互联网+大数据时代分析报告课件.ppt

1、大数据时代大数据时代Big Data1 2 3 4目录51大数据概述大数据概述大数据产生的背景什么是大数据大数据时代数据量级变化数据量级变化大数据产生背景大数据产生背景数据量级不断增加 | 根据IDC 监测，人类产生的数据量正在呈指数级增长，大约每两年翻一番，这个速度在2020 年之前会继续保持下去。数据结构日趋复杂 | 大量新数据源的出现则导致非结构化、半结构化数据爆发式的增长TBTBPBPBZBZBEBEB地球上至今的数据量：地球上至今的数据量：在2006 年，个人用户才刚刚迈进TB时代，全球一共新产生了约180EB的数据；在2011 年，这个数字达到了1.8ZB。 而有市场研究机构预测：

2、到2020 年，整个世界的数据总量将会增长44 倍，达到35.2ZB（1ZB=10 亿TB）说明说明互联网（社交、搜索、电商）、移动互联互联网（社交、搜索、电商）、移动互联网（微博）、物联网（传感器，智慧地网（微博）、物联网（传感器，智慧地球）、车联网、球）、车联网、GPS、医学影像、安全监、医学影像、安全监控、金融（银行、股市、保险）、电信控、金融（银行、股市、保险）、电信（通话、短信）都在疯狂产生着数据。（通话、短信）都在疯狂产生着数据。1GB（Gigabyte）=1024MB1TB（Terabyte）=1024GB1PB（Petabyte）=1024TB1EB（Exabyte） =102

3、4PB1ZB（Zettabyte）=1024EB平均平均中国互联网上发生了什么？中国互联网上发生了什么？百度搜索查询次次条条微博名名新用户人人同时QQ在线篇篇博客文章名名新博客条条心情更新篇篇日志发布万张万张照片上传条条状态更新发布篇篇日记更新个个视频上传到优酷，内容总计14个小时人人淘宝在线交易额元元篇篇新帖子发布新回复篇篇是的，是的，我们已经进入了我们已经进入了大数据时代大数据时代变化数据在web 2.0的时代，人们从信息的被动接受者变成了主动创造者全球每秒钟发送 2.9 百万封电子邮件，每天会有 2.88 万个小时的视频上传到Youtube，推特上每天发布 5 千万条消息量级每月网民在F

4、acebook 上要花费7 千亿分钟，发送和接收的数据高达1.3EBGoogle 上每天需要处理24PB 的数据20世纪90年代，数据仓库之父的Bill Inmon就经常提及Big Data2011年5 月，在“云计算相遇大数据” 为主题的EMC World 2011 会议中，EMC 抛出了Big Data概念什么是大数据：Big Data名词由来什么是大数据（NO-SQL, Not Only SQL)不同“看”数据的方式10可视：结构化资料 15%未视：半/非结构化数据 85%DB/DW主管们看的战情数位仪表板，其实是残缺的大数据不仅仅是“大”多大？PB 级比大大更重要的是数据的复杂性数据的

5、复杂性，有时甚至大数据中的小数据如一条微博就具有颠覆性的价值大数据 = 海量数据 + 复杂类型的数据海量交易数据：企业内部的经营交易信息主要包括联机交易数据和联机分析数据，是结构化的、通过关系数据库进行管理和访问的静态、历史数据。通过这些数据，我们能了解过去发生了什么。大数据包括：交易数据和交互数据集在内的所有数据集海量交互数据：源于各种网络和社交媒体。它包括了呼叫详细记录、设备和传感器信息、GPS和地理定位映射数据、通过管理文件传输协议传送的海量图像文件、Web文本和点击流数据、评价数据、科学信息、电子邮件等等。可以告诉我们未来会发生什么。大数据的构成 大数据要上升为国家战略大数据要上升为国

6、家战略国家国家时间时间政策政策备注备注美国2012-3-29大数据研究与发展计划推动政府开放、提升政策预见性（粮食、天气、流感等）、提高政府服务水平、降底运营开支英国2010-5数据权、我的数据日本2012-5ICT战略中国2012-5互联网大数据技术创新研究14 大数据时代：生活、工作与思维的大变革一书的作者维克托迈尔舍恩伯格，如是说，“如果你是一个个人，如果你拒绝的话，可能会失去如果你是一个个人，如果你拒绝的话，可能会失去生命，如果是一个国家的话，拒绝大数据时代的话生命，如果是一个国家的话，拒绝大数据时代的话，可能失去这个国家的未来，失去一代人的未来。，可能失去这个国家的未来，失去一代人的

