第一篇：精準營銷下的大數據分析利用

大數據模式下的精準營銷

于大部份營銷者來說，網站再定向(onsite retargeting)是其中一個最重要的營銷手段，所謂網站再定向的意思是對曾訪問您網站的用戶進行宣傳，在他們瀏覽網絡時向其展示廣告。此手段之所以重要是因為在第一次接觸中真正轉化為購買的只占2%，而沒有產生購買就離開網站的人群體高達98%。網站再定向的威力在于它能夠幫助你吸引很多的潛在客戶，由于這些用戶之前已經訪問了您的網站一次，這意味著他們確實對您的產品和服務感興趣。當你不斷向這些用戶顯示相關的廣告，將能夠吸引他們回訪并完成購買。理論上，網站再定向技術聽起來完美，但執行起來，卻可能讓很多廣告主走入死胡同，因為它只能夠覆蓋到舊有的訪客，而無法接觸新訪客。對于廣告主來說，網站再定向是一把雙刃刀，它雖然能帶來絕佳的ROI，卻由于覆蓋度不足，會在無形中扼殺銷售機會。

其實無論是廣告數據或購買行為數據，網絡都能記錄下來，而網絡的實時記錄特性，讓它成為當下廣告主實現定位營銷的不二之選。隨著技術不斷革新，廣告主精細化定位的需求也不斷得到滿足。在隨后的篇幅中，我們會簡單地對比幾大定位技術，并通過電商案例分析來討論如何讓這些數據技術協同起來，促成客戶從瀏覽廣告到掏錢購買的轉化，實現廣告主的收益最大化。

網絡營銷的精細化定位潛力只有在大數據的支持下才能完全發揮出來。圖中的數據金字塔劃分出了數據的四個層級。最底層是廣告表現數據，是關于廣告位置和其表現的信息。具體而言，就是廣告位的尺寸、在網頁的位置、以往的點擊率、可見曝光(viewable impression)等指標。

再上一層就是受眾分類數據。如今，市場上的數據提供商可以通過用戶的線上和線下的行為，來收集到廣告受眾的興趣、需求等數據。這些不會涉及個人真實身份的信息會被分析，并劃分為不同的群組，例如性價比追求者、網購達人等。有了受眾分類數據，廣告主可以在互聯網上按自己的需求和品牌的特性來投放。受眾分類數據的針對性更強，也能帶來比單純依賴廣告表現數據更好的點擊率與轉換率，因為它提供了消費者行為和偏好等寶貴信息。

第三層是搜索動機數據。搜索再定向是個用于發掘新客戶的技術。它的出現讓我們能夠發掘出那些很可能會購物的用戶，因為他們已經開始搜索與廣告主產品相關的信息了。那些具有高商業價值的數據可以進一步被篩選出來，廣告主可以將具有高購買意愿的人們再定向到自己的產品信息上來。

而位居數據金字塔頂端的是站內客戶數據，這指的是用戶在廣告主網站上的用戶行為數據，包括了用戶瀏覽的頁面，下載的信息，以及加入購物車的商品等數據。網站用戶通常是那些已經了解過品牌并且對公司也熟悉的一群人。

對于廣告主來說，金字塔四層的數據都獨具價值。舉例而言，廣告表現數據是每個廣告主都首先會關注的信息，因為這些信息在大多數廣告管理平臺和廣告交易平臺都能輕易獲得的。同時，那些與用戶需求和偏好相關的數據，能夠助力廣告主更好地實現精細化營銷。因此，要想針對性地影響消費者購買路徑的每個過程，我們就需要把這四層的數據分析整合，才能制定一個更全面的營銷方案。

以下，我們將分享一個真實的案例，讓廣告主明白應當如何打通各層數據，制定覆蓋消費者購買路徑的精準定位的營銷方案。

案例分享

背景：愛點擊的客戶，國內最知名的電子商務網站之一，希望能提高ROI(投資回報率)和線上交易數量

挑戰：客戶已經使用了網站再定向技術來實現一個較好的ROI，但是，從再站內定向所帶動的交易數量開始有下降的趨勢。

優化策略︰利用多重數據的整合，提升轉化漏斗每一階段的人群數目，以提升總轉化量

第一步：網站再定向

廣告主會發現網站內再定向帶來的購買轉化量有限，這是因為大部份廣告主只會再定向曾經將商品加入購物車的訪客。要想提升網站再定向的效果，最優的方法是根據用戶瀏覽過的頁面進行屬性分類，并呈現具有針對性的內容。具體參考下圖：

有了全面的追蹤和分類，再定向受眾數量的基數大幅增加。在短短兩個星期內，交易數量顯著提升，尤其是來自老訪客的成交量更是大幅提升44%。

第二步：搜索再定向(search retargeting)及購買第三方受眾分類數據

一方面，再定向可以有效地召回老訪客，增大重復進入網站及購買的可能性。但同時，廣告主還應該考慮怎么能增加新訪客，以保證轉化漏斗有足夠的新增流量。

首先，我們利用搜索關鍵詞捕捉有興趣的用戶，然后儲存有關的用戶數據，最后，在交易平臺上將合適的廣告呈現給該用戶。此外，我們還會關注第三方受眾分類數據中那些有著同樣行為特征的用戶信息，整合在一起進行精準投放。

