En la era del big data, el valor comercial contenido en los datos empresariales

Hoy en día, big data ya no es una palabra nueva, ya es familiar para el público y puede considerarse el oro que fluye en la era de Internet móvil.

Según las estadísticas del "Informe de análisis de planificación estratégica de inversiones y perspectivas de desarrollo de la industria de Big Data" (publicado por el Instituto de Investigación Industrial Qianzhan), la industria de big data de China alcanzó una escala de 470 mil millones de yuanes en 2017, un Con un aumento interanual del 30%, se espera que para 2020, el valor de producción del mercado de big data de China supere el billón. Con el rápido desarrollo del mercado de big data, los tomadores de decisiones corporativas están prestando cada vez más atención al uso de big data. Cómo utilizar big data para permitir que las empresas crezcan rápidamente también se ha convertido en un foco de atención.

Existen cuatro métodos principales para extraer valor empresarial a partir de big data:

Segmentar grupos de clientes y luego personalizar servicios especiales para cada grupo.

Simula el entorno real, descubre nuevas necesidades y aumenta el retorno de la inversión.

Fortalecer las conexiones departamentales y mejorar la eficiencia de toda la cadena de gestión y cadena industrial.

Reduzca los costes de los servicios y descubra pistas ocultas para innovar productos y servicios.

Para las empresas, 100 teorías no son tan prácticas como un punto de referencia exitoso. Desde Amazon, Facebook, Google, LinkedIn hasta Tencent, Alibaba y Baidu, todos tienen una gran cantidad de registros de usuarios y operaciones. información, convirtiéndose en una empresa natural de big data.

Si alguna empresa en el mundo ha descubierto el mayor valor del big data, a día de hoy, la respuesta puede ser Amazon.

Amazon también tiene que procesar cantidades masivas de datos, y el valor directo de estos datos de transacciones es aún mayor. Como "empresa de información" (en lugar de la "empresa minorista" como se posicionan muchas empresas nacionales de comercio electrónico), Amazon no sólo obtiene información del comportamiento de compra de cada usuario, sino que también registra todo el comportamiento de cada usuario en su sitio web. : El tiempo de permanencia en la página, si el usuario ve los comentarios, las palabras clave de cada búsqueda, los productos navegados, etc. Esta alta sensibilidad y énfasis en el valor de los datos, así como sus poderosas capacidades de minería, han hecho que Amazon vaya mucho más allá de sus métodos operativos tradicionales.

El primer discurso del CTO de Amazon, Werner Vogels, sobre big data en CeBIT describió a los asistentes el plan de negocios de Amazon en la era de big data.

Amazon lleva mucho tiempo intentando localizar clientes y obtener su opinión a través del análisis de big data. "En el proceso, descubrirá que cuanto más grandes sean los datos, mejores serán los resultados. ¿Por qué algunas empresas siguen cometiendo errores en los negocios? Esto se debe a que no tienen suficientes datos para respaldar las operaciones y la toma de decisiones", dijo Vogels. "Una vez que entre en el panorama general En el mundo de los datos, las empresas tendrán infinitas posibilidades, desde la infraestructura que respalda a las empresas de tecnología emergente hasta los dispositivos móviles que consumen contenido, los tentáculos de Amazon han llegado a un área más amplia.

Recomendación: Todos los aspectos del negocio de Amazon son inseparables de los aspectos “basados ​​en datos”. Los amigos que han comprado cosas en Amazon pueden estar familiarizados con su función de recomendación. La función de recomendación de "las personas que compraron X productos también compraron productos Y" parece muy simple, pero al mismo tiempo, estos resultados de recomendación precisos son muy efectivos. El proceso de derivación también es muy complicado.

Previsión: La previsión de la demanda de los usuarios (Demand Forecasting) consiste en predecir las necesidades futuras de los usuarios a través de datos históricos. Para cosas como libros, teléfonos móviles y electrodomésticos (productos que Amazon llama internamente Hard Line y que puedes considerar como “productos estándar” (pero no necesariamente), las predicciones son relativamente precisas e incluso puedes predecir productos relacionados. Requisitos de atributos. Sin embargo, para productos de demanda suave (Soft Line), como la ropa, Amazon no ha podido predecir bien después de más de diez años de trabajo, porque tales cosas se ven afectadas por demasiados factores que interfieren, como por ejemplo: las preferencias de los usuarios en cuanto a colores y estilos. , usarlos ¿Le queda bien? ¿Le gusta a su cónyuge y amigos...? Este tipo de cosas es demasiado volátil si hay mucha gente que lo compra, no se venderá bien, por lo que se necesita un modelo de predicción más complejo.