7、未来。” 这一句话恐怕不能算作耸人听闻，因为每当人们站在现在这个节点的时候，总会去眺望未来，但是未来往往在你不经意当中已经悄悄地来到你的身边。15硬件成本的降低网络带宽的提升云计算的兴起网络技术的发展智能终端的普及电子商务、社交网络、 电子地图等的全面应用物联网大数据时代到来的必然性：大数据时代到来的必然性：大数据市场分析大数据市场分析12011年-2016年中国大数据市场规模2各行业大数据市场规模l政府、互联网、电信、金融的大数据市场规模较大，四个行业将占据一半市场份额。l由于各个行业都存在大数据应用需求，潜在市场空间非常可观。l2011年是中国大数据市场元年，一些大数据产品已经推出，部分行

8、业也有大数据应用案例的产生。2012年-2016年，将迎来大数据市场的飞速发展。l2012年中国大数据市场规模达到4.7亿元，2013年大数据市场将迎来增速为138.3%的飞跃，到2016年，整个市场规模逼近百亿。2大数据的大数据的4V特性特性体量Volume多样性Variety价值密度Value速度Velocity1234数据量Volume多样性Variety价值密度Value速度Velocity从非结构化数据的超大规模和增长，比结构化数据增长快10倍到50倍，是传统数据仓库的10倍到50倍，总数据量的8090%大数据的异构和多样性，多种形式（文本、图像、视频、机器数据），无模式或者模式不明

9、显，不连贯的语法或句义大量的不相关信息对未来趋势与模式的可预测分析，深度复杂分析，机器学习、人工智能Vs传统商务智能(咨询、报告等）实时分析而非批量式分析，数据输入、处理与丢弃，立竿见影而非事后见效Volume 数据量PB是大数据層次的临界点是大数据層次的临界点. KB-MB-GB-TB-PB-EB-ZB-YB-NB-DBVariety 多样性企业内部的经营交易信息;物联网世界中商品,物流信息;互联网世界中人与人交互信息,位置信息等是大数据的主要来源. 文本/图片/视频 等非结构化非结构化/半结构化数据半结构化数据能够在不同的数据类型中能够在不同的数据类型中,进行交叉分析的技术进行交叉分析的技

10、术,是大数据的是大数据的核心技术之一核心技术之一.语义分析技术,图文转换技术,模式识别技术,地理信息技术等,都会在大数据分析时获得应用.非结构化数据 相对于结构化数据而言,不方便用数据库二维逻辑表来表现的数据即称为非结构化数据,包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等等。Value 价值 挖掘大数据的价值类似沙里淘金,从海量数据中挖掘稀疏但珍贵的信息. 价值密度低价值密度低,是大数据的一个典型特征是大数据的一个典型特征. 2010年海地地震，海地人散落在全国各地，援助人员为弄清该去哪里援助手忙脚乱。传统上，他们只能通过飞往灾区上空来查找需要援助的人

11、群。 一些研究人员采取了一种不同的做法：他们开始跟踪海地人所持手机内部的SIM卡，由此判断出手机持有人所处的位置和行动方向。正如一份联合国(UN)报告所述，此举帮助他们“准确地分析出了逾60万名海地人逃离太子港之后的目的地。”后来，当海地爆发霍乱疫情时，同一批研究人员再次通过追踪SIM卡把药品投放到正确的地点，阻止了疫情的蔓延。Velocity 速度 1s 是临界点. 对于大数据应用而言,必须要在1秒钟内形成答案,否则处理结果就是过时和无效的. 实时处理的要求实时处理的要求,是区别大数据引用和传统数据仓库技术是区别大数据引用和传统数据仓库技术,BI技术的关键差别技术的关键差别之一之一.讨论一下

12、：传统的数据库与大数据的区别？问题1：大数据与传统数据库的区别大数据是在传统数据库学科的分支数据仓库与数据挖掘的基础上进一步发展起来的。但有两点比较主要的不同： 结构化程度：传统数据库保存的是结构化或者半结构化的数据，传统数据库保存的是结构化或者半结构化的数据，以二维表或者标准XML文件的方式存储数据，由于结构清晰，处理相对容易；大数据面向的是一切计算机可以存储的数据格式大数据面向的是一切计算机可以存储的数据格式，包括互联网上的各种网页、图片、音频、视频，包括办公文档、报表，包括人们在搜索引擎中输入的关键词、在社交网络中的留言、喜好，也包括各种传感器自动收集的监控结果等等，显然不同的格式处理起

13、来更加困难。 噪声（异常）数据的处理：传统数据库通常把异常数据先剔除传统数据库通常把异常数据先剔除，应用在需要高精确度的领域，如银行对每个账户的管理；大数据则允许异大数据则允许异常数据存在常数据存在，更多应用在预测方面，找出大量数据中隐藏的关联关系，少量异常数据不会对总体结果产生影响。3相关领域的应用相关领域的应用大数据使移动电商进入个性化时代 各种网络平台的开封不仅增加了数据的规模，而且使数据具有较强的流动性和有效性社会化登录使得用户第一次在互联网上具有统一的身份个性化电商时代两者合起来创造了这样一种网络环境：通过利用各网络平台的数据，企业能够相对容易地查到用户的具体身份，了解该用户在网络上