在進行搜索再定向及購買受眾數據后，新客戶所帶來的成交大幅度上升254%，廣告效果花費CPA下降29%，同時增加該網站整體的瀏覽量。

第三步：利用機器學習(Machine Learning)進一步擴大客戶的數量

用戶來進行定位廣告投放。XMO的算法可以對比客戶的CRM消費者數據與第三方受眾數據，并預測出哪些網絡用戶會有特定的購買傾向。在這個案例中，XMO能通過機器學習來不斷產生新的受眾，平均每周能夠細分出一個有著230萬樣本的人群。通過將廣告投放到我們已有的目標受眾群和由機器學習鎖定的新目標受眾，我們可以看到非常喜人的廣告效果，雖然CPA輕微上升14%，但新客戶成交量大幅增長26%說明了機器學習能有效地為廣告主發掘新客戶。

什么是機器學習(Machine Learning)?(摘自維基百科Wikipedia)機器學習是人工智能的核心，根據數據或以往的經驗，通過設計算法來模擬背后機制和預測行為，并獲取新的數據。這是一個重新組織已有的知識結構使之不斷改善自身性能的過程。研究者可以

通過機器學習來抓取現有數據的特征來預測未知的概率分布，找到新的具有相同特征的數據并加入庫中。機器學習中最關鍵的就是開發出能智能識別復雜模式并能智能化決策的算法。

觀點總結

多渠道數據的整合可以在兩方面幫助廣告主提高廣告表現。

首先，此舉可以增加廣告受眾總數，并會為廣告主贏得源源不斷的訪問量。第二，多渠道數據整合后的定向還能促進消費者購買漏斗的每一個過程，廣告主通常利用網站再定向技術來召回“購物車放棄者”或者流失的老客戶，但實際上，廣告主應該把注意力放在現有客戶和新客戶的比例。總而言之，從搜索動機數據，到受眾分類數據，到最終的機器學習，都能促進購買漏斗的頂端訪客數量的增加。結合上創意的策略定制、精準的位置選擇，客戶的轉化率將會提高，廣告主也將挖掘出更多的商機。

第二篇：大數據分析

1什么是大數據？ 云中大數據：融合技術

如今，大數據分析和云計算是全球企業最為關注的兩大 IT 話題，大數據分析提供獨具價值的洞察，幫助企業打造競爭優勢，啟迪創新，推動收益增長。作為 IT 服務的交付模式，云計算可以增強業務靈活性，提高生產力，同時增加效率，降低成本。

2大數據能給我們帶來什么？

中國社會的急劇發展帶來了數據的暴增，從街頭的交通攝像頭到商場的打折信息，再到網商的用戶資料、信息，無不充斥著大量的數據，而在這背后，如何找出有用數據，如何發現規律，如何找到新的商業機會？

大數據究竟能給我們帶來什么？

信息時代的特征之一就是數據的密集爆發，而這種數據的變化沒有一個循序漸進的過程，呈現跨越式的特征。比如手機里的信息不斷地堆積，從最開始的通訊錄到短信、彩信，再發展到現在的智能手機時代，更多的來自于應用的數據如微博等正在積累起大量的數據信息。放大到社會而言，產生的數據更是異常龐雜。毫無疑問，大數據時代已經來了。

什么是大數據？，數據已從 TB 級別躍升至 PB 級別；對大數據，現在比較流行的是用 4 個“V”來總結其四個層面的含義：容量巨大（Volume）

數據類型多（Variety），從普通的文字、視頻、圖片到逐漸增多的地理位置信息等，類型紛繁，已無規律可循；價值密度低（Value），以視頻為例，在連續不間斷監控過程中，可能有用的數據也許只有一兩秒；處理速度快（Velocity），實時分析對某些應用才更有意義，而不是批量式分析，即時處理已經成為趨勢之一。

大數據的發展趨勢和帶來的機會

在大數據概念出來之前，個人制造的數據往往被忽略，企業數據被談及的更多。企業內部的數據多數都是結構性數據，并被企業在或多或少地利用著，無論是數據挖掘還是商業智能化應用都已經初露端倪。面對這些應用需求，企業依托自身的數據庫系統就可以解決，例如應用少量 x86 服務器、客戶端，再加上 Sybase 系統、Oracle 系統、Unix 系統等。

隨著互聯網的快速發展，在企業數據還沒有井噴的時候，我們就發現個人用戶以及社會應用產生的數據已經開始爆發了，比如社交、交互式應用帶來了大量的網絡數據，這種非對稱性數據充斥在我們周圍，包括網絡日志、點擊流、電話記錄、醫療記錄、傳感器和監控攝像頭等等，各種來源的巨量數據種類豐富，讓人無所適從。此時傳統的硬件設備開始顯得捉襟見肘，無法滿足這種龐雜數據帶來的應用需求。很多時候，也許我們會認為這些數據里會有價值，但是卻不知道如何挖掘這些數據的內在價值，數據成為了堆砌。因此，對于數據精準分析的需求正在呼喚做數據分析的廠商們拿出下一步的舉動。

