㈠ 大數據市場有多大 怎麼利用大數據賺錢
大數據市場有多大 怎麼利用大數據賺錢
「大數據的市場規模沒有天花板。」國務院發展研究中心信息中心研究處處長李廣乾認為。不過細想,這正是目前各大企業和資本瘋狂追逐大數據產業的重要原因。
「單獨討論大數據意義不大,它是依附於具體業務,和各個行業密切相關的。」李廣乾認為,大數據產業規模和兩大因素相關:一是經濟發展水平,需要大數據的業務越多,市場體量就越大;二是信息化發展水平,能夠產生數據的終端越多,數據就會越聚越多,而數據的生產是沒有上限的。目前,大數據的金礦還僅是開挖了「冰山一角」。全球來看,Gartner2016年最新的技術成熟度曲線顯示,大數據作為新興領域,已經進入應用發展階段,基礎設施建設帶來的規模性高速增長出現逐步放緩的趨勢,技術創新和商業模式創新推動各行業應用逐步成熟,應用創造的價值在市場規模中的比重日益增大,並成為新的增長動力。從總體規模看,2016年,全球大數據市場規模實現16.5%的增長,預計將連續3年保持增速在15%左右。同時,大數據成為全球IT支出新的增長點,2016年,有近40%的企業正在實施和擴大大數據技術的應用,另有30%計劃在未來12個月內應用大數據。「說大數據產業是一張畫得很大的餅顯然是片面的。」工信部賽迪研究院軟體所所長潘文預測,包括大數據硬體、大數據軟體、大數據服務等在內的大數據核心產業環節,2016年達到3100億元,將在2020年超過1萬億元;大數據關聯產業規模2016年超過5萬億元,將在2020年超過10萬億元;大數據融合產業規模2016年達到3.5萬億元,將在2020年超過20萬億元。「從大數據核心產業結構看,基於大數據的服務是大數據核心產業的主體,其規模約佔大數據核心產業規模的90%,未來,服務也將是大數據產業的最核心部分。」潘文說。做數據「搬運工」目前國內大數據公司分為兩類:一類是已有獲取大數據能力的公司,如網路、騰訊、阿里巴巴等互聯網巨頭及華為、浪潮、中興等企業,涵蓋了數據採集、數據存儲、數據分析、數據可視化及數據安全等領域;另一類則是初創大數據公司,依靠大數據工具,針對市場需求,為市場帶來創新方案並推動技術發展。不同的大數據公司,盈利模式也不相同。如果把大數據產業比作房地產開發,那麼海量數據就是地產開發時的土地資源,數據挖掘開發就是地產搭建蓋樓。大數據主要的盈利模式也是圍繞這兩方面展開,一是通過直接「搬運」數據賺錢,二是通過數據加工分析盈利。「我們就像一個自來水廠一樣,用戶要你提供干凈的自來水,對方可能是酒廠、飯店、飲料廠,他把你的水做成飲料或酒。」聚合數據就是一家主要依靠為客戶提供數據盈利的公司,公司創始人左磊對其商業模式作了一個形象的比喻。在開發APP應用過程中,左磊發現客戶對於數據的需求非常大,但他們本身卻沒有能力去做這些事情。聚合數據的主營業務,就是整合市面上有價值的數據源,從車輛違章信息、航班火車查詢、全國加油站實時油價,到在線試題、電影、股票,做成標准化的API(應用程序編程介面),開放給開發者、企業及微信公眾號用戶等使用,為他們免除數據收集、維護等環節。簡言之,聚合數據是一家數據源公司,充當的是數據「搬運工」的角色。在變現模式上,針對一些本身成本不高的服務,聚合數據會對用戶實行免費,而對一些成本相對高的服務,會按照每個介面或服務的成本收取不同的費用。2016年,聚合數據光API介面一項營收就超過1000萬元。聚合數據的盈利模式是數據買賣市場一個有代表性的類型。另一個代表性類型是,國內乃至全球第一家大數據交易所——貴陽大數據交易所,自2015年4月正式掛牌運營以來,僅用兩年多時間,就實現了可交易數據總量超過150PB,內容涵蓋政府、金融、交通等30大類領域,並於今年上半年實現正現金流,預計今年底累計交易流水將突破2億元人民幣。