『壹』 大數據時代 挖掘出女性網民的深層次需求
大數據時代 挖掘出女性網民的深層次需求
在女性經濟的發展中.女性網站的成功，並不單純取決於某一個環節的勝算，而是取決於整體營銷的最終結果。女性網站未來發展的著力點，在於通過明確的目標用戶定位與適切的產品、服務定位，採取行之有效的營銷策略。對電子商務網站微博粉絲的分析結果，可以從一個側面證明這一點:
如今，電商們都在努力提高女性用戶比例，瞄準女人的錢包。唯品會、聚美優品等電商新秀，更是千方百計利用女性消費者的力量。專門以超低折扣銷售名牌服飾的唯品會，女性客戶群佔75%.並帶來90%的收入:聚美優品銷售打折化妝品，毛利率高達41%.
過去，了解一個特定用戶群體的需求，只能通過直覺觀察，或者採用抽樣調研、訪談等方式。進入互聯網時代，了解用戶需求則有了新的選擇。相比傳統行業，互聯網的優勢在於它是數據驅動的，通過將一切靜態信息、動態過程電子數據化，除了可以永久保存之外，還可以挖掘出全新的價值。在女性經濟的發展中，網路、阿里、騰訊等公司均擁有海量大數據，可通過用戶搜索行為、個人資料和購買行為等相關信息來了解誰是女性用戶、女性消費者在想什麼、關注什麼，她們如何進行消費決策等，並基於這些大數據進行精準營銷或其他大數據應用。
目前，在「收集數據一挖掘價值一響應動作」的大數據三步曲中，大多數IT企業尚停留在第一步，還有一些企業雖然能夠挖掘出價值但卻難以做出影響用戶的動作，只有「BAT"，即網路、阿里、騰訊可以進行第三步，包括進行精準廣告投放，或者產出詳實的數據報告與相關企業共享等。在女性經濟方面，這樣的三步曲可幫助所有企業理解女性不斷變化的需求，進而精準提供及時而個性化的產品與服務。
以上是小編為大家分享的關於大數據時代 挖掘出女性網民的深層次需求的相關內容，更多信息可以關注環球青藤分享更多干貨
『貳』 大數據分析中，有哪些常見的大數據分析模型
很多朋友還沒有接觸過大數據分析方案，認為其僅僅算是個願景而非現實——畢竟能夠證明其可行性與實際效果的案例確實相對有限。但可以肯定的是，實時數據流中包含著大量重要價值，足以幫助企業及人員在未來的工作中達成更為理想的結果。那麼，那些領域需要實時的數據分析呢？
1、醫療衛生與生命科學
2、保險業
3、電信運營商
4、能源行業
5、電子商務
6、運輸行業
7、投機市場
8、執法領域
9、技術領域
常見數據分析模型有哪些呢？
1、行為事件分析：行為事件分析法具有強大的篩選、分組和聚合能力，邏輯清晰且使用簡單，已被廣泛應用。
2、漏斗分析模型：漏斗分析是一套流程分析，它能夠科學反映用戶行為狀態以及從起點到終點各階段用戶轉化率情況的重要分析模型。
3、留存分析模型留存分析是一種用來分析用戶參與情況/活躍程度的分析模型，考察進行初始化行為的用戶中，有多少人會進行後續行為。這是用來衡量產品對用戶價值高低的重要方法。
4、分布分析模型分布分析是用戶在特定指標下的頻次、總額等的歸類展現。
5、點擊分析模型即應用一種特殊亮度的顏色形式，顯示頁面或頁面組區域中不同元素點點擊密度的圖標。
6、用戶行為路徑分析模型用戶路徑分析，顧名思義，用戶在APP或網站中的訪問行為路徑。為了衡量網站優化的效果或營銷推廣的效果，以及了解用戶行為偏好，時常要對訪問路徑的轉換數據進行分析。
7、用戶分群分析模型用戶分群即用戶信息標簽化，通過用戶的歷史行為路徑、行為特徵、偏好等屬性，將具有相同屬性的用戶劃分為一個群體，並進行後續分析。
8、屬性分析模型根據用戶自身屬性對用戶進行分類與統計分析，比如查看用戶數量在注冊時間上的變化趨勢、省份等分布情況。
模型再多，選擇一種適合自己的就行，如何利益最大化才是我們追求的目標
『叄』 如何利用大數據進行用戶需求分析
1.可視化分析
大數據分析的使用者有大數據分析專家，同時還有普通用戶，但是他們二者對於大數據分析最基本的要求就是可視化分析，因為可視化分析能夠直觀的呈現大數據特點，同時能夠非常容易被讀者所接受，就如同看圖說話一樣簡單明了。
