大数据时代：最关键的处理数据的能力
网易科技讯& 3月31日消息，2013中国IT领袖峰会在深圳举行，网易科技作为全程战略合作媒体在现场直播报道。在论坛现场，中国国际金融有限公司总裁兼首席执行官朱云来称，“大数据时代”的最关键的是如何处理数据，他认为新的数据产生是个很自然的过程，但“处理”是很关键的。徐少春认为，大数据顾名思义就是海量数据，移动互联网、云计算、社交网络等等这些新的技术给大数据带来了一种新的变革，他认为我认为大数据其实是一种新的观念，也是一种新的方法，同时也是一种新的服务。陈宏则表示，得大数据是一个相对的概念，数据里有很多价值，一旦把价值挖掘出来以后，商业机会无穷大。以下为主题为“大数据时代”的分论坛。田溯宁：我们开始今天最后一场论坛：大数据时代。我相信大数据这个名词从这两年在业界出现之后，很快的变成了大家谈论的话题，我前天在首都机场的书店，大部分是畅销书，没想到《大数据时代》和畅销书并列在一起，大数据快速成为大家关注的概念是非常可喜的事情。但是对新名词、新技术怎么看？可能还有不同的看法。首先请大家谈一谈你们认为大数据是什么？然后再请大家谈一下大数据有什么用？商业模式怎么样，怎么改变你的生活？我们围绕这两个问题开始今天下午的讨论，我们从张念坤开始，您先简单介绍一下自己，然后分享一下您对大数据的看法。张念坤：各位，大数据刚才怀进鹏校长给了很精彩的演讲，把大数据的概念解释得很好。我再说一说什么是大数据？10-15次方是不是大数据？算，15-18此放算不算？也算，移动互联网，全球70亿人，这是非常大的数量。全球大数据是什么？高能物理实验室，瑞士日内瓦的就是500×18次方，比最大的大数据超过200倍。在深圳有没有大数据？在深圳有大亚湾核力发电厂有高能物理实验，跟日内瓦差不多，但没有那么多，所以深圳每天都有很多大数据的事情发生。邓锋：我花几分钟从另外一个角度谈这件事，包括今天怀校长讲的数据分散性，如果不了解好好懂一些。大数据是云计算的一部分，我一直认为云计算分两块，一块儿是讲的计算设备放在离你不远的地方变到放在更远的地方，云里，我可以集中起来，而且不但节省计算资源，我想用的时候再去申请，跟电、水一样，用的时候计算用了多少时间、多少年，这是云计算的一部分，概念就是把资源集中起来，通过这个提高可靠性、把成本降下来，这是一部分，这部分有很多虚拟化技术，一个物理设备可以变成很多虚拟设备，一个服务器可以当10-20个服务器用，一个设备解决很多个问题，因为20个虚拟服务器可以解决20个不同的问题。大数据正好反过来，其实是从另外一个角度上跟很多、很多服务器，成百、上千、上万服务器解决一个问题，但不是拆成很多服务器，解决很多问题，而是很多服务器集中起来解决一个问题，像搜索一个服务器，很多不同的拷贝做一个问题，解决的语音分析也是一样，也是一个大数据问题，这么多、这么多机器联合起来解决一个问题，这个问题面对巨大的数据量，背后有算法、有数据，在算法基础上解决一种问题。数据不是以前准备好，数据是不断产生的，而且是分散的，在全世界不断产生的，实时叠加、累计起来的。这种数据要求你做出的结果不一定是很精确，但要是实时的，而且要不断地改进自己。搜索就是根据过去计算的结果，下次再提高一点、再提高一点，越来越精确，不仅仅是数据量大的问题，还有分散性、实时性，不断积累性，要求你所做的结果也是通过数据叠加，越来越精确，某种程度上就是大数据。大数据是什么呢？很多都是大数据，交通、搜索、语音等等，都是大数据。徐少春：其实大数据顾名思义就是海量数据，海量数据不是一个新鲜的概念，很早以前也有，像做人口普查放在一个大数据里，为什么现在谈大数据呢？因为移动互联网、云计算、社交网络等等这些新的技术给大数据带来了一种新的变革，所以我认为大数据其实是一种新的观念，也是一种新的方法，同时也是一种新的服务。大数据在企业里，很大的企业日积月累几十年下来可以由很大的数据，但是这些数据如果能够更好的跟新鲜技术结合起来，就可以给管理者、员工提供更加有效和及时的支持，帮助管理者进行决策，让员工提高效率，我这么理解大数据。