數據的「消化」和「利用」如果說搬運數據是秀肌肉的「體力活」,那麼分析數據並提供解決方案就是拼智商的「腦力活」,相當於把收集來的數據「消化」「利用」好。直接售賣數據是比較底層的盈利方式,而對數據進行處理加工則在商業模式上具備更多的想像空間。數據分析可大致分為直接提供數據分析工具和輸出解決方案兩種模式。潘文說,數據分析工具通常可以實現情報挖掘、輿情分析、銷售追蹤、精準營銷、個性化推薦、網站/APP分析等功能,收費方式採取按需購買,部分功能服務免費,部分功能服務收費。阿里雲的「數加」平台就是典型的數據工具盈利模式。阿里雲大數據事業部總監徐常亮表示,阿里雲「數加」平台,承載著阿里巴巴集團、螞蟻金服的數據,可提供一站式的數據計算、加工、處理等服務,用戶不用自建計算平台。此外,基於「數加」平台,阿里雲還提供數十款應用工具,覆蓋數據採集、計算引擎、數據加工、數據分析、機器學習、數據應用等數據生產全鏈條。計算引擎之上,「數加」平台提供了最豐富的雲端數據開發套件,包括數據集成、數據開發、調度系統、數據管理、運維視屏、數據質量、任務監控。在數據分析方面,通過移動數據分析產品,開發者可快速搭建日誌採集、分析系統;通過「數加」平台BI報表產品,3分鍾即可完成海量數據的分析報告。在機器學習方面,「數加」平台發布的機器學習工具,可基於海量數據實現對用戶行為、行業走勢、天氣、交通等的預測。大數據公司百分點的展廳內有一面弧形牆,可以24小時實時更新數據資料和圖譜。這面牆上有全網當日產品銷售統計和熱銷產品榜單,每一個產品都有詳情介紹。百分點研發總監蘇海波介紹,5.5億用戶的「畫像」匯總於此,包括購物偏好、網購金額變化趨勢、閱讀興趣等。用戶的任何網上行為都會成為大數據的一部分,經過篩選加入到用戶的數據中。通過與百分點合作,商戶可以根據用戶消費偏好,定向推送商品;旅行社可以定向推送旅遊行程信息和報價;新聞資訊APP則可以推送用戶感興趣的信息。在輸出解決方案上,大數據還可以應用到醫療、教育、零售、通信等傳統行業。通過大數據產生更多收益,節約成本,優化原有行業,衍生出新的商業模式。
㈡ 什麼叫事業部
1、事業部是指以某個產品、地區或顧客為依據,將相關的研究開發、采購、生產、銷售等部門結合成一個相對獨立單位的組織結構形式。
2、它表現為,在總公司領導下設立多個事業部,各事業部有各自獨立的產品或市場,在經營管理上有很強的自主性,實行獨立核算,是一種分權式管理結構。
3、事業部制又稱M型組織結構,即多單位企業、分權組織,或部門化結構。
㈢ 事業部制的優缺點。什麼樣的公司可以實行事業部制。
事業部制的主要優點:活自主的適應市場、權力下放、發展儲備幹部、自主經營,責任明確。
1、每個事業部都有自己的產品和市場,能夠規劃其未來發展,也能靈活自主的適應市場出現的新情況迅速作出反應,所以,這種組織結構既有高度的穩定性,又有良好的適應性有比較、有競爭。
2、權力下放,有利於最高領導層擺脫日常行政事務和直接管理具體經營工作的繁雜事務,而成為堅強有力的決策機構,同時又能使各事業部發揮經營管理的積極性和創造性,從而提高企業的整體效益。
3、事業部經理雖然只是負責領導一個比所屬企業小的多的單位,但是,由於事業部自成系統,獨立經營,相當於一個完整的企業,所以,他能經受企業高層管理者面臨的各種考驗。顯然,這有利於培養全面管理人才,為企業的未來發展儲備幹部。
4、事業部作為利潤中心,既便於建立衡量事業部及其經理工作效率的標准,進行嚴格的考核,易於評價每種產品對公司總利潤的貢獻大小,用以指導企業發展的戰略決策。
5、按產品劃分事業部,便於組織專業化生產,形成經濟規模,採用專用設備,並能使個人的技術和專業知識在生產和銷售領域得到最大限度地發揮,因而有利於提高勞動生產率和企業經濟效益。