14、都干了些什么。有了这些信息，企业就可以在移动电商平台上更好地实现个性化推荐。数据支撑营销，电商战线新阵法当前大数据可以辅助销售的方面包括：提高潜在客户的质量，提高销售机会数据的质量，提高目标客户开发精确性，区域规划，赢利率等等。而在市场营销中，大数据也功不可没。除了提供提高转换率策略，销售前景预测，增长收入和客户生命周期外，还有可以帮助我们判断销售周期内各阶段哪些内容是最有效的，以及如何改进客户关系管理系统。如果公司是提供基于云计算的企业软件服务，大数据还可以提供关于何降低客户获取成本(CAC)，客户终身价值(CLTV)的信息，管理许多其他客户驱动的指标，这些指标对于经营云业务至关重要。数据挖

15、据流程知识运用 知识运用就是对挖掘的评估结果在现实决策中的运用，这是一个非常重要的过程，也是数据挖掘的最终目标，价值的体现。 数据准备 数据准备，是从海量的原始数据中准备要据挖掘的数据，它是长期的、无规律的数据积累的结果。由于原始数据不适合数据挖掘，所以要先进行预处理，包括数据选择、清洗、推测、转换等操作。数据准备的好坏直接决定着数据挖掘的质量和效率。数据挖掘 数据挖掘是整个程序的关键过程，按照数据挖掘的目标要求，选择合适的算法，来挖掘数据规律，常见的算法有决策树、分类、神经网络、Apriori 算法等。模式的评价、分析 对挖掘过的数据结果进行解释、分析、提取有意义或有使用价值的规律，还原成人

16、们能够理解的数据语言。1、信息的發現和收集2、信息传播指导3、效果评估4、负面处理5、品牌调研6、消费者决策分析大數據商務電子的應用大數據商務電子的應用I.信息的發現和收集信息的發現和收集竞品竞品信息信息发现、行业资讯获取发现、行业资讯获取n情报数据全面整合n传播方向发现大数据为我们带来了什么？她是后她的生活習慣她的個性她平常參加哪些互動活動她平常的作息時間大数据为我们带来了什么？她是后、是她的最爱她爱她、尚对喜欢的东西有某种热她关注和关注网络营销、推广活动爱爱爱爱10点、14点前后是她频繁上网的时间每一秒：全球发送每一秒：全球发送290290万封电子邮件；万封电子邮件；每一分钟：微博推特上新

17、发的数据量超过每一分钟：微博推特上新发的数据量超过1010万；社交网络万；社交网络FacebookFacebook的浏览量超过的浏览量超过600600万；万； 每一天：全球上传每一天：全球上传2.882.88万小时视频至万小时视频至YoutubeYoutube； 每个月：网民在每个月：网民在FacebookFacebook上花费上花费7 7千亿分钟；千亿分钟； 上一年：人们制造并使用的数据达上一年：人们制造并使用的数据达1.8ZB1.8ZB。 数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来，大数据正成为

18、最值得关注的领域之大数据正成为最值得关注的领域之一一 . .“大数据”在互联网行业通常表现为互联网公司在日常运营中生成、累积的用户网络行为数据。情报数据全面整合情报数据全面整合竞品竞品广告投放广告投放+公关活动公关活动洞察分析，洞察分析，全面全面了解竞品市场动态。了解竞品市场动态。12%10%5%3%70% Search-suningSale-suning-suning-cnsuningBbs-suning5%3%广告投放力度广告创意内容广告投放阵地传播诉求传播声量趋势传播媒体投放广告广告公关公关0.4%1.8%95.1%2.7%6.9%37.8%25.2%30.2%1.0%5.2%87.4%

19、6.4%联想苹果三星手机品牌各媒体声量比重传播方向发现传播方向发现海量数据中，海量数据中，2大维度大维度、7大指标大指标挖掘关键资讯，挖掘关键资讯，准确提供传播方向。准确提供传播方向。重点位置 + 重要内容名人权重首页露出首屏露出焦点图露出热门位置热点位置热搜位置传播主要诉求及类别不同类别内容TOP10媒体与网友评价正负信息TOP10II. 传播指导传播指导目标人群界定目标人群界定媒介战略指导媒介战略指导传播内容指导传播内容指导目标人群界定目标人群界定年龄性别收入所在区域职业教育程度.消费心理喜好关注内容活跃时间关注群体.男女05010015020002460-20岁20-40岁 40-60岁

