㈠ 8個典型案例看懂零售巨頭的「大數據」戰略
8個典型案例看懂零售巨頭的「大數據」戰略_數據分析師考試
未來的零售分析要求零售商藉助集成式業務流程和信息系統，為客戶洞察提供支持，將客戶洞察發展成一種企業級的戰略能力，並根植於企業結構和企業文化中。在這種形勢下，零售商的所有業務職能部門在制定決策時，將把基於情景的客戶洞察作為一個重要依據。
分析公司 EKN 認為，為了真正實現以客戶為中心，零售商需要具備多項關鍵能力，而這些能力均由業務分析驅動。
全渠道集成。如果缺乏相關客戶洞察支持與客戶的互動，零售商將無法實現跨渠道無縫客戶體驗。零售商與客戶互動的聯絡點能為零售商提供豐富的客戶數據，因此，所有聯絡點也成為了零售商的最佳競爭利器。
個性化互動。與網上零售商相比，實體零售商具有兩大優勢：能與客戶進行個人接觸，以及擁有更豐富的歷史記錄和更多樣的客戶數據。如今，「個性化」購物體驗已成為人們津津樂道的話題，而如何巧妙地結合上述兩大優勢，即在行動中及時交付客戶洞察，將成為零售商打造「個性化」購物體驗的基礎。
持續的卓越運營。客戶洞察的應用並非僅局限於面向客戶的使用案例。事實上，如果零售商已經能夠在各個運營職能部門中更成熟地運用分析功能，那麼集成客戶洞察便是他們不容錯過的增量機會。
零售商用例
銷售
瑞士零售商 Globus 使用大數據內存計算和高級分析來獲取寶貴的銷售績效洞察。目前，他們能夠實時處理海量的產品數據，並在幾分鍾內分析不同時間范圍、店鋪和區域內數千種產品的銷售模式與促銷活動。該零售商還向其管理人員提供了這些洞察的訪問許可權，以便他們能夠更迅速地響應市場狀況。
美國零售商 Guess 使用高級分析向其高管提供暢銷產品和可用庫存的實時視圖。該零售商的分析解決方案基於大型客戶數據集，分析銷售額、細分目標客戶，並策劃促銷活動。
市場營銷
沃爾瑪的 Global.com 部門充分利用「快速的大數據」和社交分析，快速識別不斷變化的客戶喜好。該零售商的社交意識（Social Sense）項目能通過社交媒體確定商品的暢銷程度，並幫助顧客發掘潛在需求和感興趣的新產品。同時，藉助 ShoppyCat 工具，他們可根據 Facebook 用戶的愛好和興趣，為這些用戶推薦適合的產品。此外，Global.com 還使用社交基因組（Social Genome）技術，來幫助客戶為朋友挑選禮物。
塔吉特（Target）百貨公司利用預測分析程序，來推斷個體消費者是否具備成為該公司特定營銷活動優質客戶的特質。他們給每位顧客分配了一個獨一無二的客戶識別號碼。該號碼將客戶個人信息、購物行為和喜好整合到一個可跟蹤的實體內。塔吉特還專門成立了一個客戶營銷分析部門，致力於全面了解客戶，超越其他競爭對手，從而獲得競爭優勢。藉助動態數據倉庫（Active Data Warehouse），塔吉特可在整個企業的混合工作負載環境下，基於海量數據管理復雜的用戶查詢。
全渠道
英國零售商巴寶莉（Burberry）集成了旗下所有渠道，包括實體店、網上商店、移動終端以及各大社交網站。他們採用了創新技術和數據分析，用於分析來自所有數據源的數據，旨在實時識別個人客戶並建立客戶檔案。相比過去，巴寶莉的分析速度提高了 14,000 倍，以前需要 5 個小時的請求，現在 1 秒就能完成。不論店員處於什麼位置，他們都能在客戶踏入店內時立即識別客戶信息，了解他們過去的購買記錄，並提供個性化建議。
韓國零售商 NS Shopping 將移動渠道和社交渠道集成到零售環境中，並利用大數據分析，實時、集中地獲取所有渠道的客戶和產品數據。而公司的電子商務團隊和市場營銷團隊將利用這些數據，向顧客提供個性化的產品建議。
供應鏈
美國網上零售商亞馬遜基於非平穩隨機模型，構建了全新的供應鏈流程和系統。該方法能為訂單履行、尋源、產能和庫存決策提供鼎力支持。亞馬遜不僅開發了聯合和協調補貨的新演算法，還基於歷史需求、活動記錄和計劃、各履行中心的預測結果、庫存計劃、采購周期以及采購訂單，在 SKU 級別實施了全新的國家預測方案。
英國零售商樂購（Tesco）採用先進的建模工具，基於歷史銷售數據模擬配送倉庫的運作，從而達到優化庫存的目的。該零售商還組建了一個內部分析團隊，該團隊主要負責通過回歸測試掌握各要素之間的關聯，如天氣數據、特價優惠，及銷售模式等等。
以上是小編為大家分享的關於8個典型案例看懂零售巨頭的「大數據」戰略的相關內容，更多信息可以關注環球青藤分享更多干貨
㈡ 大數據時代，企業數據蘊藏著的商業價值
如今大數據早已不再是什麼新鮮詞，它已經被大眾熟悉，可以稱作是移動互聯時代流動的黃金。
據《大數據產業發展前景與投資戰略規劃分析報告》（前瞻產業研究院發布）數據統計顯示，中國大數據產業在2017年達到4700億元的規模，同比增長30%，預計到2020年，中國大數據市場產值將突破萬億。隨著大數據市場的快速發展，企業決策人員越來越重視對大數據的利用，如何藉助大數據讓企業快速成長也成為了人們的關注重點。
