移動網路中的大數據用戶行為研究與分析

⑴ 《用戶網路行為畫像大數據中的用戶網路行為畫像分析與內容推薦應用》pdf下載在線閱讀，求百度網盤雲資源

《用戶網路行為畫像》（牛溫佳）電子書網盤下載免費在線閱讀

鏈接：https://pan..com/s/1N7m61Yj832fPKXM50e2PkQ 密碼：24qk

書名：用戶網路

鏈接：https://pan..com/s/1N7m61Yj832fPKXM50e2PkQ 密碼：24qk

行為畫像

作者：牛溫佳

豆瓣評分：6.7

出版社：電子工業出版社

出版年份：2016-3-1

頁數：223

內容簡介：

如何能牢牢地黏住老用戶、吸引新用戶、讀懂用戶的偏好興趣和喜怒哀樂，這都是對企業發展至關重要甚至關乎生死存亡的問題，解決這個問題的方法就是推薦系統。本書分為上中下三篇，共13章，上篇為用戶畫像知識工程基礎，包括表徵建模、畫像計算、存儲及各種更新維護等管理操作；中篇為推薦系統與用戶畫像，包括傳統協同過濾等經典推薦演算法的介紹，以及涉及用戶畫像的推薦方法；下篇為應用案例分析，包括Netflix、阿里等數據競賽的經典數據案例，以及在具體工程開發過程的具體案例，分別從系統需求、總體結構、演算法設計、運行流程及測試結果等五個方面提供詳細案例指導。

作者簡介：

牛溫佳，男，博士，中國科學院信息工程研究所副研究員。主持國家自然科學基金青年基金項目和廣西可信軟體重點實驗室開放課題各一項，作為骨幹先後參與了多個重要項目，包括工信部重大專項、973、863和中科院戰略先導專項等。

⑵ 互聯網 ＋ 媒體之移動互聯與用戶行為

移動互聯網正是我們要面對的未來 ，這在中國尤為明顯的。截至2014 年5 月，全球移動互聯網使用量占互聯網使用總量的25% ,亞洲更是達到 37% 。2014 年6 月，中國手機上網比例首次超過 PC 機上網 比例，手機網民規模增長超八成 。

在移動時代，媒體的疆域也在拓展 。移動媒體等於新聞客戶端 嗎？當然不是。移動媒體 ＝ 內容媒體 ＋ 關系媒體 ＋ 服務媒體 。從 2013 年開始中國網路媒體發生了 三個方向的轉型，即視頻化、社交化、移動化，當然這三個方向的轉型最終都會落腳在移動化這樣一個基本前提上。

在研究中國移動媒體發展趨勢之前， 需要了解今天的用戶正在變成什麼樣 。2014 年10 月，企鵝智酷分兩輪進行一共涉及 20 萬名移動終端用戶的調查，調查沒有試圖覆蓋移動用戶的全體，而是重點考察 移動媒體的相關使用移動終端的行為，以揭示新聞資訊消費及其相關的社交 、娛樂和其他服務的用戶行為偏好 。

·移動終端使用習慣

首先，移動互聯網這個概念進入中國的時間並不長 ，但是在短短幾年內，使用移動終端的用戶已經變成重度用戶 ，在被調查的用戶中 ， 每天使用移動終端超過 5 小時的用戶在所有的時長比例中是最高的 ， 超過 26% 再加上每天使用 3 - 5 個小時這個區間的用戶 。有將近五成是移動終端非常重度的用戶 ，近半數用戶會在 2 1 - 24 點之間使用移動設備 ．他們除了把工作學習之外的大部分時間都貢獻給了移動互聯網或者移動媒體， 而且從使用時間來看，基本上他們的夜生活都是和移動終端相伴隨的。

當用戶越來越多地使用移動終端時，他們在看新聞上的使用比例也是超乎尋常的高 。近七成用戶更多地使用移動終端閱讀新聞資訊，主要依賴電腦看新聞的用戶降至不到 一成。新聞的使用在所有用戶下 載的 App 中比例是最高的，而且新聞和社交這兩個詞現在像影子 一樣， 很難分離，也就是說所謂的 無社交不新聞 ， 在今天的用戶身上已經變成現實。

在被調查的用戶中 ，在三個問題上回答 」是＂的用戶都有將近八 成，

第一個問題：是不是在社交媒體上分享新聞 ？

第二個問題：是不是因為社交平台而增加了某些新聞的關注度？

第三個問題：是不是會因為社交平台的使用而增加對新聞的了解？

對移動媒體用戶來說，新聞消費是他們最重要的需求 ，除此之外 ，他們對新聞之外的那些領域有著 廣泛的興趣 ，娛樂當然也是移動媒體的重頭戲。在娛樂領域中游戲 、 小說和音樂這幾項幾乎是差不多的 。值得關注的是在超過 1 0 萬名用戶調查 中，視頻客戶端使用者佔比僅次於新聞客 戶端 ，視頻客戶端既是播放工具，也是綜合媒體。

同時，值得關注的是，今天的移動終端對很多用戶來說已經變成他們生活和服務的一個平台。差不多有二成用戶在移動終端上有過對娛樂的內容付費的經歷，這對相關產業來說是一個好消息 ，他們願意 為娛樂內容花錢 。但同時也要看到 ，還有 40% 的用戶表示，不管是現在還是將來 ，都不願意花錢買娛樂 ，所以培養用戶的這樣一種付費習慣，在內容包括娛樂內容這樣的領域中， 應該還是有一段路要走的 。當然，移動支付在今天已經變成非常普遍的行為， 2014 年「雙十一」的數據就是最有力的證據 。

另外 ，在移動服務領域中，應該說在線教 育 、 在線醫療以及在線商務應該是大有可為的領域 。將近六成網民作這些方面都表現出了興趣 ，當然還有一些網民已經嘗試過這方面的應用了 。今天 ，當服務成為人們越來越多的普遍需求 時 ，怎麼樣把內容媒體和服務平台打通 ，這可能是在移動終端的媒 體開發方面一 個非常重要的考慮。

•移動時代的場景

今天這樣一個所謂的移動時代，實際上也是一個場景的時代 。這個場景，有時候可能偏向空間環境的一種描述和研究，有時候可能偏向人們在某種特定的情境下的行為研究，不管是哪一種，今天網民在 移動終端上的行為都是和具體的環境相依託的 。在今天的移動客戶端使用上，除了一般性的休閑時間外，衛生間和床也是人們最常使用客戶端的場景 。

近半數用戶會在休息或閑暇時間訪問移動媒體 。超六成用戶會在碎片時間里訪問移動媒體， 這些笑話 、 段子等內容的機會笑話 、 八卦、段子不夠 「高大上」其實它們已經自成媒體，且廣受歡迎 。

移動媒體進一步細分 ，會給文史化帶來市場，但亞文化終歸是調味料 ，不能成為移動迅速發展的必要條件。

多年前，大家討論未來網路媒體會不會沖擊紙質媒體時，當時有人很自豪地說他可以把報紙搬到衛生間去， 你能把電腦搬去嗎 ？當時很難做出評論，但是今天發生了很大的變化， 所謂的衛生間讀物正在從過去傳統的報紙雜志轉變成手機和移動終端 。

