『壹』 大数据时代 挖掘出女性网民的深层次需求
大数据时代 挖掘出女性网民的深层次需求
在女性经济的发展中.女性网站的成功，并不单纯取决于某一个环节的胜算，而是取决于整体营销的最终结果。女性网站未来发展的着力点，在于通过明确的目标用户定位与适切的产品、服务定位，采取行之有效的营销策略。对电子商务网站微博粉丝的分析结果，可以从一个侧面证明这一点:
如今，电商们都在努力提高女性用户比例，瞄准女人的钱包。唯品会、聚美优品等电商新秀，更是千方百计利用女性消费者的力量。专门以超低折扣销售名牌服饰的唯品会，女性客户群占75%.并带来90%的收入:聚美优品销售打折化妆品，毛利率高达41%.
过去，了解一个特定用户群体的需求，只能通过直觉观察，或者采用抽样调研、访谈等方式。进入互联网时代，了解用户需求则有了新的选择。相比传统行业，互联网的优势在于它是数据驱动的，通过将一切静态信息、动态过程电子数据化，除了可以永久保存之外，还可以挖掘出全新的价值。在女性经济的发展中，网络、阿里、腾讯等公司均拥有海量大数据，可通过用户搜索行为、个人资料和购买行为等相关信息来了解谁是女性用户、女性消费者在想什么、关注什么，她们如何进行消费决策等，并基于这些大数据进行精准营销或其他大数据应用。
目前，在“收集数据一挖掘价值一响应动作”的大数据三步曲中，大多数IT企业尚停留在第一步，还有一些企业虽然能够挖掘出价值但却难以做出影响用户的动作，只有“BAT"，即网络、阿里、腾讯可以进行第三步，包括进行精准广告投放，或者产出详实的数据报告与相关企业共享等。在女性经济方面，这样的三步曲可帮助所有企业理解女性不断变化的需求，进而精准提供及时而个性化的产品与服务。
以上是小编为大家分享的关于大数据时代 挖掘出女性网民的深层次需求的相关内容，更多信息可以关注环球青藤分享更多干货
『贰』 大数据分析中，有哪些常见的大数据分析模型
很多朋友还没有接触过大数据分析方案，认为其仅仅算是个愿景而非现实——毕竟能够证明其可行性与实际效果的案例确实相对有限。但可以肯定的是，实时数据流中包含着大量重要价值，足以帮助企业及人员在未来的工作中达成更为理想的结果。那么，那些领域需要实时的数据分析呢？
1、医疗卫生与生命科学
2、保险业
3、电信运营商
4、能源行业
5、电子商务
6、运输行业
7、投机市场
8、执法领域
9、技术领域
常见数据分析模型有哪些呢？
1、行为事件分析：行为事件分析法具有强大的筛选、分组和聚合能力，逻辑清晰且使用简单，已被广泛应用。
2、漏斗分析模型：漏斗分析是一套流程分析，它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。
3、留存分析模型留存分析是一种用来分析用户参与情况/活跃程度的分析模型，考察进行初始化行为的用户中，有多少人会进行后续行为。这是用来衡量产品对用户价值高低的重要方法。
4、分布分析模型分布分析是用户在特定指标下的频次、总额等的归类展现。
5、点击分析模型即应用一种特殊亮度的颜色形式，显示页面或页面组区域中不同元素点点击密度的图标。
6、用户行为路径分析模型用户路径分析，顾名思义，用户在APP或网站中的访问行为路径。为了衡量网站优化的效果或营销推广的效果，以及了解用户行为偏好，时常要对访问路径的转换数据进行分析。
7、用户分群分析模型用户分群即用户信息标签化，通过用户的历史行为路径、行为特征、偏好等属性，将具有相同属性的用户划分为一个群体，并进行后续分析。
8、属性分析模型根据用户自身属性对用户进行分类与统计分析，比如查看用户数量在注册时间上的变化趋势、省份等分布情况。
模型再多，选择一种适合自己的就行，如何利益最大化才是我们追求的目标
『叁』 如何利用大数据进行用户需求分析
1.可视化分析
大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。
2. 数据挖掘算法
大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统
计
学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如
果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。
3. 预测性分析
大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。
4. 语义引擎
非结构化数据的多元化给数据分析带来新的挑战，我们需要一套工具系统的去分析，提炼数据。语义引擎需要设计到有足够的人工智能以足以从数据中主动地提取信息。
5.数据质量和数据管理。 大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。
大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。
大数据的技术
数据采集： ETL工具负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。