6、各事業部門之間可以有比較、有競爭。由此而增強企業活力,促進企業的全面發展。
7、各事業部自主經營,責任明確,使得目標管理和自我控制能有效的進行,在這樣的條件下,高層領導的管理幅度便可以適當擴大。
事業部制的主要缺點:容易滋長本位主義、費用開支大、管理工作要求較高。
1、由於各事業部利益的獨立性,容易滋長本位主義。
2、一定程度上增加了費用開支。
3、對公司總部的管理工作要求較高,否則容易發生失控。
事業部制結構主要適用於產業多元化、品種多樣化、各有獨立的市場,而且市場環境變化較快的大型企業。事業部制最早是由美國通用汽車公司總裁斯隆於1924年提出的,故有「斯隆模型」之稱,也叫「聯邦分權化」,是一種高度(層)集權下的分權管理體制。
它適用於規模龐大,品種繁多,技術復雜的大型企業,是國外較大的聯合公司所採用的一種組織形式,近幾年我國一些大型企業集團或公司也引進了這種組織結構形式。
(3)大數據事業部規劃擴展閱讀:
事業部制企業的組織架構:在組織架構上,事業部與企業總部之間的關系是管控、監督與自運營的關系。事業部制的企業體現為以事業部為利潤中心,以事業部為虛擬公司的組織結構,並在此基礎上實現集中管控與分散經營,管理協同與業務「外包」的內部關系。
事業部制企業的組織結構有總部與事業部之分,而事業部又分為經營型事業部和支持型事業部。總部是企業的制度、決策、管控、協調中心,包括財務與人事,經營型事業部是事業部制核心部分,它是企業的利潤中心、業務中心,支持型事業部往往是總部職能的延伸,是企業的服務中心,但不少企業並不設立支持型的事業部。
㈣ 中電福富業務軟體事業部好不好
中電福富業務軟體事業部當然好咯,業務軟體事業部好的呢。能進到業務軟體事業部,說明你的業務水平不錯,說明說明你的專業就是這方面的專業,進入到這個軟體受不了以後,你的職業前景,職業規劃都是非常好的,發展前景很好,未來的發展就是軟體業和大數據業,計算機行業的發展,計算機信息行業的競爭,你能進入業務軟體事業部,那還有什麼不好呀?那說明你是一個人才啊!
㈤ 大數據和數據挖掘該怎麼規劃學習
兩個工作內容聯系不大,你是學習java的,我就主要介紹數據挖掘吧
數據挖掘是提取數據、建立模型分析數據、得出結果後與需求部門進行溝通的一個職業。
舉個例子:銀行的事業部有很多潛在的貸款申請者,事業部向數據挖掘人員提出需求,希望能夠分析哪些申請者是優質放貸對象?
數據挖掘人員首先要充分理解事業部的需求,其次要從資料庫提取相關數據,提取數據的工作有些時候是由DBA來完成,好了,現在你得到了歷史數據,你的任務就是通過歷史數據來建立模型,分析具備什麼特徵的申請者是有能力還貸、不拖欠的,然後用建立好的模型來預測我們剛剛得到的新的一批申請者。
再具體一點:例如,我們通過歷史數據發現,年齡大於35歲,的男性,已婚,家庭人口大於3,收入在12000元以上的申請者是理想的放貸對象,那麼我們用這個標准來限定新的申請者。
當然我舉的例子,為了淺顯易懂,是非常簡單的示意例子,實際情況要復雜得多,會涉及到個人的貸款歷史、信用評估、自然屬性、社會屬性、資產評估等情況——就是說,數據挖掘人員是要通過資料庫中的海量數據,整理出哪些是有用數據,再用這些有用的數據來分析其它部門的問題,幫助他們解決問題,或者為公司的發展提供數據依據
數據挖掘的上升方向是:數據挖掘——產品層——決策層
java是屬於開發,比如開發軟體、介面、應用程序等,如果一個公司需要開發數據挖掘軟體,那麼則需要數據挖掘知識+java開發能力,只有在這種時候,才需要兩個都具備
但是一般自主開發數據挖掘軟體的公司很少,第一需要消耗大量人力物力,第二市場有很多現成的軟體,沒必要開發。
