數據被稱為21世紀的石油，其中客戶數據又是數據中最為重要的。大數據中與客戶數據有關的，包括社交媒體數據、電子郵件、調查、客戶服務數據等，很多組織都擁有很多數據。但是，很多數據還處在原油階段，沒能得到處理、提取、和加工，客戶數據還不能產生業務價值。只有組織采取行動，深挖數據，客戶數據才能有所貢獻，而不止是一堆0、1和文本。

因此，產生了客戶數據分析。不斷地，組織投資在數據分析領域，希望能夠從數據中挖掘價值，從而更好地開拓客戶、維護客戶。

例如，網購網站eBay就分析來自客戶數據庫和網站活動數據的銷售記錄，以此支持市場戰略，將主頁進行個性化調整，讓不同的用戶瀏覽到不同的內容。在2014大數據創新大會上，eBay前總裁Vadim Kutsyy表示，分析項目能夠幫助網站提高業務水平。

另外，eBay通過數據分析，盡量避免給客戶顯示過多廣告和客戶不感興趣的產品。eBay盡量為用戶提供積極的網站體驗，這也是Kutsyy的首要分析任務。他表示：“我總在問自己，我們的客戶是否從我們收集的數據中獲得了價值?”

Kutsyy介紹了一系列eBay正在使用的數據管理平臺和項目語言，比如Hadoop、Teradata數據倉庫和MySQL、Cassandra數據庫。但是他認為，要獲得正確的客戶分析，就不能依賴技術。組織采用的任何工具都是為客戶服務的。客戶關心的不是你用了Hadoop還是Teradata，或者你用的Java語言還是Python語言，客戶關心的是自己的體驗。

客戶分析

Netflix也采用了客戶數據分析，用來個性化在線流媒體服務，保證客戶能夠滿足于服務，按月支付月費。Netflix負責流科學算法的總監Nirmal Govind表示，收集和分析用戶行為數據包括他們看的電影、觀看時間、和持有的互聯網賬號。他說：“我們有很多數據，顯示客戶的消費內容，他們喜歡什么。所有這些數據都可以用于優化客戶體驗。”和eBay一樣，Netflix使用了很多技術來支撐數據分析項目，其中包括Teradata、Cassandra和開源Apache Hive數據倉庫軟件、Tableau的數據可視化工具。收集和準備數據之后，Govind的團隊采用了一系列的算法，比如根據用戶看什么樣的電影推薦什么樣的內容。2011年，Netflix開始開發它的原生內容。Los Gatos公司也挖掘客戶喜歡和不喜歡的數據，支撐內容推薦。

數據分析之路也有挑戰。Govind表示找到正確的推薦引擎是很困難的。推薦是基于基本參數進行的，很難準確地判斷出一個人想要看什么內容。為了調試好引擎，他的團隊做了很多A/B測試，基于不同的預測模型給不同的用戶進行推薦，然后追蹤每組用戶花在推薦內容上的時間。

工資和人力資源服務數據分析公司Paychex關注了其他方面的數據分析：使用攪動模型識別可能會采用他們服務的客戶。在去年的預測分析大會上，Paychex風險分析經理Philip O'Brien表示，他和他的團隊利用公司規模數據、交易歷史、客戶服務交互等數據構建模型，找到可能會購買公司產品的客戶。分析團隊發現，公司21%的客戶服務費用都花費在無論如何都是使用Paychex產品的客戶上了。O'Brien表示，公司根據攪動模型部署了之前描述的處理客戶數據的方法。但說服業務經理使用分析結果又成了一大挑戰。

在過去，公司有很多“屁股決定腳”的決策方式，他表示：“如果人們習慣了靠直覺辦事，你一定要向他們展示分析工具具體能帶來什么價值。”

客戶數據陷阱：知道的太多

這里有一個潛在的危機，即知道的太多。知道什么時候停止是分析客戶數據的重要一步。公司可能掌握了很多數據，但不正確地使用數據很可能會給客戶帶來不適，最終致使他們離開。

SearsHoldings公司的大數據高級經理、企業數據倉庫管理員、負責運營和部署的Andy McNalis表示，零售商分析客戶瀏覽歷史、購買記錄和地理位置數據來幫助自己設定和修改產品價格。但也有一些數據動不得。比如Sears的門店都有Wi Fi覆蓋，它可以看到客戶在使用Wi Fi查看競爭對手網站的價格。這時，公司可以給客戶推送優惠券，但這樣做會讓客戶覺得Sears在監視他，反而適得其反。

客戶數據分析還包括其他方面，不只是部署系統和捕捉數據那么簡單。Sears使用Hadoop集群和Teradata數據倉庫支持客戶分析項目，分析團隊用開源R語言等編程語言寫計算方法，再將其運行到基于Hadoop的數據分析和虛擬化工具上。

這時就需要技術熟練的人應用算法生成有用的信息，訪問和分析發現的內容。McNalis表示：“人們認為你在這邊把數據填進去，那邊就會出來一枚硬幣，但其實不是這樣的。”