另外，在我們移動空間里的場景正在轉變為公交的 一個新的情境 。同樣地，過去在公交車上 、在地鐵上經常看到的大家手捧一本書或看報紙的情境也正在被大家低頭看手機的場景所替代 。這是整個移動場景發生的一個很重要的變化， 對移動終端消費者來說，其實有時候可能他們的場景考慮主要是看是不是更便宜 一些，或者手邊是不是有電腦 。但是調查也發現，有將近 1/3 的用戶會不假思索地在任何場景下 、任何情況下選擇用移動終端購物 ，這一點也是超乎想像的 。

1場景的要素之一：

空間與環境移動時代，除了社交成為媒體的新要素， 更應該注意場景這個新要素 。場景進一步細分為兩種：第一種是固定場景， 即人們日常生活的環境，與生活習慣相關，是一個 「常量」，這種常量的變化從調查結果來看，過去更多的是在客廳、書房， 現在轉向了衛生間、床上這樣更私密的地方，這是固定場景中的誕生 。

同時，吃飯 （餐桌）這樣過去很少被電腦終端 」侵入」 的場景，今天已經受到移動終端的普遍干擾 。

移動終端在改變家庭中的媒休使用場景的同時， 也在影響家庭成員的關系，家庭成員之間交流的因素逐漸增多 。如何針對家庭這樣的場景開發新功能，彌補斷裂的家庭成員關系，促進家庭成員互動，應該是未來移動產品設計的一個重要方向 。 在如今的學校或單位里， 移動互聯網的使用已經打破工作與學習場景中本應具有的 「封閉性」 與 「專注性」，使得工作、學習與休息、 娛樂這幾者之間的界限被模糊 。這也突顯了移動信息消費的碎片化特徵。

另一種是移動場景 ，即人們在活動中「遭遇」 的環境 。比如當一個客戶在書店時，他是從家裡趕過來的， 還是剛才逛了旁邊的商場順便到書店來的，這兩種情況完全不同 ：他到書店來 是 一個非常認真、非常努力的行為 ，還是很隨意的順便溜達的行為 。因此，對他之前的方位、 之前的需求的了解有助於更好地判斷他此時此刻的需求 。接下來往後延 伸，就是把他引導到新的地方去，他看完書以後把他引導到附近的電影院還是徑館．這也是對場景的挖掘 。 這 是今天在做移動媒體時需要進一步研究的方向 ，也是商業應用的方向。

羅伯特 ·斯考伯 和謝爾 ·伊斯雷爾存 《即將到來的場崇時代 》中 寫道 ：＂移動互聯網時代，場景 （情境）的意義被極大強化，移動傳播 是基於場景（情境）的服務， 即對環境的感知及信息 （服務）適配。與 場景時代相關的五個因素是大數據 、移動設備 、社交媒體 、 感測器 、 定位系統 。」 可見場景應用一定是未來移動媒體的引爆點 。

移動場崇分析與應用分為三個階段 。第一個階段 是 ：從哪裡來， 分析用戶此前的空間與當前空間的關聯性，分析用戶此前的行為與當前行為的關聯性 。 第二個階段是 ：現在哪裡，分析與滿足用戶此刻在此場景中的需求。第三個階段是：要去哪裡 ．為用戶提供行動路線的導航 、 為用戶提供新的需求的誘導。

隨著信息超載 ．越發突顯個性化需求，人們移動傳播深化， 空間場景成為新變數 ，同時大數據為個性化信息服 務提供）。 「今日頭條「 等推薦試圖解決基於個體偏好的個性化。接下來 、 對場景、情境適配的個性化將是新的方向 。。。 比如 Breaki ngNews.com 在客戶端應用「讓新聞追看用戶跑」 的新思維 ，報道中嵌入地理位置信息 ，通過 GPS 找到用戶 ，實現新聞精準推送。

2 場景的要素之 二：

用戶的實時狀態無論是固定場景還是移動場景 ，人們的實時狀態都會與空間因素共同作用。用戶的實 時狀念包括其自身的數據，也包括他們感興趣的環境信息。過去想要搜集用戶實時信息可謂天方夜譚 ，如今可穿戴設備的出現使這個維度的數據採集和實時數據成為現實。

2014 年網路發布的可穿戴設備網路眼 ( BaiEye), 正是試圖定位於某些特定空間中的信息採集和個性化服務， 如商場和博物館 。當人們身在博物館時 ，他們感興趣的展品， 與其視線相關，網路眼了解了 用戶感興趣的展品後，可以自動獲取與這些展品相關的信息並通過語 音傳送給用戶。

除了可穿戴的移動設備， 固定設備也能夠實時監測分析用戶行為 ， 如阿根廷公司 Shopperception 通過設置在天花板上的立體感測器，即時了解到顧客看了什麼商品、在哪些地方停留 、購買什麼商品需要多長時間等移動狀態下的用戶行為 。

英特爾推出的環境感知營銷解決方案， 則將用戶實時數據的採集推向了進一步的應用層面 。當一位消費者路過基於英特爾酷睿處理器的數字廣告牌時 ，英特爾廣告框架技術可分析根據天氣、 社交媒體 ， 以及包括顧客年齡 、性別和手機在內的信息， 調整內容和用戶界面， 使其與受眾更具相關性 、更加個性化。

3 場景的要素之三 ：

用戶生活慣性 人們在各種場景下的需求與行為模式，通常被認為是以往生活經驗的慣性延伸 ，而在如今的 DT 時代 ，基於可穿戴設備， 可將用戶的生活慣性以更加准確的方式識別、 匹配、分析、儲存。

英國維珍航空公司在 2014 勾勺初開展了一項實驗，利用谷歌眼鏡和索尼智能手錶，精準實現頭等艙乘客識別，狄取飲食偏好 、上次出行信息、目的地信息等，以快速提供個性化服務。

4 場景要素之四：社交氛圍

在 《即將到來的場景時代 》一書中，兩位作者將社交媒體也列為 場景時代的一個重要元素，並指出，正是通過在線交談，我們明確了自己的喜好、所處的位置以及我們所尋求的目標 。這些內容使得技術可以理解 「你是誰」、 「你正在做什麼」以及 「你接下來可能做什麼 」 等場景。可見，社交媒體中用戶及其相關者的數據分析， 可從另一維度，為場景分析提供支持 。

需要注意的是，場景分析的最終目標是提供特定場景下的適配信息或服務 。服務適配比信息適配的范圍更廣 、手段更多樣 、滿足的需求更多元，但無論是對信息還是服務的適配，都與一定的形式適配相 關聯。從信息推送的角度看 ，適配不僅意味著內容與場景的匹配，也意味著形式與特定場景下的閱讀需求相適應 。

對於移動媒體的內容 生產者來說，如今的一個重要目標是通過自己的努力，將文字的精華，通過其他表現形式，如信息圖表和 PPT , 進行提煉與再呈現 。因此，今天的移動媒體的標題中，越來越多地出 現了「一分鍾讀懂」「兩分鍾了解」「 八張圖讓你知道」 等字眼。當然 ， 這還只是移動閱讀式的 ，不同場景信息閱讀的個性化特點如何在呈現形式上做出述說還需要今後進一步探索。

當移動媒體在內容媒體 、 關系媒體、服務媒體三個方向上拓展時，

移動媒體的主要任務就是完成信息流 、關系流與服務流的形成與組織 。 擁有強勢的 「流」 的平台，也就有成為 「入口的潛力」。當越來越多的信息與服務依賴場景這一變化時，場景本身可以成為信息組織、關系組織與服務組織的核心邏輯， 可以成為信息 － 關系 － 服務等幾者聯結的紐帶，場景本身可能成為移動媒體的新入口 。