如果你想從事數據挖掘,你必須具備:
數據挖掘模型、演算法的數學知識以及一些數據分析軟體(SPSS、SAS、matlab、clementine)
一些資料庫相關的知識(oracle、mySQL)
了解市場、其它部門需求
當然這些都是一點一滴積累起來的,沒必要一蹴而就,特別是對市場、行業的了解以及對公司其它部門的需求的理解非常重要,這決定了你能否從基礎的分析人員上升到產品層、決策層,都是要在實際的工作中積累起來的
至於放棄java什麼的,我覺得真的不是放棄,因為你具備了java的基礎,一定能派上用場,比如技術型產品經理(face book的扎克伯格和騰訊的馬化騰都是技術型產品經理),這種產品經理能夠清晰的把握產品的開發過程,還有市場知識。總結起來就是沒有什麼東西會浪費掉,你學的所有的東西都將在工作中派上用場,只是你遇到的情況不夠多不夠復雜而已
㈥ 挖掘大數據價值 推動城市智慧管理(1)
挖掘大數據價值 推動城市智慧管理(1)_數據分析師考試
大數據,源自於互聯網、物聯網、雲技術的發展,技術的進步產生了紛繁復雜的巨量信息。
如何讓大數據為我所用是智慧城市的一個重要命題。中國工程院院士鄔賀銓指出,智慧城市是使用智能計算技術,使城市的關鍵基礎設施的組成和服務更智能、互聯和有效。
大數據是城市的智慧源泉
大數據將遍布智慧城市的方方面面,是智慧城市的智慧之源。從政府決策與服務,到人們衣食住行的生活方式,再到城市的產業布局和規劃,直到城市的運營和管理方式,都將「智慧化」或「智能化」。
大數據為智慧城市建設提供強大的決策支持。在城市規劃方面,通過對城市地理、氣象等自然信息和經濟、社會、文化、人口等人文社會信息的挖掘,可以為城市規劃提供強大的決策支持,強化城市管理服務的科學性和前瞻性。大數據在城市管理上的優勢將主要體現在交通管理、醫療、社會安全等方面。
應用大數據將極大提高智慧城市政府部門的決策效率和服務水平。智慧城市的建設首先需要一個「智慧政府」,大數據使數據共享成為可能,政府各個部門的既有資料庫可以實現高效互聯互通,極大提高政府各部門之間的協同辦公能力,提高為民辦事的效率,進而大幅降低政府的管理成本。
大數據將顯著提升智慧城市人們的生活品質。大數據將極大地拓展民眾生活空間,引領智慧城市大數據時代智慧人生的到來。大數據是未來人們享受智慧生活的基礎,將改變傳統「簡單平面」的生活常態,通過大數據的應用服務將使信息變得更加廣泛、使生活變得多維和立體。通過大數據建立家庭生活檔案,智能化管理家庭日程事務、個人健康、安全起居以及外出購物。
同時,大數據將使公共服務與個人生活間的結合更為緊密,在醫療衛生、教育培訓、交通、安防等領域為個人提供信息查詢、內容分發、移動支付等應用體驗,將人們的「簡單平面」生活轉向「多維泛在」,讓智慧城市真正服務於民生。
政企合力實現數據與城市互融
大數據對於智慧城市的重要性不言而喻,但是目前二者並沒有實現互融互通,問題出現在哪裡
高德三維事業部總經理趙珂告訴筆者,大數據基本原則在於解決海量的數據的提取和整理有價值的信息。其中,最關鍵的是這些數據能做什麼。在他看來,用數據為老百姓服務,才是政府和企業應該共同關注的目標。
從數字城市到智慧城市,政府的建設模式已經悄然發生著變化。趙珂稱,政府在積極推動企業投資建設智慧城市,政府的角色已經由之前的主導轉變為引導,希望由企業自主參與智慧城市項目建設。這樣更加符合市場經濟的規律,可以給企業更多的主動性。
對於企業來講,從被動作業到主動尋求機會,需要的不僅僅是公司實力或者技術的儲備,而是思想觀念和經營模式的徹底改變。由之前的按時完成項目作業,到現在與政府合作共享,直接帶來數據歸屬的改變,之前數據版權歸政府,現在企業投資建設,數據和平台最終都屬於企業,企業就會有充分的主動性來挖掘數據價值。