比如說，在淘寶龐大的用戶群中，淘寶賣家如何精準掌握一個新用戶的需求？一家飯館如何利用細節滿足每一個食客對于美味的需求？越來越多的應用需求推動著大數據的發展。更主要的是，未來可能各種傳感器會出現在社會的各個地方，數據會更多，比如交通、醫療等等，數據的采集已經不是問題，難點已經轉換為處理和分析。如此巨量的數據，處理難度可想而知。

大數據給中國市場帶來什么？

大數據應用需求在中國更加明顯。中國人口眾多，各行各業都呈現出極快的增長速度，電商、快遞、微博、社交等都承載了大量的個人信息；大型超市、賣場、商場、銀行等集聚了大量交易信息，日新月異的城市建設中，連接著更多數據采集傳感器和嵌入式設備的物聯網開始成型……大數據的時代正在到來，不僅有機遇，也存在挑戰，且機遇大于挑戰。

目前，網絡搜索曾經在數據分析方面獲得了一些機會，但遠遠不夠，而且也是在相對偏窄的一個區域內利用信息，更多的數據散落在社會各個環節中，梳理分析出這些大數據帶來的商業機會逐漸凸顯價值。在中國市場，工信部發布的物聯網“十二五”規劃上，把信

息處理技術作為4項關鍵技術創新工程之一提出來，其中包括了海量數據存儲、數據挖掘、圖像視頻智能分析，這都是大數據的重要組成部分。而另外 3 項關鍵技術創新工程，包括信息感知技術、信息傳輸技術、信息安全技術，也都與大數據密切相關。

大數據背后的商業機會

在實現大數據的過程中，硬件和軟件供應商都可以找到合適的位置和方法來實現自身的價值，因為大數據的實現需要硬件具備足夠的性能、靈活性以及可靠性和軟件層面的優化支持。從目前的企業計算領域來看，IA架構是承載和實現大數據的理想平臺。對于數據分析來說，基于英特爾至強處理器的雙路/多路平臺具備開放式、普及性、易優化、靈活易擴展等特點，是實現大數據應用的出色載體。英特爾的雙路至強處理器已經通過實踐驗證了自身在計算能力的領先性，而以其為基礎的主流服務器和存儲系統具備無可比擬的擴展性。對于商業智能來說，基于英特爾至強處理器的多路平臺則具備高性能、高能效、靈活擴展以及高性價比等優勢。

此外，英特爾還擁有類似于英特爾發行版 Hadoop 這樣的開源分布式架構以及相關的軟件工具如編譯器、函數庫等，英特爾已經形成了完整的大數據解決方案。英特爾提供經過驗證的方法和工具來優化 Hadoop 部署，包括具有代表性的 Hadoop 應用集合 HiBench，和基于數據流的 Hadoop 性能分析工具 HiTune 等等。Hadoop 對海量數據處理的支持，可以讓用戶不再依賴價格高昂的大型專有設備，而是通過大量 x86 服務器集群就可解決——利用較高性價比的 x86 服務器來搭配并行計算架構，從而可以以最符合經濟效益的方式完成龐大的計算任務。

對于國內市場而言，對于大數據應用機會的重視和抓取已經越發明顯，作為世界上人口最多的國家，中國產生數據的潛力可想而知，即便能掌握其中一部分大數據，對于企業發展也具有不可估量的價值。比如微博等社交網絡平臺上產生的大量碎片化信息，如果被合理應用，并精準分析、管理、挖掘這些數據的內在價值，那么就能掌握下一個互聯網發展機會抑或革命，這還僅僅是互聯網層面，放眼到全行業，可以利用的機會則更多。而英特爾與產業合作伙伴的強大產業生態鏈能夠滿足行業需求的同時在大數據時代用創新技術將大數據背后的價值一一呈現，并促進更多商業機會的出現。

3大數據：落地正當時我們正處于一個信息大爆炸的時代：寬帶普及帶來的巨量日志和通訊記錄，社交網絡每天不斷更新的個人信息，視頻通訊、醫療影像、地理信息、監控錄像等視頻記錄，傳感器、導航設備等非傳統 IT 設備產生的數據信息，以及持續增加的各種智能終端產生的圖片及信息，這些爆炸性增長的數據正在充斥整個網絡。據權威市場調查機構IDC預測，未來每隔 18 個月，整個世界的數據總量就會翻倍；到 2020 年，整個世界的數據總量將會增長 44 倍，達到 35.2ZB(1ZB=10億TB)。“大數據”時代正在來臨！

“大數據”的價值

所謂“大數據”，一般具有幾個特點：首先是數據量很大，已經從 TB 級躍升至 PB 級；其次是區別于傳統的數據結構，“大數據”時代的數據結構比較復雜，超過 80% 都是非結構化數據，比如道路上的視頻監控數據、網上的流媒體數據、物聯網中 RFID 的感應數據，以及社交網絡上產生的各種數據等。這兩個特點，給數據存儲、管理和挖掘帶來了困難。第三，數據更新快，比如視頻監控每秒鐘都在進行，微博隨時都有人在更新；最后，是對數據的隨機訪問，這些更個人化的數據在存儲后被再次訪問的時間是不確定的。這兩點就要求新的IT系統更夠更快地處理數據，并且能夠更智能地保存和管理數據。比如在某一天，你需要從監控錄像中找出某個人，那么就需要能夠迅速地查找、調用、分析之前保存的海量數據。“大數據”的這些特點，對數據搜索及管理提出了更高要求，因為在“大數據”時代只有經過分析提煉的關鍵數據才有價值。