陈宏：我简单一点，我觉得大数据是一个相对的，我记得在1993年的时候，溯宁知道我们在美国做互联网的时候，当时我们做了互联网公司，最贵的就是存储器，就是卡，当时1G要1000多美金，现在大家讲大数据，数据量越来越大，目前大数据解决信息量爆炸的情况下很多一是数据量大，二是非结构性比较多，像微博、微信是非结构性的。出局大量出现以后过去很简单，不管怎么样我数据处理得好好的，但随着比较乱，一个简单的服务器解决不了，各种各样的技术处理数据的能力，为什么大家提到大数据最大的挑战，以前做了现在不是。另外还有数据有价值，大家说数据不是归功于一个公司做人口处理、档案等等，数据里有很多价值，一旦把价值挖掘出来以后，商业机会无穷大。这是大家为什么非常兴奋，举今天的例子来讲，马云说为什么阿里金融对银行产生压力？不是政策的原因，有大数据，有几亿用户，知道用户买了什么东西，过去干什么事，可以在自己的数据库里寻找出来，然后从别的数据里把这个东西找出来，这是有价值的，可以做金融服务，金融服务会给小额贷款提供很低的利率，变成非常强大的公司。另外一个大数据，我们这次去以色列，听以色列的沟通，这是被易贝购买的创新公司，就在网上追踪每一个人的习惯，他的观念很简单，好人做什么都不会消除掉，你的所作所为有逻辑性，坏人、逃犯干一件事会抹掉。他就分析，用这个理论很快把坏人查出来了，易贝尽职调查的时候把易贝做交易额信用卡数据给他，2天以后过来分析得非常准确，互联网上大信息不是他的信息，凑在一起得到非常有价值的，后来卖了3亿美金。我认为大数据概念在云计算、数据分析情况之下产生很多商业机会，这是为什么使得投资者、创业者感觉到非常兴奋。朱云来：最后一个来说真是不好说，大数据就是大数据，比3D打印还简单，就是大，大到什么程度？你们知道Google的意思就是大树，这个词是阿基米德说的，阿基米德是年以前了，他不知道数有多大，就是1后面加100个0。另外一个很有意思的统计，有人算了全世界信息量有多大？1个后面加上20个0，10亿亿亿，三个亿乘在一起，就这么大一个数。数说起来很简单，为什么大家谈这些东西？还是很简单的，有云计算和产生的各种各样的数据，更重要的是我们这个系统有没有合适的工具，系统的收集、存储、分析、挖掘能带来很多新的知识，任何一个新的医院病例、感冒，一统计全中国有多少亿人，平均一年得4次感冒、得5次病都可以系统整理，得出一些规律性东西。反过来，由于你有了大数据处理能力又可以新增很多东西。今天上午坐在马化腾边上，我们两个聊到这个，现在腾讯的数据量就是1PB的概念，大概是十几个0，但P到Z有两级，每一个差1000倍，你自己算，还要多加6个0。这样的规模，关键是有了数据处理的能力，我们在很多社会中间可以设计、积累这样的知识，这样的知识能够迅速积累，把所有实践的经验、实验的情况迅速收集整理，带来的冲击无论对科研研究还是对管理、各种事物的管理和研究，反正都非常有帮助。讲的大数据，因为我们现在非常自然的产生很多新的数据，这些新的数据怎么更好的处理？可能对社会生活发生什么样的冲击？这是大数据的道理。我相信会议的筹划者把这个列为一个题目是有这个潜在的冲击。田溯宁：大数据的概念有没有补充？邓锋：数据过去存在，现在也存在，解决的问题也存在，为什么突然现在叫大数据时代？和过去什么地方不一样？第一，由于技术的进步使得数据的收集、存储、计算的成本下降很快、随时随地。传感器的技术进步，以前没有那么多技术进步，现在你做了动作，加速度方向都知道，现在大数据变得又便宜又快又简单，这是和过去不一样的地方。另外数据量解决问题的方法有很大的改变，解决问题算法变得很简单，数据量一大，解决问题的方法改变了，过去解决不了的问题现在又能解决了，就到了大数据时代。田溯宁：我还想挑战各位嘉宾，因为题目是大数据时代，时代这个词不是随便用的，我们说电气化时代、工业时代，大数据能不能称得上时代？时代到来以后应该说我们的生活方式、工作方法，社会都会发生变化，我提几个问题，看看各位嘉宾同意不同意？因为下一步我们讨论究竟大数据能够我们什么样的生活？然后再讨论商业模式的问题。很多人在用这个词，如果数据跟历史比较非常像时代的矿场，工业革命的时候生活方式大规模的改变因为有铁矿出现以后炼出钢铁，我们在化学里发现阿司匹林、抗解素等，在数据能不能成为数据矿？