模式轉變之後,政府和企業該如何合作完成對數據的挖掘?趙珂認為,首先應該確認的是數據一定靠各家的數據資源一起來做才能做好。隨著開放度的提高,政府會同公眾分享越來越多的數據,企業也會加深與政府的合作,來進行大數據的整合,最終的目標就是盡可能挖掘數據價值為公眾服務。
以上是小編為大家分享的關於挖掘大數據價值 推動城市智慧管理(1)的相關內容,更多信息可以關注環球青藤分享更多干貨
㈦ 寧鄉三一重起事業部大數據崗位怎麼樣
好。
1、寧鄉三一重起事業部大數據崗位工資高,繳納五險一金,節假日有福利。
2、寧鄉三一重起事業部大數據崗位待遇好,操作簡單,工作不累,因此寧鄉三一重起事業部大數據崗位好。
㈧ Cloudera讓大數據實現更多價值
Cloudera讓大數據實現更多價值_數據分析師考試
今天,大數據已經是一個繞不開的話題了。然而怎樣才能擁有大數據能力,卻是眾多企業頭疼的問題。畢竟大數據能力並不是簡單的擁有大數據,而是如何利用大數據來創造更多的價值。可以預見的是,在大數據成為趨勢,成為國家戰略的今天,大數據的有效利用和相應解決方案成為人們普遍關心的課題。
7月9日,由上海大數據產業技術創新戰略聯盟、上海產業技術研究院、 肯睿(上海)軟體有限公司,北京精準數源信息技術有限公司共同舉辦的「2015上海大數據產業高端峰會」圓滿落幕。峰會搭建了一個有效的溝通交流平台,包括世界頂尖的大數據產業界專家和學術界知名學者齊聚上海,與來自金融、教育、醫療和交通行業的代表,共同探討大數據產業發展以及大數據產品和應用等前沿話題,分享大數據智慧,探索各行業之間面臨的數據分析應用問題及解決方案。
上海浦東經信委副主任張愛平表示:「2015上海大數據產業高端峰會是業內頂尖的技術經驗分享交流盛會,相信它將為大家搭建一個溝通交流平台,將大力推動大數據與信息技術產品的融合創新,促進上海大數據市場的快速發展,提升企業的智能化水平和競爭力,從而以推動大數據產業向縱深發展!」
大數據是社會的物質基礎,數據只大是沒有用的,價值大才有意義。讓大數據釋放價值必須得通過開放的、協作的創新。然而,從數據當中提取價值存在諸多挑戰。如何讓數據的工具與數據科學家、領域專家、終端用戶天人合一,降低數據分析的門檻,這才是巨大的挑戰。
作為目前全球最領先的企業級Hadoop技術服務提供商,Cloudera(即肯睿(上海)軟體有限公司)自然有著十足的話語權。
據Cloudera公司副總裁苗凱翔介紹,Cloudera是由四名來自世界頂級互聯網公司和數據公司資深人士於2008年成立的,經過多年發展Cloudera已經帶頭形成全球最大的大數據生態鏈,在全球擁有超過1400個商業合作夥伴。在美國每天有約70%的智能手機的數據後端處理都是從Cloudera平台上處理的,每天都有數百億的事件在後端處理,對美國經濟、商業支撐,起到了重要的作用。
「去年的12月,Cloudera中國的分公司——肯睿(上海)軟體有限公司正式宣布成立,這標志著我們在與英特爾開展大數據技術方面的合作研發之外,也正在攜手擴展中國本地市場。」苗凱翔補充到。
中國擁有巨大的商業潛力,在大數據潮流下,擁有龐大人口的中國勢必擁有巨大的機會,這些機會在全球其他任何地方很難看到。
然而尚處於成長初期,中國本土還沒有一個公司能夠把大數據應用去真正普及,Cloudera希望中國用戶藉助於Cloudera在全球特別是在美國的應用案例,幫助中國企業在智慧城市、電信、金融,製造領域不斷發展,實現數據的價值。
值得注意的是,Cloudera正在針對中國市場的需求進行開發和支持, 包括利用大數據使企業運作成本更低,,特別是在大數據人才培養方面保障企業發展更快。
