)論等這樣的非結(jié)構(gòu)性數(shù)據(jù)，并且數(shù)據(jù)十分復(fù)雜，符合4V特征。只有通過(guò)大數(shù)據(jù)技術(shù)收集和整理數(shù)據(jù)，才有可能形成關(guān)于客戶的360度式數(shù)據(jù)庫(kù)，不錯(cuò)過(guò)每一次營(yíng)銷機(jī)會(huì)，“啤酒與尿布”的推銷理論就是一個(gè)很好的例子。

（2）客戶細(xì)分與定位。只有區(qū)分出了不同的客戶群，企業(yè)才有可能對(duì)不同客戶群展開有效的管理并采取差異化的營(yíng)銷手段，提供滿足這個(gè)客戶群特征要求的產(chǎn)品或服務(wù)。在實(shí)際操作中，傳統(tǒng)的市場(chǎng)細(xì)分變量，如人口因素、地理因素、心理因素等由于只能提供較為

模糊的客戶輪廓，已經(jīng)難以為精準(zhǔn)營(yíng)銷的決策提供可靠的依據(jù)。大數(shù)據(jù)時(shí)代，利用大數(shù)據(jù)技術(shù)能在收集的海量非結(jié)構(gòu)信息中快速篩選出對(duì)公司有價(jià)值的信息，對(duì)客戶行為模式與客戶價(jià)值進(jìn)行準(zhǔn)確判斷與分析，深度細(xì)分，使我們有可能甚至深入了解“每一個(gè)人”，而不止“目標(biāo)人群”來(lái)進(jìn)行客戶洞察和提供營(yíng)銷策略。

（3）營(yíng)銷戰(zhàn)略制定。在得到基于現(xiàn)有數(shù)據(jù)的不同客戶群特征后，市場(chǎng)人員需要結(jié)合企業(yè)戰(zhàn)略、企業(yè)能力、市場(chǎng)環(huán)境等因素，在不同的客戶群體中尋找可能的商業(yè)機(jī)會(huì)，最終為每個(gè)群制定個(gè)性化的營(yíng)銷戰(zhàn)略，每個(gè)營(yíng)銷戰(zhàn)略都有特定的目標(biāo)。如獲取相似的客戶、交叉銷售或提升銷售，或采取措施防止客戶流失等。

（4）營(yíng)銷方案設(shè)計(jì)。大數(shù)據(jù)時(shí)代，一個(gè)好的營(yíng)銷方案可以聚焦到某個(gè)目標(biāo)客戶群，甚至精準(zhǔn)地根據(jù)每一位消費(fèi)者不同的興趣與偏好為他們提供專屬性的市場(chǎng)營(yíng)銷組合方案 包括針對(duì)性的產(chǎn)品組合方案、產(chǎn)品價(jià)格方案、渠道設(shè)計(jì)方案、一對(duì)一的溝通促銷方案。比如O2O渠道設(shè)計(jì)，網(wǎng)絡(luò)廣告的受眾購(gòu)買的方式（DSP）和實(shí)時(shí)競(jìng)價(jià)技術(shù)（RTB），基于位置（LBS）的促銷方式。

（5）營(yíng)銷結(jié)果反饋。大數(shù)據(jù)時(shí)代，營(yíng)銷活動(dòng)結(jié)束后，應(yīng)對(duì)營(yíng)銷活動(dòng)執(zhí)行過(guò)程中收集到的各種數(shù)據(jù)進(jìn)行綜合分析，從海量數(shù)據(jù)中發(fā)掘出最有效的企業(yè)市場(chǎng)績(jī)效度量，并與企業(yè)傳統(tǒng)的市場(chǎng)績(jī)效度量方法展開比較以確立基于新型數(shù)據(jù)的度量的優(yōu)越性和價(jià)值．以對(duì)營(yíng)銷活動(dòng)的執(zhí)行、渠道、產(chǎn)品和廣告的有效性進(jìn)行評(píng)估，為下一階段的營(yíng)銷活動(dòng)打下良好的基礎(chǔ)。