盡管今天我們討論場景的意義時 ，更多的是試圖把場景的分析作為設計新產品、提升服務質址的依據 。但應該看到的是，移動傳播帶來的信息消費場景或社交場景的變化 ，並非都是在向著更人性、更友 好的方向發展，甚至它可能是在一定程度上侵蝕人的良好天性， 破壞人與環境 （空間的或人際的）的友好關系 。因此 ，對場景的開發與應 用，也應該保持一定的警惕與節制 。未來的移動服務提供商，未必是要將自己侵入每個場景中的某些時候，場景分析的目標也許並不是滲透 ，而是規避。

⑶ 大數據在互聯網用戶系統中的應用

大數據在互聯網用戶系統中的應用
但是對於今日的互聯網和移動互聯網，大數據的規模和應用深度早已不次於傳統的電信、民航等行業，甚至超過不少。因此筆者還是想寫些東西淺談一下互聯網的大數據應用，權當拋磚引玉，也希望更多的朋友參與交流和討論。
首先，第一篇想談一下互聯網的用戶系統。無論互聯網還是移動互聯網，本身具有很大的特性就是互聯，所以我們都可以稱之為互聯網，或者說移動互聯網是互聯網的一個子集和延伸。
在傳統的電信、民航、能源等行業，企業的客戶和主體用戶構成都是有身份ID的。比如電信行業中身份證登記的手機卡號，比如民航用戶乘坐航班登機的身份證或護照信息等，這些信息可以作為基本的用戶身份ID,便於企業對其用戶、客戶進行身份辨別，並對後續的用戶行為進行跟蹤和分析。傳統企業所存儲的用戶信息的很大優勢在於完整性，很多先天的比如姓名、性別、年齡甚至籍貫等真實的基礎身份信息都可以簡單獲得。而在互聯網上，用戶的訪問都是匿名的，即使用戶在接入互聯網的時候使用的登記信息是實名的，但那主要是提供給電信服務商和公共安全機構備案而用。普通的互聯網網站在用戶面前是完全透明的被"圍觀"的，這個狀況在web1.0 的主要產品--門戶網站中最為典型。到了web2.0 時代，互聯網開始變得互動起來，用戶從簡單的匿名瀏覽，變成了可以通過注冊身份參與信息的製造和流通。這個時候，誕生了這個時代在談的互聯網大數據應用中非常重要的一個非決定性條件--用戶身份系統。為什麼說是"非決定性條件"呢？因為，在這之前，大量的數據分析也是可以做的，但是由於對用戶缺乏身份缺乏甄別，因此數據分析能夠應用的場景和得到的數據都相對很有限，但並不代表不能做大數據分析。而web2.0的用戶身份系統誕生，則使互聯網某種程度上具有了和傳統行業同樣的用戶身份記錄系統，數據統計和分析都可以更精準和深入。其中，以騰訊QQ、新浪UC等PC桌面產品為代表的互聯網早期產品，應該是建立了互聯網更早的用戶身份系統，我們也可以看到這些系統在其後續的web產品鋪開時同樣被繼承了過來。
那麼，互聯網的用戶身份系統，一般都具有哪些信息呢？
打開任何一個網站，我們都可以看到注冊頁面需要填寫用戶名/email,性別，年齡 等基本信息。當然，不同的網站和互聯網產品有不同的用戶資料細化的程度。拿現在比較流行的幾款產品做比較，其他互聯網產品大多類似：1.新浪微博中用戶可以填寫自己的昵稱、頭像、真實姓名、所在地、性別、生日、博客地址、email、QQ/MSN、自我介紹、用戶標簽、教育信息、職業信息……；2.騰訊QQ客戶端上可以填寫頭像、昵稱、個性簽名、姓名、性別、英文名、生日、血型、生肖、故鄉、所在地、郵編、電話、學歷、職業、語言、手機……
看起來還真不少，那麼網站要用戶的這些信息會被幹嘛用呢？
這里筆者劉三德認為主要有以下幾點：1. 展示自我；2.作為唯一的身份ID用作用戶身份區別；3.搜索和推薦相關；4.網站自身可以做用戶分析和用戶行為跟蹤。展現自我放到第一位是因為這是從產品滿足用戶需求的角度決定的，用戶資料的首要任務就是為了作為用戶唯一的可識別身份標識展示自我。其次，搜索和推薦相關這一點筆者劉三德計劃在後續用專門的篇章來寫，此處簡單理解即可。最後一點，也就是本文所關注的一點，就是用用戶身份來做數據分析。涉及到的用戶分析主要維度為用戶資料和用戶行為。同樣，用戶行為也計劃在後續篇章專門來寫，本文著重討論一下用戶資料的分析。
可能行業內的一些文章和老前輩的觀點，數據首先要量大、其次要有高的復雜度，才可以稱為大數據。但筆者認為，大數據在一維的層次上不一定具有很強的復雜度，大部分是由最簡單的數據形式構成。就譬如用戶資料，一個網站如果有一千萬的注冊用戶，如果每個用戶的資料具有6個有效欄位，就是6000萬的有效數據。而將這6000萬的有效數據通過一層或者幾層簡單的統計疊加分析、交叉分析等，在計算上本身就具有了不小的復雜度。何況現今的互聯網產品，尤其社交類產品如FACEBOOK,騰訊QQ、新浪微博等動輒上億的注冊用戶，本身用戶系統就是一個非常具有價值的大數據。[page]
通過分析用戶系統可以得到什麼呢？
當然，用戶填寫的注冊資料中包含的資料，都是最基礎的分析數據。還是用數據說話，如下圖：

以上圖片來自互聯網
以上數據是第三方機構公布的，而且都是最簡單的一維數據，我們可以看到很多家網站的用戶資料對比（上面引用的部分數據來源也可為線上調查問卷等形式）。對於獨立的一個網站來說，用戶資料的分析當然只是局限在自己的網站范圍之內。進入互聯網web2.0時代以後，大家都開始更加重視用戶和用戶體驗，對於網站自身用戶的特徵進行分析，可以更好的網站的用戶特性分布，方便針對網站的用戶群特點更有針對性的進行對應的產品設計和研發。比如通過了解用戶的消費層次等，也可以更好的提供用戶消費相關展示和服務。
那麼，無用戶身份信息的互聯網是否不再大數據？--不用注冊的用戶身份系統的。
可能有的朋友會對這個話題存疑問，也可能有的朋友會驚恐，認為隱私泄露了，其實這里的應用也非常簡單。在類似傳統的web1.0 門戶類以展示為主的互聯網產品中，也是可以做數據的分析和挖掘的，而且也有比較成熟的方案。是否有朋友曾經經歷過以下場景：在網路上搜索汽車、查了半天汽車資料，一個小時以後再隨手打開的一個圖書閱讀網站上居然出現了"汽車廣告".其實，即使我們沒有在這些網站上注冊，網路等搜索引擎本身還是可以為用戶標識一個唯一的身份信息，雖然這個身份信息只是臨時的，可能有效期也只有幾天左右。但是，這依然是一種唯一的用戶身份，只不過是記錄的信息有限而已，但是仍然為用戶行為分析提供了很大的幫助。感興趣的朋友可以搜索"google adsense隱私政策" 進行相關了解，此處不在贅述。
用戶資料系統方便了一系列的大數據挖掘
除了傳統的互聯網桌面端和web端產品，最近幾年突飛猛進的移動互聯網以及終端應用，基本也都有完備的用戶信息系統。apple蘋果公司做了app store,迄今為止的應用下載次數突破250億次，而每一次的下載都需要使用唯一的用戶ID,通過分析，蘋果可能比你父母更加了解你想要什麼--這屬於用戶行為分析范疇，後續將專門討論。
總之，用戶身份和資料的分析是互聯網大數據分析中最基礎的分析，用戶身份系統在互聯網的大數據時代，為後續的用戶行為分析和對應的企業產品、服務設計提供了基石，也為更加深入的數據挖掘奠定了基礎。