Prueba: ¿Crees que apareció por casualidad una determinada página de texto en el sitio web de Amazon? De hecho, Amazon seguirá probando nuevas soluciones de diseño en el sitio web para encontrar la solución con la mayor tasa de conversión. El diseño, el tamaño de fuente, los colores, los botones y todos los demás diseños de todo el sitio web son en realidad los resultados óptimos después de muchas pruebas cuidadosas.

Registro: las aplicaciones móviles de Amazon no solo permiten a los usuarios tener una experiencia ubicua y fluida, sino que también obtienen una comprensión profunda de las preferencias de cada usuario al recopilar datos en sus teléfonos móviles. Lo que más vale la pena mencionar es Kindle; Fire y el navegador Silk integrado pueden registrar datos de comportamiento del usuario uno por uno.

Un enfoque basado en datos no se limita a las áreas anteriores. Para Amazon, big data significa grandes ventas. Los datos muestran qué funciona y qué no, y los nuevos proyectos comerciales deben estar respaldados por datos. El enfoque a largo plazo de Amazon en los datos le permite ofrecer mejores servicios a precios más bajos.

También hay un caso muy típico, que es el de Xiaohongshu, que se ha popularizado dentro del marketing comunitario en los últimos años.

A diferencia de otras plataformas de comercio electrónico, Xiaohongshu comenzó desde la comunidad.

A principios de 2016, Xiaohongshu cambió la operación manual del contenido a un formulario de distribución automática. A través de big data e inteligencia artificial, el contenido de la comunidad se relaciona con precisión con los usuarios interesados ​​en él, mejorando así la experiencia del usuario.

El Xiaohongshu de hoy ya no es un simple intercambio social, sino que se basa más en un análisis de big data y un impulso inteligente en segundo plano, lo que en última instancia forma una buena retroalimentación positiva de circuito cerrado.

A través de los dos casos de servicios de big data anteriores, no es difícil ver que el equipo de datos es en realidad un equipo muy independiente, porque necesitan completar muchas cosas, incluido comenzar desde la fuente de datos hasta los datos. . producción. Para I + D, son equivalentes a la Comisión de Inspección Disciplinaria. Necesitan organizar y coordinar la rotación de datos para monitorear los datos. También deben cooperar con I + D para completar cierta agregación, extracción y desarrollo de datos. Para las empresas, son equivalentes a I + D, porque necesitan generar informes y productos correspondientes, por lo que muchas empresas han explorado cómo construir un equipo de datos eficiente y sienten que no está claro ni está claro.

Si una empresa quiere desarrollar de forma independiente una plataforma de datos y crear un equipo de análisis de datos, requerirá una gran cantidad de trabajo. Los tipos de datos empresariales se pueden dividir aproximadamente en tres categorías:

Datos empresariales tradicionales: incluidos datos de consumidores de sistemas CRM, datos ERP tradicionales, datos de inventario y datos de cuentas, etc.

Datos de máquinas y sensores: incluidos registros de llamadas, contadores inteligentes, sensores de equipos industriales, datos de transacciones, etc.

Datos sociales: incluidos registros de comportamiento de los usuarios, datos de comentarios, etc. Plataformas de redes sociales como Weibo y WeChat.

En teoría, la mayoría de las empresas se beneficiarán del desarrollo del big data. Sin embargo, debido a la falta de datos y de los propios profesionales, el costo del desarrollo independiente es demasiado alto para las pequeñas y medianas empresas emergentes. Las empresas tradicionales con recursos financieros también generan una gran cantidad de datos, pero las fuentes de datos son confusas y no existe un método de almacenamiento unificado, y mucho menos investigación y desarrollo. Incluso si contrata personas para realizar análisis de datos, no sabe por dónde empezar. ¿Qué hacer?

De hecho, el valor de los datos reside en su adquisición, almacenamiento, procesamiento, extracción y análisis y, finalmente, visualización para ayudar en la toma de decisiones empresariales. Si realmente desea aplicarlo en los procesos empresariales, debe confiar en herramientas o plataformas profesionales. Las soluciones de sistemas de big data creadas por Guiyun Intelligence pueden ayudar a las empresas tradicionales a completar la digitalización y la actualización inteligente. Ayudar a las empresas a establecer un mecanismo operativo estable y eficiente y promoverlas para lograr una reducción de costos, un aumento de la eficiencia y un rápido desarrollo empresarial.

A través de las tecnologías inteligentes emergentes, las empresas pueden ganar nuevos horizontes, explorar modelos de negocios más amplios y lograr el máximo valor comercial. El producto es fácil de implementar y usar. Las pequeñas y medianas empresas pueden utilizar los servicios en la nube proporcionados por Guiyun Intelligence, y las grandes empresas pueden optar por privatizarlos e implementarlos en sus propios servidores. Las partes interesadas pueden visitar el sitio web oficial:?