㈠ 8个典型案例看懂零售巨头的“大数据”战略
8个典型案例看懂零售巨头的“大数据”战略_数据分析师考试
未来的零售分析要求零售商借助集成式业务流程和信息系统，为客户洞察提供支持，将客户洞察发展成一种企业级的战略能力，并根植于企业结构和企业文化中。在这种形势下，零售商的所有业务职能部门在制定决策时，将把基于情景的客户洞察作为一个重要依据。
分析公司 EKN 认为，为了真正实现以客户为中心，零售商需要具备多项关键能力，而这些能力均由业务分析驱动。
全渠道集成。如果缺乏相关客户洞察支持与客户的互动，零售商将无法实现跨渠道无缝客户体验。零售商与客户互动的联络点能为零售商提供丰富的客户数据，因此，所有联络点也成为了零售商的最佳竞争利器。
个性化互动。与网上零售商相比，实体零售商具有两大优势：能与客户进行个人接触，以及拥有更丰富的历史记录和更多样的客户数据。如今，“个性化”购物体验已成为人们津津乐道的话题，而如何巧妙地结合上述两大优势，即在行动中及时交付客户洞察，将成为零售商打造“个性化”购物体验的基础。
持续的卓越运营。客户洞察的应用并非仅局限于面向客户的使用案例。事实上，如果零售商已经能够在各个运营职能部门中更成熟地运用分析功能，那么集成客户洞察便是他们不容错过的增量机会。
零售商用例
销售
瑞士零售商 Globus 使用大数据内存计算和高级分析来获取宝贵的销售绩效洞察。目前，他们能够实时处理海量的产品数据，并在几分钟内分析不同时间范围、店铺和区域内数千种产品的销售模式与促销活动。该零售商还向其管理人员提供了这些洞察的访问权限，以便他们能够更迅速地响应市场状况。
美国零售商 Guess 使用高级分析向其高管提供畅销产品和可用库存的实时视图。该零售商的分析解决方案基于大型客户数据集，分析销售额、细分目标客户，并策划促销活动。
市场营销
沃尔玛的 Global.com 部门充分利用“快速的大数据”和社交分析，快速识别不断变化的客户喜好。该零售商的社交意识（Social Sense）项目能通过社交媒体确定商品的畅销程度，并帮助顾客发掘潜在需求和感兴趣的新产品。同时，借助 ShoppyCat 工具，他们可根据 Facebook 用户的爱好和兴趣，为这些用户推荐适合的产品。此外，Global.com 还使用社交基因组（Social Genome）技术，来帮助客户为朋友挑选礼物。
塔吉特（Target）百货公司利用预测分析程序，来推断个体消费者是否具备成为该公司特定营销活动优质客户的特质。他们给每位顾客分配了一个独一无二的客户识别号码。该号码将客户个人信息、购物行为和喜好整合到一个可跟踪的实体内。塔吉特还专门成立了一个客户营销分析部门，致力于全面了解客户，超越其他竞争对手，从而获得竞争优势。借助动态数据仓库（Active Data Warehouse），塔吉特可在整个企业的混合工作负载环境下，基于海量数据管理复杂的用户查询。
全渠道
英国零售商巴宝莉（Burberry）集成了旗下所有渠道，包括实体店、网上商店、移动终端以及各大社交网站。他们采用了创新技术和数据分析，用于分析来自所有数据源的数据，旨在实时识别个人客户并建立客户档案。相比过去，巴宝莉的分析速度提高了 14,000 倍，以前需要 5 个小时的请求，现在 1 秒就能完成。不论店员处于什么位置，他们都能在客户踏入店内时立即识别客户信息，了解他们过去的购买记录，并提供个性化建议。
韩国零售商 NS Shopping 将移动渠道和社交渠道集成到零售环境中，并利用大数据分析，实时、集中地获取所有渠道的客户和产品数据。而公司的电子商务团队和市场营销团队将利用这些数据，向顾客提供个性化的产品建议。
供应链
美国网上零售商亚马逊基于非平稳随机模型，构建了全新的供应链流程和系统。该方法能为订单履行、寻源、产能和库存决策提供鼎力支持。亚马逊不仅开发了联合和协调补货的新算法，还基于历史需求、活动记录和计划、各履行中心的预测结果、库存计划、采购周期以及采购订单，在 SKU 级别实施了全新的国家预测方案。
英国零售商乐购（Tesco）采用先进的建模工具，基于历史销售数据模拟配送仓库的运作，从而达到优化库存的目的。该零售商还组建了一个内部分析团队，该团队主要负责通过回归测试掌握各要素之间的关联，如天气数据、特价优惠，及销售模式等等。
以上是小编为大家分享的关于8个典型案例看懂零售巨头的“大数据”战略的相关内容，更多信息可以关注环球青藤分享更多干货
㈡ 大数据时代，企业数据蕴藏着的商业价值
如今大数据早已不再是什么新鲜词，它已经被大众熟悉，可以称作是移动互联时代流动的黄金。
