企业大数据战略指南 建大数据战略关键因素

【2018-01-17】

  企业大数据战略指南构建大数据战略的关键因素

  当一个在线视频网站准备推出一个自制的节目时,评论家嘲笑他们掌握观众口味的能力。任何人都难以想到,该公司指导制片人,通过分析他们多年积累的大数据,帮助他们在单个季度获得数百万笔新交易,从而获得知名度和编剧内容,从而获得知名度。大数据战略面临的四大挑战我们正处于数据爆炸式增长的阶段:各种设备和互动所产生的数据量正以每年平均速度增长超过50%,预计到2020年将达到44亿(44万亿GB),全球公司越来越关注大数据带来的机遇和影响,贝恩大数据行业研究显示,超过400家北美和欧洲的大型企业(年营业额在5亿美元以上)的企业积极投入大数据,希望能带来显着的效益。根据调查显示,具有出色的大数据能力的企业,其竞争对手的可能性是业内前25位的两倍,比竞争对手做出正确决策的可能性高3倍,决策速度比竞争对手快5倍。可以看出,大数据对于企业和整个社会的重要性是不言而喻的。大数据之所以“大”是因为数量,品种和速度的特点。卷:大数据量,许多大型企业数据可扩展到数百TB甚至EB(1EB = 1024PB,1PB = 1024TB,1TB = 1024GB)。品种:多种类型的数据,包括各种格式和形式。速度:每秒都会产生大量数据,要求实时数据采集,处理和分析应用程序的速度。不管数据如何变化,取决于组织是否了解其所拥有(或能够获得的)数据资产,并构建清晰的大数据战略,以制定战略,运营和前瞻性战略,这些数据是“金矿”还是“垃圾”行产生价值。数据不能持续产生价值没有意义。图1:全球数据的数量,类型和增长呈指数增长基于大数据行业研究,当今企业在使用大数据方面面临许多困难。主要包括四大类挑战:战略,人才,数据资产和工具。战略:只有大约23%的公司具有明确的大数据战略,决定并知道如何将大数据分析有效地应用到业务运营中,建立组织技能,流程和激励机制,以支持数据分析以支持决策制定。人才:只有约36%的公司拥有专门的数据洞察力团队,拥有数据科学专业知识和商业头脑的人才。数据资产:只有约19%的公司拥有高质量,一致,易于访问和大数据。工具:只有38%的组织正在使用Hadoop,NoSQL,HPCC和自动数据清理算法等高级大数据工具。建立大数据战略和能力的关键因素企业如何建立清晰的大数据战略和关键的大数据能力?主要成功因素1:发现独特的“数据资产”当您拖动电影视频滚动条时,视频网站正在分析整个观众偏好数据并引导下一集的情节去;当你在商店购物,零售商正在分析整体客流数据和指导存储布局和产品上下架;当工厂日常使用的机械和设备,制造商分析整体设备使用习惯,指导下一代产品设计,维护和维护举措,以提高效率......这样的例子很多,作为构建大数据能力的基础,企业应该识别,评估,管理,并像其他重要资产一样,增加数据资产,首先要对企业数据资产现状进行深入的评估,明确资源类型和数据准备情况。 f目前的数据资产,评估数据是否足够完整,以及是否与业务发展直接相关。其次,根据评估结果和业务战略目标,目前的数据资产与目标之间存在着明显的差距,弥补了优先考虑的差距;然后,所有可用于获取内部和外部数据资产的识别和评估,深入考虑数据质量,重要性和相关性,获取成本和时间要求等相关因素,选择获取数据资产的最佳途径,如作为自我收集和整合,外部采购数据,与外部合作伙伴交流等;访问新的数据资产,公司还需要建立数据治理机制,妥善清理和存储数据,确保数据的可用性和一致性,并明确数据的授权和更新系统。关键成功因素2:确定数据资产如何“创造价值”。在评估您的数据资产之后,您需要确定如何使用它来支持和领导您的业务战略。具体而言,大数据为企业带来了五件事情:优化内部业务流程:例如,一家饮料公司使用复杂的算法分析社交媒体的大数据,识别对重要事件有影响的品牌意见领袖,并有针对性地引导为了增强营销效能;一家连锁零售公司通过分析大量店面销售数据,寻找产品之间未知的联系来提升捆绑销售。优化现有的产品和服务:例如,娱乐公司使用电子公园通行证收集主题公园游客的活动信息,以优化公园内的游客体验;汽车安全信息系统服务提供商使用传感器来收集车辆驾驶数据,以改善您的产品的设计,制造和维护。