Cloudera迄今為止在全球已經培訓了近10萬名大數據平台的管理、應用和開發相關人才,並提供培訓認證。苗凱翔表示:「我們希望通過培訓人才帶動中國大數據實施和運用的快速發展。」
北京精準數源信息技術有限公司大數據事業部總監周文華透露,精準數源與Cloudera建立了深入的合作夥伴關系,尤其在針對中國用戶的大數據業務咨詢,培訓,實施和開發支持中取得了不菲的成績。精準數源已經成功實施了包括運營商,銀行,政府單位和大型企業等客戶。
「企業用戶希望得到Cloudera的培訓,這不光對企業本身的發展,同時對受培訓對象自身的職業發展也有幫助。目前精準數源內部已有多名技術人員通過Cloudera的管理員和數據分析師培訓,順利拿到Cloudera全球認證證書和講師資格。」
如今Cloudera在全球擁有包括電信運營商、金融、零售、製造等各行各業的客戶,這些大數據實施何服務經驗將為「深挖」中國市場提供借鑒,尤其通過本次高端峰會可以有效推動大數據產業發展,幫助客戶數據進行深度挖掘以提供更多商業價值。
以上是小編為大家分享的關於Cloudera讓大數據實現更多價值的相關內容,更多信息可以關注環球青藤分享更多干貨
㈨ 當製造遇上大數據
當製造遇上大數據
大數據如今已經影響到企業生產製造、運營、管理的方方面面,本文從客戶管理、優化生產以及供應鏈管理三方面窺探大數據的無限可能。
小調查:大數據如何改造製造業?
由湯姆·克魯斯主演、斯皮爾伯格導演的影片《少數派報告》描述了在2054年,利用科技讀取「先知」腦波的畫面來偵察出人的犯罪企圖,從而准確預測犯罪行為,並在罪犯犯罪之前就能將其逮捕的場景。片中的「先知」是擁有超能力的「人類」,但在現實世界中,「先知」就是近年來我們經常提及的—大數據分析。專注於大數據分析的全球性軟體公司Teradata(天睿公司)國際集團總裁赫爾曼·威摩(HermannWimmer)認為大數據主要包含三大塊:一是傳統的數據,例如企業原來的交易系統、網路系統以及ERP系統等數據倉庫;二是感測器生成的數據;三是社交媒體上的數據。
「現在越來越多的行業都要適應大數據的趨勢,不僅限於原來的高科技、互聯網企業,現在包括通訊、金融、製造、能源等行業都在順應趨勢培養這方面的競爭力。」Hermann Wimmer 說,「用數據來驅動業務增長」是未來的方向。「例如,市場部門如何利用真實的數據來幫助制定市場成長策略;怎樣提升客戶體驗或者客戶滿意度;怎樣通過降低倉儲、物流的運營成本等讓企業運營得更智慧、更有效率;怎樣結合生產部門和其他部門的數據優化生產和運營能力,這些都是大數據的『用武之地』。」Teradata( 天睿公司) 大中華區首席執行官辛兒倫(AaronHsin) 舉例道。
對於傳統製造業來說,大數據能在哪些方面進行「顛覆」和「改進」?麥肯錫咨詢公司在近日發布的《如何利用大數據改進製造業》的報告中列舉了10 條大數據顛覆製造過程的路徑,涉及優化生產進度;提高製造績效;精確供應商管理;追蹤產品質量,改進工作流程;以銷定產,制定生產計劃;量化產能,追蹤設備運轉效率;以及提供生產設備預防性維護建議等方面。
可以說,大數據影響到生產製造、運營、管理的方方面面,而從目前大數據在製造業的應用范圍來看,我們想從客戶關系管理(CRM)、優化生產以及供應鏈管理三方面窺探大數據的無限可能。
「大海撈針」成為可能
