What is Big Data and how does it work?
 |
來源：数据观
未來幾年，全球數據量將呈指數級成長。據國際數據公司（IDC）統計，全球數據總量預計2020年達到44ZB，中國數據量將達到8060EB，佔全球數據總量的18%。
如今，大數據已成為一項業務上優先考慮的工作任務，因為它能夠對全球整合經濟時代的商務，產生深遠的影響。除了為應對長期存在的業務挑戰，提供解決方案之外，大數據還為流程、組織、整個行業、甚至社會本身的轉型激發了許多新的方式。
研究顯示，72%的企業首選大數據應用需求，是基於客戶行為分析的大數據行銷，其次產品創新、風險預測、供應鏈管理、客戶服務等，也是企業優先考慮的大數據應用。
提升客戶洞察力
傳統的拍腦袋的決策方式和行銷手段，對大數據時代消費模式的戰略決策，已經不再那麼適用，尤其是越到後來，市場、媒體、通路成本就越高，企業所換取的收益越來越少。那麼，如何才能在新時代裡，尋找到投資和回報的平衡點，就需要利用大數據去預測消費者的行為，提高其購買力，從而獲得利益。
大數據的核心就是預測，大數據能夠預測體現在很多方面。大數據不是要教機器像人一樣思考，相反，它是把數學算法運用到海量的數據上來，預測事情發生的可能性。正因為在大數據規律面前，每個人的行為都跟別人一樣，沒有本質變化，所以商家會比消費者更了消費者的行為。
沃爾瑪是數據挖掘分析領域的先行者，建立了全新超大數據中心，利用大數據技術和方法，使得自己可以更好地優化物流、商品陳列和價格，還能夠對客戶行為做出預測，巧妙利用顧客數據，實現盈利成長的有效經驗，推出有前瞻性的促銷。
相類似的是，銀行業、航空業、汽車業而今也在使用大數據 技術和方法來推進行銷預測，這些行業中也不存在所謂線上通路和線下通路之爭，企業可以根據規劃需要靈活投入，並捕捉即時數據進行動態調整。
《大數據變革：讓客戶數據驅動利潤奔跑》一書的作者指出，包括已知行為動機，和必要的實際客戶行為，數據的細粒化市場圖景，可以為企業提供更廣泛，且有數據支持的客戶價值理解，企業將可能因此實現恰當的、有針對性的向上和交叉銷售，促成替代效應，縮短客戶數據反饋至研發和製造等環節的週期。客戶數據帶來更多的客戶價值，指的是數據能夠幫助企業較為精準地找到，單個客戶層級所處的市場，留住客戶，促進客戶的推薦，降低行銷成本。
Automercados Plaza's是委內瑞拉的一個家族式食品連鎖店，擁有超過6TB 產品和客戶數據，分布在不同系統和數據庫中。因此，公司難以輕鬆地評估，每個商店的運行情況，而且高管 知道他們需要從數據中獲得寶貴的洞察力。
Automercados Plaza's公司CIO Jesus Romero說：「在定價、庫存、銷售、配送和銷售方面，我們面臨著嚴重的混亂。我們擁有近2000萬美元的庫存，而且我們追蹤不同系統中的相關資訊，並且手動進行編輯。我們需要一個整合的視圖，以確切地了解我們擁有什麼。」
透過整合企業內的資訊，這家食品連鎖店的收入增加了近30%，年利潤提高了700萬美元。Romero先生將這些成績，歸功於更好的庫存管理，以及更快適應不斷變化的市場形勢的能力。例如，公司避免了大約35%的產品的損失，因為公司能夠提前安排降價，在食物變質前將其銷售出去。
重構商業模式
一些成熟的企業可能會發現，他們很難擺脫根深蒂固的做事方式，而新創企業卻有能力創造新的商業模式。
免費數據收集器和聚合器：社交數據流服務提供商Gnip公司，透過各種管道收集數據，大部分都是免費的，然後對數據進行過濾和完善，並根據客戶需要的格式向他們提供數據。
數據分析服務：這些公司通常為客戶提供分析數據的服務，這些數據通常是由客戶提供的。例如Sendify公司，為企業提供即時的調用者情報，所以當有電話打進時，他們看到打電話的人的很多相關的附加資訊，這會幫助 企業增加他們的銷售機會。
