在國外超市購物發現懷孕大數據

⑴ 大數據給零售行業帶來的商業價值

大數據給零售行業帶來的商業價值

在大數據推動的商業革命暗涌中，要麼學會使用大數據的杠桿創造商業價值，要麼被大數據驅動的新生代商業格局淘汰。

最早關於大數據的故事發生在美國第二大的超市塔吉特百貨(Target)。孕婦對於零售商來說是個含金量很高的顧客群體。但是他們一般會去專門的孕婦商店而不是在Target購買孕期用品。人們一提起Target，往往想到的都是清潔用品、襪子和手紙之類的日常生活用品，卻忽視了Target有孕婦需要的一切。那麼Target有什麼辦法可以把這部分細分顧客從孕婦產品專賣店的手裡截留下來呢?

為此，Target的市場營銷人員求助於Target的顧客數據分析部(Guest Data & Analytical Services)的高級經理Andrew Pole，要求他建立一個模型，在孕婦第2個妊娠期就把她們給確認出來。在美國出生記錄是公開的，等孩子出生了，新生兒母親就會被鋪天蓋地的產品優惠廣告包圍，那時候Target再行動就晚了，因此必須趕在孕婦第2個妊娠期行動起來。如果Target能夠趕在所有零售商之前知道哪位顧客懷孕了，市場營銷部門就可以早早的給他們發出量身定製的孕婦優惠廣告，早早圈定寶貴的顧客資源。

可是懷孕是很私密的信息，如何能夠准確地判斷哪位顧客懷孕了呢?Andrew Pole想到了Target有一個迎嬰聚會(baby shower)的登記表。Andrew Pole開始對這些登記表裡的顧客的消費數據進行建模分析，不久就發現了許多非常有用的數據模式。比如模型發現，許多孕婦在第2個妊娠期的開始會買許多大包裝的無香味護手霜;在懷孕的最初20周大量購買補充鈣、鎂、鋅的善存片之類的保健品。最後Andrew Pole選出了25種典型商品的消費數據構建了「懷孕預測指數」，通過這個指數，Target能夠在很小的誤差范圍內預測到顧客的懷孕情況，因此Target就能早早地把孕婦優惠廣告寄發給顧客。

那麼，顧客收到這樣的廣告會不會嚇壞了呢?Target很聰明地避免了這種情況，它把孕婦用品的優惠廣告夾雜在其他一大堆與懷孕不相關的商品優惠廣告當中，這樣顧客就不知道Target知道她懷孕了。百密一疏的是，Target的這種優惠廣告間接地令一個蒙在鼓裡的父親意外發現他高中生的女兒懷孕了，此事甚至被《紐約時報》報道了，結果Target大數據的巨大威力轟動了全美。

根據Andrew Pole的大數據模型,Target制訂了全新的廣告營銷方案，結果Target的孕期用品銷售呈現了爆炸性的增長。Andrew Pole的大數據分析技術從孕婦這個細分顧客群開始向其他各種細分客戶群推廣，從Andrew Pole加入Target的2002年到2010年間，Target的銷售額從440億美元增長到了670億美元。

我們可以想像的是，許多孕婦在渾然不覺的情況下成了Target常年的忠實擁泵，許多孕婦產品專賣店也在渾然不知的情況下破產。渾然不覺的背景里，大數據正在推動一股強勁的商業革命暗涌，商家們早晚要面對的一個問題就是：究竟是在渾然不覺中崛起，還是在渾然不覺中滅亡。

大數據是誰?

大數據炙手可熱，但是能說清楚大數據是什麼的人卻不多。要真正弄明白什麼是大數據，我們首先得看看Target是怎麼收集大數據的。

只要有可能，Target的大數據系統會給每一個顧客編一個ID號。你刷信用卡、使用優惠券、填寫調查問卷、郵寄退貨單、打客服電話、開啟廣告郵件、訪問官網，所有這一切行為都會記錄進你的ID號。

而且這個ID號還會對號入座的記錄下你的人口統計信息：年齡、是否已婚、是否有子女、所住市區、住址離Target的車程、薪水情況、最近是否搬過家、錢包里的信用卡情況、常訪問的網址等等。Target還可以從其他相關機構那裡購買你的其他信息：種族、就業史、喜歡讀的雜志、破產記錄、婚姻史、購房記錄、求學記錄、閱讀習慣等等。乍一看，你會覺得這些數據毫無意義，但在Andrew Pole和顧客數據分析部的手裡，這些看似無用的數據便爆發了前述強勁的威力。

在商業領域，大數據就是像Target那樣收集起來的關於消費者行為的海量相關數據。這些數據超越了傳統的存儲方式和資料庫管理工具的功能范圍，必須用到大數據存儲、搜索、分析和可視化技術(比如雲計算)才能挖掘出巨大商業價值。

大數據的商業價值

大數據這么火，因此很多人就跟起風來，言必稱大數據，可是很多人不但沒搞明白大數據是什麼的問題，也不知道大數據究竟能往哪些方面挖掘出巨大的商業價值。這樣瞎子摸象般的跟風註定了是要以慘敗告終的，就像以前一窩蜂地追逐社交網路和團購一樣。那麼大數據究竟能往哪些方面挖掘出巨大的商業價值呢?根據IDC和麥肯錫的大數據研究結果的總結，大數據主要能在以下4個方面挖掘出巨大的商業價值：對顧客群體細分，然後對每個群體量體裁衣般的採取獨特的行動;運用大數據模擬實境，發掘新的需求和提高投入的回報率;提高大數據成果在各相關部門的分享程度，提高整個管理鏈條和產業鏈條的投入回報率;進行商業模式、產品和服務的創新。筆者把他們簡稱為大數據的4個商業價值杠桿。企業在大踏步向大數據領域投入之前，必須清楚地分析企業自身這4個杠桿的實際情況和強弱程度。

1、對顧客群體細分，然後對每個群體量體裁衣般的採取獨特的行動。本文開頭Target的故事就是這個杠桿的案例，瞄準特定的顧客群體來進行營銷和服務是商家一直以來的追求。雲存儲的海量數據和大數據的分析技術使得對消費者的實時和極端的細分有了成本效率極高的可能。比如在大數據時代之前，要搞清楚海量顧客的懷孕情況，得投入驚人的人力、物力、財力，使得這種細分行為毫無商業意義。