数据存取： 关系数据库、NOSQL、SQL等。
基础架构： 云存储、分布式文件存储等。
数
据处理： 自然语言处理(NLP，Natural Language
Processing)是研究人与计算机交互的语言问题的一门学科。处理自然语言的关键是要让计算机地理解地自然语言，所以自然语言处理又叫做自然语言理
解也称为计算语言学。一方面它是语言信息处理的一个分支，另一方面它是人工智能的核心课题之一。
统计分析：
假设检验、显著性检验、差异分析、相关分析、T检验、 方差分析 、
卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测与残差分析、岭回归、logistic回归分析、曲线估计、
因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析（最优尺度分析）、bootstrap技术等等。
数
据挖掘： 分类
（Classification）、估计（Estimation）、预测（Prediction）、相关性分组或关联规则（Affinity
grouping or association rules）、聚类（Clustering）、描述和可视化、Description and
Visualization）、复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)
模型预测 ：预测模型、机器学习、建模仿真。
结果呈现： 云计算、标签云、关系图等。
大数据的处理
1. 大数据处理之一：采集
大
数据的采集是指利用多个数据库来接收发自客户端（Web、App或者传感器形式等）的
数据，并且用户可以通过这些数据库来进行简单的查询和处理工作。比如，电商会使用传统的关系型数据库MySQL和Oracle等来存储每一笔事务数据，除
此之外，Redis和MongoDB这样的NoSQL数据库也常用于数据的采集。
在大数据的采集过程中，其主要特点和挑战是并发数高，因为同时
有可能会有成千上万的用户
来进行访问和操作，比如火车票售票网站和淘宝，它们并发的访问量在峰值时达到上百万，所以需要在采集端部署大量数据库才能支撑。并且如何在这些数据库之间
进行负载均衡和分片的确是需要深入的思考和设计。
2. 大数据处理之二：导入/预处理
虽然采集端本身会有很多数据库，但是如果要对这些
海量数据进行有效的分析，还是应该将这
些来自前端的数据导入到一个集中的大型分布式数据库，或者分布式存储集群，并且可以在导入基础上做一些简单的清洗和预处理工作。也有一些用户会在导入时使
用来自Twitter的Storm来对数据进行流式计算，来满足部分业务的实时计算需求。
导入与预处理过程的特点和挑战主要是导入的数据量大，每秒钟的导入量经常会达到百兆，甚至千兆级别。
3. 大数据处理之三：统计/分析
统
计与分析主要利用分布式数据库，或者分布式计算集群来对存储于其内的海量数据进行普通
的分析和分类汇总等，以满足大多数常见的分析需求，在这方面，一些实时性需求会用到EMC的GreenPlum、Oracle的Exadata，以及基于
MySQL的列式存储Infobright等，而一些批处理，或者基于半结构化数据的需求可以使用Hadoop。
统计与分析这部分的主要特点和挑战是分析涉及的数据量大，其对系统资源，特别是I/O会有极大的占用。
4. 大数据处理之四：挖掘
与
前面统计和分析过程不同的是，数据挖掘一般没有什么预先设定好的主题，主要是在现有数
据上面进行基于各种算法的计算，从而起到预测（Predict）的效果，从而实现一些高级别数据分析的需求。比较典型算法有用于聚类的Kmeans、用于
统计学习的SVM和用于分类的NaiveBayes，主要使用的工具有Hadoop的Mahout等。该过程的特点和挑战主要是用于挖掘的算法很复杂，并
且计算涉及的数据量和计算量都很大，常用数据挖掘算法都以单线程为主。
整个大数据处理的普遍流程至少应该满足这四个方面的步骤，才能算得上是一个比较完整的大数据处理。
『肆』 《决战大数据：驾驭未来商业的利器》读后感
作者简介：车品觉，前阿里巴巴集团副总裁、首任阿里巴巴数据委员会会长。现任红杉资本中国基金任专家合伙人。是国内大数据、数据决策与分析领域的杰出人才。
数据分析的两大主要作用：要么验证某个想法，要么探索未来
《决战大数据：驾驭未来商业的利器》是品觉老师10年数据修行的经验分享，对于企业决策或者产品经理分析用户，提炼需求都非常有启发，以下为截取部分精华内容并结合自己的学习体会。
1.数据的本质是还原用户的真实需求
数据记录了用户在什么时间，访问了产品的哪个功能，访问路径是什么，停留时间是多久，最后离开是什么时间，最终是否有提交订单等。将这些数据串起来则可以还原用户当时的场景，剖析出用户的真实需求。此时，产品需要思考当前的产品是否满足了用户的需求，若是没有，如何改善。
2.活做数据，抓住数据的相关性