20、14:0014:3018:00品牌产品服务质量物流售后渠道诚信价格美誉性能档次形象效果卖点行业名人时评家准确了解用户构成，掌握用户行为特征准确了解用户构成，掌握用户行为特征Who-围绕哪类人群展开传播？受众分布是否与设想吻合？媒介战略指导媒介战略指导了解用户触媒习惯，锁定用户所在媒体分布，合了解用户触媒习惯，锁定用户所在媒体分布，合理分配媒体投放资源。理分配媒体投放资源。Where-媒体选择预算分配传播方式传播内容指导传播内容指导What-确定卖点诉求方向话题设计传播力度全面了解消费者决策因素及竞品传播内容，为后全面了解消费者决策因素及竞品传播内容，为后期传播内容策略提供支持。期传播内容策略提

21、供支持。喜欢喜欢不喜欢不喜欢前卫的、卓越的、有格调的无保障的、不安全的.购买动机购买动机Action购买购买Share重复购买重复购买Attention关注关注Interesting记忆记忆Choice选择选择决策轨迹决策轨迹III.效果评估效果评估传播表现评估传播表现评估搜索表现评估搜索表现评估用户到达评估用户到达评估用户购买评估用户购买评估AICAS模型模型:消费者决策轨迹AttentionInterestingChoiceActionShare工作量工作量人员配备工作时长信息量信息量信息总量媒体亮点影响力影响力点击量、健康度首页时长媒体占有率媒体占有率竞品比较自身比较用户关注用户关注百度

22、指数网站流量销售转化销售转化产品售出数产品评论数传播表现评估传播表现评估指标：指标：信息总量信息总量影响力影响力媒体占有率媒体占有率提及提及数数负面负面数数信息影信息影响力响力覆盖覆盖度度曝光曝光时长时长网站权重曲线网站权重曲线搜索表现评估搜索表现评估首页露出条数首页露出条数前三页露出条数前三页露出条数前五页露出条数前五页露出条数联想词露出个数联想词露出个数相关词露出个数相关词露出个数用户到达评估用户到达评估声量评估声量评估内容评估内容评估满意度评估满意度评估百度指数决策变化网站流量用户购买评估用户购买评估0102030405060701日2日3日4日5日6日7日8日9日10日11日12日13

23、日14日15日16日17日18日19日20日21日22日23日评论数售出数SALES产品评论数产品评论数每日评论评论总数产品售出数产品售出数每日售出售出总数IV.负面处理负面处理负面识别及分级负面识别及分级危机追踪及路径分析危机追踪及路径分析负面识别及分级负面识别及分级盐城论坛二级页面盐城论坛二级页面尼康，垃圾.联想频死机、坑爹负面内容语义识别负面内容语义识别负面位置影响力判断负面位置影响力判断ACABAABCBBBACCCBCACC级重大负面315网站首页：网站首页：京东商城销售问题电视京东商城销售问题电视.尼康尼康D600深陷深陷“进灰门进灰门”智能识别负面信息，智能识别负面信息，更快速更

24、快速的的发现负面发现负面负面处理优先排序负面处理优先排序，更，更科学的科学的指导负面处理指导负面处理搜索引擎首页搜索引擎首页小米2使用不到一天爆炸营养快线商标遭侵权.危机追踪及路径分析危机追踪及路径分析（上午（上午9:03当事人粉丝当事人粉丝助推扩大声势）助推扩大声势）（上午（上午9:05 专家、意见领袖专家、意见领袖发表观点发表观点 ）发展期发展期潜伏期潜伏期爆发期爆发期消退期消退期当事人当事人（上午（上午9:00 发表发表XX奶粉促进婴儿性早熟）奶粉促进婴儿性早熟）事件声量跟踪事件声量跟踪事件发布者跟踪事件发布者跟踪实时把控事件脉络 （下午（下午13:00 媒体媒体要热点对事件进行报道）要

25、热点对事件进行报道）（一个月一个月 竞争品牌竞争品牌恶意传播扩散）恶意传播扩散）V. 品牌调研品牌调研大众用户评价大众用户评价消费用户评价消费用户评价关联品牌联想关联品牌联想大众用户评价大众用户评价产品产地知名度行业地位品牌口碑SNS视频问答论坛博客微博深入了解潜在用户对我们的评价。消费用户评价消费用户评价效果周期安全性价格优势售后保障对消费用户的评价进行全面分析，有效帮助我们改善工作。关联品牌联想关联品牌联想关注同时关注了解消费者感兴趣的关联品牌，为后续品牌联合传播提供指导支持。VI.消费者决策分析消费者决策分析决策因素发现决策因素发现决策点与传播卖点差异性比较决策点与传播卖点差异性比较决策