2、運用大數據模擬實境，發掘新的需求和提高投入的回報率。現在越來越多的產品中都裝有感測器，汽車和智能手機的普及使得可收集數據呈現爆炸性增長。Blog、Twitter、Facebook和微博等社交網路也在產生著海量的數據。雲計算和大數據分析技術使得商家可以在成本效率較高的情況下，實時地把這些數據連同交易行為的數據進行儲存和分析。交易過程、產品使用和人類行為都可以數據化。大數據技術可以把這些數據整合起來進行數據挖掘，從而在某些情況下通過模型模擬來判斷不同變數(比如不同地區不同促銷方案)的情況下何種方案投入回報最高。

3、提高大數據成果在各相關部門的分享程度，提高整個管理鏈條和產業鏈條的投入回報率。大數據能力強的部門可以通過雲計算、互聯網和內部搜索引擎把大數據成果和大數據能力比較薄弱的部門分享，幫助他們利用大數據創造商業價值。這個杠桿的案例是關於沃爾瑪的一個故事。

沃爾瑪開發了一個叫做Retail Link的大數據工具，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，這可以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，供應商可以更多的控制商品在店內的陳設，可以通過和店內工作人員更多地接觸，提高他們的產品知識;沃爾瑪可以降低庫存成本，享受員工產品知識提高的成果，減少店內商品陳設的投入。綜合起來，整個供應鏈可以在成本降低的情況下，提高服務的質量，供應商和沃爾瑪的品牌價值也同時得到了提升。通過在整條供應鏈上分享大數據技術，沃爾瑪引爆了零售業的生產效率革命。

4、進行商業模式，產品和服務的創新。大數據技術使公司可以加強已有的產品和服務，創造新的產品和服務，甚至打造出全新的商業模式。這個杠桿將引用Tesco為案例。Tesco收集了海量的顧客數據，通過對每位顧客海量數據的分析，Tesco對每位顧客的信用程度和相關風險都會有一個極為准確的評估。在這個基礎上，Tesco推出了自己的信用卡，未來Tesco還有野心推出自己的存款服務。

大數據的商業革命

通過以上4個杠桿，大數據能夠產生出巨大的商業價值，難怪麥肯錫說大數據將是傳統4大生產要素之後的第5大生產要素。大數據對市場佔有率、成本控制、投入回報率和用戶體驗都會起到極大的促進作用，大數據優勢將成為企業最值得倚重的比較競爭優勢。根據麥肯錫的估計，如果零售商能夠充分發揮大數據的優勢，其營運利潤率就會有年均60%的增長空間，生產效率將會實現年均0.5%-1%的增長幅度。在大數據這個概念炒熱起來的當下，人們才發現像沃爾瑪、Target、亞馬遜、Tesco這樣的商業巨頭已經不聲不響地運用了大數據技術好多年，用大數據驅動市場營銷、驅動成本控制、驅動產品和服務創新、驅動管理和決策的創新、驅動商業模式的創新。許多商界驕子慨嘆競爭不過Target們的不解之謎也終於告破。

在大數據推動的商業革命暗涌中，與時俱進絕不僅僅是附庸風雅的卡位之戰，要麼學會使用大數據的杠桿創造商業價值，要麼被大數據驅動的新生代商業格局淘汰。這是天賜良機，更是生死之戰。成功者將是中國產業鏈升級獨領風騷的梟雄，失敗者擁有的只有遺憾。

以上是小編為大家分享的關於大數據給零售行業帶來的商業價值的相關內容，更多信息可以關注環球青藤分享更多干貨

⑵ 小數據時代隨機采樣案例分析有哪些

如下：

第一個經典的例子是預測女孩懷孕「大數據」，2012年2月16日《紐約時報》刊登了一篇題為《這些公司是如何知道您的秘密的》報道。

文中介紹了這樣一個故事：一天一位男性顧客怒氣沖沖地來到一家折扣連鎖店「塔吉特」這是一家僅次於沃爾瑪的全美第二大零售商向經理投訴因為該店竟然給他還在讀高中的的女兒郵寄嬰兒服裝和孕婦服裝的優惠券。但隨後這位父親與女兒進一步溝通發現自己女兒真的已經懷孕了。

於是致電塔吉特道歉說他誤解商店了女兒的預產期確實是8月份。這里用到的就是大數據「關聯規則+預測推薦」技術。

第二個是經典的「啤酒和尿布」的例子，這個例子比較早，講的是基於關聯規則分析來預測超市裡面顧客購買行為規律。

20世紀90年代美國沃爾瑪超市中，超市管理人員分析銷售數據時發現了一個令人難以理解的現象：

在某些特定的情況下，「啤酒」與「尿布」兩件看上去毫無關系的商品會經常出現在同一個購物籃中，這種獨特的銷售現象引起了管理人員的注意，經過後續調查發現，這種現象出現在年輕的父親身上。

在美國有嬰兒的家庭中，一般是母親在家中照看嬰兒，年輕的父親去超市買尿布。父親在購買尿布的同時，往往會順便為自己購買啤酒。

如果這個年輕的父親在賣場只能買到兩件商品之一，則他很有可能會放棄購物而去另一家可以一次同時買到啤酒與尿布的商店。

由此，沃爾瑪發現了這一獨特的現象，開始在賣場嘗試將啤酒與尿布擺放在相同區域，讓年輕的父親可以同時找到這兩件商品，並很快地完成購物，從而獲得了很好的商品銷售收入。

第三個案例是近年來才炒得比較火熱的例子「谷歌預測流感」，是谷歌通過搜索引擎裡面的關鍵詞檢索日誌的時間序列數據成功預測了流感爆發的時間和規模。人們輸入的搜索關鍵詞代表了他們的即時需要，反映出用戶情況。

為便於建立關聯，設計人員編入「一攬子」流感關鍵詞，包括溫度計、流感症狀、肌肉疼痛、胸悶等。只要用戶輸入這些關鍵詞，系統就會展開跟蹤分析，創建地區流感圖表和流感地圖。