“活”做数据收集，从相关联的行业和业务中去收集能够为现在所用的数据。如，负责特价酒店的产品，可以收集这批用户在火车票、特价机票及门票等相关业务，从而获得不一样的启发。
3.数据分类，找到核心数据
不同的数据含金量不同，即使同样数据在不同的场景体现出不同的价值，具体分类可以参考以下：
（1）不可再生和可再生；
（2）基础、中间层和应用层
（3）按数据业务归属，分为各个数据主体
（4）隐私数据和非隐私数据
3.个人数据管理
（1）收集有效的数据源，并按重要性和时间长短进行分类；
（2）关键词标签是对数据收集后重要的整理
a越有效的标签就越能快速地调取数据
b注意知识范畴的培养
c 场景的标签，分为公司与人物，再加上世家
由时间链、共识面（公司、人物、来源）、知识体系（标签）和格式（内容）所构成的一张知识图谱是解码决策分析的依据。
以上，是对《决战大数据：驾驭未来商业的利器》简单的介绍，本书可以作为数据人入门读物，特别是其中关于数据收集（数据源）和数据整理（标签，构建知识图谱）具有很好的指导。
『伍』 大数据发展方向在于用户的需求和期望
大数据发展方向在于用户的需求和期望
大数据技术的主要任务是从内部和外部数据源中找出所需的数据，并对这些数据进行高效快捷的评估，最终提供决策支撑。全球对大数据技术和服务的投资在增长，目前，大数据在美国最为发达，包括德国在内的欧洲地区在这一领域稍显落后。不过，现在业内人士已经注意到了这一趋势，各个企业中的IT部门正在感受到发展的压力。
期望和前提
数据评估和报告在大多数企业中早已不是新鲜事物，只是如今旧的数据评估和报告工具已经无法满足新的需求：现在的专业人士要求尽量实现数据实时分析，目前的基础设施、数据结构、解决工具以及商业模式根本无法保质保量地完成这个要求。企业现在面临两个选择：对现有技术进行扩展，或者实现技术升级。大数据技术就是比较理想的新技术。
讨论热点
过去几年，大数据讨论中比较热的话题是技术问题和数据组织问题。经过几年的发展，人们对这些问题的理解有了深入发展，又开启了新的讨论话题。现在，专业人士讨论的焦点问题是工作量优化，未来关于工作量和新的商业模式的讨论还会更多。2011年和2012年大数据的项目比较少，主要以测试安装为主。预测，今年和明年这一领域会出现大幅增长。对于企业来说，大数据技术既是挑战，也是机遇。
战略和解决方案
所以，大数据势必成为ICT（,信息通信技术）战略的一部分。数据访问和融合也变得越来越重要。2013年和2014年人们关注的热点将从技术转移到信息查找和知识获取。“软件定义”（Softwaredefined）、融合技术、开源软件及平台是大数据基础设施建设中最核心的问题。其中，开源软件与平台还需要经过一个商业适应的过程。许多企业把投资重点放在机器生成数据的实时分析上，因为这可以加快企业的发展。终端用户希望解决方案可以简单易操作。要实现应用程序和移动解决方案的可视化和直观互动，就要实现大数据的“消费化”.因此，由于缺乏大数据分析的方法和技术，许多企业将使用“现成的”解决方案。
市场透明度还不够
企业还有许多待解答的问题。对于许多IT负责人来说，可衡量的商业收益、数据安全、数据法律以及可使用数据的准确定义这些问题都不够透明。对于企业来说，数据正在加速成为运作资源和生产要素。要实现从技术到信息和知识获取的转变、使用开放源、进行实时分析，企业就要对技能、解决方案和服务投资。许多企业对这一领域了解不多，需要有人为他们解释技术、组织、法律以及文化方面的问题。
总的来说，企业在获取大数据技术和分析方面的信息以及咨询需求都非常大。对于这一领域的ICT供应商和服务商来说，这是一个绝好的发展壮大的机会。要制定正确的市场营销策略，获得漂亮的销售成绩，关键就在于了解用户环境中IT和商业决策者的要求和期望。
『陆』 怎样用大数据来挖掘用户的痛点
大数据时代，采用大数据营销方式是主导。CRM客户关系管理系统是云时代和大数据时代飞速发展的产物，CRM在企业的普遍应用，说明企业已经将其作为挖掘客户需求的主要应用。
企业利用CRM挖掘用户痛点的方式：
CRM场景化营销
CRM在海量存储客户信息的基础上，能够深入对客户数据进行分析、挖掘和总结，从而找出客户的真正需求点，满足客户需求的同时，还能体现出高度的关怀，让客户体验到企业对自己的高度重视，从而增加客户对企业的依赖性。客户资源在手，不愁业绩不增长。
实现一对一营销
一对一营销意味着对每一位客户的高度关注。只有长时间地对客户进行追踪、识别，记录客户的个性化需求，才能够实现用个性化的产品满足客户的真正需要。而CRM的引进，正是帮助企业实现一对一营销的思想与科技结合的好工具。使用CRM与客户建立起一种新型的学习关系，通过与客户的每次接触更加了解客户，并且可以及时记录联系既要，避免对客户需求张冠李戴。
数据库营销进行战略制定
引进CRM就相当于为企业引入了一个客户数据库，CRM具有的报表、销售漏斗图功能，能够清晰地呈现出企业的所有客户所处的金字塔位置，使得领导者一眼能够明白，哪些客户是企业的钻石级客户，需要投入更多的营销资源，哪些客户是普通客户，不必投入太大的精力，以及哪些客户是企业的负担，可以丢弃。