五、結(jié)語(yǔ)

大數(shù)據(jù)時(shí)代已經(jīng)到來(lái)，而且將成為全世界下一個(gè)創(chuàng)新、競(jìng)爭(zhēng)和生產(chǎn)率提高的前沿?！盃I(yíng)銷本質(zhì)上就是效率提高的過(guò)程，而技術(shù)是在幫助這個(gè)過(guò)程轉(zhuǎn)變”。大數(shù)據(jù)在提高效率、精準(zhǔn)營(yíng)銷上大有作為，它正在幫助企業(yè)深入了解“每一個(gè)人”，而不止是“目標(biāo)人群”，它真正努力讓客戶變成“首席執(zhí)行客戶”，試圖打造針對(duì)每個(gè)客戶的“全接觸”體系。這在增進(jìn)企業(yè)效益的同時(shí)，也能給消費(fèi)者帶來(lái)全新的私人定制似的體驗(yàn)從而增加消費(fèi)者福利。因此，研究揭示大數(shù)據(jù)在精準(zhǔn)營(yíng)銷中的價(jià)值產(chǎn)生機(jī)理，探索大數(shù)據(jù)時(shí)代下的精準(zhǔn)營(yíng)銷模式就變得很有意義和價(jià)值，我們期待越來(lái)愈多的學(xué)者在這方面做出貢獻(xiàn)。

參考文獻(xiàn) 中國(guó)企業(yè)評(píng)價(jià)協(xié)會(huì)、中色金銀貿(mào)易中心，大數(shù)據(jù)的基本概念及相關(guān)問題，中國(guó)電子商務(wù)企業(yè)發(fā)展報(bào)告2013。2 黃升民，劉珊，“大數(shù)據(jù)”背景下營(yíng)銷體系的解構(gòu)與重構(gòu)，現(xiàn)代傳播，2012年第11期。3 4 5 6 7 8 9 王波，大數(shù)據(jù)時(shí)代精準(zhǔn)營(yíng)銷模式研究，經(jīng)濟(jì)師，2013年第5期。

任廣見，基于大數(shù)據(jù)的商業(yè)模式創(chuàng)新及啟示，現(xiàn)代商貿(mào)工業(yè)，2013年20期。郭虹，大數(shù)據(jù)時(shí)代-實(shí)體店與網(wǎng)商營(yíng)銷，中國(guó)出版?zhèn)髅缴虉?bào)，2013年第9期。賈利軍，許鑫，談“大數(shù)據(jù)”的本質(zhì)及其營(yíng)銷意蘊(yùn)，南京社會(huì)科學(xué)，2013年第7期。秦雯，大數(shù)據(jù)驅(qū)動(dòng)營(yíng)銷革命，觀察家，2013年第7期。