据《大数据产业发展前景与投资战略规划分析报告》（前瞻产业研究院发布）数据统计显示，中国大数据产业在2017年达到4700亿元的规模，同比增长30%，预计到2020年，中国大数据市场产值将突破万亿。随着大数据市场的快速发展，企业决策人员越来越重视对大数据的利用，如何借助大数据让企业快速成长也成为了人们的关注重点。
大数据挖掘商业价值的方法主要分为四种：
客户群体细分 ，然后为每个群体量定制特别的服务。
模拟现实环境 ，发掘新的需求同时提高投资的回报率。
加强部门联系 ，提高整条管理链条和产业链条的效率。
降低服务成本 ，发现隐藏线索进行产品和服务的创新。
对于企业来说，100条理论确实不如一个成功的标杆有实践意义，从亚马逊、Facebook、谷歌、LinkedIn，到腾讯、阿里、网络，都因其拥有大量的用户注册和运营信息，成为天然的大数据公司。
如果全球哪家公司从大数据发掘出了最大价值，截至目前，答案可能非亚马逊莫属。
亚马逊也要处理海量数据，这些交易数据的直接价值更大。作为一家“信息公司”（而非国内许多电商自己定位的“零售公司”），亚马逊不仅从每个用户的购买行为中获得信息，还将每个用户在其网站上的所有行为都记录下来：页面停留时间、用户是否查看评论、每个搜索的关键词、浏览的商品等等。这种对数据价值的高度敏感和重视，以及强大的挖掘能力，使得亚马逊早已远远超出了它的传统运营方式。
亚马逊CTO Werner Vogels早期在CeBIT上关于大数据的演讲，向与会者描述了亚马逊在大数据时代的商业蓝图。
长期以来，亚马逊一直通过大数据分析，尝试定位客户和和获取客户反馈。“在此过程中，你会发现数据越大，结果越好。为什么有的企业在商业上不断犯错？那是因为他们没有足够的数据对运营和决策提供支持，”Vogels说， “一旦进入大数据的世界，企业的手中将握有无限可能。” 从支撑新兴技术企业的基础设施到消费内容的移动设备，亚马逊的触角已触及到更为广阔的领域。
推荐： 亚马逊的各个业务环节都离不开“数据驱动”的身影。在亚马逊上买过东西的朋友可能对它的推荐功能都很熟悉，“买过X商品的人，也同时买过Y商品”的推荐功能看上去很简单，却非常有效，同时这些精准推荐结果的得出过程也非常复杂。
预测： 用户需求预测（Demand Forecasting）是通过历史数据来预测用户未来的需求。对于书、手机、家电这些东西——亚马逊内部叫硬需求（Hard Line）的产品，你可以认为是“标品”（但也不一定）——预测是比较准的，甚至可以预测到相关产品属性的需求。但是对于服装这样软需求（Soft Line）产品，亚马逊干了十多年都没有办法预测得很好，因为这类东西受到的干扰因素太多了，比如：用户的对颜色款式的喜好，穿上去合不合身，爱人朋友喜不喜欢…… 这类东西太易变，买得人多反而会卖不好，所以需要更为复杂的预测模型。
测试： 你会认为亚马逊网站上的某段页面文字只是碰巧出现的吗？其实，亚马逊会在网站上持续不断地测试新的设计方案，从而找出转化率最高的方案。整个网站的布局、字体大小、颜色、按钮以及其他所有的设计，其实都是在多次审慎测试后的最优结果。
记录： 亚马逊的移动应用让用户有一个流畅的无处不在的体验的同时，也通过收集手机上的数据深入地了解了每个用户的喜好信息；更值得一提的是Kindle Fire，内嵌的Silk浏览器可以将用户的行为数据一一记录下来。
以数据为导向的方法并不仅限于以上领域。对于亚马逊来说，大数据意味着大销售量。数据显示出什么是有效的、什么是无效的，新的商业投资项目必须要有数据的支撑。 对数据的长期专注让亚马逊能够以更低的售价提供更好的服务。
还有一个很典型的案例，就是几年伴随社区营销火气来的小红书。
和其他电商平台不同，小红书是从社区起家 。2016年初，小红书将人工运营内容改成了机器分发的形式。通过大数据和人工智能，将社区中的内容精准匹配给对它感兴趣的用户，从而提升用户体验。
如今的小红书，已经不是简单的社交分享了，更多的是基于后台的大数据分析和智能推送，最终形成了良好的正向闭环反馈。
通过以上两个大数据服务案例，我们不难看出数据团队其实是一个独立性很强的团队，因为他们需要完成的事情很多，这其中包含从数据源开始到数据的输出。对研发而言，他们相当于纪检委，需要组织协调数据的周转，实现对数据的监控，同时也要配合研发完成一些数据聚合挖掘累开发。对业务而言，他们相当于研发，因为他们需要输出报表和相应的产品，所以如何构建一个高效的数据团队，对很多企业来说一直在探索，感觉隔雾看花，捉摸不清。
一个企业想要自主研发一个数据平台，创建一个数据分析团队，会是一个很庞大的工程量。企业数据的类型大致可分为三类：
传统企业数据： 包括CRM systems的消费者数据，传统的ERP数据，库存数据以及账目数据等。
机器和传感器数据： 包括呼叫记录，智能仪表，工业设备传感器，交易数据等。