像工业时代的铁矿和化工工业一样，使我们的生活、工作发生根本的变化，大数据会不会使金融行业形态发生根本的变化，以后的投行、以后的银行就会变为另外一种形态，我想听各位谈一谈，大数据能不能称之为时代？这个时代又是什么时代？这个时代使生活、工作、生产方式、娱乐有什么变化和影响？谁先抢答？陈宏：我先讲。举一个例子，我觉得先回答这个问题，讲时代有可能是时代，可以这样讲，因为在隐私方面，最近3·15很重要的事情，中军拍了电影《手机》，我记得这哥们手机被抓到，换了一台手机，后来被定位，当时LBS没有出现，但现在坐在这个厅里可以定位在几米之内。之前我和中军聊，我和微信约朋友几个人吃饭，很短的时间把地图一放就知道了。他说现在有更厉害的，你马上可以看到关注的几个朋友开车到哪里，距离多远。阿里巴巴做小额贷款、大数据产生影响，我觉得各种各样的数据，LBS使得数据商手里有很多信息，这些信息怎么分析、怎么使用？很多地方会改变，这里也有很多国家要限制，但有很多拥有巨大的商机。我个人认为，感觉到数据大大小小，就是因为各种各样合法拿到的数据、非法拿到的数据，各种各样的数据加在一起不仅是量有多大的问题，而是有没有额外的4V，评价一个大数据，合在一起就会对很多行业产生革命。这种情况之下可能时代的概念才会被提出。张念坤：我想举两个例子来说什么是时代，以前大家用中英辞典非常麻烦，现在月Google、百度几秒钟就可以拿过来。Google的资料使得全球任何一个地方2秒钟做查询，计算的速度精度非常快，才可以全球2秒钟找到你的答案，这是一个时代缩影。第二个时代在股票市场，每1秒钟一小部分能够分析市场高低的时候，有很多人股票买卖，银行影响股票市场是5年前、10年前不可能做的，所以我认为这个时代来到了。
邓锋：我不知道这叫不叫一个时代来到了，计算技术的进步都是渐进的，数据量的增大也是逐渐的。随着无线互联网的变化，我觉得个人的很多东西，哪怕过去很多人交易股票，做一些技术分析，这也是大数据，但没有说随时随地在什么位置。如果说一个时代的话，一方面令人兴奋，一方面令人感到恐惧，是不是好时代我不知道，我个人觉得有商机如果把定义改变了，包括隐私的规则改变了，数据规程的规则改变了，变成数据为王了，这样可以定义为时代。如果技术进步可以做不同的事，一直技术在进步。刚才讲数据能不能视为矿？很难说，这个矿和以前的矿不一样的地方，这个数据随着时间变化很快贬值，数据的时间性很强。看Google今天的数据很值钱，问Google10年前的数据不值钱，有点像电影一样，随着时间的变化价钱也会不断变化，不是原始数据老是停着，而是需要不断叠加的，就像老火汤一样。朱云来：数据不断叠加就不断产生价值。一方面两层。我觉得《大腕》拍得挺有意思的，还是有观察和一定的预见性，这个社会会变，你难免说发生基因突变了，原来的基因无非就是感谢，无非就是数字计算处理，无非是更快、更大、更多，有一天发生突变了，判断是一个时代还早了一点，处在监禁的过程中，是不是改变成跨时代，改变人们生活的，也有可能。
本文来源：网易科技报道
关键词阅读：
不做嘴炮 只管约到
跟贴热词：
文明上网，登录发贴
网友评论仅供其表达个人看法，并不表明网易立场。
热门产品:　　　
:　　　　　　　　
:　　　　　　　　　
热门影院：出自 MBA智库百科()
数据分析（Data Analysis）
　　数据分析是指通过建立审计分析模型对数据进行核对、检查、复算、判断等操作，将被审计单位数据的现实状态与理想状态进行比较，从而发现，搜集的过程。
　　数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律。
　　在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据分析是组织有收集数据、分析数据，使之成为信息的过程。这一过程是的支持过程。在产品的整个寿命周期，包括从到和最终处置的各个过程都需要适当运用数据分析过程，以提升有效性。例如J.开普勒通过分析行星角位置的观测数据，找出了行星运动规律。又如，一个企业的领导人要通过，分析所得数据以判定市场动向，从而制定合适的及。因此数据分析有极广泛的应用范围。
数据分析主要包含下面几个功能：