全球知名咨詢機構麥肯錫在關于“大數據”時代的研究報告中指出，數據已經滲透到了每一個行業和業務職能領域，逐漸成為重要的生產因素；人們對于海量數據的運用將預示著新一波生產率增長和消費者盈余浪潮的到來。在互聯網時代，數據本身就是資產，而“大數據”則意味著這些資產正在變得龐大無比。雖然云計算可以為數據資產提供保管的場所和訪問的渠道，但如何盤活數據資產，使其為國家治理、企業決策乃至個人生活服務，則是“大數據”時代的核心問題。這就好比一座日益膨脹的礦山，雖然其中蘊含著大量的貴金屬，但是要想獲得這些價值，就必須解決篩選冶煉的問題。

“大數據”對IT解決方案提出更高要求

在“大數據”時代，超過 80% 的數據都呈現非結構化狀態，這些數據正在持續不斷地增加，并且需要長時間存儲，非熱點數據也會被隨機訪問。這種情況與傳統的、基于關系型數據庫的核心數據存儲方式有顯著的差異。這種差異，使得傳統的數據存儲和管理解決方案無法勝任“大數據”時代的分析、管理和挖掘工作。傳統的關系型數據庫以及數據分析軟件處理的結構化數據通常是GB級別的，很難適應“大數據”時代 TB、PB 級復雜數據類型的檢索分析。同時，因為“大數據”時代數據每時每刻都在快速增長，傳統解決方案也無法適應這種近乎無限的擴張性。為了適應“大數據”時代的到來，企業需要從技術、應用、硬件等各個層面做好準備，采用更新的IT解決方案，才能滿足“大數據”收集、存儲、管理和分析的要求。

“大數據”時代的IT解決方案，需要容納數量龐大的用戶和數據生產者，能夠從企業及社區網絡、移動智能終端、傳感器及物聯網、定位及地理信息設備中獲得大量的視頻、語音、圖片、文字、產品信息、地理信息、時間信息等非結構化數據，并對這些海量復雜數據進行分析和挖掘，從而獲得真正有價值的數據用于后續的經營。這種應用模式，要求“大數據”時代的IT解決方案具備可變的數據接口和高效的數據導入、管理、分析、統計技術；能夠支持PB級別的數據、支持非結構化以及結構化數據、支持每秒萬次級查詢，擁有更高的系統可靠性以及更高的統計分析效率，這就對計算能力、內存數據處理能力和管理能力提出了非常高的要求。

對于企業而言，“大數據”時代爆炸性增長的數據既是巨大的機遇，也將是巨大的挑戰。在“大數據”時代，IT解決方案既要能夠更高效、低成本的存儲和管理，也要能夠更快速、靈活及穩定的檢索和分析。而在這些方面，已經有不少廠商在努力圍繞大數據整合解決方案，英特爾就是其中的佼佼者。首先，IA 架構廣泛的普及率可以為企業提供更高的一致性，是承載和應對“大數據”的理想平臺。英特爾? 至強? 處理器擁有更高的計算性能和內存數據處理能力，以其為核心的服務器和存儲系統具備開放式、普及性、易優化、靈活等特點，具備無可比擬的擴展性，非常適合應對“大數據”的挑戰。除此之外，英特爾還有包括 Hadoop 這種開源架構等軟件方案（如編譯器、函數庫等），也將對“大數據”的處理提供了更高的效能。這些軟件方案通過優化底層算法，可實現更高的應用效率和更均衡的計算存儲分布；與英特爾硬件技術相結合，可以提供更高的平臺性能。同時，還能提供跨數據中心的HBase數據庫虛擬大表功能，并且實現了 HBase 數據庫復制和備份功能，在功能方面也更適應“大數據”時代管理分析的需要。這一切，都為收集數據、分析數據、優化數據、利用數據提供了堅實的基礎。

中國的“大數據”時代

“大數據”時代的核心應用就是對已知的數據進行分析來為未來發展和企業經營提供參考。作為一個人口大國，中國在“大數據”時代擁有巨大的機會和挑戰。機會在于，我國擁有世界上最多的人，從而可以提供最多的數據以供分析挖掘。而挑戰則是，我們怎樣才能從海量的數據中找出價值。憑借龐大的人口基數和市場，我國各行各業的規模都在不斷擴大，從而制造出龐大的數據。電商、快遞、企業的網站和IT系統都承載了大量的數據；傳統的大型超市、賣場、商場也集聚了大量的信息。特別是移動互聯浪潮下各種手持智能終端的普及和定位設備的應用，也在不斷產生大量的數據。如果能夠對這些數據進行分析挖掘，找出有價值的信息，就能夠大大促進中國企業的發展。比如，電信運營商可以對客服中心的數據進行分析來建立客服中心智能輔助平臺，幫助運營商把客服中心從成本中心轉變成營銷中心；汽車廠商可以分析各大汽車論壇用戶的海量評論來監控品牌口碑及輿情；電商企業可以分析用戶的各種歷史數據來挖掘用戶的喜好，從而實現精準營銷。面對“大數據”帶來的機遇和挑戰，我國政府在物聯網“十二五”規劃上把信息處理技術作為 4 項關鍵技術創新工程之一提出，其中就包括了海量數據存儲、數據挖掘、圖像視頻智能分析等“大數據”相關的重要技術。而另外 3 項關鍵技術創新工程，包括信息感知技術、信息傳輸技術、信息安全技術，也都與“大數據”密切相關。

