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，幫助客戶進行營銷改進或優(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，改進企業(yè)內(nèi)部的運作機制，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，進行深度分析，才能得出結(jié)論。