　　1. 简单数学运算（Simple Math）
　　2. （Statistics）
　　3. 快速傅里叶变换（FFT）
　　4. 平滑和滤波（Smoothing and Filtering）
　　5. 和峰值分析(Baseline and Peak Analysis)
　　在领域，有些人将数据分析划分为描述性统计分析、探索性数据分析以及验证性数据分析；其中，探索性数据分析侧重于在数据之中发现新的特征，而验证性数据分析则侧重于已有假设的证实或证伪。
：是指为了形成值得假设的检验而对数据进行分析的一种方法，是对传统统计学手段的补充。该方法由美国著名统计学家()命名。
：又称为“”、“”或者“”，是指对诸如词语、照片、观察结果之类的非数值型数据（或者说资料）的分析。
数据分析有极广泛的应用范围。典型的数据分析可能包含以下三个步：
1、探索性数据分析，当数据刚取得时，可能杂乱无章，看不出规律，通过作图、造表、用各种形式的方程拟合，计算某些特征量等手段探索规律性的可能形式，即往什么方向和用何种方式去寻找和揭示隐含在数据中的规律性。
2、模型选定分析，在探索性分析的基础上提出一类或几类可能的模型，然后通过进一步的分析从中挑选一定的模型。
3、推断分析，通常使用数理统计方法对所定模型或估计的可靠程度和精确程度作出推断。
数据分析过程实施
　　数据分析过程的主要活动由识别信息需求、收集数据、分析数据、评价并改进数据分析的有效性组成。
　　一、识别信息需求
　　识别信息需求是确保数据分析过程有效性的首要条件，可以为收集数据、分析数据提供清晰的目标。识别信息需求是的职责管理者应根据和的需求，提出对信息的需求。就而言，管理者应识别需求要利用那些信息支持评审过程输入、过程输出、的合理性、过程活动的优化方案和过程异常变异的发现。
　　二、收集数据
　　有目的的收集数据，是确保数据分析过程有效的基础。组织需要对收集数据的内容、、方法进行策划。策划时应考虑：
①将识别的需求转化为具体的要求，如评价供方时，需要收集的数据可能包括其、测量系统不确定度等相关数据；
②明确由谁在何时何处，通过何种渠道和方法收集数据；
③记录表应便于使用；
④采取有效措施，防止数据丢失和虚假数据对系统的干扰。
　　三、分析数据
　　分析数据是将收集的数据通过加工、整理和分析、使其转化为信息，通常用方法有：
老七种工具，即、、、、、、；
新七种工具，即、、、、、、；
　　四、数据分析过程的改进
　　数据分析是的基础。组织的管理者应在适当时，通过对以下问题的分析，评估其有效性：
①提供决策的信息是否充分、可信，是否存在因信息不足、失准、滞后而导致决策失误的问题；
②信息对持续改进质量管理体系、过程、产品所发挥的作用是否与一致，是否在产品实现过程中有效运用数据分析；
③收集数据的目的是否明确，收集的数据是否真实和充分，信息渠道是否畅通；
④数据分析方法是否合理，是否将在可接受的范围；
⑤数据分析所需资源是否得到保障。
　　采用的分析方法如下：
　　1．描述性统计分析
　　包括基本资料的描述，作各变量的次数分配及百分比分析，以了解的分布情况。此外，以和来描述、、等各个构面，以了解样本企业的对这些相关变量的感知，并利用及对背景变量所造成的影响做检验。
　　2．Cronbach’a信度系数分析
　　是指测验结果的一致性、稳定性及，一般多以(consistency)来加以表示该测验的高低。愈高即表示该测验的结果愈一致、稳定与可靠。针对各研究变量的衡量题项进行Cronbach’a信度分析，以了解衡量构面的。一般来说，Cronbach’a仅大于0．7为高信度，低于0．35为低信度(Cuieford，1965)，0．5为最低可以接受的信度水准(Nunnally，1978)。
　　3．探索性因素分析(exploratory factor analysis)和验讧性因素分析(confirmatory factor analysis)
