從谷歌、亞馬遜、Facebook、LinkedIn，到阿里、百度、騰訊，都因其擁有大量的用戶注冊和運營信息，成為天然的大數據公司。而像IBM、Oracle、EMC、惠普這類大型技術公司紛紛投身大數據，通過整合大數據的信息和應用，給其他公司提供“硬件+軟件+數據”的整體解決方案。我們關注的重點是大數據的價值，第一類公司首當其沖。
這些天然的大數據公司，通過對用戶信息的大數據分析，基本解決自己公司的精準營銷和個性化廣告推介等問題，基本上做到了以數據驅動的運營（data-driven processes）。
沒有數據分析支撐的決定將越來越不具有可靠性，這類公司正在改變管理理念和策略制定方式，大部分公司做到了以數據驅動的決策（data-driven decision）。
在用戶分析和精準營銷數據模型基礎上，對于自己產品和服務隨時進行改進。部分公司實現了以數據驅動的產品（data-driven products），但是這需要迭代式創新能力，并不容易。
亞馬遜、Facebook、LinkedIn、阿里、騰訊等大公司都在致力于發展橫向的大數據整體解決方案。這些方案將改變營銷學的基礎，精準營銷和個性化營銷將有針對性地找到用戶，多重渠道的營銷手段將逐漸消失，這也許就是傳說中的互聯網思維。
很多傳統企業也是天然的大數據公司，比如沃爾瑪、中國移動等，也在追趕大數據前進的步伐，在挖掘數據價值方面，盡力修煉自己的獨門絕技。下面就是這些天然大數據公司的挖掘價值的典型案例。
01.亞馬遜的“信息公司”
【如果全球哪家公司從大數據發掘出了最大價值，截至目前，答案可能非亞馬遜莫屬。亞馬遜也要處理海量數據，這些交易數據的直接價值更大。作為一家“信息公司”（而非國內許多電商自己定位的“零售公司”），亞馬遜不僅從每個用戶的購買行為中獲得信息，還將每個用戶在其網站上的所有行為都記錄下來：頁面停留時間、用戶是否查看評論、每個搜索的關鍵詞、瀏覽的商品等等。這種對數據價值的高度敏感和重視，以及強大的挖掘能力，使得亞馬遜早已遠遠超出了它的傳統運營方式。
亞馬遜CTO Werner Vogels在CeBIT上關于大數據的演講，向與會者描述了亞馬遜在大數據時代的商業藍圖。長期以來，亞馬遜一直通過大數據分析，嘗試定位客戶和和獲取客戶反饋。“在此過程中，你會發現數據越大，結果越好。為什么有的企業在商業上不斷犯錯？那是因為他們沒有足夠的數據對運營和決策提供支持，”Vogels說，“一旦進入大數據的世界，企業的手中將握有無限可能。”從支撐新興技術企業的基礎設施到消費內容的移動設備，亞馬遜的觸角已觸及到更為廣闊的領域。】
亞馬遜推薦：
亞馬遜的各個業務環節都離不開“數據驅動”的身影。在亞馬遜上買過東西的朋友可能對它的推薦功能都很熟悉，“買過X商品的人，也同時買過Y商品”的推薦功能看上去很簡單，卻非常有效，同時這些精準推薦結果的得出過程也非常復雜。
亞馬遜預測：
用戶需求預測（Demand Forecasting）是通過歷史數據來預測用戶未來的需求。對于書、手機、家電這些東西——亞馬遜內部叫硬需求（Hard Line）的產品，你可以認為是“標品”（但也不一定）——預測是比較準的，甚至可以預測到相關產品屬性的需求。但是對于服裝這樣軟需求（Soft Line）產品，亞馬遜干了十多年都沒有辦法預測得很好，因為這類東西受到的干擾因素太多了，比如：用戶的對顏色款式的喜好，穿上去合不合身，愛人朋友喜不喜歡…… 這類東西太易變，買得人多反而會賣不好，所以需要更為復雜的預測模型。
亞馬遜測試：