“大數據”的未來

“大數據”的到來已經無可阻擋，這將考驗我們的技術是否跟得上數據的爆炸。比如，智慧城市的建立將改變現在的城市生態，但是作為信息采集源頭的數萬個攝像頭，如果通過實時高效的圖像分析而實現有機結合，就是我們需要解決的問題。英特爾作為IT上游領導廠商，通過深入了解 OEM 廠商、ISV、SI 甚至用戶的需求，將產業鏈上的每一環都緊緊扣在生態系統周圍，使之發揮最大的能動性，來應對“大數據”時代的挑戰。在電信、石油、交通、醫療以及制造等行業，英特爾以開發的架構支持新型的商業智能，將這一生態系統的力量發揮到極致。信息就是資源，誰掌握了“數據”，誰就掌握了未來。掌握大數據，就在當下。英特爾將利用各種軟硬件技術資源，幫助合作伙伴發掘數據價值，從而應對“大數據”時代的挑戰。

4大數據背后隱含的“商業秘密”

信息的密集爆發，帶來了大量的數據堆積，數據的變化幾乎沒有一個循序漸進的過程，砰然爆發的速度太快了，從居家到社交，從生活到工作都會形成大量的數據，無論是有用的還是無用的數據都圍繞在我們周圍。我們不會在意大量的數據，但是對自己有用的數據是很在意的，最簡單的一個例子，我們手機里的信息就不斷地堆積，通訊錄在增加，還有郵箱，如果說以前僅僅是短信息，那么現在還有彩信，照片，包括微博等等都堆積起大量的數據信息。

數據多了就顯得凌亂，甚至亂序，而這僅僅是我們個人的一些信息就顯得如此駁雜和繁多。那么對于社會公共信息來說，堆積起來的數據信息是超海量的，匯總進而分析這些數據的價值就變得非常關鍵，而且也潛在著非常巨大的商機。

大數據應用場景之一

每天開車上街，司機們很在意的是測速攝像頭，對于公共資源維護者來說也在意這些數據，當然他們不僅僅是測速，更多的是道路信息采集。什么路段擁堵了，哪個路口出交通事故了，一些城市已經樹立了交通指示屏，可以非常清晰明了地為司機提示哪條路段現在是什么情況，擁堵還是暢通，有沒有交通事故等等，這都是對數據采集后的分析結果呈現。之前，我們在城市的路口常常可以看到很多交通地圖，不過現在這種平面單一的指示正在被數字標牌所取代。當然不僅僅是路口，在商場、電梯，地鐵、候機樓、包括樓宇的戶外廣告等等，都已經不再是簡單的一個平面美女，更多地已經開始呈現數字化了。

大數據應用場景之二

各種尺寸的屏幕動態化呈現更多信息，如果說以前我們還驚奇于滾動的數字屏幕，那么隨著信息化的快速發展，單純地動感已經無法滿足我們的需求，更廣泛的信息呈現才是更迫切的一種需求。而且這種需求是雙向的，對大眾和商家都很重要。于是智能化數字標牌出現了。這類產品具備了互動的功能，用戶可以用觸摸或者體感的方式和它們進行交互操作，同時，它們都是聯網的設備，可以與數據中心或者其他的數字標牌進行數據的傳遞，還可以搜集并分析數據，為不同的人群進行定制化的互動展示。這就是大數據的一種應用。英特爾還推出了一套智能系統，通過在數字標牌上的應用，實現豐富的功能。

大數據應用場景之三

在大量數據的背后，如何找出有用數據，如何發現規律，如何找到新的商業機會？大數據，帶來了一個全新的機會，這個機會需要軟硬件的結合，需要大型數據的分析能力。在這方面，英特爾給予了硬件方面的強力支持，這里的硬件不僅僅是服務器端的，還有更多的終端產品，包括微小終端等等，都呈現數據分析后的結果以及快速分析的過程。

比如，英特爾的一款采用了酷睿 i5/i7 處理器的虛擬試衣鏡 K-mirror。它能夠通過紅外線感應器，將試衣者的人體輪廓抓取出來，配合深度感應器測算人體與屏幕的距離，最后將預先存儲在魔鏡里面的虛擬衣服自然地搭配到試衣者的身體上。借助 K-mirror，試衣者無需穿上婚紗，便可以輕松、快速地進行選擇與搭配，使得以往復雜繁瑣的婚紗挑選與試穿過程變得簡單隨意且妙趣橫生。目前已有眾多婚紗影樓、服裝零售店鋪安裝了這款體感式虛擬試衣鏡，吸引了大量顧客體驗這種高科技的試衣感受。