為驗證「谷歌流感趨勢」預警系統的正確性，谷歌多次把測試結果與美國疾病控制和預防中心的報告做比對，證實兩者結論存在很大相關性。

第一個例子背後是基於精準營銷，是大數據針對個人級別的應用，第二個例子能夠有效預測零售商需求，屬於企業級別應用，而第三個例子則是地區級別和國家級別的應用。由此可看出，當大數據真正走進生活、走進社會，其施展能量的力度越來越大，越來越強。

所以國家、教育部和企業越來越重視大數據和人工智慧的開發和應用，讓我們跟隨趣學人工智慧一起學習它吧！更多內容請關注趣學人工智慧公眾號，微信搜索趣學人工智慧裡面有更多視頻、音頻和文字內容。

數據時代為適應不同類型、不同發展階段企業或者個人的上網要求，提供有包括域名注冊、主機、企業郵局、系統集成在內的完整的網路平台服務。

構建有自己的電子商務寄放平台；網路系統均以高速獨享帶寬連接在骨幹網上，伺服器託管在電信品質的數據中心內，全面的備份系統、防火牆系統、負載平衡系統，專業人員全天候監控、維護，保證網站快速、可靠、穩定地運行。

數據時代秉承客戶至上、服務至上的經營理念，以卓越的網路服務品質、專業的技術服務實力、職業的客戶服務團隊保障您在21世紀的信息高速路上馳騁。

又以穩固與發展、求實與創新的精神，尊重人才、注重技術，使用戶在享受信息科技發展最新成果的同時不斷獲得最大的收益，為推動中國信息產業的發展、促進知識經濟的崛起作出最大的貢獻。

⑶ 大數據告訴你：親愛的，你懷孕了

大數據，英文翻譯為Big Data，聽上去科技感十足的一個詞，到底跟我們的生活有什麼關系呢？我們不妨先從一個故事開始認識一下它。

在信息化領域，國外很多企業走在時代前列。美國一家零售連鎖商塔吉特，很多年前就開始利用銷售過程匯總的數據進行分析。有一段時間，塔吉特公司通過他們所有門店裡女性的消費記錄數據，進行「懷孕預測」。對於零售商來說，發現一個顧客是否懷孕非常重要。因為一旦有了小孩，就意味著一個家庭的消費觀念會發生很大變化，如果能預測消費者的懷孕趨勢就能及時向她們推送孕期每個階段對應的優惠券，從而刺激消費。值得注意的是，有一天，一個中年男人怒氣沖沖的來到塔吉特的一家零售店，他向商店經理投訴：「我女兒還是高中生，你們卻給她郵寄嬰兒服和嬰兒床的優惠券，你們這樣的行為是在鼓勵她懷孕嗎？」。塔吉特商店的經理幾天後打電話向這個男人道歉，這個男人卻感到非常抱歉，他跟塔吉特的經理道歉說：「我跟女兒談過了，她的預產期是8月份，是我自己沒有意識到這件事情。」

這就是一個典型的大數據案例， 大數據如此神奇，它可能比你的父母更了解你的小秘密。你喜歡什麼款式的衣服，你最愛哪家甜品店，你最喜歡的明星是誰……大數據就像你的影子，對你了如指掌。

提起大數據，人們最先想到的一本書往往是《大數據時代》。

《大數據時代》的作者維克托•邁爾•舍恩伯格被譽為「大數據商業應用第一人」，十幾年前就已經洞察到大數據的趨勢，一直潛心研究大數據技術，不僅在哈佛大學、牛津大學等著名學府任教，也為微軟、IBM等知名企業提供咨詢服務，同時還是眾多政府高層的智囊團。維克托將自身對大數據技術的研究與商業實踐、政府決策相結合，進一步獲得對大數據的全球視野。

我們身處一個數據大爆炸的時代，世界的數據以一種超乎想像的速度裂變。哲學上講：量變引起質變。當數據累積到一定程度，必然引起質變。數據的價值也就由此誕生。維克托在《大數據時代》中強調了大數據給我們帶來的三個轉變：
更多：不是隨機樣本，而是全體數據
更雜，不是精確性，而是混雜性
更好，不是因果關系，而是相關關系

大數據的出現對社會科學提出了挑戰，社會科學是非常依賴樣本分析、研究和調查問卷的學科，而大數據時代，數據成為最容易獲得的信息，我們不再受困於數據量的多少，開始利用所有的數據。

有數據證明，採用樣本分析法的正確率可達97%。看上去3%的錯誤率似乎可以接受，但也要就事論事。現在大數據的核心在於預測，為了更精準的預測，自然是越少錯誤率越高，而當數據量足夠大時，當樣本=總體時，數據預測的准確性就能大大提高。

大數據以前的時代是，用盡可能少的數據獲得盡可能多的信息，當人類進入到大數據時代時，是用盡可能多的數據獲得信息。

每次出去旅遊，想搶到便宜的機票簡直是一場大戰。打開購票網站，今天刷一下貴了100，明天刷一下便宜了200，後天再刷又貴了200，每次我都想怎麼才能知道機票什麼時候最便宜。原來，這個功能已經有公司實現了。有一家預測機票價格的公司叫Farecast，Farecast的預需要海量數據的支持，為了提高預測的准確度，Farecast收集了么過商業航空產業中每一條航線上每一架飛機內每一個座位，在一年內的綜合票價記錄。如今，Farecast已經有大約2000億條的飛行數據，最終實現票價預測的准確度高達75%。如果沒有海量數據的支持，所謂的票價預測基本約等於0。

Farecast的創始人埃齊奧尼說：「這只是一個暫時性的數據，隨著你收集的數據越來越多，你的預測結果會越來越准確。」

海量數據的出現，也意味著大量混雜的、不精確的、甚至錯誤的數據出現。大數據時代95%的數據都是混亂的，如果還堅持傳統「小數據」的精確演算法，那將徹底錯過大數據的價值。

為什麼「小數據」要精確？

因為「小數據時代」或者像上文提到的「樣本分析法」中，能收集到的信息量有限，所以必須保證數據盡量精確，才能提高預測的准確度。這是一個概率學問題，簡單來說，給你三個蘋果，只有一個是好的，那你挑到好蘋果的概率是1/3,如果有100個蘋果，即使有一半都是壞的，挑到好蘋果的概率也有1/2。