你會認為亞馬遜網站上的某段頁面文字只是碰巧出現的嗎？其實，亞馬遜會在網站上持續不斷地測試新的設計方案，從而找出轉化率最高的方案。整個網站的布局、字體大小、顏色、按鈕以及其他所有的設計，其實都是在多次審慎測試后的最優結果。
亞馬遜記錄：
亞馬遜的移動應用讓用戶有一個流暢的無處不在的體驗的同時，也通過收集手機上的數據深入地了解了每個用戶的喜好信息；更值得一提的是Kindle Fire，內嵌的Silk瀏覽器可以將用戶的行為數據一一記錄下來。
以數據為導向的方法并不僅限于以上領域，亞馬遜的企業文化就是冷冰冰的數據導向型文化。對于亞馬遜來說，大數據意味著大銷售量。數據顯示出什么是有效的、什么是無效的，新的商業投資項目必須要有數據的支撐。對數據的長期專注讓亞馬遜能夠以更低的售價提供更好的服務。
02.谷歌的意圖
【如果說有一家科技公司準確定義了“大數據”概念的話，那一定是谷歌。根據搜索研究公司comScore的數據，僅2012年3月一個月的時間，谷歌處理的搜索詞條數量就高達122億條。谷歌的體量和規模，使它擁有比其他大多數企業更多的應用大數據的途徑。
谷歌搜索引擎本身的設計，就旨在讓它能夠無縫鏈接成千上萬的服務器。如果出現更多的處理或存儲需要，抑或某臺服務器崩潰，谷歌的工程師們只要再添加更多的服務器就能輕松搞定。將所有這些數據集合在一起所帶來的結果是：企業不僅從最好的技術中獲益，同樣還可以從最好的信息中獲益。下面選擇谷歌公司的其中三個亮點。】
谷歌意圖：
谷歌不僅存儲了搜索結果中出現的網絡連接，還會儲存用戶搜索關鍵詞的行為，它能夠精準地記錄下人們進行搜索行為的時間、內容和方式，坐擁人們在谷歌網站進行搜索及經過其網絡時所產生的大量機器數據。這些數據能夠讓谷歌優化廣告排序，并將搜索流量轉化為盈利模式。谷歌不僅能追蹤人們的搜索行為，而且還能夠預測出搜索者下一步將要做什么。用戶所輸入的每一個搜索請求，都會讓谷歌知道他在尋找什么，所有人類行為都會在互聯網上留下痕跡路徑，谷歌占領了一個絕佳的點位來捕捉和分析該路徑。換言之，谷歌能在你意識到自己要找什么之前預測出你的意圖。這種抓取、存儲并對海量人機數據進行分析，然后據此進行預測的能力，就是數據驅動的產品。
谷歌分析：
谷歌在搜索之外還有更多獲取數據的途徑。企業安裝“谷歌分析(Google Analytics)”之類的產品來追蹤訪問者在其站點的足跡，而谷歌也可獲得這些數據。網站還使用“谷歌廣告聯盟(Google Adsense)”，將來自谷歌廣告客戶網的廣告展示在其站點，因此，谷歌不僅可以洞察自己網站上廣告的展示效果，同樣還可以對其他廣告發布站點的展示效果一覽無余。
谷歌趨勢：
既然搜索本身是網民的“意圖數據庫”，當然可以根據某一專題搜索量的漲跌，預測下一步的走勢。谷歌趨勢可以預測旅游、地產、汽車的銷售。此類預測最著名的就是谷歌流感趨勢，跟蹤全球范圍的流感等病疫傳播，依據網民搜索，分析全球范圍內流感等病疫的傳播狀況。
03.eBay的分析平臺
【早在2006年，eBay就成立了大數據分析平臺。為了準確分析用戶的購物行為，eBay定義了超過500種類型的數據，對顧客的行為進行跟蹤分析。eBay分析平臺高級總監Oliver Ratzesberger說：“在這個平臺上，可以將結構化數據和非結構化數據結合在一起，通過分析促進eBay的業務創新和利潤增長。”】
eBay行為分析：
在早期，eBay網頁上的每一個功能的更改，通常由對該功能非常了解的產品經理決定，判斷的依據主要是產品經理的個人經驗。而通過對用戶行為數據的分析，網頁上任何功能的修改都交由用戶去決定。“每當有一個不錯的創意或者點子，我們都會在網站上選定一定范圍的用戶進行測試。通過對這些用戶的行為分析，來看這個創意是否帶來了預期的效果。”
