大數據已經與我們每個人的日常生活緊密相連。
就舉壹個場景的例子吧。比如早上醒來,通過智能手表的數據發現昨晚的睡眠質量不是很好。早上洗臉刷牙後,走了1000多步到六道口地鐵刷卡坐地鐵。兩站3元到了奧林匹克公園。在地鐵上發現之前瀏覽過的壹雙耐克籃球鞋降價了。JD.COM主動推送這個產品信息,我立馬下單了。
在這個過程中,我個人產生了睡眠數據、步行距離數據、地鐵刷卡消費數據、地鐵起點和目的地地理數據、JD.COM購物數據、微信朋友圈數據,所以作為壹個大數據生產者,壹下子產生了這麽多數據。作為壹個大數據消費者,以後我瀏覽JD.COM商城或者app的時候,系統可能會給我推薦枕頭、籃球鞋或者其他與籃球鞋相關的產品,提高我的睡眠智能,朋友圈的朋友也可能會因為我的分享而購買。
我們產生的數據,在被企業尤其是互聯網公司獲取後,通過數理統計和挖掘算法進行聚類、拆分和預測,得到更相關的數據,通過這些數據把我們每個人描述成壹個標簽。比如性別、婚姻狀況、興趣愛好、收入、是否喜歡運動、推廣敏感度等。,於是得到了我們每個人的很多屬性,比如基本人口屬性,購買力,行為特征,社交網絡,心理特征,愛好等等。
企業掌握了這些數據後,如何利用?是不是通過這些數據來做營銷,比如精準營銷,精準廣告,精準推薦商品?還是通過這些數據來細化企業的內部運營管理?還是利用這些數據改進生產工藝,指導產品的二次研發?這取決於企業大數據實踐的水平。大數據的好應用真的可以提升到戰略高度,用不好。大數據是錦上添花,可有可無。
根據數據挖掘的聚類思想,企業數據可以分為內部數據和外部數據,內部數據可以簡單分為財務數據和供應鏈數據(大供應鏈的概念)。當然,不同行業企業的業務內容也有很多不同。比如在金融行業,可能投融資、現金管理等財務方面比較多,供應鏈比較少,而在制造業或者流通服務業,與供應鏈相關的數據會比較多。
財務數據主要是財務報表,尤其是三大財務報表,資產負債表、利潤表、現金流量表。然後就是總賬。總賬裏核算會涉及到科目,科目不夠我們也會設置輔助核算。大部分企業也是每年做預算,大部分預算也是圍繞財務指標制定的,或者是以財務預算為基礎倒推業務預算。當然,理財的壹大塊是資金管理。
供應鏈中會有更多種類的數據,從供應鏈上遊的供應商到下遊的消費者,包括采購、倉儲、物流、生產、銷售、售後的數據。當然,我們還可以進壹步細化每個環節。
另外,我相信任何壹個關起門來做生產營銷的人,都不應該主動去參考外部數據,包括國家政策、經濟環境、股市行情、競爭對手、主要原材料價格等。
大數據的整體架構大部分企業應該實施BI系統或者報表自動化系統。如果這些系統是由乙方規劃建設的,他們在規劃或實施過程中制定的系統方案架構圖不外乎三個層次,最多四個層次。
自下而上,第壹級元數據層或數據源層是我們業務應用系統的數據、財務、供應鏈、人力資源、預算等等。
第二層叫大數據存儲層,就是把各層的數據源收集到壹個數據倉庫裏,然後到第三層,分析模型層,基於數據倉庫建立分析模型。有些方案甚至直接省略分析模型層,直接到最後壹級數據顯示層,顯示分析模型中的數據。根據筆者多年的經驗,這樣的組織形式最多可以叫BI系統,但不能叫大數據系統。
JD.COM大數據不是單壹的系統或產品,JD.COM大數據應用已經融入到每壹個業務應用系統中。我們的大數據收集平臺在不影響系統或產品的效率和客戶體驗的情況下,定期實時自動收集Hadoop平臺上的所有數據。以大數據平臺為核心,將加工、處理、分析、挖掘後的結果分布到各個業務系統和數據產品,如商場、銷售、數據羅盤、導航等。下圖僅供參考:
企業大數據應用層面不是每個企業都是JD.COM,也不是每個企業都是互聯網公司。不是每個企業的業務都必須有大數據支撐。企業在滿足自身業務需求的前提下,是否也可以玩轉小數據應用?答案是肯定的,大數據應用也可以分層次,每個層次滿足企業對不同層次數據的需求。大致分為五個層次,每個層次都是循序漸進的。
1.業務監控
這是大數據應用的初級階段,也就是傳統的DW/BI階段。在這個階段,企業部署商業智能(BI)解決方案,它實際上是壹個自動報告系統,用於監控現有業務的運行。
業務監控,有時也稱為業務績效管理,是指企業利用基本的分析方法,對業務運行低於或高於預期進行預警,並自動向相應的業務和管理人員發送相關預警信息。企業經營管理人員可以根據之前制定的預警規則,提前掌握企業經營情況,實現預警,幫助其采取壹些具有針對性和預見性的措施和手段,防患於未然。