胡適曾經諷刺過「差不多先生」，因為差不多先生的口頭禪就是：凡事只要差不多就好了，何必太較真呢？「大數據」從某種角度來說也是一位「差不多先生」，要讓我們習慣他可能還需要時間。

小朋友很小的時候就要讀《十萬個為什麼》，培養對世界的好奇心，學習的過程就是搞清楚每一個現象背後的原因，這是我們從小到大養成的慣性思維。

大數據時代，這種思維需要變一變了。 數據量的劇增，使得事物與事物之間的聯系越來越復雜，通過復雜的相關關系，大數據猶如神探破案，找出蛛絲馬跡。現在，只需要知道「是什麼」就夠了，沒必要知道「為什麼」。

建立在相關關系分析法基礎上的預測是大數據的核心。據統計，亞馬遜成交量的三分之一都是來自於相關推薦的購買。當我在亞馬遜上購買這本《大數據時代》時，系統還會同時給我推薦另外幾本相關的書，比如吳軍的《智能時代》，塗子沛的《大數據》等，這些書正好幫我構成了一個「大數據」的主題閱讀書單，這樣我就很可能把這一系列書全部加入購物車。

隨著技術的發展，收集和分析數據的成本越來越低，人們更熱衷於收集海量的數據，來預測分析可能出現的問題。比如，大數據可以用來預測汽車故障，這種功能很適合物流、快遞行業。大型的物流快遞公司會有數量眾多的運輸車隊，一旦車在運輸過程中出現故障，造成的延誤、再裝載損失都很嚴重。通過感測器檢測汽車各種零件的使用情況，能及時預測哪些零件可能在什麼時候出現故障，以便提前進行檢查維修，這樣就能大大減少成本損失。這種預測並不能告訴你，「為什麼」會出現故障，而對於快遞公司來說，也只需要只知道「是什麼」將出現故障就足夠了。

大數據時代，我們的生活將發生翻天覆地的變化，就像望遠鏡能讓我們感受浩瀚的宇宙星空，顯微鏡能讓我們觀察最小顆粒的微生物。大數據是一種收集和分析海量數據的新技術，能幫助我們更好地認識世界、理解世界。大數據不是冰冷的事實，它其實分散在日常生活的各個角落，從思維模式上先給我們帶來一場變革，然後當我們用大數據的思維看世界時，才發現「凡是過去，皆為序曲」。

未來已來，大數據時代裹挾著未來世界的新演算法，新技術像潮水一樣涌來，只有勇於擁抱變化的人才能急流勇進。 大數據時代，更多的數據，更多不確定性，更復雜的相關關系，提供了「更多，更快，更好」的可能。

⑷ Tiger：我眼中的大數據-新生大學分享(1)

【作者按：本文為2016/10/15晚在新生大學社群的公開分享，旨在和大家探討個人對大數據的一點淺見。雖然專業知識和寫作水平有限，但哪怕能幫到一個人亦會欣慰，同時也期待能得到更多反饋。】

** 1. 認知誤區**

在日常生活和工作中，我發現很多人對大數據的理解存在如下兩個誤區 ：

現在很多人，言必稱大數據。可是，大數據這個說法本身非常模糊，不知道他們在說大數據時具體指什麼。這讓我想起許多年前在國內流行的另外一個概念：納米，我相信你一定很耳熟。那會兒，隨便逛個商場或者看個電視，你都會發現鋪天蓋地的打著納米旗號的廣告襲來：什麼「納米冰箱」，「納米空調」，「納米彩電」。。。 就好像納米是能治百病的靈丹妙葯，任何東西只要貼上「納米」的標簽就好使了，就升值了，就高大上了。
今天，很多人對待大數據的態度和納米一樣，人雲亦雲，自我忽悠，然後互相忽悠。

當你問很多言必稱大數據的人：大數據到底是什麼？不知道大數據是什麼？大數據是怎麼用的？大數據到底對你的生活帶來了哪些收益和影響呢？80%的人都會一臉懵逼，他們根本說不出所以然。當然，我不是說每個人都這樣，但這樣的人的確不少。

個人以為，實事求是的態度很有必要，理應推崇。
知之為知之，不知就知乎之。
不知道沒關系，但如果硬是為了虛榮心去說大數據，為賦新詞強說愁，這樣的態度沒有益處。

如果你真的覺得大數據這個東西非常好，既有趣也有用，那我們就捲起袖口，去搞懂細節，搞懂它的前世今生，乃至它未來的發展趨勢。這樣的態度既接地氣，更能增加個人價值。

2. 數據分析

在和大家探討真正的「大數據」之前，我們先聊聊數據分析。
數據分析實際上已經存在很久了，它根本不是什麼新東西。
它不是什麼新事物，也並不神秘，一點都不！
你會用Excel罷？Excel就是用來做數據分析的，千萬不要小看它。而數據分析比Excel的歷史還要早的多。
數據分析大致可分成四個層面：
首先，獲得數據；
其次，從數據中提取信息；
再次，從信息中提煉出知識；
最後，通過知識發掘智慧。
總結下來就是：Data（數據）->Information（信息）->Knowledge（知識）->Wisdom（智慧）。
從另外一個角度來看，數據分析是技術和藝術的混合體：

3. 大數據的通用特徵

大數據目前沒有一個通用的定義，個人理解的大數據具備如下幾個特徵：

4. 大數據的用途

那麼，大數據有什麼用呢？其實有很多著名的例子，如Alphago幹掉了韓國殿堂級棋手李世石，當然，這樣的例子已經爛大街了。
從我個人而言，我會分享一個亞馬遜的例子。我是亞馬遜的資深用戶，用了八年多了，所以它有我很多的消費行為數據，它知道我的購物的愛好、特徵和規律。這里有一個截圖：

當我登錄亞馬遜賬戶之後，它的推薦頁面就是上面這樣。這個頁面上展示的商品就是它根據我之前買過的一些商品，通過推薦演算法猜測我喜歡什麼種類的商品，還會買什麼商品。總之就是通過已買商品的各個特徵去給你做推薦。