为新产品开发新服务:例如,保险公司使用插入式设备来收集驾驶行为数据,并通过分析驾驶员的驾驶习惯来主动保留更安全的客户;在线视频租赁提供商通过分析收视情况数据提升用户观看体验,为影片投资者提供分析结果,优化影片制作内容;建立新的业务模式:例如,医疗保险公司通过对患者信息数据进行预测分析,为弱势人群提供预防保健服务,以提高这些客户的盈利能力;一家金融服务公司向用户提供免费的金融软件,用户分析他们的消费数据,然后推动他们的精确广告生态系统控制:例如,一家企业级软件公司识别和限定渠道供应商通过智能管理和分析渠道合作伙伴“o perational数据和预测和警报表现;一家电子商务公司数据产品团队根据其电子商务平台沉淀的大量交易数据,为平台上的卖家开发了各类大数据产品,帮助其实现数据化运营和收入增长,增强电子商务生态系统对卖家的吸引力。关键成功因素3:确定优先应用程序。大数据有助于为公司的业务单元(营销,销售,服务等)创造上述五大战略价值;大数据还可以帮助企业内部化(R& D,供应链和人力资源)运营为了确定业务运营和职能部门的具体可能的大数据情景,我们可以将行业标准中大数据的实践应用到业务和功能流程中,进一步收集可能进一步收集的数据和应用数据资产的当前状况通过使用头脑风暴和内部研讨会列出了所有可能的大数据应用程序需要注意的是大数据应用场景必须满足业务和职能部门的实际需要,不应该闭门造车与实际的接触表:各地常见大数据情景示例在识别出潜在的大数据应用之后,大数据应用可以是从价值创造和业务成熟两个维度进行评估和优先排序,以推动相关大数据应用的实施。对于价值创造维度,可以用多少价值创造(如运营效率提升,投资回报等)作为评价标准;对于业务成熟度维度,所需数据资产的可用性和所需资源可投入到大数据容量支持(如资金,人才,跨部门合作等)的评估标准中。图2:大数据应用优先级评估和评分框架关键成功因素4:数据→分析→洞察→决策支持产品化,规范化。为了有效地将大数据应用到组织的日常运营中,您需要不断将数据分析功能转换为内部应用程序,并规范您的数据分析工作。对于产品的数据分析,通过大数据应用策略规划,大数据应用场景设计,大数据分析,深入了解该过程的牵引力,继续推动大数据应用的设计,开发和应用,最终数据分析产品可持续运行。为使分析工作规范化,有必要不断维护数据分析产品,监测实际使用效果,为业务和职能部门提供数据分析支持,及时回答日常使用中的问题。以家电企业为例,通过收集存储数十亿用户数据的大数据平台,建立了需求预测,用户活动等数据模型。基于此,公司为市场营销和销售人员开发针对特定应用的应用程序,提供准确的市场营销能力,帮助他们将准确的营销目标定位到他们的地区,社区和个人,同时为开发人员开发具有用户交互功能的应用程序。帮助开发人员更充分地理解用户痛点,受欢迎的产品功能,用户兴趣分布以及可以互动的活跃用户。这些大数据产品在日常使用中取得了巨大的成果。系统运行近一年,公司根据数据挖掘和需求预测进行了数百次准确的市场推广活动,销售额达60亿元。关键的成功因素5:通过组织,人才和IT为大数据提供强大的支持和支持。大数据战略离不开组织,人才和IT能力的支撑。这些关键要素和能力的构建需要贴近业务,与战略保持一致。对于大数据组织运作模式,由于企业(尤其是大企业)大数据核心分析能力,工具投资等业务单元之间的协同效应显着,一般采用集中式运营中心模式。与此同时,与业务决策和应用相关的权利被授予一线部门,以确保数据分析和业务决策之间的无缝接口。无论大数据组织的运作模式如何,核心原则都是根据公司自身的情况和需求,确保大数据分析能力最有效地支持一线决策,另外,大数据企业需要多元化的人才队伍来支撑大数据组织的运作,其人才库包括大数据应用业务经理团队,大数据分析团队,数据资产管理团队,技术开发和维护团队,风险管理团队,除组织和人才外,大数据的到来也需要一个强大的IT系统架构作为支撑,企业需要建立一个强大的大数据分析平台系统,访问和分析来自不同数据源的数据,通过数据基础分析,统一各部门的大数据应用场景,同时,数据平台需要能够跨数据源统一清理和存储数据,以确保数据的可用性和一致性。此外,企业可以建立或优化主数据管理系统,为大数据分析平台和各业务大数据应用提供统一便捷的数据在线交易服务,支持大数据企业的运营。关键的成功因素6:通过大数据隐私和安全管理来消除法律和消费者感知的风险。虽然大数据既提供了机会,也提供了价值,但也带来了一些商业风险,特别是与消费者对法律的看法有关(例如,由于美国贸易委员会违反其隐私政策而被起诉的社交网络平台),例如互联网公司的街景项目遭到后者的大量抗议,原因是拍摄的许多照片涉及当地居民的隐私。)为此,根据数据类型和数据收集情况分析各种链接的使用情况不同类型,不同地理条件和认知风险,并及时做出反应,以隐私风险程度高的数据收集链接为例:对于个人身份信息(如身份号码),法律要求最高级别的保护因此,不建议在没有任何特定目的的情况下收集数据,对于诸如交易和信用信息等敏感数据),数据收集必须是明确告知用户并获得他们的同意;可以按需收集非敏感数据(如产品数据等)。