大數據挖掘商業價值的方法主要分為四種：
客戶群體細分 ，然後為每個群體量定製特別的服務。
模擬現實環境 ，發掘新的需求同時提高投資的回報率。
加強部門聯系 ，提高整條管理鏈條和產業鏈條的效率。
降低服務成本 ，發現隱藏線索進行產品和服務的創新。
對於企業來說，100條理論確實不如一個成功的標桿有實踐意義，從亞馬遜、Facebook、谷歌、LinkedIn，到騰訊、阿里、網路，都因其擁有大量的用戶注冊和運營信息，成為天然的大數據公司。
如果全球哪家公司從大數據發掘出了最大價值，截至目前，答案可能非亞馬遜莫屬。
亞馬遜也要處理海量數據，這些交易數據的直接價值更大。作為一家「信息公司」（而非國內許多電商自己定位的「零售公司」），亞馬遜不僅從每個用戶的購買行為中獲得信息，還將每個用戶在其網站上的所有行為都記錄下來：頁面停留時間、用戶是否查看評論、每個搜索的關鍵詞、瀏覽的商品等等。這種對數據價值的高度敏感和重視，以及強大的挖掘能力，使得亞馬遜早已遠遠超出了它的傳統運營方式。
亞馬遜CTO Werner Vogels早期在CeBIT上關於大數據的演講，向與會者描述了亞馬遜在大數據時代的商業藍圖。
長期以來，亞馬遜一直通過大數據分析，嘗試定位客戶和和獲取客戶反饋。「在此過程中，你會發現數據越大，結果越好。為什麼有的企業在商業上不斷犯錯？那是因為他們沒有足夠的數據對運營和決策提供支持，」Vogels說， 「一旦進入大數據的世界，企業的手中將握有無限可能。」 從支撐新興技術企業的基礎設施到消費內容的移動設備，亞馬遜的觸角已觸及到更為廣闊的領域。
推薦： 亞馬遜的各個業務環節都離不開「數據驅動」的身影。在亞馬遜上買過東西的朋友可能對它的推薦功能都很熟悉，「買過X商品的人，也同時買過Y商品」的推薦功能看上去很簡單，卻非常有效，同時這些精準推薦結果的得出過程也非常復雜。
預測： 用戶需求預測（Demand Forecasting）是通過歷史數據來預測用戶未來的需求。對於書、手機、家電這些東西——亞馬遜內部叫硬需求（Hard Line）的產品，你可以認為是「標品」（但也不一定）——預測是比較準的，甚至可以預測到相關產品屬性的需求。但是對於服裝這樣軟需求（Soft Line）產品，亞馬遜幹了十多年都沒有辦法預測得很好，因為這類東西受到的干擾因素太多了，比如：用戶的對顏色款式的喜好，穿上去合不合身，愛人朋友喜不喜歡…… 這類東西太易變，買得人多反而會賣不好，所以需要更為復雜的預測模型。
測試： 你會認為亞馬遜網站上的某段頁面文字只是碰巧出現的嗎？其實，亞馬遜會在網站上持續不斷地測試新的設計方案，從而找出轉化率最高的方案。整個網站的布局、字體大小、顏色、按鈕以及其他所有的設計，其實都是在多次審慎測試後的最優結果。
記錄： 亞馬遜的移動應用讓用戶有一個流暢的無處不在的體驗的同時，也通過收集手機上的數據深入地了解了每個用戶的喜好信息；更值得一提的是Kindle Fire，內嵌的Silk瀏覽器可以將用戶的行為數據一一記錄下來。
以數據為導向的方法並不僅限於以上領域。對於亞馬遜來說，大數據意味著大銷售量。數據顯示出什麼是有效的、什麼是無效的，新的商業投資項目必須要有數據的支撐。 對數據的長期專注讓亞馬遜能夠以更低的售價提供更好的服務。
還有一個很典型的案例，就是幾年伴隨社區營銷火氣來的小紅書。
和其他電商平台不同，小紅書是從社區起家 。2016年初，小紅書將人工運營內容改成了機器分發的形式。通過大數據和人工智慧，將社區中的內容精準匹配給對它感興趣的用戶，從而提升用戶體驗。
如今的小紅書，已經不是簡單的社交分享了，更多的是基於後台的大數據分析和智能推送，最終形成了良好的正向閉環反饋。
通過以上兩個大數據服務案例，我們不難看出數據團隊其實是一個獨立性很強的團隊，因為他們需要完成的事情很多，這其中包含從數據源開始到數據的輸出。對研發而言，他們相當於紀檢委，需要組織協調數據的周轉，實現對數據的監控，同時也要配合研發完成一些數據聚合挖掘累開發。對業務而言，他們相當於研發，因為他們需要輸出報表和相應的產品，所以如何構建一個高效的數據團隊，對很多企業來說一直在探索，感覺隔霧看花，捉摸不清。
一個企業想要自主研發一個數據平台，創建一個數據分析團隊，會是一個很龐大的工程量。企業數據的類型大致可分為三類：
傳統企業數據： 包括CRM systems的消費者數據，傳統的ERP數據，庫存數據以及賬目數據等。
機器和感測器數據： 包括呼叫記錄，智能儀表，工業設備感測器，交易數據等。
社交數據： 包括用戶行為記錄，反饋數據等。如微博、微信這樣的社交媒體平台。