另外，大數據還可以用來找男女朋友。這里也有一個真實的故事：大概在前幾年，美國的加州大學洛杉磯分校（UCLA）有個數學系的博士生，大齡單身宅男，就為找女朋友的事情發愁。但他是個極客，就想辦法寫了一個程序（爬蟲），爬蟲裡面設定了許多符合他個人喜好的規則，然後用這個爬蟲到一些婚戀網站上去爬取目標對象。這樣就找到一些符合他喜好的目標對象，同時，在這個過程中自然排除掉了很多不符合他設定參數的目標。通過和篩選後的目標對象約會，最後他果然找到一個非常合適的女朋友，然後快樂地在一起。

大數據的應用實例還有很多，曾經在2012年在紐約時報上登過一篇報道叫《大公司如何竊取你的秘密？》，文中一個例子就是關於Target超市的大數據應用（美國一家超大規模的連鎖超市）。報道稱Target給明尼蘇達州一戶人家的女兒寄嬰兒用品的優惠券，但是這個女孩還是高中生。他爸爸看到優惠券後非常震怒，認為有誘導未成年人懷孕的嫌疑，就去找當地超市理論。當時超市的經理比較誠懇，一臉懵逼地給顧客道歉。後來，這個父親卻主動打電話給超市過來道歉，說回家和女兒交流後發現她真的懷孕了。

劇情180度大反轉！

這到底是怎麼回事？原來，是Target超市的數據部門開發的懷孕預測模型，根據演算法結合購物記錄發現這個女孩極有可能懷孕。所以，在得到這樣一個判斷後，他們的營銷部門就給這樣的潛在的目標客戶精準推送母嬰商品的優惠券。這事聽起來還是蠻可怕的，大數據雖然沒見過你，但它可能對你了如指掌，知道你是什麼樣的人，家住哪，收入什麼水平，開什麼樣的車，穿什麼衣服，抽什麼煙等等。

大數據甚至還可以做輿情監督和民意調查。比如說，微信在2016年就做了一個大數據分析，推測全國人民的心情，最後的結論是，每逢節日大家的心情就特別好，其中中秋和春節的心情格外好；年輕人相對更多愁善感，老年人反而更樂觀開朗陽光，很有意思。

根據上面的例子，我們對大數據的用途做一個抽象和總結。以上的例子告訴我們，大數據可以用來 從已知到未知 ，就是說根據手上掌握的一些已知的信息可以推測出未知的規律和趨勢，就像亞馬遜猜我喜歡購買的商品，或者像Target推測高中生已經懷孕了，或者像UCLA博士生通過寫程序找到女朋友。這些都是從已知到未知的推理。
大數據另外一個用途，就是可以 糾正錯覺 或錯誤認知。因為，真實的原始數據是不會撒謊的，這裡麵包含了許多信息，甚至一些潛在的反常識的東西。就以我曾經做過的一個分析 《頂級風投的宿命》 為例。因為之前有過創業經歷，個人會對投融資比較敏感。而當時創投界有所謂的風口論，比如O2O、生鮮電商等，這些方向的互聯網公司特別容易拿到融資。那我在做完相關的數據分析之後發現：
真正一流的投資機構從不會賭所謂的風口，他們會堅持去投資一些商業本質更清晰的的公司和業務模式，像電子商務、對企業的服務、文化娛樂等方向。

而這個認識是在我做數據分析之前完全不知道的，可以說顛覆了我此前的認知。進一步，我之前對風口論的認知就是錯覺，而這個錯覺就被數據分析很好地推翻了。所以，我認為大數據的第二個功能就是糾正錯覺。

大數據分析確實有些必備的知識集合，這里有幅來自IBM研究院的圖，闡明了數據科學的必備知識領域。

⑸ 現在國外有應用大數據的案例

現在國外有應用大數據的案例

現在國外有應用大數據的案例，案例是一個父親有一個高中生的女兒，接到了一個促銷的廣告，是關於嬰兒用品的廣告，這個父親勃然大怒，說商家無良，為了促銷向我的高中生的女兒促銷嬰兒產品。但是過了一兩個星期，他感到非常的內疚，因為他對於商家的這種態度是錯誤的，原因是他的高中的女兒確實懷孕了。為什麼商家會發現這個問題？商家實際上就是通過在商場的一些數據挖掘和比對，發現這個女孩子曾經在商場里購買過類似的一些商品，在有一些類似的貨架面前駐足觀看，而且這個頻度很高，商家對於後台大數據的分析，篩出潛在客戶，發出商業廣告。

這可以說是一個很典型的案例，給了我們很多的思考，我們可以從很早的MBA的課程裡面發現這些案例，這些案例都告訴我們一條，我們要去關注外部的一些數據，通過這些外部數據的獲取研究，這是未來保險業非常重要的能力。

3、保險業應該是未雨綢繆，應該及早的對於大數據時代有一個未雨綢繆的觀念，或者有這么一個未雨綢繆的心態。我基本的說法就是，如果我們把它抽象的講，大數據時代的數據能力將成為未來保險企業核心競爭力的核心。中國有一句古話叫識時務者為俊傑，最重要的前提是認識，這個行業能夠及早的認識到這一點，能夠及早的做相關的一些准備是非常重要的。我講這個行業需要一種大數據的思維，這是我們面向未來需要具備的一個非常重要的能力，你能夠基於大數據的思維，能夠全面的理解大數據的時代，把某一個產品、客戶的服務放在大數據之下思考這個問題，這是非常重要的。

得人才者得天下。有一個數據說未來最熱門的行業是數據科學家，所以數據工作者，數據工程師、數據科學家，將是未來這個公司的核心資源。這些人他已經不同於我們傳統意義上的數據人才，不是我們原來基於IT的，對於資料庫研究、管理、應用的人才，我講這是基於大數據時代的數據人才。他們是什麼？這些面向未來的數據人才關鍵的能力是什麼？觀察力和想像力。未來數據，科學家的核心能力是想像力和觀察力，他能夠觀察到某一個社會現象背後的數據結構，把這個現象背後的數據結構挖掘出來，整合成一個新的商業模式，就創造了一個新的商業機會。有想像力，還能夠知道怎麼實現這個想像力，當然這中間數據是一個核心的要素。