大數據應用場景之四

在移動市場我們常常聽到精準營銷，包括廣告的投放等等。但是廣告投資商非常在意的是自己的投放究竟獲得了多少的回報和收益，或者自己的投放帶來的反饋又是什么，在哪里的投放獲得最大的回報率？這都存在著大量數據的分析和歸納。有國外媒體報道，eBay 的數據庫每天增加 50TB，每天最少都有數百萬次的商品查詢，數據庫每日增加 1.5 兆筆記錄，數據庫的總容量則已超過 9PB。每天新增的數據量龐大，數據庫也極其龐大，從中分析顧客的瀏覽、消費行為就變成了一件很困難的事情。

大數據應用場景之五

再比如 Facebook，每天都有數億用戶留下龐大的數據，包括大量的圖片、影片等傳統數據庫系統較不擅長的非結構化數據。針對網絡社交平臺，一些公司已經開始研究和布局大數據的關鍵技術──Hadoop。基于 Hadoop 的海量數據分布式處理，可以不再依賴價格高昂的大型專屬設備，而通過自建大量 x86 服務器群集來解決。它利用大量平價的服務器，搭配并行計算架構，以最符合經濟效益的方式創造龐大的計算量。而且，英特爾可以提供經過驗證的方法和工具來優化 Hadoop 部署，包括具有代表性的 Hadoop 應用集合 HiBench，和基于數據流的 Hadoop 性能分析工具 HiTune 等等。

大數據應用之中國機遇

上述五個應用場景代表著現在市場和行業里對于大數據時代的典型描述，而對于國內市場而言，大數據分析和應用的機會也頗大，因為中國的用戶量太龐大了，產生數據的潛力不可估量，如果能掌握其中一部分大數據就對企業發展具有意想不到的價值。我們正面臨著大數據工業革命，不僅包含傳統的結構化(或關聯型)數據，而且也包含各類非結構化、非對稱性數據。這些數據不僅尺寸龐大，而且增

長速度更快于摩爾定律。可以說，誰能合理地分析、管理、挖掘這些數據的內在價值，誰就有可能成為下一個行業巨頭。

大數據之背后的故事

基于大數據的盛行，很多軟硬件廠商都在尋求著適合自己的方向，而英特爾利用不同級別的處理器架構，不同的數據應用架構，以及相關的解決方案，幫助用戶從端到端找到完整的解決辦法。在大數據分析方面，靈活、強大和開放的解決方案更容易來實現現有需求以及未來的升級擴展。而英特爾正在利用開放的架構聯合業界合作伙伴一同為大家打造不同的大數據方案，幫助用戶解決實際難點。無論從應用、需求還是解決方案層面，大數據都已經到了“應時而生”的時代，而在這背后，從后端數據挖掘分析的廠商到應用的供應商都能從中找到黃金機會，在促進大數據時代的同時完成自己的商業目標。

第三篇：大數據分析將成為化學工業精準營銷未來發展趨勢

大數據分析將成為化學工業精準營銷未來發展趨勢

2014-12-01 中國氯堿網

大數據是當下高溫熱詞，它憑借規模超乎想象的海量資訊數據，通過收集、分析、存儲的一些新方法，正深刻地改變著人們生產生活的方方面面。大數據在石油化工領域會有哪些應用？對生產、經營會有何促進或者改變？為此，記者進行了深入調查。

大數據分析是行業趨勢其實，大數據離我們并不遙遠。2013年諾貝爾化學獎得主就是將看似不相干的大數據信息化處理方法比較完美地運用于化學研究之中，從而摘取了化學科學研究的王冠。其開發的多尺度復雜化學系統模型，翻開了化學史的“新篇章”，讓傳統的化學實驗走上了信息化的快車道。如今，反映真實情況的計算機模型已經成為現在化學界大多數新進展的關鍵，通過模擬，化學家能更快獲得比傳統實驗更精準的預測結果。

大數據具有體量大、種類多、價值密度低、速度快等一系列特點。其數據體量巨大，從TB級別，躍升到PB級別；數據類型繁多，如視頻、圖片、地理位置信息等，多類型的數據對數據的處理能力提出了更高的要求；價值密度低，以視頻為例，連續不間斷監控過程中，可能有用的數據僅僅只有一兩秒；處理速度快，時效性要求高，這也是大數據區分于傳統數據最顯著的特征。事實上石油化工企業對數據早已應用多年，比如對生產運行指標，銷售產品的品種，以圖表的形式，由點到線，由線至面，分析、研判，為企業決策做參考，只不過應用的數據沒有積累、挖掘到一定的量級，因此大數據很難用現有的數據庫管理工具或傳統的數據處理應用來處理。北京北大方正電子有限公司大數據業務部總經理于林認為，石油石化行業具有數據量大、類型多樣、存儲格式復雜及數據分散等特點，盡管大數據在石油石化行業的應用前景非常廣泛，但應用程度并不高。面對節能的挑戰、新能源的發展、兩化融合等多項問題，必須通過大數據的創新與應用，幫助石油化工行業應對挑戰，通過語義分析技術和元搜索引擎，完成相關信息采集，并對數據進行存儲、檢索和智能分析，從數據深度關聯、可視化查詢、數據報告等多個方向，為石油石化企業實現企業決策、生產管理的智能化提供數據支持。

