數(shù)據(jù)分析應(yīng)從數(shù)據(jù)積累做起

“不會釀酒，也能成為好的品酒師?！痹贗BM數(shù)據(jù)分析沙龍中，AsiaAnalytics首席執(zhí)行官莫利偉通過品酒師的事例，說明企業(yè)應(yīng)該如何正確進(jìn)行數(shù)據(jù)分析，為大數(shù)據(jù)的應(yīng)用作準(zhǔn)備。作為一個企業(yè)的管理者，并不需要成為數(shù)據(jù)分析的天才或科學(xué)家，但需要將自己站在一個消費者的立場，體驗、并理解數(shù)據(jù)分析帶來的作用，從而更好地利用數(shù)據(jù)分析，實現(xiàn)最佳的收益。

以上來自于8月23日的IBM數(shù)據(jù)分析沙龍中。IBM軟件部智慧商務(wù)技術(shù)總監(jiān)楊旭青先生和AsiaAnalytics首席執(zhí)行官莫利偉Olivier Maugain先生從IBM智慧商務(wù)、數(shù)據(jù)分析及大數(shù)據(jù)等方面，與記者一起分享目前企業(yè)數(shù)據(jù)分析的策略及重點方向。

對于大數(shù)據(jù)，IBM軟件部智慧商務(wù)技術(shù)總監(jiān)楊旭青先生首先從IBM軟件部門中智慧商務(wù)的業(yè)務(wù)，帶來IBM的觀點。在IBM的智慧商務(wù)就是利用“大數(shù)據(jù)”進(jìn)行分析、處理數(shù)據(jù)，形成一個完整的價值鏈，包括企業(yè)采購、營銷、服務(wù)及銷售多個方面。

一般我們理解的“大數(shù)據(jù)”，往往存在于電子商務(wù)方面，最典型的代表就是電子商務(wù)網(wǎng)站。消費者在購買相關(guān)商品后，系統(tǒng)會自動推送相關(guān)產(chǎn)品，也就是所謂的“猜你喜歡”。但有時會常常出現(xiàn)一大堆已經(jīng)購買過的類似商品，并不會促進(jìn)二次消費，有時候可能會出現(xiàn)更為便宜，更好的商品，給購買者帶來負(fù)面感受，影響購物體驗。所以IBM認(rèn)為，企業(yè)不應(yīng)該將數(shù)據(jù)分析局限于營銷方面，首先要捕獲客戶行為，然后把客戶分群。然后是長期的客戶行為分析，而且是大量的客戶行為分析，從而推測客人在購買過一件商品后，之后可能購買動向。所以不能單單從營銷的角度考慮，只一味推薦雷同的商品。

除了針對營銷部門的數(shù)據(jù)分析外，IBM對于企業(yè)內(nèi)部的管理也有相應(yīng)的解決辦法，也是非常重要的部分。首先就是一些零售客戶最為關(guān)心的訂單管理，目的就在于與生產(chǎn)和庫存緊密結(jié)合，可以提前預(yù)知客戶群的數(shù)量、類型，需要生產(chǎn)多少的量，以及庫存量等，以避免風(fēng)險及浪費。正如一些電商企業(yè)，肯定有線上的交易平臺和線下的倉儲，經(jīng)過數(shù)據(jù)分析，就能預(yù)測訂單，以縮短整個周期，從管理、運營商獲得較大的收益。對于訂單管理，楊旭青先生又以全球服飾品牌ZARA的案例，進(jìn)一步闡述。正因為ZARA將IT技術(shù)及數(shù)據(jù)分析引入門店的擺放及庫存等流程中，店面的轉(zhuǎn)換率明顯提升，銷售率也隨之大增。這就是說明了數(shù)據(jù)分析對于零售企業(yè)的巨大作用。

總的來說，IBM所做的是通過大數(shù)據(jù)或者說數(shù)據(jù)分析為手段，幫助客戶進(jìn)行營銷改進(jìn)或優(yōu)化，從訂單管理、生產(chǎn)及銷售各個環(huán)節(jié)，提升效率和轉(zhuǎn)化率，改進(jìn)企業(yè)內(nèi)部的運作機(jī)制，以做到開源節(jié)流。

AsiaAnalytics首席執(zhí)行官莫利偉先生對于IBM的楊旭青的觀點非常贊同。他表示，數(shù)據(jù)分析對于公司來說，從財務(wù)以及業(yè)務(wù)的狀況方面都可以帶來很多的好處。根據(jù)麥肯錫的一份報告指出，能夠善于運用這些數(shù)據(jù)分析的公司，平均的生產(chǎn)率和利潤額都會比不采用這一方面的技術(shù)公司都要高5到6個百分點。以市場部作為一個例子來講，同一份報告指出，如果能夠以數(shù)據(jù)為中心來進(jìn)行市場營銷規(guī)劃和決策，它的投入產(chǎn)出比會比其他不采用這一類方式的公司能夠高15-20%。

通過分析我們可以為客戶提供一對一定制化消費的體驗，因為客戶希望被理解、被尊重，能夠享受特別感受的購物行為。除了這種定制化一對一的消費體驗，對于數(shù)據(jù)有效的分析可以很好的去理解某一些或者特定細(xì)分客戶群體對他有更深的理解，反過來通過對客戶的了解，可以有助于產(chǎn)品的研發(fā)，針對特定群體產(chǎn)品開發(fā)以及營銷手段。

數(shù)據(jù)分析應(yīng)從數(shù)據(jù)積累做起

關(guān)于數(shù)據(jù)分析對于企業(yè)最大的優(yōu)勢這個問題，莫利偉先生進(jìn)一步說明自己的觀點。首先，數(shù)據(jù)分析不一定非要和“大數(shù)據(jù)”聯(lián)系在一起。目前在中國真正意義上能夠使用實時、產(chǎn)生大量數(shù)據(jù)進(jìn)行分析與業(yè)務(wù)決策的公司并不多。目前的數(shù)據(jù)分析對于企業(yè)來說，能夠提升明顯的效率及降低成本。例如，有個公司希望推出一種最新的飲料，希望知道到底是男性還是女性對這個飲料會更喜歡。如果做市場調(diào)研、問卷調(diào)查，找300個人，其中150個男人和150個女的，肯定會得出一定的數(shù)據(jù)量，但這一數(shù)據(jù)量只在幾個KB而已，而真正需要數(shù)據(jù)量則應(yīng)該達(dá)到幾個MB或者到一個GB。在中國一些大型的公司，包括運營商、銀行及淘寶平臺，確實已經(jīng)開始用到數(shù)據(jù)挖掘的方式來做一些預(yù)測性分析，幫助業(yè)務(wù)的決策。這些都是利用大量數(shù)據(jù)進(jìn)行分析的案例。

其次，單純從數(shù)據(jù)量上面來講，不僅是大企業(yè)，在一些中小型企業(yè)中，如有若干年的積累，也可以去做數(shù)據(jù)挖掘跟預(yù)測性分析?；緛碚f，1萬條消費者的記錄，10個或者20個左右的變量，這個數(shù)據(jù)量可能在20個DB。擁有的數(shù)據(jù)量越大，數(shù)據(jù)分析的成功率也就越大。所以無論是大型企業(yè)，還是中小型企業(yè)都應(yīng)該從數(shù)據(jù)積累做起，并通過有效的算法，進(jìn)行深度分析，才能得出結(jié)論。