我們要培育一個數據獲取的能力，你知道數據在哪裡。數據處理的能力，怎麼構建數據之間的關系。我講的數據處理不是傳統意義上的數據處理，而是學會處理數據之間的關系，從這個關系當中找到規律性的東西，從規律性的背後發現商業模式。數據思維的能力。要學會基於數據的思維。

這對我們未來保險業所必須個具備的能力。當然，背後保險公司有很多的事情要做。比如傳統以來我們一直做商業資本的，我們也知道隨著非結構數據的大量應用，或者我們需要更多的對象處理非結構數據，我覺得未來的人工智慧，專家的支持體系都會變得異常的重要。

如果要總結起來講，發現數據的關聯性，構建數據的商業模式，未來整個社會是一個數據社會尋寶的重要工具和能力。這是關於保險業的未雨綢繆所需要做的事情。時間的關系不佔太多的時間。

總結起來說我還是這個觀點，我認為大數據時代會比我們想像的來得快。大數據時代幾乎跟我們每一個人密切相關。任何一個行業都可以忽視大數據時代到來的話，保險不行。大數據在根本上改變保險業的業態，做得不好，會使保險業傳統的經營空間受到極大的壓縮，做得好會為保險業開拓一個全新的領域，廣闊的空間。但是最重要的是有賴於這個行業對於大數據時代到來的認識、警惕和應對。我說的不一定對，這是最近做的思考，跟大家做一個分享，我算是拋磚引玉，

⑹ 大數據要注重以人為本

大數據要注重以人為本
大數據為什麼會這么火？上世紀80年代，未來學家托夫勒在那本聞名世界的《第三次浪潮》一書中就預言過：「如果說IBM的主機拉開了信息化革命的大幕，那麼大數據才是第三次浪潮的華彩樂章。」確實，自從計算機被發明並投入應用以來，作為信息化的主要產物——數據就呈現出了前所未有的快速增長，尤其是互聯網逐步的普及，更是加速了數據產生的規模。
「大數據」無疑是當下的一個時髦詞彙。如果使用Google搜索「Big data」，你可以得到636,000,000 條結果。目前，大數據在全球所形成的市場規模超過了50億美元，預計到2017年將增長到500億美元以上。
在大數據如火如荼增長的背後，是人們參與數據製造的數量的增加。目前，全球的互聯網網民約在25億左右，中國的網民總數在6億左右，按照這種發展趨勢，全球人口一半成為網民可能在2016年左右發生。正是有了這么多「個體」或「小我」的聚集，才帶來了大數據的時代。而開發應用大數據，也一定要重視「小我」，讓大數據開發出的結果更加人性化、更具合理性。
基於大數據開發出的精準營銷等一系列新的商業模式，正在推動營銷理念和商業模式的變革。但即便這種已經具備了「個性化」的模式，還是缺少「人情味」。美國一家連鎖超市曾經根據某位消費者的購物數據預測出她已經懷孕，就將嬰兒尿片和童車的優惠券直接派發給了她，但卻遭到了其父親的強烈抗議。原因是這個女孩還未滿18歲，而且她和家人都還沒有意識到自己已經懷孕的事實。雖然這被看作是大數據開發應用的一個典型案例，但實際上卻暴露了這種精準營銷背後存在的社會倫理缺陷。
現在，很多網站根據用戶使用網路進行商品搜索或者網上購物的記錄，直接在用戶再次訪問網站時載入相關廣告等作法，往往會引起用戶的反感。這種只顧商業利益，而不考慮用戶感受的營銷，實際上變相地剝奪了消費者的權利，這些作法本身也削減了消費者的購物慾望，起到適得其反的作用。
大數據開發目前除了在工業領域、商業領域應用外，也在向社會管理領域大步邁進著。在《爆發》這本講述大數據時代的代表性著作中，作者巴拉巴西有這樣的判斷：人類行為中有93%是可以預測的。正是這個判斷，增添了一些人在社會管理領域應用大數據的激情。但要看到，這個判斷的前提是要對全球每個個體的24小時、每分每秒，甚至一生的行為進行數據採集。這顯然在短時間內是無法實現的。
即便是我們的技術能力達到了那個水平，但是對一個有血有肉的人的行為進行預測，對由千百萬個活生生的個體所構成的社會進行精確性管理，除了用好數據外，更要注重遵循人和社會自身的特點和規律，這樣才能使大數據時代的社會管理更具合理性。如果完全把社會管理模式建立在數據的分析和應用上，這樣的管理方式很可能會給人類社會的發展帶來巨大的風險。

⑺ 大數據營銷知識點總結

一、走進大數據世界

大數據的特徵（4V）：

1.  數據的規模性

2.   數據結構多樣性

3.   數據傳播高速性

4.   大數據的真實性、價值性、易變性；

結構化數據、半結構化數據、非結構化數據

大數據處理的基本流程圖

大數據關鍵技術：

1.  大數據採集

2.   大數據預處理

3.  大數據存儲及管理

4.   大數據安全技術

5.  大數據分析與挖掘

6.   大數據展現與應用

二、大數據營銷概論

Target 百貨客戶懷孕預測案例

大數據營銷的特點：

1.   多樣化、平台化數據採集： 多平台包括互聯網、移動互聯網、廣電網、智能電視等

2.   強調時效性： 在網民需求點最高時及時進行營銷

3.   個性化營銷： 廣告理念已從媒體導向轉為受眾導向

4.   性價比高： 讓廣告可根據時效性的效果反饋，進行調整

5.   關聯性： 網民關注的廣告與廣告之間的關聯性

大數據運營方式：

1.   基礎運營方式

2.   數據租賃運營方式

3.   數據購買運營方式

大數據營銷的應用

1.   價格策略和優化定價

2.   客戶分析

3.   提升客戶關系管理

4.   客戶相應能力和洞察力

5. 智能嵌入的情景營銷

6.   長期的營銷戰略

三、產品預測與規劃

整體產品概念與整體產品五層次

整體產品概念： 狹義的產品： 具有某種特定物質形態和用途的物體。

產品整體概念（廣義）：向市場提供的能夠滿足人們某種需要的

                      一切物品和服務。

整體產品包含：有形產品和無形的服務                          

整體產品五層次：潛在產品、延伸產品、期望產品、形式產品、核心產品

 