例如英國石油公司在某采油廠安裝無線感應器，通過全網式的數據采集，發現有些種類的原油比其他種類更有腐蝕性，這個發現可以在設備和管線的使用上加強防范，使生產更安全。雖然只是一個局部的應用案例，但是已經能夠說明大數據分析的應用對石油化工行業有著重要的作用和意義。

此外，近年來，我國的石油化工企業安全生產隱患排查工作主要靠人力，通過人的專業知識去發現生產中存在的安全隱患，這種方式極易受到主觀因素影響，且很難界定安全與危險狀態，可靠性差；由于缺少有效的分析工具和對事故規律的認識，導致我國對于安全生產主要采取“事后管理”的方式，在事故發生后才分析事故原因、追究事故責任、制定防治措施，這種方式存在很大局限性，不能達到從源頭上防治事故的目的。若控制事故，減少損失，必須對大量人的因素、工作的因素、不合規行為等進行控制。而控制這些需要將安全生產中的有價值的信息進行深度挖掘，尋找出內在規律。

第四篇：利用大數據分析績效

利用大數據分析績效

一般來說，在公司中對員工的績效考評標準主要有2種：上級評價和業務數據體現（如果有的話）。不僅有主觀評論也有客觀數據，使得考評結果不傾向于任何一方。

然而，大部分情況下，業務數據很難用數字表示，只有少數特定職位可以有精確業務數據，而這些數據也很容易被變通的理解。

如果要使績效數據真正幫助到公司發展，來確認哪些部門為公司做出重要貢獻，哪些員工的工作真正起到實際作用，就要在部門間和部門內做橫向和縱向對比。

而這些對比不能以業務數據來分析，因為每個部門功能不同，工作情況也不同，并且業務數據無法體現真實的工作效率，只能做總結性的對比，特別是銷售業績，也許某個部門或員工為產品市場推廣做了大量工作并起到積極作用，最終導致了他人銷售業績增長，如果業績分析錯誤也就等于誤判了市場發展方向。

如果要真實的體現所有員工或部門的效率，就要用一種標準化且統一的方式，那就是記錄每一個員工的每一個工作情況，計算其平均或合計工作數量，實際完成速度，有效完成數量。拿上面說到的銷售部和市場部的例子來講，市場部本月工作數量和效率明顯高于上一個月，而銷售部的工作量卻保持持平狀態，如果銷售業績提高了，則說明市場推廣起到明顯作用。當然，這只是一個簡單的例子，其中還要考慮其他各種因素，這時，最好的方法還是要去確認關鍵項目的實際工作內容。

PACKS辦公管理（搜索）的設計不僅為員工提供了更有效的工作方式，還能為業績提供有效的數據支撐，在需要確認項目工作明細時，也能發現工作中的細節問題，同時還保證了員工個人事務的隱私。

第五篇：大數據分析政府工作報告

大數據分析政府工作報告： 那注定牽動生活的十大新詞

有權不可任性 【出處】

在今年的政府工作報告中，國家總理李克強在談及簡政放權時強調：“大道至簡，有權不可任性。”

大數據分析：

2014年，政府交出了一張漂亮的簡政放權成績單：10多次國務院常務會議進行專題研究，2次電話會議全國動員，246項行政審批事項被取消和下放、149項職業認證被取消。獲得感 【出處】

兩會前夕，習近平再次強調，要把改革方案的含金量充分展示出來，讓人民群眾有更多獲得感。政府工作報告提出基本實現高速公路電子不停車收費聯網、綜合治理農藥獸藥殘留問題、大幅提升寬帶網絡速率等細節，力圖讓群眾獲得實實在在的獲得感。健康中國 【出處】

“健康是群眾的基本需求，我們要不斷提高醫療衛生水平，打造健康中國。”李克強總理在作政府工作報告時，這句承諾得到了熱烈的掌聲。大數據分析：

“健康中國”最核心的是加快健全基本醫療衛生制度，讓民眾看得上病、看得起病、看得好病。《報告》提出要全面推開縣級公立醫院綜合改革，在100個地級以上城市進行公立醫院改革試點，破除以藥補醫，降低虛高藥價，合理調整醫療服務價格，通過醫保支付等方式減輕群眾負擔。互聯網+ 【出處】

李克強總理提出“互聯網+”行動計劃，可以預見這將成為新興產業和新興業態的競爭高地。大數據分析：

互聯網+新媒體=網絡媒體 互聯網+娛樂=網絡游戲 互聯網+零售=電子商務 互聯網+金融=互聯網金融 目前，“互聯網+金融”已走入正軌，“互聯網+交通”各方仍在博弈磨合。今年春節的全民“搶紅包”就是互聯網金融移動支付暗戰傳統金融的典型案例。僅除夕當天，微信紅包的收發總量就達10.1億個，1541萬微博網友分享了由央視春晚及39位明星與商家送出的1.01億個紅包。書香社會 【出處】