從理論上來看，大部分企業都會從大數據的發展中受益。但由於數據缺乏以及從業人員本身的原因，對於中小型的初創企業來說，獨自開發的成本太高了。而有財力的傳統企業呢，也產生了大量的數據，但是數據源很亂，也沒有統一的存儲方式，更別說研發了。即使招人來做數據分析，也不知道從何下手。該怎麼辦呢？
其實，數據的價值就是從獲取數據，存儲，加工到挖掘分析，最終實現可視化，輔助商業決策。想真正去應用在企業的流程中，多少要依賴於專業的工具或平台，歸雲智能打造的大數據系統解決方案，可以幫助傳統企業完成數據化，智能化的升級改造。幫助企業建立穩定高效的運營機制，推動企業實現降本增效和業務的高速發展。
通過新興的智能技術，企業可以有新的視野，探索更寬廣的商業模式，實現最大的商業價值。產品部署使用方便，中小企業可以使用歸雲智能提供的雲服務，大型企業可以選擇私有化部署到自己的伺服器。 感興趣的總們可以訪問官網: http://www.guiyum.com ，了解詳情。
㈢ 亞馬遜是如何成功的
亞馬遜的營銷策略主要有：
產品策略
亞馬遜致力於成為全球最「以客戶為中心」的公司。目前已成為全球商品種類最多的網上零售商。亞馬遜和其他賣家提供數百萬種獨特的全新、翻新及二手商品，類別包括圖書、影視、音樂和游戲、數碼下載、電子和電腦、家居和園藝用品、玩具、嬰幼兒用品、雜貨、服飾、鞋類、珠寶、健康和美容用品、體育、戶外用品、工具、以及汽車和工業產品等。
同時，在各個頁面中也很容易看到其他幾個頁面的內容和消息，它將其中不同的商品進行分類，並對不同的電子商品實行不同的營銷對策和促銷手段。
定價策略
亞馬遜採用了折扣價格策略。所謂折扣策略是指企業為了刺激消費者增加購買，在商品原價格上給以一定的回扣。它通過擴大銷量來彌補折扣費用和增加利潤。亞馬遜對大多數商品都給予了相當數量的回扣。例如，在音樂類商品中，承諾：「You』ll enjoy everyday savings of up to 40% on CDs， including up to 30% off Amazon 』s 100 best-selling CDs（對CD類給40%的折扣，其中包括對暢銷CD的30%的回扣）。」
促銷策略
常見的促銷方式，也即企業和顧客以及公眾溝通的工具主要有四種。它們分別是廣告、人員推銷、公共關系和營業推廣。在亞馬遜的網頁中，除了人員推銷外，其餘部分都有體現。
亞馬遜的享受並不一定在於是否有足夠的錢來買想要的書，而在於挑選書的過程。手裡捧著書，看著精美的封面，讀著簡介往往是購書的一大樂趣。在亞馬遜的主頁上，除了不能直接捧到書外，這種樂趣並不會減少。精美的多媒體圖片，明了的內容簡介和權威人士的書評都可以使人有身臨其境的感覺。
主頁上廣告的位置也很合理，首先是當天的最佳書，而後是最近的暢銷書介紹，還有讀書俱樂部的推薦書，以及著名作者書籍等等。不僅在亞馬遜的網頁上有大量的多媒體廣告，而且在其他相關網路站點上也經常可以看到它的廣告。例如，在 Yahoo！上搜索書籍網站時就可以看到亞馬遜的廣告。
廣告還有一大特點就在於其動態實時性。每天都更換的廣告版面使得顧客能夠了解到最新的出版物和最權威的評論。不但廣告每天更換，還可以從 「Chech out the Amazon Hot 100. Updated hourly」中讀到每小時都在更換的消息。
亞馬遜千方百計地推銷自己的網點，不斷尋求合作夥伴（associate）。由於有許多合作夥伴和中間商，從而使得顧客進入其網點的方便程度和購物機會都大大增加，它甚至慷慨地做出了如下的承諾：只要你成為亞馬遜的合作夥伴，那麼由貴網點售出的書，不管是否達到一定的配額，亞馬遜將支付給你15%的介紹費。
這是其他合作型夥伴關系中很少見的。亞馬遜的合作夥伴已經有很多，從其網頁上的下面這段話「In fact， five of the six most visited Web sites are already Amazon Associates. Yahoo！ And Excite are marketing procts from their Web sites. So are AOL com， Geocities， Netscape， and tens of thousands of other sites both large and small.」中，我們可以得知：包括Yahoo！和Excie在內的五個最經常被訪問的站點已經成為亞馬遜的合作夥伴。
亞馬遜專門設置了一個gift頁面，為大人和小孩都准備了各式各樣的禮物。這實際上是價值活動中促銷策略的營業推廣活動。它通過向各個年齡層的顧客提供購物券或者精美小禮品的方法吸引顧客長期購買本商店的商品。另外，亞馬遜還為長期購買其商品的顧客給予優惠，這也是一種營業推廣的措施。