在當今經濟環境中,良好的客戶服務和客戶體驗至關重要。越來越多的企業通過挖掘客戶|數據提升客戶關系,了解客戶需求。今天的CRM 數據分析能力已經不止局限於客戶郵件、電話等數據,而是能夠識別客戶購買行為,了解客戶情緒。辛兒倫切身感受到數據分析在客戶管理方面應用的變化趨勢:「過去更多是在數據倉庫針對客戶關系的管理和體驗,特別是對客戶|數據和CRM數據進行分析和探索促進營銷增長的途徑和手段。隨著技術和數據架構的演進,現在的數據已經延伸到很多范圍,比如位置數據、基站數據、還有通話記錄和移動互聯網上的消費者行為等。利用這些來自多渠道的數據建立分析模型,以便從360 度去觀察客戶的興趣、愛好,並預測未來的行為,從而制定個性化的營銷策略。」
發生在海爾的一個營銷故事可以從這方面揭示大數據的「神奇」。2012 年,海爾推出帝樽空調,如何精準地預測有哪些用戶可能選購帝樽空調?如何送去個性化的服務方案?海爾從SCRM 會員資料庫中提取了數萬名用戶數據,與中國郵政的名址資料庫匹配,建立「look-alike」模型。此外,海爾SCRM會員平台還同旅遊、健康類雜志有合作。海爾通過查詢訂閱名|錄,發現北京一小區有人訂閱旅遊雜志,其中有位陳先生。海爾得出「他對環境、自然應該感興趣」的結論,於是推測,他極有可能對帝樽空調除PM2.5功能感興趣。接著,陳收到了海爾投遞的一封直郵單頁,除了公益環保知識外,重點介紹了帝樽空調的除PM2.5 功能。接下來的故事就水到渠成了,陳帶著直郵單頁,到附近的商超購買了空調,並且還登錄海爾官方網站,自主注冊成為海爾會員。
從這個案例可以看出,在客戶管理方面,企業營銷的對象不僅是一群人、一類人,而是具體的某個人。其次,跨領域數據的整合也很重要,當然企業應當首先明確需要哪些領域的數據和如何獲取這些數據。Hermann Wimmer 例舉了兩個行業之間的數據共享帶來的商業價值—汽車行業和保險行業。「買車的人都要上保險,每一個司機由於自己的駕駛習慣不一樣,保險公司對於他們的評估也是不一樣的。如何才能更准確地評估一個司機到底屬於高風險還是低風險駕駛習慣,就取決於他所開的車。通過車上所裝載的100多個感測器傳回的數據,可以了解他的駕駛習慣,然後判斷他屬於什麼級別的風險類別。比如,他不超速、駕駛平穩,就屬於低風險,反之,開的很快就屬於高風險類別。」Hermann Wimmer 說,這兩個行業密切的聯系就是由感測器帶來的數據連接起來的
數字化、智能化的生產過程
在傳統的製造企業中,大量的數據分布於企業中的各個部門中,要想在整個企業內及時、快速提取這些數據存在一定的困難。譬如,企業資源規劃系統(ERP) 數據、製造執行系統(EMS) 數據等分別位於各自的系統中,除此之外,在一些智能化的工廠里,設備、原材料等都被嵌入微型處理器、感測器,這些裝置產生大量的數據。人們在將製造過程數字化的同時也為數據處理和分析提出了難題。如何將這些數據放置到一個技術處理平台上對於優化生產流程等有重要意義。Teradata( 天睿公司) 大中華區大數據事業部總監孔宇華指出,新的技術可以把人和人、物和物及事件之間的關聯性找出來,但是前提是這種大數據分析是建立在一個統一、可以實現數據流通的平台上。這個可供訪問的平台,能夠整合不同系統內的數據。
最簡單直接的方法就是創建產品生命周期管理(PLM) 平台,它也是一種企業管理軟體,但好處在於可以充分整合來自研發、工程、生產部門的數據,對工業產品的生產進行虛擬模型化,優化生產流程,確保企業內的所有部門以相同的數據協同工作,從而提升組織的運營效率,縮短產品的研發與上市時間。西門子工業軟體( 上海) 有限公司的高級業務顧問周克虎說:「拿汽車行業為例,汽車研發是個極其復雜的過程,一方面,它需要多個職能團隊的通力合作。另一方面,所有這些團隊還要處理大量的數據。為了避免溝通不力,確保生產過程的順暢運行,工程團隊不僅要管理團隊內的數據,還必須時刻掌握生產部門的質量控制團隊的工作進展。」