劉征宇，精準(zhǔn)營(yíng)銷方法研究，上海交通大學(xué)學(xué)報(bào)，2007年第4期。吳海環(huán)，基于精準(zhǔn)營(yíng)銷的顧客溝通研究，武漢理工大學(xué)碩士論文，2008年。馮芷艷，郭迅華，曾大軍，陳煜波，陳國(guó)青，大數(shù)據(jù)背景下商務(wù)管理研究若干前沿課題，管理科學(xué)學(xué)報(bào)，2013年第1期 李芬，朱志祥，劉盛輝，大數(shù)據(jù)發(fā)展現(xiàn)狀及面臨的問題，西安郵電大學(xué)學(xué)報(bào)，2013年第5期。錢心緣，國(guó)內(nèi)外大數(shù)據(jù)研究進(jìn)展之從文獻(xiàn)計(jì)量學(xué)角度分析，中國(guó)科技信息，2013年第19期。周再宇，價(jià)值鏈重塑:大數(shù)據(jù)洞察與精準(zhǔn)營(yíng)銷，新營(yíng)銷，2012年第11期。14 趙國(guó)棟，大數(shù)據(jù)時(shí)代的歷史機(jī)遇：產(chǎn)業(yè)變革與數(shù)據(jù)科學(xué)，清華大學(xué)出版社，2013年。張小平，一塊牛肉干引發(fā)的大討論——說(shuō)說(shuō)大數(shù)據(jù)時(shí)代的精準(zhǔn)營(yíng)銷，企業(yè)觀察家，2013年第07期。李文蓮，夏健明，基于“大數(shù)據(jù)” 的商業(yè)模式創(chuàng)新，中國(guó)工業(yè)經(jīng)濟(jì)，2013第5期。郭濤，掌握大數(shù)據(jù)之“芯”實(shí)現(xiàn)精準(zhǔn)營(yíng)銷，中國(guó)計(jì)算機(jī)報(bào)，2012年第15期。17 Lynch C.Big data: How do your data grow[J].Nature,2008,455(7209): 28-29． Hilbert M，Lopez P．The world’s technological capacity to store，communicate，and compute information[J].Science，2011，332(6025): 60-65． Bughin J,Chui M,Manyika J.Clouds,big data,and smart assets: Ten tech-enabled business

trends to watch[J].McKinsey Quarterly，2010(8): 1-14． Anderson C.The end of theory: The data deluge makes the scientific method obsolete［J］Wired Magazine,2008,16(7):1-3． Frankel F, Reid R.Big data: Distilling meaning from data [J].Nature,2008,455(7209): 30． 22 Lavalle S, Lesser E, Shockley R，et al.Big data，analytics and the path from insights to value[J].MIT Sloan Management Review，2011． Manyika J, Chui M, Brown B，et al.Big Data: The Next Frontier for Innovation, Competition, and Productivity [M].New York: McKinsey Company,2011． Hui SK, Fader PS, Path data in marketing: An integrative framework and prospectus for model building [J].Marketing Science,2009,28 : 320-335． Borgatti SP, Mehra A，Brass D J，et al． Network analysis in the social sciences[J].Science，2009，892-895． Ghose A,HanSP.An empirical analysis of user content generation and usage behavior on the mobile internet [J].Management Science,2011,57(9): 1671-1691． Aral S,Walker D, Identifying influential and susceptible members of social networks Science,2012,337(6092):337-341． Robert LP，Dennis AR.Social capital and knowledge integration in digitally enabled teams[J].Information Systems Research,2008,19(3): 314-334． Ghose A, IpeirotisPG.Designing ranking systems for hotels on travel search engines by mining user-generated and crowdsourced content[J].Marketing Science，2012, 493-520． 30 Dabenport TH.Competing on analytics [J].Harvard Business Review，2006(1): 1 － 9． 31 AralS, WalkeD.Creating social contagion through viral product design: A randomized trial of peer influence in networks[J].Management Science,2011,57(9): 1623-1639．

Dabenport TH, Barth P, Bean R． How“Big Data”is different［J］． MIT Sloan Management Review, 2012, 53.33 Archak N, Ghose A, Ipeirotis PG.Deriving the pricing power of product features by mining consumer reviews [J].Management Science,2011,57(8): 1485-1509.

第五篇：大數(shù)據(jù)下的精準(zhǔn)營(yíng)銷方式

而浩如煙海的客戶及市場(chǎng)、銷售和服務(wù)信息，如果沒有一個(gè)具有高度商業(yè)智能的數(shù)據(jù)分析和處理系統(tǒng)是不可想像的。大數(shù)據(jù)將是繼云計(jì)算、物聯(lián)網(wǎng)之后IT產(chǎn)業(yè)又一次顛覆性的技術(shù)變革。

大數(shù)據(jù)將是繼云計(jì)算、物聯(lián)網(wǎng)之后IT產(chǎn)業(yè)又一次顛覆性的技術(shù)變革。電影《天下無(wú)賊》里有這樣一句經(jīng)典對(duì)白：“21世紀(jì)什么最貴？人才！”如今，選項(xiàng)可能還要加上一個(gè)：數(shù)據(jù)。