亞馬遜專門的禮品頁面，為網上購物的顧客（包括大人和小孩）提供小禮品這既屬於一種營業推廣活動，也屬於一種公共關系活動；再有，是做好企業和公眾之間的信息溝通，它虛心聽取、搜集各類公眾以及有關中間商對本企業和其商品、服務的反映，並向他們和企業的內部職工提供企業的情況，經常溝通信息；公司還專門為首次上該網的顧客提供一個頁面，為顧客提供各種網上使用辦法的說明，幫助顧客盡快熟悉，這也是一種搞好公共關系的方法。
（4）亞馬遜經常會免去一些客戶的運費
當客戶在大學校園或是滿了一定金額的訂單。
（5）亞馬遜中國配有自己的配送中心，支持的付款方式多樣，購買合格商品滿99元即可享受免費配送服務
2012年6月18日，據國外媒體報道，福布斯專欄作家斯科特·拉尼（Scott Raney）和邁克爾·科恩（Michael Cohen）發表深度評論文章，文章中稱雲計算技術的興起將極大改變企業軟體領域的用戶需求和市場格局。在思科、IBM、甲骨文等一些傳統軟體巨頭正在研究這一市場時，微軟、谷歌等大牌公司已經投入巨資，並開始爭奪這一市場的主導地位了。
2012年12月，Web開發公司Synapse Studios的管理合作夥伴Chris Cardinal發現了一個漏洞，這顯然對亞馬遜的傷害比對其用戶的傷害要大。 截止到周一，亞馬遜媒體關系部門並未對此發出回應。在HTMList報道此事的Cardinal表示，他最近的經歷證明，亞馬遜需要提升其安全性。「顯然，亞馬遜並沒有從實質上改進其身份驗證協議。」
促銷手段
開源節流：如前所述亞馬遜盈利的秘訣在於給顧客提供的大額購買折扣及免費送貨服務。然而此種促銷策略也是一柄雙刃劍：在增加銷售的同時產生巨大的成本。如何消化由此而帶來的成本呢？亞馬遜的做法是在財務管理上不遺餘力地削減成本：減少開支、裁減人員，使用先進便捷的訂單處理系統降低錯誤率，整合送貨和節約庫存成本……通過降低物流成本，相當於以較少的促銷成本獲得更大的銷售收益，再將之回饋於消費者，以此來爭取更多的顧客，形成有效的良性循環。當然這對亞馬遜的成本控制能力和物流系統都提出了很高的要求。
此外，亞馬遜在節流的同時也積極尋找新的利潤增長點，比如為其他商戶在網上出售新舊商品和與眾多商家合作，向亞馬遜的客戶出售這些商家的品牌產品，從中收取傭金。使亞馬遜的客戶可以一站式地購買眾多商家的品牌，商品以及原有的書籍、音樂製品和其他產品，既向客戶提供了更多的商品，又以其多樣化選擇和商品信息吸引眾多消費者前來購物，同時自己又不增加額外的庫存風險，可謂一舉多得。這些有效的開源節流措施是亞馬遜低價促銷成功的重要保證。
㈣ 深扒大數據:關於用戶隱私以及企業價值
深扒大數據:關於用戶隱私以及企業價值
如今，業界和學術界一直在討論一個詞，那就是大數據。不管是學術圈還是IT圈，只要能談論點兒大數據就顯得很高大上。然而，大數據挖掘、大數據分析、大數據營銷等等事情僅僅只是個開始，對大多數公司來說，大數據仍有很強的神秘色彩。於是，在我們還沒有完全搞明白如何運用大數據進行挖掘時，各種過於神化大數據的輿論就已經不絕於耳了。當然，也有很多人直接批判大數據或大數據營銷給我們造成的隱私威脅。也有很多人根本沒有搞清楚什麼是大數據，到底有什麼價值。
於是，站在客觀的角度，圍繞下面幾個問題與大家分享有關大數據的幾個觀點，也扒扒大數據的那些事兒：
1、大數據營銷和個人隱私泄露究竟有無因果和邏輯關系？
2、大數據營銷到底能帶給企業什麼樣的價值？到底能帶給用戶什麼價值？用戶是否全盤否定或反感大數據營銷？
3、如何正確看待大數據？如何看待大數據和傳統調查方法或統計學的關系？
4、大數據營銷究竟面臨什麼樣的挑戰？
一、大數據的迅猛發展與數據隱私的憂慮相伴而生
社交媒體的出現，讓用戶數據的分享數量達到了難以估量的程度。而如今，社交媒體的種類有增無減，智能手機的更大普及，又讓更多用戶轉移到移動互聯網，從而又進一步貢獻更多數據和內容。這樣的數據增量讓全球社交媒體的收入大漲，僅根據咨詢公司Gartner2012年的研究結果顯示，2012年全球社交媒體收入估計達到169億美元。
一邊是社交媒體因為大數據的盆缽滿載，另一方面則是用戶不斷毫無保留的將個人信息交給互聯網，這些信息包括年齡、性別、地域、生活狀態、態度、行蹤、興趣愛好、消費行為、健康狀況甚至是性取向等。一時間，針對海量用戶信息的大數據挖掘、大數據分析、大數據精準營銷、廣告精準投放等等迅速被各大公司提上日程。
比如，一個發生在美國的真實故事就會告訴我們，利用數據挖掘如何掌握我們的行蹤。一個美國家庭收到了一家商場投送的關於孕婦用品的促銷劵，促銷劵很明顯是給給家中那位16歲女孩的。女孩的父親很生氣，並找商場討說法。但幾天後，這位父親發現，16歲的女兒真懷孕了。而商場之所以未卜先知，正是通過若干商品的大量消費數據來預估顧客的懷孕情況。