⑷ 什麼是用戶行為分析怎麼做用戶行為分析

第一個問題，什麼是用戶行為分析：
過去的用戶行為分析普遍的問題是：分專析不聚焦、採集不全屬面、開發周期長、完全依靠人工埋點、事後分析、維度單一、指標傳統。

所以當下可以把用戶行為分析定義為：基於用戶生命周期管理模型、全面採集所有數據、事中分析、提前預測、實時多維組合、科學維度劃分、自定義指標的分析。
第二個問題：怎麼做用戶行為分析
你提出這個問題，證明你可能暫時沒有數據分析團隊，或者數據分析團隊尚不成熟和完善，所以需要開展數據分析工作的話建議是藉助第三方的平台。
這一塊業務目前國內已經相對成熟，也有很多不錯的合作夥伴可以選擇了，矽谷的明星公司可以選擇Google Analytics或者Mixpanel等，不過我最推薦的還是國內的數極客。
具體如何開展，我個人的建議是：
選擇採用AARRR模型的平台，通過對用戶全程行為的跟蹤，讓我們在經營中運營中，擁有Acquisition(獲客)、Activation(激活與活躍)、Retention(留存)、Revenue(收入)、Refer(二次傳播) 全程數據分析功能。

⑸ 大數據在網路優化中大有可為

大數據在網路優化中大有可為

網路優化是確保網路質量，提升網路資源利用率的有效手段。近年來，隨著網路容量的不斷提升、網路用戶數的不斷增加、網路設備的多樣化，用新技術和新方法替代傳統網路優化手段成為一種趨勢，尤其是在大數據分析技術的興起下，其在網路優化中的作用日漸突出。

網路優化的傳統手段

網路優化是通過對現已投入運營的網路進行話務數據分析、現場測試數據採集、參數分析、硬體檢查等，找出影響網路質量的原因，並且通過參數的修改、網路結構的調整、設備配置的調整和採取某些技術手段，確保系統高質量的運行，使現有網路資源獲得最佳效益，以最經濟的投入獲得最大的收益。一般而言，傳統的網路優化有以下幾種方法：

一、話務統計分析法：通過話務統計報告中的各項指標，可以了解和分析基站的話務分布及變化情況，分析出網路邏輯或物理參數設置的不合理、網路結構的不合理、話務量不均、頻率干擾及硬體故障等問題。

二、DT&CQT測試法：從用戶的角度，藉助測試儀表對網路進行驅車和定點測試。可分析空中介面的信令、覆蓋服務、基站分布、呼叫失敗、干擾、掉話等現象，定位異常事件的原因，為制定網路優化方案和實施網路優化提供依據。

三、用戶投訴：通過用戶投訴了解網路質量。即通過無處不在的用戶通話發現的問題，進一步了解網路服務狀況。

四、信令分析法：主要針對A介面、Abis等介面的數據進行跟蹤分析。發現和定位切換局數據不全、信令負荷、硬體故障及話務量不均以及上、下行鏈路路徑損耗過大的問題，還可以發現小區覆蓋、一些無線干擾及隱性硬體故障等問題。

五、資料庫核查與參數分析：對網路規劃數據和現網配置參數、網路結構數據進行核查，找出網路數據中明顯的數據錯誤，對參數設置策略進行合理性分析和總結。

六、網路設備告警的排查處理：硬體故障告警一般具有突發性，為了減小對用戶的影響，需要快速的響應和處理。通過告警檢查處理設備問題，保障設備的可用性，避免因設備告警導致網路性能問題。

在實際工作中，這幾種方法都是相輔相成、互為印證的關系。網路優化就是利用上述幾種方法，圍繞接通率、掉話率、擁塞率和切換成功率等指標，通過性能統計測試數據分析制定實施優化方案系統調整重新制定優化目標性能統計測試的螺旋式循環上升，達到網路質量明顯改善的目的。

網路優化亟待創新

當前，隨著用戶數的不斷增長，隨著網路容量的不斷增加，隨著網路復雜度的不斷提升，以及網路設備的多樣化，網路優化工作的難度正在不斷提升，網路優化的方法和手段亟待創新。

首先，網路優化是一項技術難度大、涉及范圍廣、人員素質要求較高的工作，涉及的技術領域有交換技術、無線技術、頻率配置、切換和和信令、話務統計分析等。傳統網路優化工作多依賴於技術人員的經驗，依賴人工進行統計分析。網路優化的自動化程度較低，優化過程需耗費大量的時間、人力、物力，造成了大量的資源浪費，影響網路問題解決的時效性。另外，優化工程師藉助於個人經驗對網路數據進行分析和對比，而非根據網路相關的數據綜合得出優化方案，存在一定的局限性。

其次，隨著我國移動通信事業迅速發展，我國移動互聯網發展已正式進入全民時代，截至2014年1月，我國手機網民規模已達5億。網路結構日益復雜，數據業務已經成為移動通信網路主要承載的業務，用戶通過智能終端的即時互聯通信行為，使移動網路成為大數據儲存和流動的載體。高速變化的數據業務速率和巨大的網路吞吐量以及覆蓋范圍的動態實時變化，在很大程度上改變了現有網路規劃和優化的模型，在網路優化工作中引入大數據是非常迫切和必要的。

最後，全球數據信息成為企業戰略資產，市場競爭和政策管制要求越來越多的數據被長期保存。對於運營商的網路優化來說，也需要保存各類數據，以便進行用戶行為分析和市場研究，通過大數據實踐應用提升網路優化質量並助力市場決策，實現精細化營銷策略，提升企業的核心競爭力。

面對上述挑戰，運營商正嘗試進行網路優化工作的創新，嘗試在網路優化中引入新技術和新方法。而正在全球興起的大數據分析技術，開始在網路優化中大顯身手。

網路優化擁抱大數據

大數據（Big Data），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目前主流軟體工具，在合理時間內達到擷取、管理、處理、整理成為幫助企業經營決策目的的資訊。大數據技術的戰略意義不在於掌握龐大的數據信息，而在於對這些含有意義的數據進行專業化處理。大數據具有數據量巨大、數據種類繁多、價值密度低及處理速度快的特點，同時具備規模性、高速性、多樣性、價值性四大特徵。

一般而言，利用大數據技術進行網路優化的過程可分為三個階段：數據來源和獲取、數據存儲、數據分析。

數據來源和獲取—對於運營商而言，通過現有網路可以收集大量的網路優化相關信令資源（含電路域、分組域）、DT測試&CQT測試數據，這些數據大都以用戶的角度記錄了終端與網路的信令交互，內含大量有價值的信息。如終端類型、小區位置、LAC、imsi、tmsi、用戶業務使用行為、用戶位置信息、通話相關信息、業務或信令、信令中包含的各種參數值。