2. 數據挖掘演算法
大數據分析的理論核心就是數據挖掘演算法，各種數據挖掘的演算法基於不同的數據類型和格式才能更加科學的呈現出數據本身具備的特點，也正是因為這些被全世界統
計
學家所公認的各種統計方法（可以稱之為真理）才能深入數據內部，挖掘出公認的價值。另外一個方面也是因為有這些數據挖掘的演算法才能更快速的處理大數據，如
果一個演算法得花上好幾年才能得出結論，那大數據的價值也就無從說起了。
3. 預測性分析
大數據分析最終要的應用領域之一就是預測性分析，從大數據中挖掘出特點，通過科學的建立模型，之後便可以通過模型帶入新的數據，從而預測未來的數據。
4. 語義引擎
非結構化數據的多元化給數據分析帶來新的挑戰，我們需要一套工具系統的去分析，提煉數據。語義引擎需要設計到有足夠的人工智慧以足以從數據中主動地提取信息。
5.數據質量和數據管理。 大數據分析離不開數據質量和數據管理，高質量的數據和有效的數據管理，無論是在學術研究還是在商業應用領域，都能夠保證分析結果的真實和有價值。
大數據分析的基礎就是以上五個方面，當然更加深入大數據分析的話，還有很多很多更加有特點的、更加深入的、更加專業的大數據分析方法。
大數據的技術
數據採集： ETL工具負責將分布的、異構數據源中的數據如關系數據、平面數據文件等抽取到臨時中間層後進行清洗、轉換、集成，最後載入到數據倉庫或數據集市中，成為聯機分析處理、數據挖掘的基礎。
數據存取： 關系資料庫、NOSQL、SQL等。
基礎架構： 雲存儲、分布式文件存儲等。
數
據處理： 自然語言處理(NLP，Natural Language
Processing)是研究人與計算機交互的語言問題的一門學科。處理自然語言的關鍵是要讓計算機地理解地自然語言，所以自然語言處理又叫做自然語言理
解也稱為計算語言學。一方面它是語言信息處理的一個分支，另一方面它是人工智慧的核心課題之一。
統計分析：
假設檢驗、顯著性檢驗、差異分析、相關分析、T檢驗、 方差分析 、
卡方分析、偏相關分析、距離分析、回歸分析、簡單回歸分析、多元回歸分析、逐步回歸、回歸預測與殘差分析、嶺回歸、logistic回歸分析、曲線估計、
因子分析、聚類分析、主成分分析、因子分析、快速聚類法與聚類法、判別分析、對應分析、多元對應分析（最優尺度分析）、bootstrap技術等等。
數
據挖掘： 分類
（Classification）、估計（Estimation）、預測（Prediction）、相關性分組或關聯規則（Affinity
grouping or association rules）、聚類（Clustering）、描述和可視化、Description and
Visualization）、復雜數據類型挖掘(Text, Web ,圖形圖像，視頻，音頻等)
模型預測 ：預測模型、機器學習、建模模擬。
結果呈現： 雲計算、標簽雲、關系圖等。
大數據的處理
1. 大數據處理之一：採集
大
數據的採集是指利用多個資料庫來接收發自客戶端（Web、App或者感測器形式等）的
數據，並且用戶可以通過這些資料庫來進行簡單的查詢和處理工作。比如，電商會使用傳統的關系型資料庫MySQL和Oracle等來存儲每一筆事務數據，除
此之外，Redis和MongoDB這樣的NoSQL資料庫也常用於數據的採集。
在大數據的採集過程中，其主要特點和挑戰是並發數高，因為同時
有可能會有成千上萬的用戶
來進行訪問和操作，比如火車票售票網站和淘寶，它們並發的訪問量在峰值時達到上百萬，所以需要在採集端部署大量資料庫才能支撐。並且如何在這些資料庫之間
進行負載均衡和分片的確是需要深入的思考和設計。
2. 大數據處理之二：導入/預處理
雖然採集端本身會有很多資料庫，但是如果要對這些