社交数据： 包括用户行为记录，反馈数据等。如微博、微信这样的社交媒体平台。
从理论上来看，大部分企业都会从大数据的发展中受益。但由于数据缺乏以及从业人员本身的原因，对于中小型的初创企业来说，独自开发的成本太高了。而有财力的传统企业呢，也产生了大量的数据，但是数据源很乱，也没有统一的存储方式，更别说研发了。即使招人来做数据分析，也不知道从何下手。该怎么办呢？
其实，数据的价值就是从获取数据，存储，加工到挖掘分析，最终实现可视化，辅助商业决策。想真正去应用在企业的流程中，多少要依赖于专业的工具或平台，归云智能打造的大数据系统解决方案，可以帮助传统企业完成数据化，智能化的升级改造。帮助企业建立稳定高效的运营机制，推动企业实现降本增效和业务的高速发展。
通过新兴的智能技术，企业可以有新的视野，探索更宽广的商业模式，实现最大的商业价值。产品部署使用方便，中小企业可以使用归云智能提供的云服务，大型企业可以选择私有化部署到自己的服务器。 感兴趣的总们可以访问官网: http://www.guiyum.com ，了解详情。
㈢ 亚马逊是如何成功的
亚马逊的营销策略主要有：
产品策略
亚马逊致力于成为全球最“以客户为中心”的公司。目前已成为全球商品种类最多的网上零售商。亚马逊和其他卖家提供数百万种独特的全新、翻新及二手商品，类别包括图书、影视、音乐和游戏、数码下载、电子和电脑、家居和园艺用品、玩具、婴幼儿用品、杂货、服饰、鞋类、珠宝、健康和美容用品、体育、户外用品、工具、以及汽车和工业产品等。
同时，在各个页面中也很容易看到其他几个页面的内容和消息，它将其中不同的商品进行分类，并对不同的电子商品实行不同的营销对策和促销手段。
定价策略
亚马逊采用了折扣价格策略。所谓折扣策略是指企业为了刺激消费者增加购买，在商品原价格上给以一定的回扣。它通过扩大销量来弥补折扣费用和增加利润。亚马逊对大多数商品都给予了相当数量的回扣。例如，在音乐类商品中，承诺：“You’ll enjoy everyday savings of up to 40% on CDs， including up to 30% off Amazon ’s 100 best-selling CDs（对CD类给40%的折扣，其中包括对畅销CD的30%的回扣）。”
促销策略
常见的促销方式，也即企业和顾客以及公众沟通的工具主要有四种。它们分别是广告、人员推销、公共关系和营业推广。在亚马逊的网页中，除了人员推销外，其余部分都有体现。
亚马逊的享受并不一定在于是否有足够的钱来买想要的书，而在于挑选书的过程。手里捧着书，看着精美的封面，读着简介往往是购书的一大乐趣。在亚马逊的主页上，除了不能直接捧到书外，这种乐趣并不会减少。精美的多媒体图片，明了的内容简介和权威人士的书评都可以使人有身临其境的感觉。
主页上广告的位置也很合理，首先是当天的最佳书，而后是最近的畅销书介绍，还有读书俱乐部的推荐书，以及著名作者书籍等等。不仅在亚马逊的网页上有大量的多媒体广告，而且在其他相关网络站点上也经常可以看到它的广告。例如，在 Yahoo！上搜索书籍网站时就可以看到亚马逊的广告。
广告还有一大特点就在于其动态实时性。每天都更换的广告版面使得顾客能够了解到最新的出版物和最权威的评论。不但广告每天更换，还可以从 “Chech out the Amazon Hot 100. Updated hourly”中读到每小时都在更换的消息。
亚马逊千方百计地推销自己的网点，不断寻求合作伙伴（associate）。由于有许多合作伙伴和中间商，从而使得顾客进入其网点的方便程度和购物机会都大大增加，它甚至慷慨地做出了如下的承诺：只要你成为亚马逊的合作伙伴，那么由贵网点售出的书，不管是否达到一定的配额，亚马逊将支付给你15%的介绍费。
这是其他合作型伙伴关系中很少见的。亚马逊的合作伙伴已经有很多，从其网页上的下面这段话“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，我们可以得知：包括Yahoo！和Excie在内的五个最经常被访问的站点已经成为亚马逊的合作伙伴。
亚马逊专门设置了一个gift页面，为大人和小孩都准备了各式各样的礼物。这实际上是价值活动中促销策略的营业推广活动。它通过向各个年龄层的顾客提供购物券或者精美小礼品的方法吸引顾客长期购买本商店的商品。另外，亚马逊还为长期购买其商品的顾客给予优惠，这也是一种营业推广的措施。
亚马逊专门的礼品页面，为网上购物的顾客（包括大人和小孩）提供小礼品这既属于一种营业推广活动，也属于一种公共关系活动；再有，是做好企业和公众之间的信息沟通，它虚心听取、搜集各类公众以及有关中间商对本企业和其商品、服务的反映，并向他们和企业的内部职工提供企业的情况，经常沟通信息；公司还专门为首次上该网的顾客提供一个页面，为顾客提供各种网上使用办法的说明，帮助顾客尽快熟悉，这也是一种搞好公共关系的方法。
