Construcción de sistema operativo digital

El sistema de operación de datos es la recopilación y aplicación de análisis de datos. También es una estrategia que da prioridad a los datos y una visión común para productos, mercados e I+D. Según las dependencias entre los datos, el sistema operativo basado en datos se puede dividir en capa de recopilación de datos, capa de producto de datos, capa de operación de datos y capa de alcance al cliente desde una perspectiva operativa.

(1) Capa de recogida de datos. La capa de recopilación de datos son los datos más bajos y originales, y también es la base de todo el sistema de datos. La recopilación de datos en esta etapa debe ser lo más completa y detallada posible. La recopilación de datos se puede dividir en cuatro tipos. El primero son los datos de comportamiento, es decir, los detalles de las transacciones del cliente, que registran una serie de operaciones del cliente sobre productos en orden cronológico. El segundo son los datos de tráfico, que se generan en función de las páginas web o terminales visitadas por los usuarios. Son datos de comportamiento que registran las operaciones y transacciones activas de los clientes. El tercero son los datos comerciales, que son datos generados con la empresa, como datos de atributos de productos vendibles, datos de atributos de precios de productos, etc. El cuarto son los datos externos, que son datos obtenidos de fuentes de terceros en lugar de generados internamente por la empresa. Los datos externos son más una referencia, que se utilizan para compensar la falta de datos internos. Por ejemplo, los bancos obtienen información sobre el registro de empresas y el pago de impuestos de los departamentos industrial y comercial, tributario y otros departamentos * compartiendo o comprando, que se puede utilizar para la expansión de clientes y la gestión de crédito de empresas recién establecidas.

(2) Capa de producto de datos. La capa de producto de datos es principalmente la capa que procesa y utiliza datos a través de herramientas. Dado que los datos sin procesar a menudo no se pueden usar directamente para las operaciones, necesitamos integrarlos y procesarlos de acuerdo con el negocio y los escenarios para realizar diversos análisis visuales de toma de decisiones. Una forma es conectar los datos comerciales y originales entre sí mediante el establecimiento de indicadores de datos comerciales para proporcionar dirección para el procesamiento de datos y luego obtener las conclusiones que necesitamos, como la cantidad de clientes activos, la tasa de retención de cuentas, etc. En la actualidad, las principales empresas de Internet implementan el procesamiento de datos estableciendo retratos de usuarios. Procesa una serie de datos para formar etiquetas de datos que describen atributos de personajes, como Miles de personas y Miles de caras de Taobao. Cuando un cliente compra productos para mujeres embarazadas durante el embarazo, el sistema etiquetará al cliente como mujer embarazada a través de datos. Después de buscar productos relacionados con el automóvil, el sistema etiquetará al cliente como entusiasta de los automóviles, etc. Los retratos de usuarios son un sistema complejo que se basa en big data y el aprendizaje automático. Los retratos de usuarios precisos y ricos pueden brindar un fuerte apoyo para el marketing de precisión, pero la premisa es que los datos en la capa de recopilación de datos sean lo suficientemente completos y detallados.

(3) Capa de operación de datos. La capa de operaciones de datos es la capa que transforma los datos en estrategias operativas. Se requiere que el personal de operación tenga un conocimiento profundo de las operaciones basadas en datos y excelentes habilidades analíticas. Generalmente, cuanto más grande sea la empresa y más ricos sean los datos, mejor puede ser el efecto de las operaciones basadas en datos. En esta etapa se deben alcanzar los siguientes objetivos. La primera es una gestión refinada. Hay diferencias entre los clientes. Las operaciones no pueden satisfacer a todos los clientes de una sola manera, ni pueden ser las mejores de una manera. Esta diferencia debe compensarse con operaciones refinadas. El refinamiento consiste en dividir los objetivos en una granularidad más fina, es decir, llevar los medios más adecuados a los clientes más adecuados en el momento más adecuado para generar el mayor valor. El segundo es la gestión con visión de futuro. Las empresas pueden seleccionar una pequeña cantidad de clientes con anticipación para realizar pruebas, obtener comentarios de los clientes de inmediato y luego decidir estrategias operativas posteriores basadas en los datos. Sin embargo, en un entorno competitivo cada vez más duro, los clientes se enfrentan a un entorno que cambia todo el tiempo. No basta con comprender los datos actuales, sino que necesitamos obtener predicciones probabilísticas mediante modelado de datos, aprendizaje automático, etc. proporcionar Proporcionar decisiones más prospectivas para operaciones posteriores. El tercero es la gestión integral. La esencia de las operaciones es la combinación orgánica de datos, productos, sistemas y personas. Cuando los datos de los clientes se han acumulado hasta cierto nivel, es necesario considerar la introducción de un centro de puntos para aumentar la fidelidad cuando se trata de trabajos de seguimiento de las ventas de productos, es necesario unirse a un CRM para mantener la base de clientes; Los comentarios de los clientes aumentan, es necesario unirse a un centro de atención al cliente para resolver diversas dudas.

(4) Nivel de cobertura de clientes. La capa de alcance al cliente es el vínculo final de todo el sistema y es un reflejo integral de la recopilación, el procesamiento y la operación de datos tempranos. Durante la interacción entre clientes y productos, los clientes darán retroalimentación sobre su reconocimiento del producto a través del comportamiento de la transacción, y también se formará una nueva ronda de datos de comportamiento. La capa de acceso al usuario no es el final del sistema operativo basado en datos, sino el comienzo de la optimización iterativa. Al volver a optimizar los datos obtenidos de la nueva ronda de retroalimentación, podemos lograr el efecto de optimización cíclica continua de los datos internos para guiar las operaciones.