26、因素发现决策因素发现卖点品牌产品特点服务价格质量物流渠道真实了解消费者决策因素，提供销售策略。决策点与传播卖点差异性比较决策点与传播卖点差异性比较有效有效长效长效产品传播卖点：产品传播卖点：速度快、无痛感、快速脱毛消费者关注点：长期有效了解传播卖点与消费者决策点差异，有效改进卖点传播策略。报告呈现报告类型报告类型报告内容报告内容报告结论报告结论表现形式表现形式6大类报告类型、64种专项研究多指标（20类、258个分析指标）战略角度：定位、诉求方向、整体策略执行角度：预算分配、媒体选择、内容设计直观、简洁例子：电商用户数据分析与挖掘例子：电商用户数据分析与挖掘2022-6-8说说 明明报告介绍报

27、告介绍分析：分析店铺的整体运营状况；分析客户特征，从不同细分角度寻找不同客户之间的差异；客户属性特征分析客户消费行为分析目的：为了卖家能更直观的了解自己店铺的运营现状；了解客户特征，为客户维护和回购刺激提供决策依据；提供个性化的实施建议；数据来源n订单数据n客户数据n外部数据n行业数据订单样本nXXX专卖店n自：2012-8-10 到2015-4-30，状态为交易成功的订单极值处理n剔除客单价2000元的订单n剔除客单价10元的订单n剔除批发商：购买次数大于50次订单处理方式n同一客户一天内多比订单默认合并为一笔订单备注信息：备注信息：2022-6-83.如何实施？ 2.客户特征表现？ 1.整

28、体现状？n购物体验n深入客户关系管理n客户属性特征n消费行为特征n个性化实施方案n1.1 购物体验DSR评分n1.2 深入客户关系管理1.2.1 年滚动趋势1.2.2 月滚动趋势一、购物体验现状一、购物体验现状1.1 DSR动态评分nDSR评分不错，尤其在“宝贝与描述相符”上比较突出。n提升DSR的其他方案：客服专业性服务及客户信息收集 ；批量进行（利用订单中心）：个性化包裹、发货提醒、同城到达提醒等；个性化进行：物流跟进、退款跟进、评价跟进等n但是整体的退款率非常大！1.2.1 年滚动趋势：活跃客户*备注：回头客比例=（一年购买2次及以上新客户+一年前购买过又来买的客户）/一年总客户数，如，

29、201308指201209-201308n整体销售额呈现一定的稳定增长趋势；n回头客销售额占比整体呈现逐渐上升的趋势，目前占到6%，低于行业均值，需后续加强老客户的维护。n整体客户数同销售额类似，呈现一定的稳定增长态势；n相比而言，老客户的客单价高于新客户。n但是目前的整体现状仍需改进。1.2.2 月趋势n从销售额的趋势来看，波动非常大，中间竟然出现几个月非常低的销售情况，如2013年的1、2、6、7、8月份。需引起高度重视。n去年下半年以来整体情况还不错。新老客户占比n从店铺整体来看还是主要有新客户支撑；n只是在某几个月份，整体销量特别不好的时候，能够凸显老客户的价值。n从客户数可以明显的看

30、出，老客户的贡献人均贡献大于新客户的人均贡献值。n2.1 客户属性2.1.1 地域2.1.2 地址职业n2.2 客户消费行为2.2.1 RFM2.2.2 购物时间分析2.2.3 商品分析二、客户特征二、客户特征2.1.1 地域2.1.2 地址职业地址-职业回购情况：2.2.1 RFM：F&M新客户复购分析：Rn 首次客单价在100元以下的属于低价值客户，复购率低于4%右，占比总客户数的40%；n 首次客单价在100200元的属于中价值客户，复购率也低于4%，占比约为57%；n 首次客单价大于200元的可以归类为高价值客户，复购率略高，占比约为3%；新客户复购分析：首次客单价2.2.2 购物时间

31、分析地域时点：n 不同区域在购物时间上还是存在一定的差异性，可以适当的针对不同的地区在不同的时间点进行营销。页面优化方案：1、日常搭配套餐、页面关联的选择2、充分利用流量（主打产品-搭配套餐），提升ROI3、浏览连带率高，但是购买连带率/单品购买情况不佳研究详情页面（优势的突出/劣势的攻击）6、A与B商品功能大致相同，A更便宜加强对价格高产品的价值认同5、A和B价格一样、功能一样，A是主推将B与A分开，由其他热销款带动B7、A和B功能不同（搭配）匹配度不高，调整；组合价格太高买了又买买了又买看了又看看了又看看了最终买看了最终买4、单品转化率低，单品整体转化率高主图吸引人，价格以及页面详情不尽如

32、意个性化跟进订单关怀订单催付基础策略：新客户培养策略：购后2天感谢/EDM关怀购后8天商品使用指导/晒单有礼/加微信/加微博购后20天关联商品推荐/商品回购周期营销购后30天满月礼/定向营销/短信关怀购后60天当季热卖品推荐/60天关怀/大促购后90天换季新品推荐购后当天发货通知/快递/包裹礼品购后180天购后220天进入流失客户组管理(沉默期)(睡眠期)(睡眠期)(睡眠期)当季清仓品推荐/聚划算(活跃期)(活跃期)(活跃期)(流失期)新客户培养案例DAY 1DAY 8DAY 30DAY 45DAY 60感谢信干货特辑，根据客户购买的产品种类，分类推送。会员生日特权/满月礼会员专享优惠刺激3.