設備層包含基站、BSC、核心網、傳輸網等配置參數和網路性能統計指標（呼叫成功率、掉話率、切換成功率、擁塞率、交換系統接通率等）、客戶投訴數據等。

採集到的數據一般而言，經過IP骨幹網傳輸到數據中心，進行存儲。隨著雲計算技術的發展，未來數據中心將具備小型化、高性能、可靠性、可擴展性及綠色節能等特點。

數據存儲—網路優化中涉及巨大的數據存儲，包括信令層面的數據信息和設備存在的數據信息，這些數據只有妥善存儲和長期運營，才能進一步挖掘其價值。傳統數據倉庫難以滿足非結構化數據的處理需求。Google提出了GFS、BigTable、MapRece三項關鍵技術，推動了雲計算的發展和運用。

源於雲計算的虛擬資源池和並發計算能力，受到重視。2011年以來，中國移動、中國電信、中國聯通相繼推出「大雲計劃」、「天翼雲」和「互聯雲」，大大緩解了數據中心IT資源的存儲壓力。

數據分析—數據的核心是發現價值，而駕馭數據的核心是分析，分析是大數據實踐研究的最關鍵環節，尤其對於傳統難以應對的非結構化數據。運營商利用自身在運營網路平台的優勢，發展大數據在網路優化中的應用，可提高運營商在企業和個人用戶中的影響力。

電信級的大數據分析可實現如下功能：第一，了解網路現狀，包括網路的資源配置和使用情況，用戶行為分析，用戶分布等；第二，優化網路資源配置和使用，有針對性地進行網路維護優化和調整，提升網路運行質量，改善用戶感知；第三，實施網路建設規劃、網路優化性能預測，確保網路覆蓋和資源利用最大化。對用戶行為進行預測，提升用戶體驗，實現精細化網路運營。

網路優化相關的工具種類很多，針對不同的優化領域，常用的工具包括：路測數據分析軟體、頻率規劃與優化軟體、信令分析軟體、話統數據分析平台、話單分析處理軟體等。這些軟體給網路優化工作帶來了很大的便利，但往往只是針對網路優化過程中特定的領域，而網路優化是一個涉及全局的綜合過程，因此需要引入大數據分析平台對這些優化工具所反映出來的問題進行集合並綜合分析和判斷，輸出相關優化建議。

目前，大數據技術已經在網路優化工作中得到應用。中國電信就已經建設了引入大數據技術的網優平台，該平台可實現數據採集和獲取、數據存儲、數據分析，幫助中國電信利用分析結果優化網路質量並助力市場決策，實現精細化營銷策略。利用信令數據支撐終端、網路、業務平台關聯性分析，優化網路，實現網路價值的最大化。

總工點評

綜合全球來看，對大數據認識、研究和應用還都處於初期階段。中國三大電信運營商都在結合自身業務情況，積極推進大數據應用工作，目前還處於探索階段，在數據採集、處理、應用方面仍處於初級階段。電信運營商在國內擁有龐大的用戶群和市場，利用自身海量的數據資源優勢，探索以大數據為基礎的網路優化解決方案，是推動產業升級、實現效率提升、提升企業核心競爭力、應對激烈市場競爭的重要手段。利用大數據將無線網、數據網、核心網、業務網優化進行整合，可以完整地優化整個業務生命期的所有網元，改善用戶感知，是未來網路優化的趨勢。

以上是小編為大家分享的關於大數據在網路優化中大有可為的相關內容，更多信息可以關注環球青藤分享更多干貨

⑹ 大數據之如何進行「用戶行為分析」

而消費者們作為這場游戲中的弱者，不斷地被這些真假價格戰挑逗著和引導著。然而，在當今的商場上，還有另外一類企業不是通過簡單粗暴的價格戰，而是通過對數據的充分使用和挖掘而在商戰中獲勝的。 最典型的當屬全球電子商務的創始者亞馬遜(Amazon.com)了，從 1995 年首創網上售書開始，亞馬遜以迅雷不及掩耳之勢，徹底顛覆了從圖書行業開始的很多行業的市場規則及競爭關系，10 年之內把很多像 Borders 以及 Barnes and Noble 這樣的百年老店被逼到破產或瀕臨破產。亞馬遜在利潤並不豐厚的圖書行業競爭中取勝的根本原因在於對數據的戰略性認識和使用，在大家還都不太明白什麼是電子商務時，亞馬遜已經通過傳統門店無法比擬的互聯網手段，空前地獲取了極其豐富的用戶行為信息，並且進行深度分析與挖掘。 何為「用戶行為信息」(User Behavior Information)呢?簡單地說，就是用戶在網站上發生的所有行為，如搜索、瀏覽、打分、點評、加入購物筐、取出購物筐、加入期待列表(Wish List)、購買、使用減價券和退貨等;甚至包括在第三方網站上的相關行為，如比價、看相關評測、參與討論、社交媒體上的交流、與好友互動等。 和門店通常能收集到的購買、退貨、折扣、返券等和最終交易相關的信息相比，電子商務的突出特點就是可以收集到大量客戶在購買前的行為信息，而不是像門店收集到的是交易信息。 在電商領域中，用戶行為信息量之大令人難以想像，據專注於電商行業用戶行為分析的公司的不完全統計，一個用戶在選擇一個產品之前，平均要瀏覽 5 個網站、36 個頁面，在社會化媒體和搜索引擎上的交互行為也多達數十次。如果把所有可以採集的數據整合並進行衍生，一個用戶的購買可能會受數千個行為維度的影響。對於一個一天 PU 近百萬的中型電商上，這代表著一天近 1TB 的活躍數據。而放到整個中國電商的角度來看，更意味著每天高達數千 TB 的活躍數據。 正是這些購買前的行為信息，可以深度地反映出潛在客戶的購買心理和購買意向。例如，客戶 A 連續瀏覽了 5 款電視機，其中 4 款來自國內品牌 S，1 款來自國外品牌 T;4 款為 LED 技術，1 款為 LCD 技術;5 款的價格分別為 4599 元、5199 元、5499 元、5999 元、7999 元;這些行為某種程度上反映了客戶 A 對品牌認可度及傾向性，如偏向國產品牌、中等價位的 LED 電視。而客戶 B 連續瀏覽了 6 款電視機，其中 2 款是國外品牌 T，2 款是另一國外品牌 V，2 款是國產品牌 S;4 款為 LED 技術，2 款為 LCD 技術;6 款的價格分別為 5999 元、7999 元、8300 元、9200 元、9999 元、11050 元;類似地，這些行為某種程度上反映了客戶 B 對品牌認可度及傾向性，如偏向進口品牌、高價位的 LED 電視等。 亞馬遜通過對這些行為信息的分析和理解，制定對客戶的貼心服務及個性化推薦。例如：當客戶瀏覽了多款電視機而沒有做購買的行為時，在一定的周期內，把適合客戶的品牌、價位和類型的另一款電視機促銷的信息通過電子郵件主動發送給客戶;再例如，當客戶再一次回到網站，對電冰箱進行瀏覽行為時，可以在網頁上給客戶 A 推薦國產中等價位的冰箱，而對客戶 B 推薦進口高檔價位的商品。 這樣的個性化推薦服務往往會起到非常好的效果，不僅可以提高客戶購買的意願，縮短購買的路徑和時間，通常還可以在比較恰當的時機捕獲客戶的最佳購買沖動，也降低了傳統的營銷方式對客戶的無端騷擾，還能提高用戶體驗，是一個一舉多得的好手段。 縱觀國內外成功的電商企業，對用戶行為信息的分析和使用，無不在這個兵家必爭之地做大量投入。他們對數據戰略性的高度認識和使用，非常值得國內的電商學習和借鑒。