海量數據進行有效的分析，還是應該將這
些來自前端的數據導入到一個集中的大型分布式資料庫，或者分布式存儲集群，並且可以在導入基礎上做一些簡單的清洗和預處理工作。也有一些用戶會在導入時使
用來自Twitter的Storm來對數據進行流式計算，來滿足部分業務的實時計算需求。
導入與預處理過程的特點和挑戰主要是導入的數據量大，每秒鍾的導入量經常會達到百兆，甚至千兆級別。
3. 大數據處理之三：統計/分析
統
計與分析主要利用分布式資料庫，或者分布式計算集群來對存儲於其內的海量數據進行普通
的分析和分類匯總等，以滿足大多數常見的分析需求，在這方面，一些實時性需求會用到EMC的GreenPlum、Oracle的Exadata，以及基於
MySQL的列式存儲Infobright等，而一些批處理，或者基於半結構化數據的需求可以使用Hadoop。
統計與分析這部分的主要特點和挑戰是分析涉及的數據量大，其對系統資源，特別是I/O會有極大的佔用。
4. 大數據處理之四：挖掘
與
前面統計和分析過程不同的是，數據挖掘一般沒有什麼預先設定好的主題，主要是在現有數
據上面進行基於各種演算法的計算，從而起到預測（Predict）的效果，從而實現一些高級別數據分析的需求。比較典型演算法有用於聚類的Kmeans、用於
統計學習的SVM和用於分類的NaiveBayes，主要使用的工具有Hadoop的Mahout等。該過程的特點和挑戰主要是用於挖掘的演算法很復雜，並
且計算涉及的數據量和計算量都很大，常用數據挖掘演算法都以單線程為主。
整個大數據處理的普遍流程至少應該滿足這四個方面的步驟，才能算得上是一個比較完整的大數據處理。
『肆』 《決戰大數據：駕馭未來商業的利器》讀後感
作者簡介：車品覺，前阿里巴巴集團副總裁、首任阿里巴巴數據委員會會長。現任紅杉資本中國基金任專家合夥人。是國內大數據、數據決策與分析領域的傑出人才。
數據分析的兩大主要作用：要麼驗證某個想法，要麼探索未來
《決戰大數據：駕馭未來商業的利器》是品覺老師10年數據修行的經驗分享，對於企業決策或者產品經理分析用戶，提煉需求都非常有啟發，以下為截取部分精華內容並結合自己的學習體會。
1.數據的本質是還原用戶的真實需求
數據記錄了用戶在什麼時間，訪問了產品的哪個功能，訪問路徑是什麼，停留時間是多久，最後離開是什麼時間，最終是否有提交訂單等。將這些數據串起來則可以還原用戶當時的場景，剖析出用戶的真實需求。此時，產品需要思考當前的產品是否滿足了用戶的需求，若是沒有，如何改善。
2.活做數據，抓住數據的相關性
「活」做數據收集，從相關聯的行業和業務中去收集能夠為現在所用的數據。如，負責特價酒店的產品，可以收集這批用戶在火車票、特價機票及門票等相關業務，從而獲得不一樣的啟發。
3.數據分類，找到核心數據
不同的數據含金量不同，即使同樣數據在不同的場景體現出不同的價值，具體分類可以參考以下：
（1）不可再生和可再生；
（2）基礎、中間層和應用層
（3）按數據業務歸屬，分為各個數據主體
（4）隱私數據和非隱私數據
3.個人數據管理
（1）收集有效的數據源，並按重要性和時間長短進行分類；
（2）關鍵詞標簽是對數據收集後重要的整理
a越有效的標簽就越能快速地調取數據
b注意知識范疇的培養
c 場景的標簽，分為公司與人物，再加上世家
由時間鏈、共識面（公司、人物、來源）、知識體系（標簽）和格式（內容）所構成的一張知識圖譜是解碼決策分析的依據。
以上，是對《決戰大數據：駕馭未來商業的利器》簡單的介紹，本書可以作為數據人入門讀物，特別是其中關於數據收集（數據源）和數據整理（標簽，構建知識圖譜）具有很好的指導。
『伍』 大數據發展方向在於用戶的需求和期望
大數據發展方向在於用戶的需求和期望