33、1.2 后期重点：沿着RFM特征进行资源投入一段生命周期内必须有一定量的维系类活动；营销类活动和维系类活动按照一定比例匹配；随着客户关系从购买到死亡，资源投入逐渐下降，保持资源利用的高效性；一段生命周期内客户接触次数有下限，也有上限；每个活动都应该有针对性，或针对新客户、或这对某一会员等级的用户，切忌大众化；活动选择活动特性售后期0天365天以上7天45天活跃期90天沉默期140天睡眠期流失期死亡催付、发货通知、评价有礼、催付、发货通知、评价有礼、包裹礼品、晒单奖励包裹礼品、晒单奖励会员升级刺激、会员升级刺激、满月礼满月礼、会员特权提醒会员特权提醒2-3次维系类活动次维系类活动保证保证DSR2

34、-3次营销类次营销类活动活动1-2次维系类次维系类活动活动1-2次维系类次维系类活动活动1-2次营销类次营销类活动活动上新通知、爆款打造上新通知、爆款打造事件营销、定向推荐事件营销、定向推荐节日关怀、会员活动、节日关怀、会员活动、降级预警、降级预警、60天回购刺激天回购刺激1次维系类次维系类活动活动1次营销类次营销类活动活动节日关怀、特权提醒、节日关怀、特权提醒、降级预警、降级预警、99天记忆唤醒天记忆唤醒店铺活动、爆款打造店铺活动、爆款打造促销活动、事件营销促销活动、事件营销0-1次维系类次维系类活动活动1次营销类次营销类活动活动会员特权提醒会员特权提醒节日关怀节日关怀爆款打造爆款打造促销活

35、动促销活动促销活动促销活动事件营销事件营销0-1次营销类次营销类活动活动上新通知、店铺活动、上新通知、店铺活动、爆款打造、关联推荐爆款打造、关联推荐n 中间结合：地域、地址中间结合：地域、地址-职业、信用等级、购物时间、商品等等维度职业、信用等级、购物时间、商品等等维度用户行为数据用户行为数据用户消费数据用户消费数据用户社交等用户社交等UGC数据数据培亚马逊、SMG、淘宝信用卡中心、蚂蚁金服谷歌地图、大众点评、美团等APP的自动定位系统互联网金融数据互联网金融数据支付宝、陆金所用户地理位置数据用户地理位置数据互联网大数据互联网大数据简单罗列几个行业简单罗列几个行业fackbook、新浪大数据在

36、营销和销售中的十大应用大数据在营销和销售中的十大应用1.大数据使得根据每个客户和每个产品的关系进行等级差别定价策略，最大限度的优化定价变得可能。麦肯锡的分析发现，一家典型的公司75%的收入来源于其标准产品，在每年这成百上千种定价标准产品的决策中30%的时候公司无法定出最好的价格。假定销售量没有减少，1%的价格提高却可以带来高达经营利润8.7%的增加，定价具有显著的提高盈利能力的潜力空间。2. 大数据可以带来更大的顾客回应率以及更深层次的客户信息根据下图的调查问卷，Forrester的研究发现44%的B2C的市场营销人员正在使用大数据提高客户的的回应率，36%的营销人员运用数据分析和数据挖掘，获

37、取更多的深层客户信息从而策划更多的关系驱动的市场策略。3. 客户分析(48%)，操作分析(21%)，欺诈和合规(12%)，新产品与服务创新(10%)和企业数据仓库优化(10%)是当今最常见的大数据销售和营销案例大数据联盟(DataMeer)最近的研究发现，客户分析统领大数据在销售和市场营销部门的应用。而支持这个趋势的有下面四个关键策略：增加潜在客户、减少客户流失、增加每个客户的投入以及改进现有产品。4. 大数据将分析数据嵌入到情境营销中许多公司的营销平台技术正在快速完善，支持这个趋势的基础是不断变化的客户、销售、服务和与现有系统不匹配的渠道需求。这造成了许多营销部门在数据和处理上无法完全集成好