（4）亚马逊经常会免去一些客户的运费
当客户在大学校园或是满了一定金额的订单。
（5）亚马逊中国配有自己的配送中心，支持的付款方式多样，购买合格商品满99元即可享受免费配送服务
2012年6月18日，据国外媒体报道，福布斯专栏作家斯科特·拉尼（Scott Raney）和迈克尔·科恩（Michael Cohen）发表深度评论文章，文章中称云计算技术的兴起将极大改变企业软件领域的用户需求和市场格局。在思科、IBM、甲骨文等一些传统软件巨头正在研究这一市场时，微软、谷歌等大牌公司已经投入巨资，并开始争夺这一市场的主导地位了。
2012年12月，Web开发公司Synapse Studios的管理合作伙伴Chris Cardinal发现了一个漏洞，这显然对亚马逊的伤害比对其用户的伤害要大。 截止到周一，亚马逊媒体关系部门并未对此发出回应。在HTMList报道此事的Cardinal表示，他最近的经历证明，亚马逊需要提升其安全性。“显然，亚马逊并没有从实质上改进其身份验证协议。”
促销手段
开源节流：如前所述亚马逊盈利的秘诀在于给顾客提供的大额购买折扣及免费送货服务。然而此种促销策略也是一柄双刃剑：在增加销售的同时产生巨大的成本。如何消化由此而带来的成本呢？亚马逊的做法是在财务管理上不遗余力地削减成本：减少开支、裁减人员，使用先进便捷的订单处理系统降低错误率，整合送货和节约库存成本……通过降低物流成本，相当于以较少的促销成本获得更大的销售收益，再将之回馈于消费者，以此来争取更多的顾客，形成有效的良性循环。当然这对亚马逊的成本控制能力和物流系统都提出了很高的要求。
此外，亚马逊在节流的同时也积极寻找新的利润增长点，比如为其他商户在网上出售新旧商品和与众多商家合作，向亚马逊的客户出售这些商家的品牌产品，从中收取佣金。使亚马逊的客户可以一站式地购买众多商家的品牌，商品以及原有的书籍、音乐制品和其他产品，既向客户提供了更多的商品，又以其多样化选择和商品信息吸引众多消费者前来购物，同时自己又不增加额外的库存风险，可谓一举多得。这些有效的开源节流措施是亚马逊低价促销成功的重要保证。
㈣ 深扒大数据:关于用户隐私以及企业价值
深扒大数据:关于用户隐私以及企业价值
如今，业界和学术界一直在讨论一个词，那就是大数据。不管是学术圈还是IT圈，只要能谈论点儿大数据就显得很高大上。然而，大数据挖掘、大数据分析、大数据营销等等事情仅仅只是个开始，对大多数公司来说，大数据仍有很强的神秘色彩。于是，在我们还没有完全搞明白如何运用大数据进行挖掘时，各种过于神化大数据的舆论就已经不绝于耳了。当然，也有很多人直接批判大数据或大数据营销给我们造成的隐私威胁。也有很多人根本没有搞清楚什么是大数据，到底有什么价值。
于是，站在客观的角度，围绕下面几个问题与大家分享有关大数据的几个观点，也扒扒大数据的那些事儿：
1、大数据营销和个人隐私泄露究竟有无因果和逻辑关系？
2、大数据营销到底能带给企业什么样的价值？到底能带给用户什么价值？用户是否全盘否定或反感大数据营销？
3、如何正确看待大数据？如何看待大数据和传统调查方法或统计学的关系？
4、大数据营销究竟面临什么样的挑战？
一、大数据的迅猛发展与数据隐私的忧虑相伴而生
社交媒体的出现，让用户数据的分享数量达到了难以估量的程度。而如今，社交媒体的种类有增无减，智能手机的更大普及，又让更多用户转移到移动互联网，从而又进一步贡献更多数据和内容。这样的数据增量让全球社交媒体的收入大涨，仅根据咨询公司Gartner2012年的研究结果显示，2012年全球社交媒体收入估计达到169亿美元。
一边是社交媒体因为大数据的盆钵满载，另一方面则是用户不断毫无保留的将个人信息交给互联网，这些信息包括年龄、性别、地域、生活状态、态度、行踪、兴趣爱好、消费行为、健康状况甚至是性取向等。一时间，针对海量用户信息的大数据挖掘、大数据分析、大数据精准营销、广告精准投放等等迅速被各大公司提上日程。
比如，一个发生在美国的真实故事就会告诉我们，利用数据挖掘如何掌握我们的行踪。一个美国家庭收到了一家商场投送的关于孕妇用品的促销劵，促销劵很明显是给给家中那位16岁女孩的。女孩的父亲很生气，并找商场讨说法。但几天后，这位父亲发现，16岁的女儿真怀孕了。而商场之所以未卜先知，正是通过若干商品的大量消费数据来预估顾客的怀孕情况。
类似的大数据挖掘和营销事件在今天更多的发生，尤其是社交媒体产生大量数据后。于是，许多人对个人隐私数据开始担忧，开始批判大数据精准营销侵犯了个人隐私，忧虑我们进入了大数据失控的时代，并将原因更多归结于社交媒体。
二、大数据营销和个人隐私泄露之间不能完全划等号！逻辑关系不成立！