而這數(shù)據(jù)，已不是傳統(tǒng)意義的一般數(shù)據(jù)，而是超大數(shù)據(jù)、海量數(shù)據(jù)，就是現(xiàn)在所謂的“大數(shù)據(jù)（Big Data）”。

如今大數(shù)據(jù)可謂是風(fēng)起云涌，紅紅火火，儼然成為信息技術(shù)領(lǐng)域最時(shí)髦的詞匯。IBM、微軟、Oracle、SAP等IT巨鱷，像是尋找到了新的金礦，開始全力挖掘大數(shù)據(jù)，多方位推廣大數(shù)據(jù)理念，而眾多中小IT廠商也跟著蜂擁而至，以分得大數(shù)據(jù)市場(chǎng)一杯羹。

數(shù)據(jù)爆炸的沖擊波

“大”字不僅意味著數(shù)據(jù)的數(shù)量龐大，還代表著數(shù)據(jù)種類繁多、結(jié)構(gòu)復(fù)雜，變化的速度也極快。研究表明，大數(shù)據(jù)呈現(xiàn)三種特性：Volume（極多的數(shù)據(jù)量）、Velocity（極快的處理速度）、Variety（極繁的數(shù)據(jù)種類）。如今有許多企業(yè)已面臨單日數(shù)據(jù)量以數(shù)

十、數(shù)百TB（萬(wàn)億字節(jié)）的速度增加，而近幾年累加的總數(shù)據(jù)量也達(dá)到了PB(1000個(gè)TB)甚至EB(一百萬(wàn)個(gè)TB)等級(jí)，這樣的數(shù)據(jù)量已讓傳統(tǒng)的數(shù)據(jù)庫(kù)難以處理；而且企業(yè)數(shù)據(jù)增加的速度也越來(lái)越快，諸如移動(dòng)化、社交網(wǎng)絡(luò)的廣泛應(yīng)用，使得數(shù)據(jù)增加的速度比傳統(tǒng)的企業(yè)應(yīng)用程式來(lái)得快很多，一旦數(shù)據(jù)增生速度越快，數(shù)據(jù)處理、分析的速度也就得跟上；此外，數(shù)據(jù)更是呈現(xiàn)出多樣性、復(fù)雜性的特征，一方面互聯(lián)網(wǎng)不但產(chǎn)生文字資訊，同時(shí)也不斷在產(chǎn)出與以往不同的數(shù)據(jù)：照片、視頻、微博等，另一方面，IT遍及工作生活中的每個(gè)角落，各種各樣的傳感器、監(jiān)控器也不斷產(chǎn)生，各種機(jī)器資訊數(shù)據(jù)的形式日趨復(fù)雜、多樣了，從結(jié)構(gòu)化數(shù)據(jù)到非結(jié)構(gòu)化數(shù)據(jù)不斷轉(zhuǎn)化。這就催生了大數(shù)據(jù)技術(shù)的強(qiáng)烈需求。今天，從搜索引擎、社交網(wǎng)絡(luò)的普及到人手一機(jī)的智能移動(dòng)設(shè)備，全球互聯(lián)網(wǎng)上的信息總量正以每年30%-50% 的增速不斷暴漲，包括每天Facebook上分享的幾億條內(nèi)容，每日15 TB的Twitter信息，每天淘寶上數(shù)十億條店鋪、商品瀏覽記錄及上億的成交、收藏記錄以及3000多萬(wàn)條傳感器資訊，等等。市場(chǎng)研究機(jī)構(gòu)IDC的研究結(jié)果顯示，去年全球創(chuàng)造的信息數(shù)量達(dá)到1800EB，并且還以每年50%的速度高速增長(zhǎng)，到2020年，全球每年產(chǎn)生的數(shù)字信息將達(dá)到35ZB（1ZB=1024EB）。據(jù)IDC統(tǒng)計(jì)，2011年全球所產(chǎn)生的數(shù)據(jù)總量是1.8ZB，如果把這些數(shù)據(jù)刻錄到CD碟片中，這些碟片可環(huán)繞地球30圈。