現階段有兩個關鍵點。壹是預警規則的設計。常用的方法有參照法(同期比較、同類營銷活動比較、同行比較)或指標法(品牌發展、顧客滿意度、產品業績、財務分析)。指標分析法就是選擇合理的指標。當然,這裏選擇合理的指標,說起來容易做起來難。事實上,要做到這壹點,需要動很多腦筋。我舉個我之前遇到的例子。當時是給壹個離散型制造企業的方案設計。他們在庫存管理方面的績效考核的壹個很重要的指標就是庫存周轉率或者庫存周轉天數,這本來是壹個很正常也很常用的指標。但是這個單位的庫存管理存在假出庫、假入庫,導致庫存周轉率看起來很好。後來考慮用動銷比和存銷比做指標後,我們把庫存指標和銷售指標結合起來,避免了。這個例子的目的是說明我們在做業務監控的時候,指標的選擇是非常重要的,既能準確公允的反映這個業務的經營情況,又能避免人為的造假。
2.商業洞察力
業務洞察意味著系統不僅提供數據報告,還提供“智能”報告或“智能”儀表板。需要通過前面基於歷史數據的多維分析,進壹步預測和挖掘出壹些我們不知道的數據。
比如我在為杭州壹家連鎖酒店做項目的時候,我們需要根據酒店在全國範圍內投資的酒店的數據,做出壹些更有趣的東西。比如,我們需要根據之前投資過的酒店的裝修投資、目前不同檔次的入住率、酒店餐飲部的上座率和周轉率、營業收入、成本、當地城市的競爭對手等情況,來預測壹個新投資酒店的投資回報和回收期。此外,還有財務分析中常用的杜邦分析法。簡單來說,杜邦分析是從財務角度綜合分析整個企業財務績效的模型。它的基本原理是,頂端是ROE。對於ROE,我們可以分解為ROA×權益乘數,ROA又可以分解為凈銷售率×資產周轉率,然後再分解,最後就變成了壹個充滿財務指標的樹形結構。因為這些財務指標都是通過財務報表項目、會計科目、輔助核算計算出來的,它們之間有著非常迫切的邏輯關系。這樣就可以計算出壹些技術手段來實現模擬預測。比如在做明年的預算或規劃時,想提前調整壹些財務指標,其他相關指標也會掛鉤,比如增加凈利潤65,438+0%,銷售收入,營銷費用,管理等。這可以幫助我們提前預測,做出更好的計劃和預算。
當然,現階段還是有很多可以預測的,比如零售業。大多數類別的銷售都有壹個銷售周期,我們可以根據銷售周期來預測銷售額。還可以根據歷史用戶對不同營銷方式的反應、營銷費用、營銷商品、營銷效果之間的關系,精準鎖定目標人群進行針對性營銷,提高營銷效率,降低營銷成本。
3.業務優化
業務優化對大多數企業來說還是很有吸引力的,這也是很多企業日夜思考的目標。其實現階段可以壹步壹步來,至少企業有能力將分析技術嵌入到業務運營中。下面是我們之前為壹家傳統企業做過的案例。和大多數企業壹樣,這家企業也有ERP系統。在采購過程中,我們可以引入供應商績效模型。當然,這個供應商績效模型可能要考慮很多因素,比如供應質量、供應效率、次品率、售後服務等諸多因素。采購時,采購方可以根據供應商績效模型自主選擇合適的供應商。這是壹個例子。此外,主要原材料的市場價格可以實時連接到采購界面,以便采購經理掌握采購周期,合理安排采購計劃。
在零售行業,我們都知道商品、用戶和用戶、用戶和商品之間有很強的相關性,就像啤酒和紙尿褲、巧克力和避孕套的例子壹樣。這裏可以稍微講壹下大部分電商是怎麽做的。通過購買記錄中的這些產品,我們可以找出每兩個產品之間的關系。這種關系是不對等的。比如買手機的用戶壹般都會同時買手機殼,買手機殼的人不壹定買手機。這說明手機和手機殼是有關系的,而且是很強的關系。手機殼和手機的關系是弱的,這裏用系數來解釋關系的強弱。所以商品和商品之間的這種關系,我們形成壹個商品模型。基於這個產品模型,我們可以更好地推薦用戶瀏覽過、購買過、收藏過、評論過的產品。說完了商品,再來說說用戶。用戶可以通過相似的瀏覽行為、搜索行為、評論行為、購買行為來發現用戶之間的關系。基於用戶之間的行為關系,可以推薦壹些與他高度相關的其他用戶購買或者感興趣的產品。這也是很多互聯網公司在廣告推薦、商品推薦、推廣信息推薦的普遍做法。
4.數據盈利能力
數據盈利就是我們常說的數據變現,數據盈利的壹種方式就是數據產品化。目前有很多數據服務公司可以收集手機遊戲、app使用、用戶行為等數據,通過他們的數據挖掘和分析技術實現變現的目的,然後通過產品或服務的行為輸出。此外,手機廠商,如小米、華為等,都擁有上億的活躍用戶,掌握手機中壹手用戶的行為數據,甚至包括支付數據。可以實現的方面很多,限制他們的是他們的想法。此外,越來越多的傳統制造商已經將其產品數字化。比如汽車+大數據變成了特斯拉,家居+大數據變成了智能家居。當然,這裏有很多例子。
5.業務重塑
業務重塑應該是大數據成熟度模型的最高階段。在這個階段,壹些企業希望通過分析客戶使用模式、產品性能行為和整體市場趨勢,將商業模式轉變為新市場的新服務,如京東。COM的新業務,京東金融和京東智能。此外,我們可以運用我們的想象力。BAT有哪些業務是基於主營業務數據開發的?我們能想出很多嗎?
中國乃至世界上真正擁有大數據的企業並不多。我們很幸運在電子商務的整個價值鏈中擁有大數據。如何挖掘這個金礦?只有我們自己的想法限制了我們。
以上是邊肖分享的關於京東新的理解和應用的相關內容。COM的企業大數據共享。更多信息可以關註全球常春藤更多幹貨分享。