數據生成和分析：公司透過眾包、智慧手機或其他傳感器生成自己的數據，他們也提供分析服務。這個例子包括GoSquared Mixpanel和Spinnakr公司, 他們透過使用一個跟蹤代碼。在他們客戶的網站上收集數據，分析數據並使用web介面提供報告。
免費數據知識發現：這個模式是免費提供數據和分析。例如，Gild公司透過自動評估應聘者發佈的代碼，並進行打分，來幫助企業招聘開發人員。
數據整合服務：這些公司從多個內部源獲取數據，並對數據進行匯總，然後通過一系列用戶友好、通常是可視化介面，將結果反饋給用戶。在教育領域，從多個教育項目和網站匯總的數據時刻，幫助教師監控學生的表現。
多源數據混聚和分析：這些公司將客戶提供的數據進行匯總，大多是 免費的數據源，並對客戶數據進行分析，以豐富或基準數據。例如welovroi是 一個基於網路的數位行銷公司，監控和分析工具，能夠使企業跟蹤大量不同指標。它還能整合外部數據，並保證行銷活動的成功的基準測試數據。
助力精細化營運
好產品是營運出來的，互聯網產品需要不斷營運、持續打磨。產品營運的目的是為了擴大用戶群、提高用戶活躍度、尋找合適的商業模式並增加收入。
成功的互聯網營運，要做到精細化營運，成功的精細化營運需要大數據支撐。大數據和互聯網思維，在此方面關聯度最高。所以，企業在大數據的應用場景上，一定是要優先考慮，如何透過大數據進行精細化營運，以驅動更好的營運效率和效果的提升。
成功的互聯網營運，要做到精細化營運，成功的精細化營運需要大數據支撐。大數據和互聯網思維，在此方面關聯度最高。所以，企業在大數據的應用場景上，一定是要優先考慮，如何透過大數據進行精細化營運，以驅動更好的營運效率和效果的提升。
欺詐是全球各地的保險公司，面臨的一個切實挑戰。無論是大規模詐欺，例如縱火，或者涉及到較小金額的索賠，例如虛報價格的汽車修理賬單，詐欺索賠每年可使企業，支付數百萬美元的費用，而且成本會以更高保費的形式，轉嫁給客戶。保險公司不斷應對詐欺，但法律訴訟和私人調查等傳統方法，不僅費時，而且要支付高昂的費用。
作為南非最大的短期保險提供商，Santam確實感到保險詐欺的嚴重性。詐欺損失佔Santam客戶，每年保費的6%至10%。詐欺還有另外一個後果——運行效率低下。
由於代理必須處理，並調查高風險和低風險索賠，所有索賠至少需要三天才能解決，而且Santam開始感覺到，公司在客戶服務方面的良好聲譽，在客戶希望快速獲得結果的時代受到了損害。
由於代理必須處理，並調查高風險和低風險索賠，所有索賠至少需要三天才能解決，而且Santam開始感覺到，公司在客戶服務方面的良好聲譽，在客戶希望快速獲得結果的時代受到了損害。
透過採用先進的分析解決方案，從收到的索賠中獲取數據，Santam有能力早發現詐欺，根據已經確定的風險因素，評估每個索賠，並且將索賠劃分為五個風險類別，並將可能的詐欺索賠和更高風險與低風險案例區分開。
借助新系統，該公司不僅節省了數百萬元的保險詐欺損失，而且顯著縮短了低風險索賠的處理時間，最終使某些客戶的處理，在不到一個小時內即可完成。
在實施後的前幾個月內，Santam還發現了一個著名的汽車保險詐欺團伙。大數據、預測分析和風險劃分，幫助這公司辨識出了導致詐欺監測的模式。
借助新系統，該公司不僅節省了數百萬元的保險詐欺損失，而且顯著縮短了低風險索賠的處理時間，最終使某些客戶的處理，在不到一個小時內即可完成。
在實施後的前幾個月內，Santam還發現了一個著名的汽車保險詐欺團伙。大數據、預測分析和風險劃分，幫助這公司辨識出了導致詐欺監測的模式。
企業如何推動大數據採用
受應對業務挑戰這一需求的推動，並且根據不斷進步的技術，和數據不斷變化的特點，企業已經開始更深入地考察大數據的潛在收益。為了從大數據中獲取更多價值，IBM商業價值研究院為企業實施大數據舉措，提供了如下的建議。