PLM 匯集從初稿到詳細設計過程、再到實際生產的所有相關信息。因此,企業可以通過PLM 收集的此類數據來優化設計和生產過程。例如,奇瑞汽車利用PLM 平台, 將生產規劃、模擬和實際生產,把製造和產品研發聯系起來。例如,尺寸分析在車身設計中具有重要作用,奇瑞的研發人員利用PLM 工具進行尺寸分析,能夠在設計的早期階段就能確定設計結構和生產方法是否符合技術規范,以便及早制定解決方案來優化這些因素。同時利用這些模擬程序,還可以進行各種汽車安全性能的測試等。
舉例, 西門子的PLM 軟體平台上可以做的差異分析,它能在計算機生成的三維模型的輔助下模擬生產工藝,能夠在執行實際生產之前洞察生產工藝中的薄弱點。奇瑞就曾利用它查出某車型頭燈生產中的問題,為公司避免了十多萬美元的損失。因為能夠在虛擬的環境中模擬產品設計、生產流程,工廠規劃效率得以提升,生產線生產效率也會提高。
大數據是製造業智能化的基礎,進而實現大規模的定製。由於消費者人數眾多,每個人需求不同,導致需求的具體信息也不同,加上需求不斷變化,就構成了產品需求的大數據。製造業企業對這些數據進行處理,進而傳遞給智能設備,進行數據挖掘、設備調整、原材料准備等步驟,才能生產出符合個性化需求的定製產品。「未來的製造將是數據驅動的。」Hermann Wimmer 說。
高效、科學的供應鏈管理
大數據所具備的預測功能使得大數據在供應鏈管理上的作用大大提高。製造業從供應鏈渠道,以及生產現場的儀器或感測器網路收集了大量數據。利用大數據對這些資料庫進行更緊密的整合與分析,可以幫助改善庫存管理、銷售與分銷流程的效率,以及對設備的連續監控。大數據可以使供應鏈中的物流業變得更高效:卡車內的電子車載錄像機可以提供卡車的位置;如何快速驅動感測器和射頻標簽等,幫助滿載的卡車更有效地結合道路狀況、交通信息和天氣條件以及客戶的位置,從而大大節省時間和費用。
孔宇華說,供應鏈上的大數據分析可以讓企業科學地制定銷售策略,而不是像過去那樣靠經驗和冒險。比如,一個生產羽絨服的品牌,在全國有幾千家店,10萬件貨品如何分配到全國的各個店裡。平均每個店1,000套?顯然不夠科學。因為南北方的供需市場不一樣,北方需求大但競爭品牌也多;此外,不同地域裡衣服的號碼需求也不一樣,南方人穿衣的號碼就小一點,北方人則可能大一點。通過大數據分析,對歷史數據、天氣信息等做分析可以給企業合理的建議:哪些貨運到哪裡最合適,從而避免了積壓或缺貨的庫存問題。
零售商在大數據的應用上處於領先地位。零售巨頭沃爾瑪開發了一個大數據工具,通過這個工具供應商可以事先知道每家店的賣貨和庫存情況,從而可以在沃爾瑪發出指令前自行補貨,極大地減少斷貨的情況和供應鏈整體的庫存水平。在這個過程中,供應商還可以控制商品在店內的陳設,而沃爾瑪也減少了這項的人力和資金投入,可謂雙贏。因此,對於製造企業來說,借鑒這些經驗優化供應鏈管理,從原料采購,到物流配送環節都非常有意義。根據大數據和相應的分析工具及時甚至事先選擇合適的供應商和物料投入生產加工,並且到物流階段可以選擇合理的配送方案,以及銷售策略。在大數據的支持下,一切都科學、合理,不僅提高了生產效率、服務質量,同時也降低了成本。
㈩ 大數據開發所在的部門名稱
大數據事業部。
崗位職責:負責構建分布式大數據服務平台,包含大數據存儲,離線/實時計算,實時查詢,大數據系統運維等工作。基於大數據平台完成各類統計和開發任務,承擔數據抽取、清洗、轉化等數據處理。熟悉業務形態,參與需求分析和方案設計。協助承擔架構性體系工作,配合技術實施方案、交流材料的編寫。從事大數據相關技術研究,跟進大數據技術發展方向。
大數據(bigdata),或稱巨量資料,指的是所涉及的資料量規模巨大到無法透過主流軟體工具,在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。