類似的大數據挖掘和營銷事件在今天更多的發生，尤其是社交媒體產生大量數據後。於是，許多人對個人隱私數據開始擔憂，開始批判大數據精準營銷侵犯了個人隱私，憂慮我們進入了大數據失控的時代，並將原因更多歸結於社交媒體。
二、大數據營銷和個人隱私泄露之間不能完全劃等號！邏輯關系不成立！
如果客觀的分析一下上述問題就會發現，這是一個難以分說的雞生蛋還是蛋生雞的問題。一味地批判大數據分析對個人用戶數據的泄露或濫用是不客觀的。
因為，社交媒體的本質在於分享和傳播，社交媒體的出現的確滿足了人們分享個人信息、曬各種數據的慾望，讓人們在過去無聲無息的生活中突然轉移到了可以讓全世界看到自己的平台上來。人們從而達到了內心的滿足感和存在感。因此，單從個體的背後心理來考慮，社交媒體對他們來說是有益的，他們不認為自己貢獻的是不可告人的秘密，既然分享出來，那一定是希望或允許別人看到的。因此，這是一種無形的默許的交易，用戶樂意把自己的各種瑣碎細節暴露於社交媒體，而對社交媒體上雜亂無章的海量用戶數據進行有序的分類和分析也沒有什麼不妥。
當然，如果社交媒體平台隨意濫用或泄露用戶的後台數據，比如個人聯系方式、家庭住址、銀行等極為隱秘的信息，這的確是赤裸的侵犯隱私的行為，極其沒有道德，必須要受到譴責和法律制裁。
但目前，許多大數據精準營銷的前提是對用戶在互聯網上留下的公開顯在的信息進行演算法歸類和內容分析，從而對海量用戶進行人群劃分，或者對小眾群體進一步細分化，甚至達到某種程度上針對單個人的個性化定製，最終達到精準推送廣告或有針對性推出營銷活動的目的。
所以，從這個角度來看，大數據精準營銷與個人主動分享和傳播到網路上的信息數據之間並沒有矛盾。人們起初或許會驚訝：為什麼他們知道我想買什麼？為什麼他們知道我的需求？但隨著「猜透心思」的推送行為讓人們的生活越來越便利時，比如省去大量搜索、查找和對比產品或服務的時間，他們可能會十分習慣並依賴這種精準性，並不會在意他們本來就隨意分享到網路上的雜亂信息被如何挖掘和利用。
因此，用戶發布和分享的信息是否為隱私，在用戶分享信息之前就做過慎重考量和篩選。這一點非常重要，這是侵犯隱私與否的界限。那些被用戶選擇為不適合發布或不希望別人知道的信息就是用戶認為的隱私，而那些已經公開發布到社交媒體或網路上的信息則被用戶認為是可以傳播的。
所以，普通的對海量公開信息的分析、挖掘、歸類，從而進行精準營銷的大數據行為不能一味被罵成是對用戶利益的損害。而那些對用戶存儲在某些位置、不希望被他人了解的信息(私人存儲的信息)如果被別有用心的人泄露或利用，那這就是隱私侵犯行為。但這就不能歸罪於大數據，而應質問存貯平台的安全性問題。
因此，我們不能過分解讀大數據精準營銷。其實，問題的本質在於，人們是否真的在意雜亂信息的去向(涉及到分享信息的背後心理和動機)？以及大數據營銷是否真的觸碰了人們不可告人的秘密或底線(需要對秘密和底線重新定義)？因為，如果人們默認分享的都是公開的，那麼侵犯隱私的概念就是不成立的。如果人們有不希望別人知道的信息，也不會貿然在網路上分享和傳播。
三、大數據營銷究竟會給企業和用戶帶來什麼價值？
討論完上面的問題之後，我們是否應該誠懇對待大數據精準營銷這件事？那麼大數據營銷究竟對於企業和用戶兩方面來說，都有什麼樣的價值？
1、對於企業的價值
讓我們先看一個國外案例：
我們都知道美劇《紙牌屋》，提到《紙牌屋》的成功，最大的功勞便是大數據分析。因此，《紙牌屋》幾乎成了大數據營銷的經典案例，也是美國Netflix公司基於用戶信息挖掘來決定內容生產的成功嘗試。
Netflix的訂閱用戶達到了3000萬左右，而大多數用戶的觀影都與精準推薦系統有關。Netflix會定時收集並分析用戶觀看電影或電視劇的行為，比如根據用戶對電影的評分、用戶的分享行為、用戶的觀影記錄等信息去分析用戶的收看習慣，從而推斷用戶喜歡什麼樣的影視劇，喜歡什麼樣的風格，喜歡什麼樣的導演和演員。在此基礎上利用演算法對用戶感興趣的視頻進行推薦排序，直到用戶找到最喜歡的影視劇。《紙牌屋》的導演和主演就是Netflix挖掘用戶信息後的預測出來的。
那我們再看一個國內案例：
我們都知道阿里巴巴和新浪微博合作的事情，阿里巴巴斥資5.86億入股新浪微博。除了網路上各大媒體分析的，認為阿里巴巴希望打造生態圈、強化流量入口、挑戰騰訊等等原因之外，還有一個重要原因或許就是大數據營銷的戰略。
如今各大互聯網大佬都在跑馬圈地，圈住用戶，誰能圈住用戶，讓用戶在其平台上活躍，誰就掌握了用戶的大量信息(包括顯在的前台信息和隱藏的後台信息)。新浪微博在中國有幾億用戶，這個量十分龐大，但如果新浪不能把這些用戶產生的信息合理的利用，那麼這些資源就是巨大的浪費。我們再看阿里巴巴，中國最大電商平台，它有產品，但是卻沒有完整的用戶日常生活行為信息，只有購買信息，但這些購買信息不足以了解人群特點和喜好。所以，只有跟新浪微博合作，掌握大量用戶的行為信息，從而對其分類，找到不同人群甚至不同個體的喜好、偏好、興趣、愛好、習慣、傳播習慣、分享路徑等等，那麼就能實現精準營銷，甚至還可以通過不同用戶的信息傳播規律，而制定產品的最佳品牌傳播途徑。這是一座巨大的金礦。