如果客观的分析一下上述问题就会发现，这是一个难以分说的鸡生蛋还是蛋生鸡的问题。一味地批判大数据分析对个人用户数据的泄露或滥用是不客观的。
因为，社交媒体的本质在于分享和传播，社交媒体的出现的确满足了人们分享个人信息、晒各种数据的欲望，让人们在过去无声无息的生活中突然转移到了可以让全世界看到自己的平台上来。人们从而达到了内心的满足感和存在感。因此，单从个体的背后心理来考虑，社交媒体对他们来说是有益的，他们不认为自己贡献的是不可告人的秘密，既然分享出来，那一定是希望或允许别人看到的。因此，这是一种无形的默许的交易，用户乐意把自己的各种琐碎细节暴露于社交媒体，而对社交媒体上杂乱无章的海量用户数据进行有序的分类和分析也没有什么不妥。
当然，如果社交媒体平台随意滥用或泄露用户的后台数据，比如个人联系方式、家庭住址、银行等极为隐秘的信息，这的确是赤裸的侵犯隐私的行为，极其没有道德，必须要受到谴责和法律制裁。
但目前，许多大数据精准营销的前提是对用户在互联网上留下的公开显在的信息进行算法归类和内容分析，从而对海量用户进行人群划分，或者对小众群体进一步细分化，甚至达到某种程度上针对单个人的个性化定制，最终达到精准推送广告或有针对性推出营销活动的目的。
所以，从这个角度来看，大数据精准营销与个人主动分享和传播到网络上的信息数据之间并没有矛盾。人们起初或许会惊讶：为什么他们知道我想买什么？为什么他们知道我的需求？但随着“猜透心思”的推送行为让人们的生活越来越便利时，比如省去大量搜索、查找和对比产品或服务的时间，他们可能会十分习惯并依赖这种精准性，并不会在意他们本来就随意分享到网络上的杂乱信息被如何挖掘和利用。
因此，用户发布和分享的信息是否为隐私，在用户分享信息之前就做过慎重考量和筛选。这一点非常重要，这是侵犯隐私与否的界限。那些被用户选择为不适合发布或不希望别人知道的信息就是用户认为的隐私，而那些已经公开发布到社交媒体或网络上的信息则被用户认为是可以传播的。
所以，普通的对海量公开信息的分析、挖掘、归类，从而进行精准营销的大数据行为不能一味被骂成是对用户利益的损害。而那些对用户存储在某些位置、不希望被他人了解的信息(私人存储的信息)如果被别有用心的人泄露或利用，那这就是隐私侵犯行为。但这就不能归罪于大数据，而应质问存贮平台的安全性问题。
因此，我们不能过分解读大数据精准营销。其实，问题的本质在于，人们是否真的在意杂乱信息的去向(涉及到分享信息的背后心理和动机)？以及大数据营销是否真的触碰了人们不可告人的秘密或底线(需要对秘密和底线重新定义)？因为，如果人们默认分享的都是公开的，那么侵犯隐私的概念就是不成立的。如果人们有不希望别人知道的信息，也不会贸然在网络上分享和传播。
三、大数据营销究竟会给企业和用户带来什么价值？
讨论完上面的问题之后，我们是否应该诚恳对待大数据精准营销这件事？那么大数据营销究竟对于企业和用户两方面来说，都有什么样的价值？
1、对于企业的价值
让我们先看一个国外案例：
我们都知道美剧《纸牌屋》，提到《纸牌屋》的成功，最大的功劳便是大数据分析。因此，《纸牌屋》几乎成了大数据营销的经典案例，也是美国Netflix公司基于用户信息挖掘来决定内容生产的成功尝试。
Netflix的订阅用户达到了3000万左右，而大多数用户的观影都与精准推荐系统有关。Netflix会定时收集并分析用户观看电影或电视剧的行为，比如根据用户对电影的评分、用户的分享行为、用户的观影记录等信息去分析用户的收看习惯，从而推断用户喜欢什么样的影视剧，喜欢什么样的风格，喜欢什么样的导演和演员。在此基础上利用算法对用户感兴趣的视频进行推荐排序，直到用户找到最喜欢的影视剧。《纸牌屋》的导演和主演就是Netflix挖掘用户信息后的预测出来的。
那我们再看一个国内案例：
我们都知道阿里巴巴和新浪微博合作的事情，阿里巴巴斥资5.86亿入股新浪微博。除了网络上各大媒体分析的，认为阿里巴巴希望打造生态圈、强化流量入口、挑战腾讯等等原因之外，还有一个重要原因或许就是大数据营销的战略。
如今各大互联网大佬都在跑马圈地，圈住用户，谁能圈住用户，让用户在其平台上活跃，谁就掌握了用户的大量信息(包括显在的前台信息和隐藏的后台信息)。新浪微博在中国有几亿用户，这个量十分庞大，但如果新浪不能把这些用户产生的信息合理的利用，那么这些资源就是巨大的浪费。我们再看阿里巴巴，中国最大电商平台，它有产品，但是却没有完整的用户日常生活行为信息，只有购买信息，但这些购买信息不足以了解人群特点和喜好。所以，只有跟新浪微博合作，掌握大量用户的行为信息，从而对其分类，找到不同人群甚至不同个体的喜好、偏好、兴趣、爱好、习惯、传播习惯、分享路径等等，那么就能实现精准营销，甚至还可以通过不同用户的信息传播规律，而制定产品的最佳品牌传播途径。这是一座巨大的金矿。