⑺ 大數據攻略案例分析及結論

大數據攻略案例分析及結論

我們將迎來一個「大數據時代」。與變化相始終的中國企業，距離這場革命還有多遠？而追上領先者又需要多快的步伐？

｛研究結論｝

■大數據營銷的本質是一個影響消費者購物前心理路徑的問題，而這在大數據時代前很難做到。

■對於傳統企業而言，要打通線上與線下營銷，實現新的商業模式，如O2O等，離不開大數據。

■雖然大數據應用往往集中於大數據營銷，但對於一些企業，大數據的應用早已超越了營銷范疇，全面進入了企業供應鏈、生產、物流、庫存、網站和店內運營等各個環節。

■對於大部分企業，由於數據分析人員與業務人員之間的彼此視角與思考方向不同，大數據分析和運營之間存在脫節情況，這是大數據無法用於企業運營最大的阻力

■對於大多數互聯網公司來說，大數據量、大用戶量是一個相互促進，強者越強的循環過程。

■對於大型互聯網平台，大數據已經成為其生態循環中的血液，對於這些企業，最重要

的不是如何利用大數據改進自身運營，而是利用大數據更好地繁榮平台生態。

■對於平台企業，它們的大數據策略正逐漸從大數據運營，向運營大數據轉變，前者和

後者的差別在於，前者只是運營改進的動力，而後者則成為企業實現未來戰略的核心資源。

我們都已被反復告知：我們將迎來一個「大數據時代」。

大數據應用，將和雲計算、3D列印這些技術變革一樣，顛覆既有規則，並成為先行企業的制勝關鍵。

與變化相始終的中國企業，距離這場革命還有多遠？而追上領先者又需要多快的步伐？

來自於互聯網、移動互聯網、物聯網感測器、視頻採集系統的數據正海量增長，匯成大數據的海洋，相伴的是海量數據存儲、分析技術的突破性發展，所有這一切都給企業的應用帶來了無限可能性。

中國企業家研究院對當前中國企業大數據應用的狀況進行了歸納分類，以幫助企業了解實際應用大數據時的困局難點，並提供領先企業的典型案例以資借鑒。

表1

表2

大數據運營—企業提升效率的助推力

對於大多數企業而言，運營領域的應用是大數據最核心的應用，之前企業主要使用來自生產經營中的各種報表數據，但隨著大數據時代的到來，來自於互聯網、物聯網、各種感測器的海量辯笑虧數據撲面而至。於是，一些企業開始挖掘和利用這些數據，來推動運營效率的提升。大數據運營應用中，大數據的應用分為三類：用於企業外部營銷、用於內部運營，以及用於領導層決策。

一、大數據營銷

大數據營銷的本質是影響目標消費者購物前的心理路徑，它主要應用在三個方面：1、大數據渠道優化，2、精準營銷信息推送，3、線上與線下營銷的連接。在消費者購物前，通過各種方式，直接介入其信息收集和決策過程。而這種介入，是建立在對於線上與線下海量用戶數據分析的基礎之上。相比傳統狂轟濫炸或等客上門的營銷，大數據營銷無論在主動性和精準性方面，都有非常大的優勢。它是目前主要的大數據應用領域。

大數據營銷不僅僅是用大數據找出目標顧客，向其發布促銷信息，它還可以做到：

實現渠道優化。根據用戶的互聯網痕跡進行渠道營銷效果優化，就是根據互聯網上顧客的行為軌跡來找出哪個營銷渠道的顧客來源最多，哪個來源顧客實際購買量最多，是否是目標顧客等等，從而調整營銷資源在各個渠道的投放。例如東風日產，它利用對顧客來源的追蹤，來改進營銷資源在各個網路渠道如門戶網站、搜索和微博的投放。

精準營銷信息攜神推送。精準建立在對海量消費者的行為分析基礎之上，消費者網路瀏覽、搜索行為被網路留下，線下的購買和查看等行為可以被門店的POS機和視頻監控記錄，再加上他們在購買和注冊過程中留下的身份信息，在商家面前，正逐漸呈現出消費者信息的海洋。

一些企業通過收集海量的消費者信息，然後利用大數據建模技術，按消費者屬升猛性（如所在地區、性別）和興趣、購買行為等維度，挖掘目標消費者，然後進行分類，再根據這些，對個體消費者進行營銷信息推送。比如孕婦裝品牌十月媽咪通過對自己微博上粉絲評論的大數據分析，找出評論有「喜愛」相關關鍵詞的粉絲，然後打上標簽，對其進行營銷信息推送。京東商城副總經理李曦表示：「用大數據找出不同細分的顧客需求群，然後進行相應的營銷，是京東目前在做的事情。」小也化妝品將自身網站作為收集消費者信息的雷達，對不同消費者推薦相應的肌膚解決方案，創始人肖尚略希望在未來，大數據營銷能替代網站的作用，真正成為面向顧客的前端。

打通線上線下營銷。一些企業將互聯網上海量消費者的行為痕跡數據與線下購買數據打通，實現了線上與線下營銷的協同。比如東風日產，線上與線下的協同營銷方式為：其門戶網站帶來訂單線索，而通過這些線索，服務人員進行電話回訪，從而推動顧客在線下交易。在此過程中，東風日產記錄了消費者進入、瀏覽、點擊、注冊、電話回訪和購買各個環節的數據，實現了一個橫跨線上線下，以大數據分析為支持的，營銷效果不斷優化的閉環營銷通路。而國雙科技，衡量某一地區線下促銷活動的效果，就是看互聯網上，來自這個地區對於促銷內容的搜索量。一些企業，通過鼓勵線下顧客使用微信和Wi-Fi等可追蹤消費者行為和喜好的設備，來打通線上與線下數據流，銀泰百貨計劃鋪設Wi-Fi，鼓勵顧客在商場內使用，然後根據Wi-Fi賬號，找出這個顧客，再通過與其它大數據挖掘公司合作，以大數據的手段，發掘這個顧客在互聯網的歷史痕跡，來了解這個顧客的需求類型。

二、大數據用於內部運營

相比大數據營銷，大數據在內部運營中的應用更深入，對於企業內部的信息化水平，以及數據採集和分析能力的要求更高。本質上，是將企業外部海量消費者數據與企業內部海量運營數據聯系起來，在分析中得到新的洞察，提升運營效率。（詳見P96表5：大數據在內部運營中的應用）

表5

三、大數據用於決策

在大數據時代，企業面對眾多新的數據源和海量數據，能否基於對這些數據的洞察，進行決策，進而將其變成一項企業競爭優勢的來源？同大數據營銷和大數據內部運營相比，運用大數據決策難度最高，因為它需要一種依賴數據的思維習慣。

已有少數企業開始嘗試。比如國內一些金融機構在推出一個金融產品時，會廣泛分析該金融產品的應用情況和效果、目標顧客群數據、各種交易數據和定價數據等，然後決定是否推出某個金融產品。