　　用以测试各构面衡量题项的聚合效度(convergent validity)与区别效度(discriminant validity)。因为仅有信度是不够的，可信度高的测量，可能是完全无效或是某些程度上无效。所以我们必须对效度进行检验。效度是指工具是否能测出在设计时想测出的结果。收敛效度的检验根据各个和所衡量的概念的因素的负荷量来决定；而区别效度的检验是根据检验性因素分析计算理论上相关概念的，检定的95％信赖区间是否包含1．0，若不包含1．0，则可确认为具有区别效度(Anderson，1987)。
　　4．分析(structural equations modeling)
　　由于结合了因素分析(factor analysis)和(path analysis)，并纳入的联立方程式，可同时处理多个，容许自变量和含，可同时估计因子结构和因子关系。容许更大弹性的测量模型，可估计整个模型的拟合程度(Bollen和Long，1993)，因而适用于整体模型的因果关系。在模型参数的估计上，采用(，ML)；在模型的适合度检验上，以基本的拟合标准(preliminary fit criteria)、整体模型拟合优度(overall model fit)以及模型内在结构拟合优度(fit of internal structure of model)(Bagozzi和Yi，1988)三个方面的各项指标作为判定的标准。在评价整体模式适配标准方面，本研究采用x2(卡方)／df(自由度)值、拟合优度指数(goodness．of．f：iJt．in．dex，GFI)、平均残差平方根(root—mean．square：residual，RMSR)、近似误差均方根(root-mean—square-error-of-approximation，RMSEA)等指标；模型内在结构拟合优度则参考Bagozzi和Yi(1988)的标准，考察所估计的参数是否都到达。
　　邮政报刊生产作业系统投入使用后，至今已经积累了丰富的数据。这些数据全面而真实地描述了邮政报刊发行的业务全流程，同时也沉淀了丰富的报刊客户及订阅信息，这些信息集中存储在中，以为主进行展示。随着数据分析方法的不断进步，数据分析的应用模式已经不再局限于单纯的报表方式，新的应用模式不断涌现，先进的数据分析手段将使邮政报刊数据发挥出更大。
　　一、数据分析方法及邮政应用现状
　　数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。数据分析方法大致可以分为三张统计分析，以基础的统计分析为主高级分析，以计量经济建模理论为主；，以机器学习、数据仓库等复合技术为主。对于邮政报刊全国集中的大数据量来说，数据挖掘方法更能够发挥作用。有关数据挖掘方法及典型应用见表所示。
　　表数据挖掘方法及应用
种类功能算法典型应用
分类预测分类决策树、神经网络分类、区别分析、逻辑回归、概率回归、客户挽留分析、欺诈探测
预测、非线性回归收益率分析，收入预测，信用价值预测，客户潜在价值预测
聚类集群分析K-平均值，神经网络聚类客户分割
关联规则关联分析统计学，集合理论。
序列关联分析统计学，集合理论
相似统计学，集合理论
预测统计时间序列模型、神经网络销售预测、利率预测、损失预测
　　统计分析方法在邮政行业已有广泛应用，在邮政业务系统中均有报表统计功能，如统计报刊业务量的、等。高级分析方法常常出现在向上级汇报的分析报告中，如中报刊业务量及收入随着月份呈现季节性波动的，中对于影响收入的重要指标的相关性分析等。数据挖掘方法目前在邮政的应用还处于起步阶段。在邮政储蓄行业数据挖掘方法正在以主题分析的形势开展，如邮政储蓄的VIP、客户进行流失分析等。在邮政报刊行业，数据挖掘方法的应用还处于探索阶段。
　　二、数据分析在邮政报刊中的应用模式
　　以《中国邮政邮务类信息化规划》中报刊业务需求作为研究的着手点，分、、产品、渠道四个方面来进行数据分析应用模式的探索。
　　1、营销类
　　营销类数据分析主要围绕和两方面来开展。一是报刊客户细分。报刊客户细分是以报刊订阅客户为对象，使用数据挖掘方法，根据客户基本信息、兴趣爱好、订阅行为、等多个维度进行，得出差异显著的分群。以分群结果为基础，总结归纳各个细分群的特征，发掘潜在的细分客户的消费行为习惯，有针对性地对各个分群客户开展营销活动。二是“高码洋”专题分析。“高洋码”专题分析主要为满足邮政报刊发行局发展高端客户的需求而进行的多系统关联分析。参照业务部门提供的“高码洋”刊物进行重点研究，交叉关联现有的邮政系统如短信系统、邮储系统、“自由一族”、航空客票、中邮快购网站等系统的客户数据，得出在这些系统中潜在的报刊客户群。