新浪微博和阿里巴巴合作后，微博上出现了一些产品推荐信息，同时新浪微博已经推出支付功能。可以想象：未来你在微博上看到相关推荐的产品，恰好是你喜欢的产品，那么你就可以直接在微博上实现支付和购买。从而新浪微博和阿里巴巴各取所需，共享收益。当然，这是我个人的观察和分析，不过阿里巴巴的大数据战略也很明显了。
2、对于用户的价值
上述两个例子说的都是大数据带给企业的价值，那么，大数据营销对于用户来说，到底有没有价值？用户是否十分反感精准营销？让我们再来看看一个新的调查数据：
中国传媒大学国家广告研究院刚刚发布一份《2014中美移动互联网发展报告》，这份调查报告对比了中美两国用户移动互联网的使用习惯，以及移动用户对于移动广告的态度。
调查显示，最可能得到智能终端用户回应的广告内容为：(1)与用户要购买物品相关的广告(2)与要购买物品相关的优惠券(3)搞笑的广告(4)与用户最喜爱品牌相关的广告(5)与用户在线上访问过网站或使用过的应用相关的广告(6)与最近线上购物相关的广告(7)与用户所在场所相关的广告(8)与最近收听、收看的广播/电视相关的广告。(占比>=20%)
从这些数据我们可以看出，在8个结果中，有6个都是跟大数据精准营销扯上关系的。比如，与用户要购买物品相关的广告，更能引起用户的回应或互动。如何理解？大数据营销的前提就是计算并推测用户的真实需求，看用户需要购买什么相关产品，然后给用户直接推送用户想要的、喜欢的，做到了精准到达。那么用户呢？用户乐意对这样的推动广告或产品做出回应，因为这些广告少了对用户的打扰，并且让用户费劲心思对对比或货比三家后才购买的决策过程降低，节省了时间，让用户直接找到内心真正所需的产品或服务。
所以，这样的结果就表明，大数据精准营销并不是完全都会让用户反感，而是看你猜透用户心思的程度。因此，如果你推送的内容和用户想要购买的物品相关，与用户最喜爱的品牌相关等等。那么这种精准挖掘并不会受到用户的反感，反而会给用户带来便利。
四、不要过分迷信大数据；大数据的实质究竟是什么？
看了上面的分析，或许你会认为大数据分析真是无所不能。但是，我们不能过分迷信大数据，于是接下来的问题就产生了。
1、大数据分析和传统统计学方法有什么样的关系？
大数据所遵从的是：以大量数据，甚至所有数据为基础，然后用算法去计算分析，从而更精准的找到各个因素之间的相关关系(不是因果关系)，以发现数据之间的规律。
那我们看看传统的统计学方法，统计分析学解决的就是如何通过选取少量的样本，通过对样本的分析，然后推断整体的趋势和规律。所以，用的是概率。一般会规定在90%、95%或98%的置信度(精确度)下最大程度推断总体。如果目的明确，样本选取得当，操作科学，那么不需要大量数据就能分析出规律，从而推断出总体的规律，并且可以发现不同因素之间的因果关系。比如，抽样方法确定后，就可以确定样本数量，如果抽样得当，那么样本的数量跟总体的数量之间没有太多直接关系。
举个不恰当的例子以供理解：假设选取1000个样本，推断的规律是A，选取2000个样本，同样呈现出A规律，选取3000也差不多这样。那么，我们实际上科学选取1000多个样本就可以达到目的了。所以，传统的抽样和统计方法，在最大程度上解决了成本问题，虽然会有误差，但仍可以发现的显在规律。
所以，从这个角度来说，大数据分析最终得到的结果很可能跟传统统计学方法分析的结果类似，只不过把原来的小样本变成了大样本分析。虽然大数据分析理论上是更精准，也可以弥补传统误差的缺陷，但准确度未必像我们想象的那样提高非常多(因为大数据分析会严重受到数据源的影响)。另外，也不一定能发现更多新规律。如果是这样的话，我们不禁要问，大数据究竟是为什么而存在？
另外，在传统的统计学分析当中，比如对市场情况的分析，我们要结合实际的环境和背景来解读数据和分析数据，我们并不把数据当成唯一的和万能的指引。所以，这里面就存在人根据经验和实际情况进行数据分析的过程，而人参与分析的能力是很重要的。
2、什么样的事情是大数据做不到的，而传统的调查分析方法却可以做到？
大数据营销的前提是大数据分析，而大数据分析是基于算法的，是计算机固化的模式。也就是说，原来由人对数据分析的那部分工作，现在我们把它约定到算法里了。并且，大数据精准营销是对用户产生的网络浏览数据、分享数据、搜索数据等等行为信息进行分析，从而对人群或事物进行分类，并由此推测人的偏好、兴趣等。
但是，偏好不等于真实需求，点击不代表一定喜欢。一个人今天在社交媒体上说：“这个产品不错”，就认为他一定喜欢或一定需要这个产品吗？