但是，中國企業家研究院在調研中發現，目前中國企業當中，大數據決策的應用非常之少，許多企業領導者進行決策時，仍習慣於憑借歷史經驗和直覺。

大數據產品——企業利潤滋長的新源泉

大數據除了用於運營外，還能夠與企業產品結合，成為企業產品背後競爭力的核心支持或者直接成為產品。提供大數據產品的企業分為兩類，直接提供大數據產品的企業，以及將大數據作為產品和服務核心支撐的企業。前者主要為大數據產業鏈中提供數據服務的參與者，包括數據擁有者、存儲企業，挖掘企業、分析企業等，後者則主要是那些以大數據為產品核心支撐的企業，它們大多是互聯網企業，其產品和服務先天就有大數據基因，這些企業包括搜索引擎、在線殺毒、互聯網廣告交易平台以及眾多植根於移動互聯網之上，為用戶提供生活和資訊服務的APP等。

表3

表4

一、大數據作為產品核心支持

它們主要在以下幾方面使用大數據：

1、提供信息服務。很多互聯網企業通過對海量互聯網信息和線下信息的整合和分析，為個人和企業提供信息服務，典型的如網路、去哪兒、一淘、高德地圖、春雨醫生等等。在美國，一些互聯網企業甚至根據大數據提供更深度的預測信息服務，美國科技創新公司farecast，通過分析特定航線機票的價格，幫助消費者預測機票價格走勢。

2、分析用戶的個性化需求，藉此提供個性化產品和服務，或者實現更精準的廣告。典型的有移動社交工具陌陌、網路、騰訊、廣告交易平台品友互動以及一些互聯網游戲商。這種應用往往先是收集海量用戶的互聯網行為數據，將用戶分類，根據不同類型的用戶，提供個性化的產品，或者提供個性化的促銷信息。比如網易等門戶網站推出了訂閱模式，讓使用者按照個人喜好方便地定製和整合不同來源的信息。

3、增強產品功能。對於很多互聯網產品，如殺毒軟體、搜索引擎等等，海量數據的處理能夠讓產品變得更聰明更強大，如果沒有大數據，產品的功能就大大減弱。比如奇虎360公司的360殺毒軟體，憑借每天海量的殺毒處理，建立了龐大的病毒庫，這使它能夠更快地發現病毒，而一些小的殺毒軟體公司則無法做到這一點。

4、掌控信用狀況，提供信貸服務。阿里巴巴上匯集了海量中小企業的日常資金與貨品往來，通過對這些往來數據的匯總與分析，阿里巴巴能發現單個企業的資金流與收入情況，分析其信用，找出異常情況與可能發生的欺詐行為，控制信貸風險。

5、實現智能匹配。婚戀網站、交易平台等，利用大數據可以進行精準而高效的配對服務。網易花田會挖掘用戶行為數據，比如點擊哪些異性的頁面，發表什麼樣的評論，建立用戶興趣模型，從而挖掘到用戶所期待另一半的類型，然後主動推薦與對方匹配度比較高的人選。2010年，阿里巴巴嘗試性地推出「輕騎兵」服務，由阿里巴巴將中國各產業集群地的供應商與海外買家的個性采購需求進行快速匹配，所憑借的，就是對供應商的海量交易數據信息的整合與挖掘。

二、大數據直接作為產品

對一些企業，大數據直接成為了產品，這些產品包括海量數據、分析、存儲與挖掘的服務等，目前大數據產業鏈正在形成過程中，出現了一批開放、出售、授權大數據和提供大數據分析、挖掘的公司和機構，前者主要是一些擁有海量數據的公司，將數據服務作為新的盈利來源。如大型的互聯網平台、民航、電信運營商、一些擁有大數據的政府機構等等，後者主要包括一些能夠存儲海量數據或者將海量數據與業務場景結合，進行分析和挖掘，或者提供相關產品的公司，如IBM、SAP、拓而思、天睿公司。它們為大數據應用者們提供海量數據存儲、數據挖掘、圖像視頻、智能分析等服務以及相關系統產品。

大數據平台——企業群落繁榮的滋養劑

而網路已建成了包括網路指數、司南、風雲榜、數據研究中心和網路統計在內的五大數據體系平台，幫助其營銷平台上的企業了解消費者行為、興趣變化，以及行業發展狀況、市場動態和趨勢、競爭對手動向等信息。

為解決這些問題，各個平台在積極地努力。比如阿里巴巴建立了數據委員會，在統一數據格式標准、從源頭上保證數據的質量，採集和加工出精細化的數據，確保其能符合平台企業的應用場景等方面，不遺餘力地嘗試。尤其在大數據精細化方面，阿里巴巴更是作為其大數據戰略的重點。這方面，騰訊目前也在加快步伐。比如新版騰訊網出現了「一鍵登錄」的提示，用戶可以在上面通過一些細分標簽，訂閱自己關注的內容。實際上，這也是騰訊收集更精細化的用戶興趣數據的一個有效手段。

Tips

大數據實戰手冊

將大數據應用於內部運營中時，企業會遇到一些常見問題

1企業如何獲取與分析數據？

互聯網是大數據的一個主要來源，一些線下的傳統企業很難獲得。但它們可以：

a和擁有或能抓取海量數據的平台、企業以及政府機構合作。比如淘寶上的電商就購買淘寶收集的海量數據中與自身運營相關的部分，用於自身業務。再如卡夫通過與IBM合作，在博客、論壇和討論版的內容中抓取了47.9萬條關於自己產品的討論信息，通過大數據分析出消費者對卡夫食品的喜愛程度和消費方式。

b建立自己在互聯網上的平台，比如朝陽大悅城利用自己的微信、微博等平台收集消費者評論數據。

c許多傳統企業沒有分析海量數據的能力，此時它們可以和大數據分析和挖掘公司合作，目前市場上已經有天睿公司、IBM、百分點、華勝天成等一批提供大數據分析和挖掘服務的公司，它們是傳統企業進行大數據分析可以藉助的力量。

2如何避免大數據應用時的部門分割？

對於許多企業，其信息流被各部門彼此分割，數據難以互通，對於這種情況下，大數據的共享和匯集就只是一個泡影，更難以實現大數據的深度應用。

要打通部門之間信息分割的局面，首先要建立統一的、集中的數據系統。就像立白信息與知識總監王永紅所說的，「要真正用好大數據，企業要採用大集中的信息系統。」從更深入的角度來談，企業信息流的部門分割，更在於企業部門之間的分割，比如有一些企業的營銷按照渠道分割，導致對於顧客的大數據收集和分析效果大打折扣。

IBM智慧商務技術總監楊旭青認為，「很多時候由於組織結構問題，大數據分析有效性大大降低了。」這就需要組織與流程層面的重新設計，在這方面，阿里巴巴的部門負責人輪崗制度，對於打破部門壁壘無疑是一劑好葯。而一些企業為了打破部門分割，建立了矩陣型的組織結構，強化部門間的橫向合作，這些無疑為大數據的匯集、共享與應用創造了良好條件。

3如何讓業務人員重視大數據的應用？

解決這個問題，一方面在於一把手對整個企業數據文化的倡導，比如1號店董事長於剛就要求業務人員無論在開會，還是匯報工作時，都以數據說話，而馬雲更是將大數據提升到了戰略高度。

另一方面，也在於數據部門的帶動，阿里巴巴數據委員會負責人車品覺分享了經驗，「因為運營部門的業務人員很難看到大數據的潛力，可以首先從一些對業務見效快，見效顯著的數據項目出發，通過一兩個項目的成功，調動對方的積極性，然後再逐步一個個地引導。」