新浪微博和阿里巴巴合作後，微博上出現了一些產品推薦信息，同時新浪微博已經推出支付功能。可以想像：未來你在微博上看到相關推薦的產品，恰好是你喜歡的產品，那麼你就可以直接在微博上實現支付和購買。從而新浪微博和阿里巴巴各取所需，共享收益。當然，這是我個人的觀察和分析，不過阿里巴巴的大數據戰略也很明顯了。
2、對於用戶的價值
上述兩個例子說的都是大數據帶給企業的價值，那麼，大數據營銷對於用戶來說，到底有沒有價值？用戶是否十分反感精準營銷？讓我們再來看看一個新的調查數據：
中國傳媒大學國家廣告研究院剛剛發布一份《2014中美移動互聯網發展報告》，這份調查報告對比了中美兩國用戶移動互聯網的使用習慣，以及移動用戶對於移動廣告的態度。
調查顯示，最可能得到智能終端用戶回應的廣告內容為：(1)與用戶要購買物品相關的廣告(2)與要購買物品相關的優惠券(3)搞笑的廣告(4)與用戶最喜愛品牌相關的廣告(5)與用戶在線上訪問過網站或使用過的應用相關的廣告(6)與最近線上購物相關的廣告(7)與用戶所在場所相關的廣告(8)與最近收聽、收看的廣播/電視相關的廣告。(佔比>=20%)
從這些數據我們可以看出，在8個結果中，有6個都是跟大數據精準營銷扯上關系的。比如，與用戶要購買物品相關的廣告，更能引起用戶的回應或互動。如何理解？大數據營銷的前提就是計算並推測用戶的真實需求，看用戶需要購買什麼相關產品，然後給用戶直接推送用戶想要的、喜歡的，做到了精準到達。那麼用戶呢？用戶樂意對這樣的推動廣告或產品做出回應，因為這些廣告少了對用戶的打擾，並且讓用戶費勁心思對對比或貨比三家後才購買的決策過程降低，節省了時間，讓用戶直接找到內心真正所需的產品或服務。
所以，這樣的結果就表明，大數據精準營銷並不是完全都會讓用戶反感，而是看你猜透用戶心思的程度。因此，如果你推送的內容和用戶想要購買的物品相關，與用戶最喜愛的品牌相關等等。那麼這種精準挖掘並不會受到用戶的反感，反而會給用戶帶來便利。
四、不要過分迷信大數據；大數據的實質究竟是什麼？
看了上面的分析，或許你會認為大數據分析真是無所不能。但是，我們不能過分迷信大數據，於是接下來的問題就產生了。
1、大數據分析和傳統統計學方法有什麼樣的關系？
大數據所遵從的是：以大量數據，甚至所有數據為基礎，然後用演算法去計算分析，從而更精準的找到各個因素之間的相關關系(不是因果關系)，以發現數據之間的規律。
那我們看看傳統的統計學方法，統計分析學解決的就是如何通過選取少量的樣本，通過對樣本的分析，然後推斷整體的趨勢和規律。所以，用的是概率。一般會規定在90%、95%或98%的置信度(精確度)下最大程度推斷總體。如果目的明確，樣本選取得當，操作科學，那麼不需要大量數據就能分析出規律，從而推斷出總體的規律，並且可以發現不同因素之間的因果關系。比如，抽樣方法確定後，就可以確定樣本數量，如果抽樣得當，那麼樣本的數量跟總體的數量之間沒有太多直接關系。
舉個不恰當的例子以供理解：假設選取1000個樣本，推斷的規律是A，選取2000個樣本，同樣呈現出A規律，選取3000也差不多這樣。那麼，我們實際上科學選取1000多個樣本就可以達到目的了。所以，傳統的抽樣和統計方法，在最大程度上解決了成本問題，雖然會有誤差，但仍可以發現的顯在規律。
所以，從這個角度來說，大數據分析最終得到的結果很可能跟傳統統計學方法分析的結果類似，只不過把原來的小樣本變成了大樣本分析。雖然大數據分析理論上是更精準，也可以彌補傳統誤差的缺陷，但准確度未必像我們想像的那樣提高非常多(因為大數據分析會嚴重受到數據源的影響)。另外，也不一定能發現更多新規律。如果是這樣的話，我們不禁要問，大數據究竟是為什麼而存在？
另外，在傳統的統計學分析當中，比如對市場情況的分析，我們要結合實際的環境和背景來解讀數據和分析數據，我們並不把數據當成唯一的和萬能的指引。所以，這裡面就存在人根據經驗和實際情況進行數據分析的過程，而人參與分析的能力是很重要的。
2、什麼樣的事情是大數據做不到的，而傳統的調查分析方法卻可以做到？
大數據營銷的前提是大數據分析，而大數據分析是基於演算法的，是計算機固化的模式。也就是說，原來由人對數據分析的那部分工作，現在我們把它約定到演算法里了。並且，大數據精準營銷是對用戶產生的網路瀏覽數據、分享數據、搜索數據等等行為信息進行分析，從而對人群或事物進行分類，並由此推測人的偏好、興趣等。
但是，偏好不等於真實需求，點擊不代表一定喜歡。一個人今天在社交媒體上說：「這個產品不錯」，就認為他一定喜歡或一定需要這個產品嗎？