38、。大数据分析可以创建可扩展的系统分析，可以再一定程度上缓解这个问题。下图来自Forrester的研究，在SAS网站上可以免费下载，结合直觉与参与的情境营销工具和技术：企业营销技术手册。5.大数据分析可以完善客户关系使得营销方案更成功通过大数据分析，定义和指导客户发展，营销人员创造更大客户忠诚度。下图来自于SAS赞助Forrester的研究，分析是如何在整个客户生命周中提供价值的(图中两条线间的距离表示者数据分析带来的价值)。大大数据带给我们带给我们的的隐患：隐患：隐忧一隐忧一，数据采集过程中的偏差。数据采集过程中的偏差。隐忧二，隐忧二，市场干扰数据的准确性。市场干扰数据的准确性。隐忧三，隐忧三

39、，“第三只眼第三只眼”的监控。的监控。隐忧四，隐忧四，营销轰炸。营销轰炸。隐私隐私 企业方面：企业方面： 一个好的企业应该未雨绸缪，从现在开始就应该着手准备，为企业的后期的数据收集和分析做好准备，企业可以从下面六个方面着手，这样当面临铺天盖地的大数据的时候，以确保企业能够快速发展，具体为下面六点： 1.目标 2.准则 3.重新评估 4.重视大数据技术 5.培训企业的员工 6.培养三种能力 Teradata大中华区首席执行官辛儿伦对新浪科技表示，随着大数据时代的到来，企业应该在内部培养三种能力。第一，整合企业数据的能力；第二，探索数据背后价值和制定精确行动纲领的能力；第三，进行精确快速实时行动的

40、能力。4相关技术相关技术云计算列数据库实时分析hadoop生态集群技术领域的挑战1、对现有数据库管理技术的挑战传统的数据库部署不能处理数TB 级别的数据，也不能很好的支持高级别的数据分析。急速膨胀的数据体量即将超越传统数据库的管理能力。如何构建全球级的分布式数据库(Globally-Distributed Database) ，可以扩展到数百万的机器，数已百计的数据中心，上万亿的行数据。2、经典数据库技术并没有考虑数据的多类别（variety）SQL（结构化数据查询语言），在设计的一开始是没有考虑非结构化数据的。3、实时性的技术挑战：一般而言，像数据仓库系统、BI应用，对处理时间的要求并不高。

41、因此这类应用往往运行1、2天获得结果依然可行的。但实时处理的要求，是区别大数据应用和传统数据仓库技术、BI技术的关键差别之一。网络架构、数据中心、运维的挑战：技术架构的挑战：人们每天创建的数据量正呈爆炸式增长，但就数据保存来说，我们的技术改进不大，而数据丢失的可能性却不断增加。如此庞大的数据量首先在存储上就会是一个非常严重的问题，硬件的更新速度将是大数据发展的基石。 分析技术：数据处理：自然语言处理技术统计和分析：A/B test; top N排行榜；地域占比；文本情感分析数据挖掘：关联规则分析；分类；聚类模型预测：预测模型；机器学习；建模仿真 大数据技术：数据采集：ETL工具数据存取：关系数

42、据库；NoSQL；SQL等基础架构支持：云存储；分布式文件系统等计算结果展现：云计算；标签云；关系图等一些相关技术 存储结构化数据：p 海量数据的查询、统计、更新等操作效率低非结构化数据p 图片、视频、word、pdf、ppt等文件存储p 不利于检索、查询和存储半结构化数据p 转换为结构化存储p 按照非结构化存储 解决方案：Hadoop（MapReduce技术）流计算（twitter的storm和yahoo！的S4）数据采集数据储存数据管理数据分析与挖掘数据采集数据储存与管理数据分析与挖掘计算结果展示大数据的相关技术ETL数据众包（CrowdSouring）结构化、非结构化和半结构化数据分布式

43、文件系统关系数据库非关系数据库（NoSQL）数据仓库云计算和云存储实时流处理A/B Testing关联规则分析分类聚类遗传算法神经网络预测模型模式识别时间序列分析回归分析系统仿真机器学习优化空间分析社会网络分析自然语言分析MapReduceR语言标签云（Tag Cloud）聚类图（Clustergram）空间信息流（Spatial information flow）热图（Heatmap） 经过剁手族24小时的鏖战，天猫双11的销售总额最终定格在1207亿，大数据给您带来的启发是什么？选择一个身份来展开，如阿里工作人员、某某商家老板、消费者。http:/ as a Service，IaaS）平台

44、环境服务（Platform as a Service, PaaS）应用软件服务（Software as a Service, SaaS）存储服务网络服务开发与运行环境计算服务各类开放服务能力办公应用信息化应用通讯应用互联网应用数据库123好处IaasPaaSSaaS低成本、大规模、高效率提供IT基础设施统一平台架构，开放平台能力，引入外部开发创新力量，形成生态系统增强业务性能，降低业务提供成本，降低终端要求基于网络以服务的形式提供计算、存储等资源能力基于互联网以服务的形式提供平台运行环境（运行库）基于互联网以服务的形式提供软件应用云计算优点方便易用经济实惠资源整合超强计算能力安全性更高绿色环保