机器可以对行为分类，但却不能真正探测到人的心理和真实需求。那么，对于人的真实心理和需求的探测，我们如何做到？这时候，传统的市场调查和分析方法是不可取代的。比如，深度访谈法，比如焦点小组访谈法，投射法等等。这些方法都可以在最大程度上，从心理学的角度去分析和发现，人真正的欲望和本质需求。所以，今天很多大的广告公司、营销公司，他们仍然采用这样传统的方法去了解表面数据背后的故事和原因。而这些故事和原因，是算法目前没办法做到的，必须由人来完成。人和人的交流才能探测人的内心。
从这个角度来说，大数据并不是万能的，也不能被一味神话，我们必须清晰的认识到它的实质，它能用来干什么，不能用来干什么。我们可以这样理解：人对数据的计算和分析工作如今可能会被机器替代，但是，人的另一部分工作(探测人内心的能力)没办法被算法替代。
比如，前两年我曾报道过《写书都可以用算法实现自动化了，拿什么挽救出版》这样的新技术，据称目前亚马逊上大量图书都是被算法写出来的，算法会根据人写书的逻辑思路来组织语言。但是，这些书却不能弥补人类情感的缺失，不能表达出社会背景和作者所处环境带来的情感波动等等。
五、大数据分析或大数据营销面临的真正挑战是什么？
1、数据冗余问题，有没有必要用这么多数据？
数据源问题，数据质量有无保障，是否是真正所需？
大数据分析一直被人称颂的优点就是：海量数据的运用。但是，数据是不是越多越好？如何筛选这些数据？如何找到有价值和有用的数据？数据的庞大和冗余会对大数据分析造成什么样的影响？
对于大数据而言，巨量的数据来源是分析准确性的根本保证。但是，数据量大到一定程度后也面临着很大问题：想要保证准确度就变的困难了。这样就难以保障分析结果的准确性了。大数据分析和预测失败的例子也有很多。比如，最典型和著名的一个便是谷歌预测流感趋势失败的案例。
报道称，谷歌是基于搜索引擎数据进行的分析，其分析结果与美国疾病防控中心的监测数据相差近两倍。尽管谷歌不断调整算法，但仍不能保证结果的准确性。这就说明一个重要问题：数据源问题。谷歌是基于搜索引擎上的搜索词来分析的，许多搜索词都是无效的，没有任何意义的，所以它们不能真的代表流感趋势，但它们同样被计算在内。这就造成了结果的严重偏差。
所以，你弄到的这些数据，如何保障它们的确是你所需的？的确是重要的？如果数据源出现了严重偏差，那么你的分析再精准，那么也是徒劳。比如，你花费了大量精力去搜集互联网用户产生的日常分享信息，你对他们的所有信息都进行分析，结果预测出几种消费趋势。但是，这些分享信息中有大量冗余信息，数据精准度很差，许多都是跟消费没有关系的，那么这种分析结果很可能就是不准确的。你按照这种结果进行下一步营销战略当然可能是失败的。
2、大佬平台的游戏，普通企业难掌握大量数据；难检验可信性
各大互联网公司平台掌握着用户资源，用户产生的信息当然也被聚集在各平台内。但是，各家公司或平台的数据并不会完全向公众开放。我们只能通过某些工具抓取到网络上散落的信息，但不能准确掌握完整的有实际价值和意义的后台数据和信息。
而这些海量信息，对于像谷歌这样的大互联网公司来说，就是宝藏。大数据或许只是这些大佬平台的游戏，普通企业比较难参与进来。
并且，这些平台之间并不互通和开放，他们分析出来的数据结果得不到第三方的验证和检验，我们就无法知道他们大数据分析结果的有效性和可信性。当然，他们将这些数据分析用户自身产品开发和自身发展上还是很有价值的。所以，普通人或普通企业对于大数据的渴望或许是奢望。将来互联网大平台公司或许会售卖大数据分析的服务，这很有可能。并且，未来，个人数据管理领域的创新和创业将会增加，应用也会增多。
以上是小编为大家分享的关于深扒大数据:关于用户隐私以及企业价值的相关内容，更多信息可以关注环球青藤分享更多干货
㈤ 互联网公司是如何做大数据的
互联网公司是如何做大数据的
大数据”炙手可热，很多企业都不会错失机会，谷歌已经从一个网页索引发展成为一个实时数据中心枢纽，可以估量任何可以测量的数据，将输入的查询与所有可用数据相匹配，确定用户查找的信息;对脸谱网来说大数据就是“人”，公司也利用这一点在十几年之内成为世界上最大的公司之一。
亚马逊通过分析用户习惯，将用户与其他可能符合用户需求的产品和建议相匹配;领英帮助求职者根据自己的技能和经验来匹配空缺职位，帮助招聘人员找到与特定资料相匹配的人才，这些都是大数据应用的典型例子，但也只是其中一部分，越来越多的数据易获得，复杂工具也会随之涌现，大数据的利用可以改变我们个人生活和商业活动。
当下，每个人都听说过人们如何利用大数据治愈癌症、终结恐怖主义和养活饥饿人口来改变世界。
当然，也很明显，有些人正利用它来赚大钱——据估计，到2030年，世界经济将增加15万亿美元。
很多人可能会想“那太好了，但实际上和我没什么关系。”只有拥有数百万美元资产的大型科技公司才会真正受益。那你需要大量的数据才能开始一项新的研究吗?