4為何大數據工作與運營需求脫節？

這往往是由於數據人員與業務人員視角、專業知識不同而導致的。大數據人員做了很多努力，但是業務人員卻認為這些努力無關痛癢。如何解決這個問題？

有的企業從組織設計上發力，將大數據納入業務分析部門的管理之下，用業務統馭數據。對於朝陽大悅城，由主要負責戰略和經營分析的部門來管理大數據工作，其中的大數據分析人員則作為支持人員。在負責人張岩看來，大數據要靠商業法則指導，關鍵是找到業務需求的點，然後由數據分析和挖掘人員實現。在具體操作中，大悅城對微信的數據挖掘，挖掘什麼樣的關鍵詞，由業務分析人員確定，而具體挖掘則由數據部門做；有的企業從流程設計上著手，推動業務部門與數據部門人員之間的溝通，建立數據人員工作與效果掛鉤的考核機制。

例如阿里巴巴根據數據挖掘的成效（比如帶來的商品轉化率的提升）來考核數據挖掘師，考核數據分析師則看其分析結果能否出現在經營負責人的報告中。從數據部門自身角度則需要降低運營部門使用數據的障礙和門檻，比如立白集團的數據人員會努力嘗試向運營部門提供更易懂、更生動的圖形化數據分析界面，在立白老闆辦公室上，就有一份「客戶運營健康體檢表」，讓老闆對全國經銷商的當月銷售情況一目瞭然。再如阿里巴巴開發的無線Bi，讓經營人員在手機上也可以看到大數據分析結果，拿車品覺的話說，「以數據之氧氣包圍經營人員。」

⑻ 十個有效的大數據分析途徑讓你更了解用戶

十個有效的大數據分析途徑讓你更了解用戶

我們正處於福雷斯特研究公司所描述的「用戶時代」，這個時代中驅動業務決策的不再是公司，而是用戶。基於這個原因，深度理解用戶的重要性已經遠勝以往，因此許多機構開始使用大數據技術來挖掘用戶信息。

在這個時代，企圖收獲成功（甚至是求生存）的在線業務必須切實的理解顧客的體驗和行為，因此海量數據的收集及挖掘能力成了這些機構的必備手段。當下，有許多機構的分析仍處於數據的收集上，組織能力的缺乏和技術的限制讓這些收集來的數據失去了應有的價值。而在用戶體驗上也缺乏按部就班的計劃，從而喪失了獲取關鍵見解的途徑。因此，這樣的數據分析有很大的誤導、不完整及不確定性。

收集和分析正確的數據、切實的理解用戶體驗及用戶行為已成為當務之急，下面將分享10個大數據的使用方法，可以幫助機構從用戶交互中獲得見解、提高用戶忠誠度並從根本上取得競爭優勢：

1.將網路傳輸中的數據看做「金礦」並進行挖掘。你的網路中包含了大量其它公司無法從中獲益的數據，收割這些數據中的價值是你真正理解用戶體驗的第一步。

2.不要總是用假設去了解你的用戶，並且知道他們需要什麼。擁抱用戶，並且切實的了解用戶行為，要比去假設要好的多。保持客觀，從實際數據中獲得見解。

3.盡可能的收集數據，從而減少盲點。盲點可能導致丟失關鍵信息，從而得到一個歪曲的用戶體驗觀。確認你收集了一切可以影響到用戶體驗和行為分析的數據。

4.對比數據的體積，我們該更看重數量。收集好數據之後，專注於重要的數據來做分析方案。

5.迅速。用戶需求優先順序總是在變化的，技術需要迅速的做出分析並做調整。這樣才能保證你分析出的不是過時結果，對於隨時都在改變的需求，你需要迅速的收集數據並做出響應的處理。

6.實時的業務運作。這就需求對數據的實時分析並獲取見解，從而在情況發生後可以實時的做出調整，從而保證最佳的用戶體驗及經營結果。

7.分析不應該給產品系統帶來風險，也就是分析永遠都不應該給用戶體驗帶來負面的影響。所以盡可能多的捕捉數據，避免盲點才能讓分析出的見解不會對業務有負效應。

8.利用好你數據的每一個位元組，聚合數據可能會暗藏關鍵見解。這些信息片段可能會反應最有價值的見解，可以幫助持續的提升用戶體驗及經營效果。

9.著眼大局。捕捉與你站點或者網路應用程序交互的所有數據，不管是來自智能手機、平板或者是電腦。豐富數據，將不同儲存形式之間的數據關聯起來，確信這些點都被連接了起來。在處理中關聯的越早，獲得的見解就越完整、精準、及時和有效。

10.和平台無關，確保你的大數據分析能力不會受到設備的類型限制（筆記本、台式機、智能手機、平板等）。

以上是小編為大家分享的關於十個有效的大數據分析途徑讓你更了解用戶的相關內容，更多信息可以關注環球青藤分享更多干貨

⑼ 大數據技術中，關於用戶行為分析方面的有哪些技術

做用戶行為分析的基礎是獲得用戶行為數據，例如用戶頁面停留時間、跳轉來源等等。這些信息有些能直接拿到，有些是需要做一些計算才能拿到的。一般來說用戶訪問時的一些信息都是以日誌的形式打到web容器的日誌空間中去，這其中包含了最通用的一些訪問信息以及一些自定義的日誌打點。

題主提到了大數據技術中對用戶行為進行分析，那麼可以假定網站或者App的訪問量是比較傲多的。由於系統流量比較大，計算維度又比較多，後續數據消費者的需求增長比較快，所以對計算分析平台有了一定的要求。具體表現為：
1.負載能力。流量增大以後帶來的壓力是多方面的，比如網路帶寬的壓力、計算復雜度帶來的壓力、存儲上的壓力等等。一般來說這些都是比較顯而易見的，會對產生比較直接的影響，比如計算實時性下降、消息出現了堆積、OOM等等。為了解決這一現象，一般來說會選擇一些分布式的框架來解決這個問題，比如引入分布式計算框架storm、spark，分布式文件系統hdfs等。
2.實時性。在系統資源捉襟見肘時消息的實時性會立即受到嚴重影響，這使得部分演算法失效（例如對計算和收集上來的數據進行行為分析後，反饋到推薦系統上，當整體響應時間過場時會嚴重影響推薦效果和准確度）。對於這個情況來說可能會選擇storm這種具有高實時性的分布式流式計算框架來完成任務。
3.系統管理和平台化相關技術手段。在大數據情景下，企業內數據環境和應用環境都是比較復雜的，用戶行為分析應用不是一成不變的，那麼就要求用戶行為分析這種多變的應用在復雜環境中能有效生存，這包括演算法數據材料的獲得、系統運維、系統任務調度、系統資源調度等等，相關的技術很多時候要求團隊自研，但也有ganglia、yarn、mesos這類開源系統可以參考或者直接使用。
4.數據鏈路。企業技術環境一般來說是非常復雜的，一層一層交錯在一起，遠不是一句MVC三層架構能夠概括得了的，為了避免消息流通呈復雜的網狀結構，一般會考慮應用服務化、企業服務匯流排（ESB）及消息匯流排來做傳輸，有興趣的話題主可以網路一下這幾個方向的技術和開源工具。
5.應用快速生成工具。我個人認為在大數據環境下應用都擺脫不了一個快速開發的要求，用戶行為分析也是如此，這時候要考慮對接一些開源的分布式數據分析演算法庫而不是通過自己去實現，比如像spark ml，mahout這類的庫用得好能減少很多工作量。