書香社會今年第一次出現在《政府工作報告》中，李克強指出，要提供更多優秀文藝作品，倡導全民閱讀，建設書香社會。大數據分析：

一個民族的文化自信離不開崇尚閱讀、尊重文化的氛圍，讓閱讀成為一座城市高貴的堅持。3月2日，國家新聞出版廣電總局發布通知，將加快全民閱讀立法進程，其中，“深圳讀書月”作為“書香中國”的活動品牌，截至2014年已堅守了15年，15年參與總人次達1.06億。創客 【出處】

今年“創客”一詞第一次被寫入《政府工作報告》。《報告》指出，互聯網金融異軍突起,電子商務、物流快遞等新業態快速成長。李克強鼓勵眾多“創客”脫穎而出，文化創意產業蓬勃發展。大數據分析：

“創客”一詞來源于英文單詞"Maker”，指把各種創意轉變為現實的人。創客與眾創、眾包、眾籌緊密結合，正在發揮經濟新引擎的作用。

李克強總理今年1月初參觀了深圳的柴火創客空間。《報告》中提到，2015年高校畢業生將達749萬人，為歷史最高。因此今年《報告》特別鼓勵大學生大眾創業、萬眾創新，有創新式解決就業問題的考量。中國已形成以北京、上海、深圳為三大中心的創客生態圈。深港通 【出處】

2015年政府工作報告首次提到深港通，并表示2015年將適時啟動深港通的試點工作。大數據分析：

有評論認為，深港通核心不在于“通”，而在于“融”，不僅是深圳、香港兩地股市的互聯互通，更是金融、會計、法律等眾多高端產業全面融合。“通”是領導一句話，“融”得市場十年功。南上資金依然會顯得火熱，北下資金則要看政策的安排。領跑者 追趕者 準備者

沈陽、株洲、伊犁、江陽 智慧城市6大關鍵詞

城鎮化、工業化、信息化、低碳、綠色、可持續。

北京、上海、廣州、深圳、天津、武漢、寧波、南京、佛山、揚州、浦東新區 重慶、無錫、大連、福州、杭州、青島、昆明、成都、嘉定、莆田、江門、東莞 智慧城市 【出處】

李克強在政府工作報告中提出，發展智慧城市，保護和傳承歷史、地域文化。大數據分析：

物聯網、電子支付、云計算、4G網絡??2015年“兩會”上，構建智慧城市成為代表委員關注的熱點。事實上，“智慧城市”已成為全國新型城鎮化的一種戰略選擇。據《中國智慧城市發展水平評估報告》，當前國內“智慧城市”發展水平可大致分為3種類型。為官不為 【出處】

政府工作報告指出：“目前少數政府機關工作人員亂作為，一些腐敗問題觸目驚心，有的為官不為，在其位不謀其政，該辦的事不辦。”這是政府工作報告中首次納入治理庸官懶政內容。

大數據分析：

“為官不為”20年來首次寫入政府工作報告，與反腐高壓下少數官員群體“懶政”有關系。《報告》提出，要完善政績考核評價機制，分3類對待：對實績突出的，要大力褒獎；對工作不力的，要約談誡勉；對為官不為、懶政怠政的，要公開曝光、堅決追究責任。7% 【出處】

政府工作報告中表示，2015年GDP增長目標在7%左右，居民消費價格漲幅3%左右，城鎮新增就業1000萬人以上。GDP“7%左右”不再是硬指標。大數據分析：

過去十年《政府工作報告》中GDP增長目標從8%緩慢降至2015年的7%，體現了自2013年以來中央強調的不簡單以GDP論英雄。據報道，全國已有29個省主動降低了GDP的增長目標，上海甚至取消了GDP的增長目標。

回望

2014年政府工作報告 已改變生活的“新詞” ● 互聯網金融

“互聯網金融”或許是最快被寫入政府工作報告的經濟新詞匯之一。雖然在2014年的政府工作報告中只有一句“促進互聯網金融健康發展”，但其火爆態勢“一發而不可收拾”。最盛行領域：

1、打車服務；

2、網上購物；

3、網上銀行；

4、互聯網理財。

優點：起步門檻低；手續簡單，無時間地域限制；收益高。風險：法律法規不健全；能否達到承諾的收益；監管和立法。● 舌尖上的安全

2014年“兩會”政府工作報告提出了“一個嚴守、三個最嚴”，堅決治理餐桌上的污染，切實保障“舌尖上的安全”。

億贊普（IZP）大數據顯示，2013年人們對食品安全的平均關注指數是40，2014年這一數據降為34，遠低于2014年人們對汽車（98）、住房（85）、教育（80）、養老（73）和空氣污染（61）問題的關注度。

2014年，排在食品安全搜索首位的始終是“食品安全法”。過去人們關心的是地溝油、三聚氰胺、地溝油等重大食品安全事件本身，現在則把目標從治標轉向治本——監管和立法。● 企業黑名單

哪些企業會上黑名單？2014年“兩會”政府工作報告中給出了答案：違背市場競爭規則，侵害消費者權益的企業。

最常出誠信問題黑名單的行業：

1、食品行業；

2、餐飲行業；

3、藥品行業。

調查顯示，近70%的人不了解什么是黑名單制度。大家最關心的問題包括：企業黑名單制度怎么建立？企業上黑名單的標準是什么？上了黑名單的企業要承擔什么后果？