其实并不是这样的。事实上，利用近年在数据收集、分析上的巨大突破，很容易改善我们的个人和商业生活。很多人先前可能没有认识到这点。
以下是大数据作为日常生活工具和服务的一部分的一些细节。
谷歌——语义分析与用户画像
尽管谷歌并没有把自己标榜成数据公司，但实际上它的确是数据宝库和处理问题的工具。它已经从一个网页索引发展成为一个实时数据中心枢纽，几乎可以估量任何可以测量的数据（比如：天气信息、旅行延迟、股票和股份、购物……以及其他很多事情）。
大数据分析——也就是说，当我们进行搜索时大数据就会起作用，可以使用工具来对数据分类和理解。谷歌计算程序运行复杂的算法，旨在将输入的查询与所有可用数据相匹配。它将尝试确定你是否正在寻找新闻、事实、人物或统计信息，并从适当的数据库中提取数据。
对于更复杂的操作，例如翻译，谷歌会调用其他基于大数据的内置算法。谷歌的翻译服务研究了数以百万计的翻译文本或演讲稿，旨在为顾客提供最准确的解释。
经常利用大数据分析的对象从最大的企业到单人乐队，当他们通过谷歌的Adwords进行广告宣传时就是对大数据的利用。通过分析我们浏览的网页(很明显能看出我们喜欢什么网页)，谷歌可以向我们展示我们可能感兴趣的产品和服务的广告。广告商使用Adwords和谷歌分析等其他服务，以吸引符合其客户资料的人员到其网站和商店时，广告商就利用了大数据分析。
脸谱网——图像识别与“人”的大数据
尽管脸谱网与谷歌在市场营销上差异巨大，但实际上它们的业务和数据模式非常相似。众所周知，两个公司都选择将自己的企业形象定位重点放在大数据方面。
对谷歌来说，大数据是在线信息、数据和事实。对脸谱网来说大数据就是“人”。脸谱网让我们与朋友和家人保持联系越来越方便，利用这个巨大的吸引力，该公司在十几年之内成为世界上最大的公司之一。这也意味着他们收集了大量的数据，同时我们也可以自己使用这些大数据。当我们搜索老朋友时，大数据就会发挥作用，将我们的搜索结果与我们最有可能联系的人进行匹配。
由脸谱网开创的先进技术包括图像识别——一种大数据技术，通过利用数百万种其他图像进行训练，能教会机器识别图片或视频中的主题或细节。在我们告诉它图片中的人是谁之前，机器可以通过标签来识别图片中的人。这也是为什么，当我们的朋友分享或给图片“点赞”时，如果它发现我们喜欢看例如婴儿或猫的图片，在我们的信息流中就会看到更多这种类型的图片。
对人们兴趣及其利益的详细了解也使脸谱网能够向任何企业出售极具针对性的广告。脸谱网可以帮助企业根据详细的人口统计数据和兴趣数据找到潜在客户，或者可以仅仅让他们通过查找与企业已有客户相似的其他客户来完成他们的大数据“魔术”。
亚马逊——基于大数据的推荐引擎
亚马逊作为世界上最大的在线商店，也是世界上最大的数据驱动型组织之一。亚马逊和本文提到的其他互联网巨头之间的差别很大程度上取决于市场营销。与谷歌和一样，亚马逊提供了广泛的在线服务，包括信息搜索、关注朋友和家人的账号以及广告，但其品牌建立在最初以购物闻名的服务上。
亚马逊将我们浏览和购买的产品与全球数百万其他客户进行比较。通过分析我们的习惯，可以将我们与其他可能符合我们需求的产品和建议相匹配。大数据技术在亚马逊的应用就是推荐引擎，而亚马逊是推荐引擎的鼻祖，其也是最复杂的。除了购物，亚马逊还让客户利用自己的平台赚钱。任何在自己的平台上建立交易的人都会受益于数据驱动的推荐，从理论上讲，这将吸引合适的客户来购买产品。
领英——被筛选过的精准大数据
如果你是一名雇主，或是正在找工作的人，领英会提供一些可以帮助你的大数据。
求职者可以根据自己的技能和经验来匹配空缺职位，甚至可以找到与公司其他员工以及其他可能竞争该职位的员工的数据。
对招聘人员来说，领英的大数据可以找到与特定资料相匹配的人才，例如现任员工或前雇员。
领英对其数据采取了“围墙的花园”方式（注：“围墙花园”是相对于“完全开放”的互联网，把用户限制在一个特定的范围内，允许用户访问指定的内容），当你选择在何处寻找和使用大数据时，这个不同之处值得考虑。领英的招聘人员和申请人的服务都是由公司内部和由服务本身控制的数据进行的，而谷歌是(在美国也提供招聘信息)从大量外部资源中获取收数据。领英的方法提供了潜在的更高质量的信息，而另一方面，它可能不全面。谷歌的方法提供了更大容量的数据，但这些数据可能是你想要的，也可能不是。
这些只是应用大数据的几种方式——远非资源丰富的公司和技术精英的工具，而是我们大部分人在日常生活中已经从中受益的东西。随着越来越多的数据变得容易获取，越来越复杂的工具涌现出来，从中获得价值，肯定会有更多的数据产生。