大數據技術的主要任務是從內部和外部數據源中找出所需的數據，並對這些數據進行高效快捷的評估，最終提供決策支撐。全球對大數據技術和服務的投資在增長，目前，大數據在美國最為發達，包括德國在內的歐洲地區在這一領域稍顯落後。不過，現在業內人士已經注意到了這一趨勢，各個企業中的IT部門正在感受到發展的壓力。
期望和前提
數據評估和報告在大多數企業中早已不是新鮮事物，只是如今舊的數據評估和報告工具已經無法滿足新的需求：現在的專業人士要求盡量實現數據實時分析，目前的基礎設施、數據結構、解決工具以及商業模式根本無法保質保量地完成這個要求。企業現在面臨兩個選擇：對現有技術進行擴展，或者實現技術升級。大數據技術就是比較理想的新技術。
討論熱點
過去幾年，大數據討論中比較熱的話題是技術問題和數據組織問題。經過幾年的發展，人們對這些問題的理解有了深入發展，又開啟了新的討論話題。現在，專業人士討論的焦點問題是工作量優化，未來關於工作量和新的商業模式的討論還會更多。2011年和2012年大數據的項目比較少，主要以測試安裝為主。預測，今年和明年這一領域會出現大幅增長。對於企業來說，大數據技術既是挑戰，也是機遇。
戰略和解決方案
所以，大數據勢必成為ICT（,信息通信技術）戰略的一部分。數據訪問和融合也變得越來越重要。2013年和2014年人們關注的熱點將從技術轉移到信息查找和知識獲取。「軟體定義」（Softwaredefined）、融合技術、開源軟體及平台是大數據基礎設施建設中最核心的問題。其中，開源軟體與平台還需要經過一個商業適應的過程。許多企業把投資重點放在機器生成數據的實時分析上，因為這可以加快企業的發展。終端用戶希望解決方案可以簡單易操作。要實現應用程序和移動解決方案的可視化和直觀互動，就要實現大數據的「消費化」.因此，由於缺乏大數據分析的方法和技術，許多企業將使用「現成的」解決方案。
市場透明度還不夠
企業還有許多待解答的問題。對於許多IT負責人來說，可衡量的商業收益、數據安全、數據法律以及可使用數據的准確定義這些問題都不夠透明。對於企業來說，數據正在加速成為運作資源和生產要素。要實現從技術到信息和知識獲取的轉變、使用開放源、進行實時分析，企業就要對技能、解決方案和服務投資。許多企業對這一領域了解不多，需要有人為他們解釋技術、組織、法律以及文化方面的問題。
總的來說，企業在獲取大數據技術和分析方面的信息以及咨詢需求都非常大。對於這一領域的ICT供應商和服務商來說，這是一個絕好的發展壯大的機會。要制定正確的市場營銷策略，獲得漂亮的銷售成績，關鍵就在於了解用戶環境中IT和商業決策者的要求和期望。
『陸』 怎樣用大數據來挖掘用戶的痛點
大數據時代，採用大數據營銷方式是主導。CRM客戶關系管理系統是雲時代和大數據時代飛速發展的產物，CRM在企業的普遍應用，說明企業已經將其作為挖掘客戶需求的主要應用。
企業利用CRM挖掘用戶痛點的方式：
CRM場景化營銷
CRM在海量存儲客戶信息的基礎上，能夠深入對客戶數據進行分析、挖掘和總結，從而找出客戶的真正需求點，滿足客戶需求的同時，還能體現出高度的關懷，讓客戶體驗到企業對自己的高度重視，從而增加客戶對企業的依賴性。客戶資源在手，不愁業績不增長。
實現一對一營銷
一對一營銷意味著對每一位客戶的高度關注。只有長時間地對客戶進行追蹤、識別，記錄客戶的個性化需求，才能夠實現用個性化的產品滿足客戶的真正需要。而CRM的引進，正是幫助企業實現一對一營銷的思想與科技結合的好工具。使用CRM與客戶建立起一種新型的學習關系，通過與客戶的每次接觸更加了解客戶，並且可以及時記錄聯系既要，避免對客戶需求張冠李戴。
資料庫營銷進行戰略制定
引進CRM就相當於為企業引入了一個客戶資料庫，CRM具有的報表、銷售漏斗圖功能，能夠清晰地呈現出企業的所有客戶所處的金字塔位置，使得領導者一眼能夠明白，哪些客戶是企業的鑽石級客戶，需要投入更多的營銷資源，哪些客戶是普通客戶，不必投入太大的精力，以及哪些客戶是企業的負擔，可以丟棄。