大數據新產品開發模型：

1.   需求信息收集及新產品立項階段

2.  新產品設計及生產調試階段

3.  小規模試銷及反饋修改階段

4.   新產品量產上市及評估階段

產品生命周期模型

傳統產品生命周期劃分法：

（1）銷售增長率分析法

  銷售增長率=（當年銷售額-上年銷售額）/上年銷售額×100%

銷售增長率小於10%且不穩定時為導入期；

銷售增長率大於10%時為成長期；

銷售增長率小於10%且穩定時為成熟期；

銷售增長率小於0時為衰退期。

（2）產品普及率分析法

    產品普及率小於5%時為投入期；

    普及率在5%—50%時為成長期；

    普及率在50%—90%時為成熟期；

    普及率在90%以上時為衰退期。

大數據對產品組合進行動態優化

產品組合

       銷售對象、銷售渠道等方面比較接近的一系列產品項目被稱為產品線。產品組合是指一個企業所經營的不同產品線和產品項目的組合方式，它可以通過寬度、長度、深度和關聯度四個維度反映出來

四、產品定價與策略

大數據定價的基本步驟：

1.   獲取大數據

2.   選擇定價方法

3.   分析影響定價因素的主要指標

4.  建立指標體系表

5.   構建定價模型

6.  選擇定價策略

定價的3C模式：成本導向法、競爭導向法、需求導向法

影響定價的主要指標與指標體系表的建立

影響定價因素的主要指標：

1.  個人統計信息：家庭出生、教育背景、所在地區、年齡、感情狀況、家庭關系等。

2.   工作狀況：行業、崗位、收入水平、發展空間等

3.  興趣：健身與養生、運動和戶外活動、娛樂、科技、購物和時尚等

4. 消費行為：消費心理、購買動機等。

定價策略：

精算定價： 保險、期貨等對風險計算要求很高的行業

差異定價： 平台利用大數據對客戶建立標簽，分析對產品的使用習慣、需求判斷客戶的忠誠度，對不同客戶進行差別定價

動態定價： 即根據顧客認可的產品、服務的價值或者根據供需狀況動態調整服務價格，通過價格控制供需關系。動態定價在提高消費者價格感知和企業盈利能力方面起著至關重要的作用。

價格自動化 ：根據商品成本、市場供需情況、競爭產品價格變動、促銷活動、市場調查投票、網上協商、預訂周期長短等因素決定自身產品價格

用戶感知定價 ：顧客所能感知到的利益與其在獲取產品或服務中所付出的成本進行權衡後對產品或服務效用所做出的整體評價。

協同定價： 是大數據時代企業雙邊平台多邊協同定價策略

價格歧視：

一級 ：就是每一單位產品都有不同的價格，即商家完全掌握消費者的消費意願，對每個消費者將商品價格定為其能夠承受的最高出價；

二級 ：商家按照客戶的購買數量，對相同場景提供的、同質商品進行差別定價；

三級 ：可視為市場細分後的定價結果，根據客戶所處的地域、會員等級等個人屬性進行差別定價，但是對於同一細分市場的客戶定價一致。

五、銷售促進與管理

    促銷組合設計概念

大數據促銷組合設計流程

精準廣告設計與投放

[if !supportLists]l [endif] 廣告設計5M：任務（Mission），預算（Money），信息（Message），媒體（Media），測量（Measurement）。

通過用戶畫像的進一步挖掘分析，企業可以找出其目標消費群體的廣告偏好，如平面廣告的配色偏好，構圖偏好，視頻廣告的情節偏好，配樂偏好，人物偏好等，企業可以根據這些偏好設計出符合目標消費群體審美的廣告創意，選擇消費者喜歡的廣告代言人，做出能在目標消費群體中迅速傳播開來的廣告。

在媒體決策方面，利用大數據綜合考慮其廣告目的、目標受眾覆蓋率、廣告信息傳播要求、購買決策的時間和地點、媒體成本等因素後，有重點地採用媒體工具。企業可以在確定前述影響變數後，通過大數據的決策模型，確定相對最優的媒體組合。

六、客戶管理

    大數據在客戶管理中的作用

1.   增強客戶粘性

2.   挖掘潛在客戶

3.   建立客戶分類

    客戶管理中數據的分類、收集及清洗

數據分類：

描述性數據： 這類數據是客戶的基本信息。

如果是個人客戶，涵蓋了客戶的姓名、年齡、地域分布、婚姻狀況、學歷、所在行業、職業角色、職位層級、收入水平、住房情況、購車情況等；

如果是企業客戶，則包含了企業的名稱、規模、聯系人和法人代表等。

促銷性數據： 企業曾經為客戶提供的產品和服務的歷史數據。

包括：用戶產品使用情況調查的數據、促銷活動記錄數據、客服人員的建議數據和廣告數據等

交易性數據： 這類數據是反映客戶對企業做出的回饋的數據。

包括歷史購買記錄數據、投訴數據、請求提供咨詢及其他服務的相關數據、客戶建議數據等。

收集：

清洗：

首先，數據營銷人需要憑借經驗對收集的客戶質量進行評估

其次，通過相關欄位的對比了解數據真實度

最後，通過測試工具對已經確認格式和邏輯正確數據進行測試

客戶分層模型

客戶分層模型 是大數據在客戶管理中最常見的分析模型之一，客戶分層與大數據運營的本質是密切相關的。在客戶管理中，出於一對一的精準營銷要求針對不同層級的客戶進行區別對待，而客戶分層則是區別對待的基礎。

RFM客戶價值分析模型

時間（Rencency）：

     客戶離現在上一次的購買時間。

頻率（Frequency）：

     客戶在一定時間段內的消費次數。

貨幣價值（MonetaryValue）：

    客戶在一定的時間內購買企業產品的金額。

七、 跨界營銷

利用大數據跨界營銷成功的關鍵點

1.   價值落地

2.  杠杠傳播

3.   深度融合

4.   數據打通

八、精準營銷

    精準營銷的四大特點

1.   可量化

2.   可調控

3.  保持企業和客戶的互動溝通

4.  簡化過程

精準營銷的步驟

1.  確定目標

2.  搜集數據

3.   分析與建模

4.  制定戰略

九、商品關聯營銷

       商品關聯營銷的概念及應用

關聯營銷：

關聯營銷是一種建立在雙方互利互益的基礎上的營銷，在交叉營銷的基礎上，將事物、產品、品牌等所要營銷的東西上尋找關聯性，來實現深層次的多面引導。

關聯營銷也是一種新的、低成本的、企業在網站上用來提高收入的營銷方法。

       關聯分析的概念與定義

最早的關聯分析概念： 是1993年由Agrawal、Imielinski和Swami提出的。其主要研究目的是分析超市顧客購買行為的規律，發現連帶購買商品，為制定合理的方便顧客選取的貨架擺放方案提供依據。該分析稱為購物籃分析。