　　2、经营类
　　经营类数据分析主要包括对邮政报刊业务涉及全流程以及等方面的分析，以及、投诉分析。一是报刊发行商业运营模式研究。报刊发行商业运营模式研究是根据中“由传统发行向数字化发行领域进军”提出的，研究将引入市场调查手段，通过对报刊发行商业运营情况进行分析，发现邮政报刊发行的优势与不足，为应对出版产业数字化的迅猛发展形势，提出数字发行策略模式。二是报刊发行。在报刊现有的经营管理模式下对统一接办、统一结算、统一运营和报刊社维护、集团大客户开发、报刊订阅网站运营、数字发行等各个进行梳理，综合运用统计分析和数据挖掘方法，对相关环节中的数据进行分析，发现中存在的问题，提出相应的改善建议。
　　3、产品类
　　产品类数据分析主要指提供分析报告或数据服务，如报刊广告价值报告、报刊要数服务等。一是报刊要数历史数据分析。报刊要数历史数据分析是对不j报刊历年要数数据进行的监测分析处理。该分析能E刊社及时掌握发行终端的详实信息，寻找提高报刊有效发行量的途径同时也为广告商和提供同报刊发行情况的横向。二是报刊广告价分析。报刊广告来源于邮政报刊订阅及零；数据和邮政报刊客户群体数据，从报刊发行和读者读两方面的各项指标对比评价各地的主要曼刊的广告价值，分析各报刊的，将分析结以报告的形式呈现给广告发行商。
　　4、渠道类
　　渠道类数据分析指对报刊的渠道运作状况进行分千，为邮政报刊合理安排资源、增加渠道效能提供参， 为探索发现新渠道提供帮助。一是报刊订阅方式析。报刊订阅方式分析是对读者订阅报刊的多种方如支局订阅、、电话订阅等进行分析，一亨面，比较各种订阅方式优劣势；另一方面，随着读订阅习惯的变化，探索新的订阅方式，吸引更多的户订阅报刊。二是邮政报刊发行渠道分析。随着新出版业自办发行的出现，及、、等新强势终端对邮政零售业的冲击，邮政报刊发行的主暮道地位受到了冲击。通过对现有渠道的发行量、发亍特征进行归纳总结，一方面可以改善渠道建设中不符合实际情况的问题，另一方面也能从中探索出报刊发行新途径。
　　综上。邮政报刊顺应市场导向，由计划经营向经营转变所提出的变革需求还有很多，在上述四个方面的应用模式之外，还有很多数据分析的应用模式有待挖掘整理和探讨。
　　三、应用案例——报刊产品与挖掘
　　1、背景及内容
　　该案例属于营销类应用模式，案例以报刊业务从传统经验型营销向现代转变的需要作为切入点，基于短信系统和量收系统的数据，通过手机号码将短信系统和量收系统中的报刊数据进行匹配整合，关联报刊与短信的交叉用户，采用、相关性分析的数据分析方法，对客户数据做多维度的分群，进行报刊产品与潜在客户分析，实现宏观和微观层面的产品营销两个基本内容。
　　2、分析过程
　　该分析选择了具有地域代表性的某省报刊订阅客户数据。整个分析过程包括数据准备、模型构建及模型业务解读三个阶段。数据准备阶段将量收报刊营销系统与短信系统关联取数，形成中间层数据5大类数据，最后加载形成宽表。模型构建阶段应用聚类算法将客户数据按照偏好和订阅习惯两大类进行细分，最后将细分结果进行整合，得出最终的细分结果。模型业务解读阶段从业务角度对模型进行解读，包括应用落地建议。
　　3、分析成果
　　在宏观市场层面，通过判断客户的订阅年限、订阅份数、订阅种类、退订份数、退订种类将报刊现有客户划分为频繁退订人群、高价值人群、大众订阅人群和中端消费人群。以某省邮政报刊业务为例，确定了四类人群。
　　通过将报刊用户进行群体划分，确定了不同类别人群的订阅偏好。以上述该省报刊为例，高价值客户偏好的前10名报刊品种有：扬子晚报、现代快报、参考消息、读者、、新华日报、：N．-T~J文摘、中国剪报、新民晚报、特别文摘(形象期刊)。其中，参考消息、读者和环球时报是重点：N~IJ o此分析对于形成有针对性的订阅目录提供了依据。