機器可以對行為分類，但卻不能真正探測到人的心理和真實需求。那麼，對於人的真實心理和需求的探測，我們如何做到？這時候，傳統的市場調查和分析方法是不可取代的。比如，深度訪談法，比如焦點小組訪談法，投射法等等。這些方法都可以在最大程度上，從心理學的角度去分析和發現，人真正的慾望和本質需求。所以，今天很多大的廣告公司、營銷公司，他們仍然採用這樣傳統的方法去了解表面數據背後的故事和原因。而這些故事和原因，是演算法目前沒辦法做到的，必須由人來完成。人和人的交流才能探測人的內心。
從這個角度來說，大數據並不是萬能的，也不能被一味神話，我們必須清晰的認識到它的實質，它能用來干什麼，不能用來干什麼。我們可以這樣理解：人對數據的計算和分析工作如今可能會被機器替代，但是，人的另一部分工作(探測人內心的能力)沒辦法被演算法替代。
比如，前兩年我曾報道過《寫書都可以用演算法實現自動化了，拿什麼挽救出版》這樣的新技術，據稱目前亞馬遜上大量圖書都是被演算法寫出來的，演算法會根據人寫書的邏輯思路來組織語言。但是，這些書卻不能彌補人類情感的缺失，不能表達出社會背景和作者所處環境帶來的情感波動等等。
五、大數據分析或大數據營銷面臨的真正挑戰是什麼？
1、數據冗餘問題，有沒有必要用這么多數據？
數據源問題，數據質量有無保障，是否是真正所需？
大數據分析一直被人稱頌的優點就是：海量數據的運用。但是，數據是不是越多越好？如何篩選這些數據？如何找到有價值和有用的數據？數據的龐大和冗餘會對大數據分析造成什麼樣的影響？
對於大數據而言，巨量的數據來源是分析准確性的根本保證。但是，數據量大到一定程度後也面臨著很大問題：想要保證准確度就變的困難了。這樣就難以保障分析結果的准確性了。大數據分析和預測失敗的例子也有很多。比如，最典型和著名的一個便是谷歌預測流感趨勢失敗的案例。
報道稱，谷歌是基於搜索引擎數據進行的分析，其分析結果與美國疾病防控中心的監測數據相差近兩倍。盡管谷歌不斷調整演算法，但仍不能保證結果的准確性。這就說明一個重要問題：數據源問題。谷歌是基於搜索引擎上的搜索詞來分析的，許多搜索詞都是無效的，沒有任何意義的，所以它們不能真的代表流感趨勢，但它們同樣被計算在內。這就造成了結果的嚴重偏差。
所以，你弄到的這些數據，如何保障它們的確是你所需的？的確是重要的？如果數據源出現了嚴重偏差，那麼你的分析再精準，那麼也是徒勞。比如，你花費了大量精力去搜集互聯網用戶產生的日常分享信息，你對他們的所有信息都進行分析，結果預測出幾種消費趨勢。但是，這些分享信息中有大量冗餘信息，數據精準度很差，許多都是跟消費沒有關系的，那麼這種分析結果很可能就是不準確的。你按照這種結果進行下一步營銷戰略當然可能是失敗的。
2、大佬平台的游戲，普通企業難掌握大量數據；難檢驗可信性
各大互聯網公司平台掌握著用戶資源，用戶產生的信息當然也被聚集在各平台內。但是，各家公司或平台的數據並不會完全向公眾開放。我們只能通過某些工具抓取到網路上散落的信息，但不能准確掌握完整的有實際價值和意義的後台數據和信息。
而這些海量信息，對於像谷歌這樣的大互聯網公司來說，就是寶藏。大數據或許只是這些大佬平台的游戲，普通企業比較難參與進來。
並且，這些平台之間並不互通和開放，他們分析出來的數據結果得不到第三方的驗證和檢驗，我們就無法知道他們大數據分析結果的有效性和可信性。當然，他們將這些數據分析用戶自身產品開發和自身發展上還是很有價值的。所以，普通人或普通企業對於大數據的渴望或許是奢望。將來互聯網大平台公司或許會售賣大數據分析的服務，這很有可能。並且，未來，個人數據管理領域的創新和創業將會增加，應用也會增多。
以上是小編為大家分享的關於深扒大數據:關於用戶隱私以及企業價值的相關內容，更多信息可以關注環球青藤分享更多干貨
㈤ 互聯網公司是如何做大數據的
互聯網公司是如何做大數據的
大數據」炙手可熱，很多企業都不會錯失機會，谷歌已經從一個網頁索引發展成為一個實時數據中心樞紐，可以估量任何可以測量的數據，將輸入的查詢與所有可用數據相匹配，確定用戶查找的信息;對臉譜網來說大數據就是「人」，公司也利用這一點在十幾年之內成為世界上最大的公司之一。
亞馬遜通過分析用戶習慣，將用戶與其他可能符合用戶需求的產品和建議相匹配;領英幫助求職者根據自己的技能和經驗來匹配空缺職位，幫助招聘人員找到與特定資料相匹配的人才，這些都是大數據應用的典型例子，但也只是其中一部分，越來越多的數據易獲得，復雜工具也會隨之涌現，大數據的利用可以改變我們個人生活和商業活動。
當下，每個人都聽說過人們如何利用大數據治癒癌症、終結恐怖主義和養活飢餓人口來改變世界。
當然，也很明顯，有些人正利用它來賺大錢——據估計，到2030年，世界經濟將增加15萬億美元。
很多人可能會想「那太好了，但實際上和我沒什麼關系。」只有擁有數百萬美元資產的大型科技公司才會真正受益。那你需要大量的數據才能開始一項新的研究嗎?