電子商務領域： 關聯分析可幫助經營者發現顧客的消費偏好，定位顧客消費需求，制定合理的交叉銷售方案， 實現商品的精準推薦 ；

保險公司業務： 關聯分析可幫助企業分析保險索賠的原因，及時甄別欺詐行為；

電信行業： 關聯分析可幫助企業發現不同增值業務間的關聯性及對客戶流失的影響等

簡單關聯規則及其表達式

事務：簡單關聯分析的分析對象

項目：事務中涉及的對象

項集：若干個項目的集合

簡單關聯規則 的一般表示形式是：前項→後項（支持度＝s％，置信度＝c％）

或表達為：X→Y（S＝s％，C＝c％）

例如：麵包->牛奶(S=85%,C=90%)

            性別（女）∩收入（＞5000元）→品牌（A）（S＝80％，C＝85％）

支持度、置信度、頻繁項集、強關聯規則、購物籃分析模型

置信度和支持度

support(X→Y)= P(X∩Y)                  

confidence(X→Y)= P(Y|X)

十、評論文本數據的情感分析

       商品品論文本數據挖掘目標

電商平台激烈競爭的大背景下，除了提高商品質量、壓低商品價格外，了解更多消費者的心聲對於電商平台來說也變得越來越有必要，其中非常重要的方式就是對消費者的文本評論數據進行內在信息的數據挖掘分析。評論信息中蘊含著消費者對特定產品和服務的主觀感受，反映了人們的態度、立場和意見，具有非常寶貴的研究價值。

針對電子商務平台上的商品評論進行文本數據挖掘的目標一般如下：

分析商品的用戶情感傾向，了解用戶的需求、意見、購買原因；

從評論文本中挖掘商品的優點與不足，提出改善產品的建議；

提煉不同品牌的商品賣點。

商品評論文本分析的步驟和流程

商品評論文本的數據採集、預處理與模型構建

數據採集：

1、「易用型」：八爪魚、火車採集器

2、利用R語言、Python語言的強大程序編寫來抓取數據

預處理：

1文本去重

檢查是否是默認文本

是否是評論人重復復制黏貼的內容

是否引用了其他人的評論

2機械壓縮去詞

例如： 「好好好好好好好好好好」->「好」

3短句刪除

原本過短的評論文本      例如：很「好好好好好好好好好好」->「好」

機械壓縮去詞後過短的評論文本   例如：「好好好好好好好好好好」->「好」

4評論分詞

文本模型構建包括三方面：情感傾向分析、語義網路分析、基於LDA模型的主體分析

 

情感傾向分析：

基於情感詞進行情感匹配

對情感詞的傾向進行修正

對情感分析結果進行檢驗

語義網路分析：

基於LDA模型的主體分析

十一、大數據營銷中的倫理與責任

       大數據的安全與隱私保護

數據安全：一是保證用戶的數據不損壞、不丟失；二是要保證數據不會被泄露或者盜用

 

大數據營銷中的倫理風險：用戶隱私、信息不對稱下的消費者弱勢群體、大數據「殺熟」

大數據倫理困境的成因：

用戶隱私意識淡薄

用戶未能清晰認知數據價值

企業利益驅使

] 管理機制不夠完善

大數據倫理構建的必要性：企業社會責任、用戶與社會群體的維系

這些是我按照老師講的課本上的內容結合PPT總結出來的《大數據營銷》的重點。

⑻ 大數據與隱私安全並非矛盾體

大數據與隱私安全並非矛盾體
大數據的發展，帶來的社會價值和商業價值是不言而喻的，因此同時，隱私安全問題也為很多人所詬病，然而大數據與隱私安全真的是一對矛盾統一體嗎？其實並非如此，這兩者是完全可以兼容的。
有一個經典案例被從事大數據的人常常提到。
一位生活在美國的父親怒氣沖沖地跑到一家超市與經理大吵，原因是只有15歲的女兒購物後，回家發現商品中被加入了很多針對嬰兒孕婦商品的廣告。
兩周後，父親向經理道歉，這時他才知道自己女兒已經懷孕近兩個月，父女都不知道，可是數據分析公司已經根據她女兒近期的網路數據預測到，接著把數據推送給超市，告訴他們可能有一個已經懷孕的顧客正在購物。
還有一個離我們比較近的例子。華東師大數據中心的預警系統模塊之一，餐飲預警系統可以對學生的餐飲消費數據進行統計分析，發現低於警戒值就會發出簡訊慰問，確定學生是否有經濟困難。
這就是大數據洞察人的方式。在體會到大數據神奇力量的同時，也讓很多人對自身數據安全而擔憂。
大量數據的匯集不可避免地加大了用戶隱私泄露的風險。一方面，數據集中存儲增加了泄露風險，也成為人身安全的一部分；另一方面，一些敏感數據的所有權和使用權並沒有明確界定，很多基於大數據的分析都未考慮到其中涉及的個體隱私問題。
對一般用戶的擔憂，普通用戶如果要真正融入大數據時代，享受個性化專屬信息服務，不得不犧牲一部分個人隱私。
政府和業界需要做的，是設計非常苛刻嚴格的法律條例和行業規則，全力打擊那些除了提供非侵入性的或用戶同意的服務外，以傷害用戶的方式利用用戶隱私牟利的企業。通過提高對侵害用戶隱私行為的懲罰力度，使得這種行為本身變得得不償失，這才是根本保護治理數據安全的辦法。
大數據對技術和應用所帶來的挑戰是全方位的。數據資產化後，數據監護將成為一個新的核心問題，是對數據的產生、收集、保存、維護、處理、利用的整個生命周期的管理。