可以說(shuō)，目前大部分企業(yè)經(jīng)營(yíng)決策面臨的最大挑戰(zhàn)不是缺少數(shù)據(jù)，而是數(shù)據(jù)太多，面對(duì)這些只是靜態(tài)、孤立、無(wú)多大參考意義的“初級(jí)品”的信息數(shù)據(jù)，企業(yè)信息部門如何通過(guò)系統(tǒng)功能來(lái)有效利用和整合，發(fā)掘有價(jià)值的數(shù)據(jù)，給公司營(yíng)銷管理提供決策支持，已成為擺在企業(yè)信息部門及其他管理部門面前的難題。

而浩如煙海的客戶及市場(chǎng)、銷售和服務(wù)信息，如果沒有一個(gè)具有高度商業(yè)智能的數(shù)據(jù)分析和處理系統(tǒng)是不可想像的。而用戶想要從龐大海量的數(shù)據(jù)庫(kù)中提取對(duì)自己有用的信息，就離不開大數(shù)據(jù)分析技術(shù)和工具。事實(shí)證明，傳統(tǒng)基于過(guò)往事實(shí)的商業(yè)管理系統(tǒng)如BI（智能分析系統(tǒng)）、CRM（客戶管理系統(tǒng)）也能夠?yàn)槠髽I(yè)帶來(lái)價(jià)值，但是今天一個(gè)優(yōu)秀的大數(shù)據(jù)系統(tǒng)更能將數(shù)據(jù)挖掘技術(shù)與現(xiàn)有技術(shù)很好地結(jié)合起來(lái)，將特殊領(lǐng)域的商業(yè)邏輯與數(shù)據(jù)倉(cāng)庫(kù)技術(shù)集成起來(lái)，找出對(duì)未來(lái)企業(yè)戰(zhàn)略具有影響的因素，使數(shù)據(jù)挖掘的分析效果和效益盡可能達(dá)到峰值，讓企業(yè)營(yíng)銷管理能“運(yùn)籌帷幄，決勝千里”。

像Facebook、Twitter這樣面臨數(shù)據(jù)量大爆炸的國(guó)際社交網(wǎng)絡(luò)公司，已開始用分布式程序系統(tǒng)基礎(chǔ)架構(gòu)、非關(guān)系型的數(shù)據(jù)庫(kù)等新興大數(shù)據(jù)技術(shù)來(lái)解決海量市場(chǎng)信息問題，并取得了成效。國(guó)內(nèi)最大電子商務(wù)公司阿里巴巴也在利用大數(shù)據(jù)技術(shù)提供具體服務(wù)，如阿里信用貸款與淘寶數(shù)據(jù)魔方。以淘寶數(shù)據(jù)魔方為例，利用淘寶平臺(tái)上的大數(shù)據(jù)應(yīng)用方案，商家可以了解淘寶平臺(tái)上的行業(yè)宏觀情況、自己品牌的銷售情況、市場(chǎng)排名、消費(fèi)者行為情況等，并可以據(jù)此作出經(jīng)營(yíng)決策。

重構(gòu)精確營(yíng)銷模式

大數(shù)據(jù)時(shí)代之前，企業(yè)多從哪些平臺(tái)提取數(shù)據(jù)、利用哪些營(yíng)銷數(shù)據(jù)？一般是CRM或BI系統(tǒng)中的顧客信息、市場(chǎng)促銷、廣告活動(dòng)、展覽等結(jié)構(gòu)化數(shù)據(jù)以及企業(yè)官網(wǎng)一些數(shù)據(jù)。但這些信息只能達(dá)到企業(yè)正常營(yíng)銷管理需求的10%的量能，并不足夠給出一個(gè)重要洞察和發(fā)現(xiàn)規(guī)律。