其實並不是這樣的。事實上，利用近年在數據收集、分析上的巨大突破，很容易改善我們的個人和商業生活。很多人先前可能沒有認識到這點。
以下是大數據作為日常生活工具和服務的一部分的一些細節。
谷歌——語義分析與用戶畫像
盡管谷歌並沒有把自己標榜成數據公司，但實際上它的確是數據寶庫和處理問題的工具。它已經從一個網頁索引發展成為一個實時數據中心樞紐，幾乎可以估量任何可以測量的數據（比如：天氣信息、旅行延遲、股票和股份、購物……以及其他很多事情）。
大數據分析——也就是說，當我們進行搜索時大數據就會起作用，可以使用工具來對數據分類和理解。谷歌計算程序運行復雜的演算法，旨在將輸入的查詢與所有可用數據相匹配。它將嘗試確定你是否正在尋找新聞、事實、人物或統計信息，並從適當的資料庫中提取數據。
對於更復雜的操作，例如翻譯，谷歌會調用其他基於大數據的內置演算法。谷歌的翻譯服務研究了數以百萬計的翻譯文本或演講稿，旨在為顧客提供最准確的解釋。
經常利用大數據分析的對象從最大的企業到單人樂隊，當他們通過谷歌的Adwords進行廣告宣傳時就是對大數據的利用。通過分析我們瀏覽的網頁(很明顯能看出我們喜歡什麼網頁)，谷歌可以向我們展示我們可能感興趣的產品和服務的廣告。廣告商使用Adwords和谷歌分析等其他服務，以吸引符合其客戶資料的人員到其網站和商店時，廣告商就利用了大數據分析。
臉譜網——圖像識別與「人」的大數據
盡管臉譜網與谷歌在市場營銷上差異巨大，但實際上它們的業務和數據模式非常相似。眾所周知，兩個公司都選擇將自己的企業形象定位重點放在大數據方面。
對谷歌來說，大數據是在線信息、數據和事實。對臉譜網來說大數據就是「人」。臉譜網讓我們與朋友和家人保持聯系越來越方便，利用這個巨大的吸引力，該公司在十幾年之內成為世界上最大的公司之一。這也意味著他們收集了大量的數據，同時我們也可以自己使用這些大數據。當我們搜索老朋友時，大數據就會發揮作用，將我們的搜索結果與我們最有可能聯系的人進行匹配。
由臉譜網開創的先進技術包括圖像識別——一種大數據技術，通過利用數百萬種其他圖像進行訓練，能教會機器識別圖片或視頻中的主題或細節。在我們告訴它圖片中的人是誰之前，機器可以通過標簽來識別圖片中的人。這也是為什麼，當我們的朋友分享或給圖片「點贊」時，如果它發現我們喜歡看例如嬰兒或貓的圖片，在我們的信息流中就會看到更多這種類型的圖片。
對人們興趣及其利益的詳細了解也使臉譜網能夠向任何企業出售極具針對性的廣告。臉譜網可以幫助企業根據詳細的人口統計數據和興趣數據找到潛在客戶，或者可以僅僅讓他們通過查找與企業已有客戶相似的其他客戶來完成他們的大數據「魔術」。
亞馬遜——基於大數據的推薦引擎
亞馬遜作為世界上最大的在線商店，也是世界上最大的數據驅動型組織之一。亞馬遜和本文提到的其他互聯網巨頭之間的差別很大程度上取決於市場營銷。與谷歌和一樣，亞馬遜提供了廣泛的在線服務，包括信息搜索、關注朋友和家人的賬號以及廣告，但其品牌建立在最初以購物聞名的服務上。
亞馬遜將我們瀏覽和購買的產品與全球數百萬其他客戶進行比較。通過分析我們的習慣，可以將我們與其他可能符合我們需求的產品和建議相匹配。大數據技術在亞馬遜的應用就是推薦引擎，而亞馬遜是推薦引擎的鼻祖，其也是最復雜的。除了購物，亞馬遜還讓客戶利用自己的平台賺錢。任何在自己的平台上建立交易的人都會受益於數據驅動的推薦，從理論上講，這將吸引合適的客戶來購買產品。
領英——被篩選過的精準大數據
如果你是一名僱主，或是正在找工作的人，領英會提供一些可以幫助你的大數據。
求職者可以根據自己的技能和經驗來匹配空缺職位，甚至可以找到與公司其他員工以及其他可能競爭該職位的員工的數據。
對招聘人員來說，領英的大數據可以找到與特定資料相匹配的人才，例如現任員工或前雇員。
領英對其數據採取了「圍牆的花園」方式（註：「圍牆花園」是相對於「完全開放」的互聯網，把用戶限制在一個特定的范圍內，允許用戶訪問指定的內容），當你選擇在何處尋找和使用大數據時，這個不同之處值得考慮。領英的招聘人員和申請人的服務都是由公司內部和由服務本身控制的數據進行的，而谷歌是(在美國也提供招聘信息)從大量外部資源中獲取收數據。領英的方法提供了潛在的更高質量的信息，而另一方面，它可能不全面。谷歌的方法提供了更大容量的數據，但這些數據可能是你想要的，也可能不是。
這些只是應用大數據的幾種方式——遠非資源豐富的公司和技術精英的工具，而是我們大部分人在日常生活中已經從中受益的東西。隨著越來越多的數據變得容易獲取，越來越復雜的工具涌現出來，從中獲得價值，肯定會有更多的數據產生。