　　在微观产品营销层面，确定如何向不同类型客户，有针对性的推荐报刊产品的基本算法。首先提取了短信用户，然后通过手机号码实现用户关联其次，总结出既是短信用户又是报刊用户的人群在订阅报刊产品方面的显著特点(与整体报刊用户比较)，分析交叉关联客户在报刊订阅偏好方面与总体报刊客户的差异，得出短信客户对报刊的偏好；最后，根据“显著性”和“客户规模”等指标进行筛选，确定适合向各类客户推荐的报刊种类，支撑。整个分析过程实现了有针对性地向不同类别推荐报刊产品。例如，通过分析得到向该省短信客户推荐的报刊品种有：北方新报．新周末、兴安广播电视报、37°女人。该分析实现了“应该向什么样的客户推荐哪些产品”的基本功能。
　　4、实际应用
　　以某省为例，针对《看天下》的客户进行分析，为该刊物挖掘出订阅其他刊物的客户人群。以一年的订阅《看天下》客户为分析数据，通过对兴趣偏好的分析，得出同时订阅其他杂志的情况。
　　在此基础上对订阅这几种报刊的客户进一步分析兴趣偏好，得出订阅《三联生活周刊》《中国国家地理》《世界博览》《特别关注》《青年文摘》《南方周末》的客户对《看天下》的兴趣更高，并向市场营销部门建议对订阅这几种报刊的客户推荐《看天下)。另外，对《看天下》的客户前22大分类报刊的偏好进行分析，通过聚类与相关性分析《看天下》的客户同时订阅其他种类的报刊客户的占比情况，发现排在前列的有养生保健、文学、电影电视、科普、五类兴趣偏好，由此向市场营销部门建议对偏好这些兴趣的人群推荐《看天下》，并开展相关的营销活动。
　　5、应用效果及意义
　　该案例通过对报刊数据的深层分析，为邮政报刊的高端客户提供了良好的报刊推荐服务。另外，对报刊和短信数据的关联分析，挖掘出潜在的报刊客户群体，并有针对性的推荐相关产品。这些分析所产生的报刊产品将直接服务于报刊社和报刊市场，为邮政报刊产生良好的社会和。
　　(一)数据改变企业的运营管理决策方式
　　运营管理分为四种：移动化、、和，作为4大力量中坚力量之一的大数据，正改变着的运营管理决策方式。由于数据处理分析和等相关的不断成熟，企业内部的管理运作数据、业务运作数据，企业与客户的关系及互动数据，客户或潜在客户在企业经营业务之外的生活方式、、情感、社交等大数据，正为企业所采集和分析，企业洞察客户需求更深入、更全面，对业务运营管控更及时有力，因此大数据将完全改变企业管理者以往“拍脑袋”的，更依赖“用数据说话”，决策更趋科学性、理性，更具定量化和可评估性以及准确性和延续性。数据促进企业管理决策的能量不在于数据之大，也不在于数据本身，而在于企业根据大数据做出的更深入、更全面的客户需求洞察，并以此支撑企业针对性运营管理决策的及时、科学、有效形成，促进企业运营管理的高效准确运行以及企业生产力发展。
　　(二)目前企业数据分析的可拓展方向
　　(1)社交网络分析模型。数据伴随社交网络的风行而发展。社交网络发展促进了人们的，让人们生活和工作的有关信息数字化，而这些数字化信息一方面成为以单个个体为对象的形形色色、包罗万象、细致入微、支撑洞察个体兴趣需求和喜好的数据：另一方面也将原来现实生活中不可获得的人与人之间的关系信息搬上了网络。对于移动通信企业来说，客户的社交网络分析即一个重要的数据分析方向。社交网络分析的内容为：通过测算识别客户与客户之间关系所形成的圈子以及圈子中各客户角色的判定，形成企业对各个客户影响力和价值的判断，在此基础上，利用对这些圈子、角色和的认识，帮助企业实现相关营销活动或产品套餐的推广，提高和运营管理的。
　　(2)客户价值分析模型。随着社交网络的发展，不仅使得客户行为需求喜好信息更丰富，而且可获得客户之间关系的数据信息。如在捆绑套餐营销活动中，活动在用户群中的扩散呈链状发展，发展过程中，客户的圈子构成以及客户对圈中其他用户的影响力对活动推广扩散有重要影响。如果能够识别并借助有足够影响力的客户帮助推广活动，活动的营销效率必然有很大程度的提高。可见，数据时代，当企业的客户分析在原有以客户为对象进行分析的基础上，增加以客户与客户之间关系为对象的分析时，客户的价值测算和分析也将随之发生变化，客户的价值不再仅是个体客户消费体现的价值，还应增加个体客户对所在群体内其他客户的影响力指标。
　　(三)企业应用数据分析的必要性