而其他85%的數(shù)據(jù)，諸如社交媒體數(shù)據(jù)、郵件數(shù)據(jù)、地理位置、音視頻等這類不斷增加的信息數(shù)據(jù)等等，更多以圖片、視頻等方式存在，幾年前可能被置之度外，不會(huì)被運(yùn)用，而今大數(shù)據(jù)能進(jìn)一步提高算法和機(jī)器分析的作用，這類數(shù)據(jù)在競(jìng)爭(zhēng)激烈的市場(chǎng)日顯寶貴、作用突出。

包括沃爾瑪、家樂福、麥當(dāng)勞等知名企業(yè)的一些主要門店均安裝了搜集運(yùn)營(yíng)數(shù)據(jù)的裝置，用于跟蹤客戶互動(dòng)、店內(nèi)客流和預(yù)訂情況，研究人員可以對(duì)菜單變化、餐廳設(shè)計(jì)以及顧客意見等是如何對(duì)物流和銷售額的影響進(jìn)行建模。這些企業(yè)可將這些數(shù)據(jù)與交易記錄結(jié)合起來(lái)，并利用大數(shù)據(jù)工具展開分析，從而在銷售哪些商品、如何擺放貨品以及何時(shí)調(diào)整售價(jià)上給出意見，此類方法已經(jīng)幫助這些領(lǐng)先零售企業(yè)減少了17%的存貨，同時(shí)增加了高利潤(rùn)率自有品牌商品的比例。

如果說(shuō)以前的一些CRM系統(tǒng)，只能促使分析報(bào)告回答“發(fā)生了什么事”，現(xiàn)在一個(gè)優(yōu)秀的大數(shù)據(jù)系統(tǒng)已可以被用來(lái)回答“為什么會(huì)發(fā)生這種事”，而且一些關(guān)聯(lián)數(shù)據(jù)庫(kù)還可以預(yù)言“將要發(fā)生什么事”，最終發(fā)展為非?；钴S的數(shù)據(jù)倉(cāng)庫(kù)，從而能判斷“用戶想要什么事發(fā)生”。

比如當(dāng)一個(gè)顧客進(jìn)入店鋪后，一個(gè)零售商利用大數(shù)據(jù)技術(shù)搜索他們的數(shù)據(jù)庫(kù)，發(fā)現(xiàn)這位顧客是其希望留住的有價(jià)值顧客，之后他們通過(guò)將其過(guò)去的購(gòu)物歷史和Facebook主頁(yè)獲得的這位顧客的信息綜合起來(lái)，來(lái)了解需要花多少錢來(lái)留住他，從而確定所售賣物品的合適價(jià)格和零售商可以退讓的利潤(rùn)空間，并最終針對(duì)這位顧客給出最佳的優(yōu)惠策略和個(gè)性化的溝通方式。

如今在美國(guó)的沃爾瑪大賣場(chǎng)，當(dāng)收銀員掃描完顧客所選購(gòu)的商品后，POS機(jī)上會(huì)顯示出一些附加信息，然后售貨員會(huì)友好提醒顧客：“我們商場(chǎng)剛進(jìn)兩三種配酒佳料，并正在促銷，位于D5貨架上，您要購(gòu)買嗎？”這時(shí)，顧客也許會(huì)驚訝地說(shuō)：“啊，謝謝你，我正想要，剛才一直沒找到，那我現(xiàn)在再去買?！?/p>

這就是沃爾瑪在大數(shù)據(jù)系統(tǒng)支持下實(shí)現(xiàn)的“顧問式營(yíng)銷”的一個(gè)實(shí)例。因?yàn)橛?jì)算機(jī)系統(tǒng)早就算計(jì)好了，如果顧客的購(gòu)物車中有不少啤酒、紅酒和沙拉，則有80%的可能需要買配酒小菜、作料了。而提供這一決策分析支持的就是其位于美國(guó)一個(gè)龐大的、通過(guò)衛(wèi)星與全球所有賣場(chǎng)實(shí)時(shí)連通的企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)。企業(yè)要為營(yíng)銷準(zhǔn)備什么