45、6.1.3 云计算的优点和问题云计算服务的问题云计算服务的问题云计算标准问题隐私权、知识产权问题数据完全问题云计算核心服务层云计算核心服务层3个子层的比较个子层的比较 核心服务层1云计算体系架构 云计算应用于移动商务领域将为众多移动商务企业的发展云计算应用于移动商务领域将为众多移动商务企业的发展提供全新的技术基础和服务模式，尤其是中小企业将获得提供全新的技术基础和服务模式，尤其是中小企业将获得更廉价的资源、更广阔的发展机遇和更完善的服务。更廉价的资源、更广阔的发展机遇和更完善的服务。 云计算将给移动商务带来全面的历史发展机遇。云计算将给移动商务带来全面的历史发展机遇。 (1)打破移动终端性能瓶

46、颈；打破移动终端性能瓶颈； (2)提供全新的提供全新的IT资源部署模式；资源部署模式； (3)更加安全的数据存储模式；更加安全的数据存储模式； (4)提供商业智能级的经营决策模式。提供商业智能级的经营决策模式。1云计算带来的机遇2全新移动商务模式构建基于“供应链云”的全程移动电子商务模式基础云平台： 主要由云计算服务提供商提供云计算的基础架构和平台建设，为电子商务企业提供使用云计算的基本环境和物理基础。对应于云计算的的Iaas和Paas基础云服务层：主要由应用开发商提供云计算的相关服务和公共应用接口为电子商务企业提供所需的服务和软件。对应于云计算的SaaS服务和PaaS服务：企业应用云层： 这

47、一层是企业开展全程移动商务的核心层。在这一层移动商务企业应用供应链管理的基本思想，开展企业核心业务流程的重组，构建移动供应链管理系统。利用已有的云计算平台和服务，整合企业资源，改善企业流程，合理分配权限，采用广泛的“供应链云”实现全程移动商务的最终目标综上所述： 从云计算平台供应商，到云计算应用开发商，再到云计算的使用者移动商务企业，形成了一个全新基于云计算的产业链。目前，诸如用友、金算盘、伟库等大型服务商都已经开始打造全程移动商务服务系统，基于“供应链云”的全程移动商务已经进入实践应用的阶段。2全新移动商务模式构建基于“移动云”的移动电子商务模式 此模式解决了移动终端性能瓶颈的问题，还极大地

48、提高了数据分享的便捷性、任务执行的高效性。在这种模式下，对手机等移动终端没有复杂的硬件性能要求，只要具备简单的跨系统平台就可以顺利连接“云端”，获取移动 商务企业利用“移动云”所提供的信息和服务。 移动商务企业自身也无需搭建复杂的移动电子商务平台，而只需要向云计算服务提供商申请租赁，就可以获取相应的“云服务”，从而快速实现其业务功能。“移动云”快捷高效的存储、运算、处理、共享能力，为移动电子商务的发展提供了全新的发展空间大数据 = 海量数据 + 复杂类型的数据海量交易数据：企业内部的经营交易信息主要包括联机交易数据和联机分析数据，是结构化的、通过关系数据库进行管理和访问的静态、历史数据。通过这

49、些数据，我们能了解过去发生了什么。大数据包括：交易数据和交互数据集在内的所有数据集海量交互数据：源于各种网络和社交媒体。它包括了呼叫详细记录、设备和传感器信息、GPS和地理定位映射数据、通过管理文件传输协议传送的海量图像文件、Web文本和点击流数据、评价数据、科学信息、电子邮件等等。可以告诉我们未来会发生什么。大数据的构成1234体量Volume多样性Variety价值密度Value速度Velocity从非结构化数据的超大规模和增长，比结构化数据增长快10倍到50倍，是传统数据仓库的10倍到50倍，总数据量的8090%大数据的异构和多样性，多种形式（文本、图像、视频、机器数据），无模式或者模式

50、不明显，不连贯的语法或句义大量的不相关信息对未来趋势与模式的可预测分析，深度复杂分析，机器学习、人工智能Vs传统商务智能(咨询、报告等）实时分析而非批量式分析，数据输入、处理与丢弃，立竿见影而非事后见效数据挖据流程知识运用 知识运用就是对挖掘的评估结果在现实决策中的运用，这是一个非常重要的过程，也是数据挖掘的最终目标，价值的体现。 数据准备 数据准备，是从海量的原始数据中准备要据挖掘的数据，它是长期的、无规律的数据积累的结果。由于原始数据不适合数据挖掘，所以要先进行预处理，包括数据选择、清洗、推测、转换等操作。数据准备的好坏直接决定着数据挖掘的质量和效率。数据挖掘 数据挖掘是整个程序的关键过程