此外,企业还应建立统一的国际政策法规队伍,通过基于全球标准的数据流管理数据隐私,并在此基础上根据国家的不同法规进行数据隐私的法律管理。同时,通过主动透露客户的隐私政策获取数据使用情况分析授权,为用户提供自己的隐私信息控制和删除权限或个人隐私数据分组进行匿名数据分析和获取第三方隐私风险管理认证,为减少用户的疑虑,企业在建设大数据能力的过程中,需要专业公司的帮助和支持,大数据的快速发展不仅对企业来说是一个挑战,也是一个机遇。企业必须及时抓住大数据带来的战略机遇,制定明确的大数据战略,建立强大的大数据决策支持体系和各方面的能力,充分挖掘大数据时代蕴含的巨大商业价值。大数据的应用1. Rogers和Paibs,个性化营销作者One to One Future在书中说: “从工业时代到信息时代,我们正经历着一个史无前例的盛况。我们也见证了大量销售人员的消亡,一对一营销的兴起。 “实际上,在这场营销革命背后,大数据的使用恰恰是罪魁祸首,这也是当今商业大数据最典型的应用。可以说,数据驱动的个性化营销正成为任何企业都无法避免的重要趋势。随着信息的超载和消费者的异质性,一方面海量的数据和大量的信息导致用户信息的饥饿,用户对非关联信息的容忍度日益下降,同时,用户感兴趣的数据日益增多,但是用户在识别信息方面的比例日益下降,消费者的趋势是长尾巴,这就导致了个性化的应用方向为大数据。个性化技术是关注和应用,从而推动企业在生产领域中通过简单的追求成本优化的大规模生产来定制变化的方向。同时,个性化推荐,推荐手机多屏成为一个典型的应用程序,在这些应用程序的背后,是计算机科学,统计学,市场营销的整合2.对客户价值的认识和挖掘e根据1995年科特勒对顾客终身价值的定义,顾客的终生价值是“公司用来获取顾客的一个顾客的总销售额”的生命周期,以及销售的净成本并为客户提供服务。 “这就是公司所有未来现金流量的净现值,这意味着对数据支持的客户终身价值的评估和分析将有助于公司制定市场细分战略,并确定哪些类型的客户是值得建立客户关系,最终找到真正有针对性的客户的成本,同时也可以帮助企业更好的推进客户关系管理,比如数据挖掘和分析,可以准确的知道现有销售额的百分比客户和新客户,当然这也会影响到企业的定价行为,比如降价可以快速提高老客户的留存率和新客户的收购率,同时也会降低利润率。利润率,但同时降低老客户的保留率和新的客户收购率,这意味着公司n提供数据支持他们的决定,并最终达到最佳平衡。 3,客户失信告警在用户自有资产时代,客户对企业战略形式的失落警示意义重大,损失是目标客户,这些客户是否代表攻击者的强烈攻势或自然选择过程,哪种类型的顾客或哪些条件得到满足,更可能丢失,而符合条件的则不太可能丢失。不同的算法可以找出最终客户流失的原因,最终帮助企业决定是否保留这些用户。 4,数据驱动的精准广告值得注意的是,在大数据时代,营销理论正在经历着重大的演变,包括产品,价格,渠道,促销等4P理论,由于科特勒的创新已经变成了6P,再加上电源和公共关系,1990年,美国营销专家Robert Lauterpain教授提出了基于消费者的需求,重新定义了营销组合的四个基本要素:消费者,成本,便利和沟通。但随着大数据的出现,尤其是从因果关系向相关关系的转变,4R理论越来越及时,即关联性,反应性,关系性和回报性。在营销理论变革的背后,恰恰是数据驱动的精准广告时代的到来,这就要求广告主在广告宣传之前就瞄准消费者,在投放实现精准定位的同时,投入使用一系列广告效果监控的数据工具。 5,企业决策如前所述,许多重要的企业决策企业已经离不开数据,在很多企业中,利用数据说话,拿数据指导已成为企业运营的一个必不可少的标准。以同样的苏宁为例,数据部门需要为商业部门提供多种服务。首先是报表服务,它通过Adhoc的技术为运营提供实时,丰富,准确的数据支持,帮助所有业务部门把数据发言,比如今天做一个活动,需要直接数据流出;其次,引擎服务,引擎的含义是可以使用大数据技术来驱动前台业务,与报表的区别在于它直接嵌入到生产环境中, 6,库存管理和物流配送对于很多电子商务公司或O2O公司来说,库存管理和物流正在成为重要的竞争力企业,它不仅是企业的活动,数据将对整个企业的业务产生直接的影响。直接关系到成本,利润,而且直接关系到用户体验,因此通过分析挖掘数据,不同产品细分市场在不同规格可以准确地估计出物流的时间效率,同时可以获得物流配送的时间效率和最佳用户体验的平衡以及物流的整体配送效率。