　　(1)分析支撑的营销运营管理应用。由于数据分析、数据挖掘手段的支撑，传统数据时代，一些先进的企业已经基本实现洞察力驱动的精确营销运营管理。数据时代，客户数据更为丰富和细致，企业对客户需求洞察更为全面而准确，更重要的是，由于数据处理分析技术的成熟，企业实现客户洞察的在数据存储与数据处理和分析方面将更高效，甚至达到实时，所以支撑营销运营管理全流程各环节决策的可以与营销运营管理的工作流达到同步，企业可以综合客户的历史消费行为信息和客户当前行为，实时做出针对个体客户的个性化营销策略，从而在提高营销命中率的同时及时有效地识别并抓住稍瞬即逝的，极大地提高营销运营管理效率。
　　(2)数据分析促进智能管道运营应用的落实。对于企业来说，的在于，根据，实时为客户推荐并调配网络设备资源。传统数据时代，很难满足智能管道运营的要求，因为涉及的问题与前述客户体验的实时测算一样，由于技术条件限制不可能达到：数据时代，对半结构化机器数据实时采集、处理和分析的技术逐渐成熟，将大大促进智能管道运营管理落实的进程。
　　其实现原理基本类似于，最大的差别仅在于，智能管道以对客户产品使用行为测算的数据与提供产品的网络设备资源做对应，从而在保证客户体验达标的条件下，充分调配、切割、整合企业的设备网络资源，通过实现资源利用的最高效而达到资源配置的最优化。
　　(四)IT系统对数据支撑的体系规划和趋势
　　(1)梳理并整合业务部门对数据的需求，立足分析需求，做好数据IT体系架构的3步规划。数据相关技术条件的成熟、数据分析能力以及分析应用经验的积累等多方面因素，都是制约企业建设数据IT系统的条件，要充分抓住数据带来的机会并避免“心急吃不得热豆腐，反被热豆腐伤害”的问题，建议企业建设数据IT系统分阶段实现：第l阶段，将原来支撑报表分析的EDW优化升级到支撑高级分析的BI系统；第2阶段，逐步采集数据，将BI系统升级到支撑数据分析的IT系统：第3阶段，打通数据分析的IT系统与，将数据分析功能嵌入业务流程。
　　(2)以职能部门提供整体IT支撑方式向嵌入业务流程实时数据的分散能力支撑方式转变。这种转变趋势又称IT支撑“消费化”趋势。传统数据时代，企业建立数据中心，集中企业层面所有数据，为企业运营管理决策集中提供数据报表、分析甚至挖掘支撑，是公认的高效IT支撑方式；数据时代，数据从支撑企业中高层运营管理决策普及到支撑企业的、市场运营、，甚至在智能管道运营全流程中涉及从企业中高层运营管理人员到基层生产执行人员，很明显，这种数据获取和分析能力如果仅集中在IT职能部门，而不是全体人员均结合自身业务需求而具备的话，数据分析驱动的各项运营管理应用即成为不可能的任务。
　　所以，数据时代，数据要真正改变企业运营管理决策方式，使企业上下形成以数据驱动的为标志性特征，每个人都要做好与数据打交道的能力和心理准备，而IT系统运营管理部门也将不得不面临数据从、清洗、存储、处理到分析、提供和管理的过程，在各业务运营管理流程、各部门、各类用户间如何高效运行、高效交互、高效支撑的更复杂的IT系统支撑问题。
李洁.审计理论与实务
中级[M].中国经济出版社,2010.06.
张雪兰著.基于竞争优势的理论建构与实证检验.武汉大学出版社,2008.9.
林琴,胡蓉,张静茹.数据分析在邮政报刊中的应用模式研究[J].《现代邮政》.2012年 第1期
葛姝娜.数据分析在企业运营管理中的作用[J].电子产业经济,2013(15)
本条目对我有帮助141
&&如果您认为本条目还有待完善，需要补充新内容或修改错误内容，请。
本条目相关文档
& 30页& 1页& 25页& 3页& 35页& 62页& 24页& 4页& 29页& 47页
本条目相关资讯
日 日 日 日 日 日 日 日 日 日
本条目由以下用户参与贡献
,,,,,,,,,,,,,,,,,,,.
(window.slotbydup=window.slotbydup || []).push({
id: '224685',
container: s,
size: '728,90',
display: 'inlay-fix'
评论(共19条)提示:评论内容为网友针对条目"数据分析"展开的讨论，与本站观点立场无关。
发表评论请文明上网，理性发言并遵守有关规定。
以上内容根据网友推荐自动排序生成