雖然大數(shù)據(jù)展示了非凡的前景和巨大作用，不過(guò)，大數(shù)據(jù)營(yíng)銷仍面臨不少問題與挑戰(zhàn)。首先面臨的是技術(shù)難題，畢竟大數(shù)據(jù)技術(shù)尚處于活躍前期，各方面技術(shù)并不太扎實(shí)，各項(xiàng)工具需要進(jìn)一步完善。但實(shí)際情況是，真正啟動(dòng)大數(shù)據(jù)營(yíng)銷，企業(yè)面臨的不僅僅是技術(shù)和工具問題，更重要的是要轉(zhuǎn)變經(jīng)營(yíng)思維和組織架構(gòu)，來(lái)真正地挖掘那座數(shù)據(jù)金礦。

大數(shù)據(jù)的資源極大繁雜豐富，如果企業(yè)沒有明確的目標(biāo)，就算沒有走入迷途至少也會(huì)覺得非常迷茫。因此，首先要確定企業(yè)運(yùn)用大數(shù)據(jù)的短中期目標(biāo)，定義企業(yè)的價(jià)值數(shù)據(jù)標(biāo)準(zhǔn)，之后再使用那些能夠解決特定領(lǐng)域問題的工具。逐步推廣，步步為營(yíng)，不要把理想定得太高，否則失望會(huì)越大。當(dāng)然，企業(yè)運(yùn)用大數(shù)據(jù)為營(yíng)銷管理服務(wù)之前，技術(shù)團(tuán)隊(duì)要到位是基礎(chǔ)。企業(yè)的營(yíng)銷團(tuán)隊(duì)要能夠非常自如地玩轉(zhuǎn)數(shù)據(jù)。

企業(yè)啟動(dòng)大數(shù)據(jù)營(yíng)銷一個(gè)最重要的挑戰(zhàn)，是數(shù)據(jù)的碎片化，各自為政。許多企業(yè)中，數(shù)據(jù)都散落在互不連通的數(shù)據(jù)庫(kù)中，而且相應(yīng)的數(shù)據(jù)技術(shù)也都存在于不同部門中，如何將這些孤立錯(cuò)位的數(shù)據(jù)庫(kù)打通、互聯(lián)，并且實(shí)現(xiàn)技術(shù)共享，才是能夠最大化大數(shù)據(jù)價(jià)值的關(guān)鍵。營(yíng)銷者當(dāng)留意的是，數(shù)據(jù)策略要成功提升網(wǎng)絡(luò)營(yíng)銷成效，要訣在于無(wú)縫對(duì)接網(wǎng)絡(luò)營(yíng)銷的每一步驟, 從數(shù)據(jù)收集、到數(shù)據(jù)挖掘、應(yīng)用、提取洞悉、報(bào)表等。

要做好大數(shù)據(jù)的營(yíng)銷運(yùn)用，其一，要有較強(qiáng)的整合數(shù)據(jù)的能力，整合來(lái)自于企業(yè)各種不同的數(shù)據(jù)源、各種不同結(jié)構(gòu)的數(shù)據(jù)；其二，要有研究探索數(shù)據(jù)背后價(jià)值的能力，未來(lái)營(yíng)銷成功的關(guān)鍵將取決于如何在大數(shù)據(jù)庫(kù)中挖掘更豐富的營(yíng)銷價(jià)值；其三，探索出來(lái)之后給予精確行動(dòng)的營(yíng)銷指導(dǎo)綱領(lǐng)，同時(shí)通過(guò)此綱領(lǐng)進(jìn)行精確快速實(shí)時(shí)性行動(dòng)。（