以客戶為中心推動初始舉措
最初的大數據舉措，必須注重能夠為企業，提供最大價值的領域，這一點勢在必行。對許多行業來說，這意味著從客戶分析開始，透過真正瞭解客戶需求，並預測未來行為，從而為客戶提供更好的服務。
全面數位化是有助於，帶來大數據迅速發展的一個推動力，已經改變了個人和組織之間的力量平衡。如果企業希望瞭解，並向有能力的客戶和市民提供價值，他們必須集中精力將客戶作為個體進行瞭解。企業還需要向新技術和高級分析能力投資，以更好地瞭解各個客戶的交互和偏好。
但是，當今的客戶 ——包括最終消費者或者企業對企業客戶，需要的不 僅僅是瞭解。要想有效地培養與客戶之間有意義的關係，企業必須以客戶認為有價值的方式與客戶聯繫。
價值可能來自更即時、更明智或者更相關的交互；也可能來自於企業透過改進底層運作，而增強交互的整體體驗。無論來自何處，分析都有助於從大數據中獲得洞察力，這對於在這些關係中，達到這一深度日益重要。
制定整個企業的大數藍圖
藍圖包含企業內的大數據願景、策略和要求，對於在業務用戶的需求與 IT實施路線圖之間，做到協調非常關鍵。它實現了關於企業如何利用數據，改進業務目標的一致理解。
有效的藍圖透過，確定大數據適用的關鍵業務挑戰、規定如何使用大數據的業務流程要求，以及包含實現該藍圖所需數據、工具和硬體的架構，從而定義了企業內大數據的範圍。
這是為指導企業以實用的方式，並以創造可持續的商業價值為出發點，開發並實施大數據解決方案而制定藍圖的基礎。
這是為指導企業以實用的方式，並以創造可持續的商業價值為出發點，開發並實施大數據解決方案而制定藍圖的基礎。
從現有數據開始，實現近期目標要實現近期目標，同時為持續展開大數據項目，創造發展動力和專業知識，企業必須採取實用的方法。我們的調研顯示，要開始尋求新的洞察力， 最具邏輯性和性價比的地點就是企業內部。
從內部著眼允許企業利用現有數據、軟體和技能，提供近期業務價值，並且在考慮提升現有的能力，而處理更複雜的數據來源和類型之前，累積重要的經驗。大多數企業希望透過這樣做，而充分利用現有儲存在資料庫中的資訊，同時擴展其數據倉庫，以處理更大數量和更多類型的數據。
受應對業務挑戰這一需求的推動，並且根據不斷進步的技術，和數據不斷變化的特點，企業已經開始更深入地考察大數據的潛在收益。
根據業務優先級逐步建立分析能力
在世界範圍內，越來越多的分析工具，使企業目不暇接，同時企業也面臨著分析技能的嚴重缺乏。大數據效率取決於消除這一巨大差距。簡言之，企業必須獲取工具和技能。在這個過程中，隨著分析、功能和 IT 技能的完美平衡，預計新角色和事業模式將會出現。
關注內部分析人員的專業發展和事業進步，他們已經熟悉企業獨特的業務流程和挑戰，這應是業務高管的首要任務。同時，大學和個人自身（無論什麼背景或專業），都有義務培養強大的分析技能。
基於可衡量的指標制定投資回報分析
制定綜合且可行的大數據策略，以及後續的路線圖需要可靠且可量化的投資回報分析。因此，一位或多位業務高管積極參與並支持，這一流程非常重要。要實現長期的成功，強大、持續的業務和 IT 的協作同樣重要。
許多企業的投資回報分析，基於以下可從大數據獲得的益處：
更聰明的決策－利用新的數據源，提高決策品質；
更快的決策－實現更即時的數據獲取與分析，支持在「影響點」做出決策，例如在客戶訪問您的網站，或者與客戶服務代表通電話時；
創造奇跡的決策－使大數據舉措注重於，那些能夠提供真正差異化的領域。
這些建議中有一個基本原則：業務和IT專業人員，必須在整個大數據實施過程中通力合作。最有效的大數據解決方案，首先確定業務要求，然後定制基礎設施、數據源和量化分析，以支持該業務機會。
沒有留言:
張貼留言