eBay廣告分析：
更顯著的變化反映在廣告費上。eBay對互聯網廣告的投入一直很大，通過購買一些網頁搜索的關鍵字，將潛在客戶引入eBay網站。為了對這些關鍵字廣告的投入產出進行衡量，eBay建立了一個完全封閉式的優
04.塔吉特（Target）的“數據關聯挖掘”
【利用先進的統計方法，商家可以通過用戶的購買歷史記錄分析來建立模型，預測未來的購買行為，進而設計促銷活動和個性服務避免用戶流失到其他競爭對手那邊。美國第三大零售商塔吉特，通過分析所有女性客戶購買記錄，可以“猜出”哪些是孕婦。其發現女性客戶會在懷孕四個月左右，大量購買無香味乳液。由此挖掘出25項與懷孕高度相關的商品，制作“懷孕預測”指數。推算出預產期后，就能搶先一步，將孕婦裝、嬰兒床等折扣券寄給客戶。塔吉特還創建了一套購買女性行為在懷孕期間產生變化的模型，不僅如此，如果用戶從它們的店鋪中購買了嬰兒用品，它們在接下來的幾年中會根據嬰兒的生長周期定期給這些顧客推送相關產品，使這些客戶形成長期的忠誠度。】
05.中國移動的數據化運營
【通過大數據分析，中國移動能夠對企業運營的全業務進行針對性的監控、預警、跟蹤。大數據系統可以在第一時間自動捕捉市場變化，再以最快捷的方式推送給指定負責人，使他在最短時間內獲知市場行情。】
客戶流失預警：
一個客戶使用最新款的諾基亞手機，每月準時繳費、平均一年致電客服3次，使用WEP和彩信業務。如果按照傳統的數據分析，可能這是一位客戶滿意度非常高、流失概率非常低的客戶。事實上，當搜集了包括微博、社交網絡等新型來源的客戶數據之后，這位客戶的真實情況可能是這樣的：客戶在國外購買的這款手機，手機中的部分功能在國內無法使用，在某個固定地點手機經常斷線，彩信無法使用——他的使用體驗極差，正在面臨流失風險。這就是中國移動一個大數據分析的應用場景。通過全面獲取業務信息，可能顛覆常規分析思路下做出的結論，打破傳統數據源的邊界，注重社交媒體等新型數據來源，通過各種渠道獲取盡可能多的客戶反饋信息，并從這些數據中挖掘更多的價值。
數據增值應用：
對運營商來說，數據分析在政府服務市場上前景巨大。運營商也可以在交通、應對突發災害、維穩等工作中使大數據技術發揮更大的作用。運營商處在一個數據交換中心的地位，在掌握用戶行為方面具有先天的優勢。作為信息技術的又一次變革，大數據的出現正在給技術進步和社會發展帶來全新的方向，而誰掌握了這一方向，誰就可能成功。對于運營商來說，在數據處理分析上，需要轉型的不僅是技巧和法律問題，更需要轉變思維方式，以商業化角度思考大數據營銷。
06.Twitter中的興趣和情緒
Twitter興趣聚類：
通過過濾用戶歸屬地、發推位置和相關關鍵詞，Twitter建立了一系列定制化的客戶數據流。比如，通過過濾電影片名、位置和情緒標簽，你可以知道洛杉磯、紐約和倫敦等城市最受歡迎的電影是哪些。而根據用戶發布的個人行為描述，你甚至能搜索到那些在加拿大滑雪的日本游客。從這個視角看，Twitter的興趣圖譜的效率優于Facebook的社交圖譜。Twitter的用戶數據所能產生的潛在價值同樣令人驚嘆。在社交媒體網站正在收集越來越多的數據的形勢下，它們或許能找到更好的方式來利用這些數據盈利，并使其取代廣告成為自身提高收入的主要方式。這些社交網站真正的價值可能在于數據本身。相信在不久的將來，如果尋找到既能充分利用用戶數據，又可合理規避對用戶隱私的威脅，社交數據所蘊藏的巨大能量將會徹底被開啟。
Twitter情緒分析：
Twitter自己并不經營每一款數據產品，但它把數據授權給了像DataSift這樣的數據服務公司，很多公司利用Twitter社交數據，做出了各種讓人吃驚的應用，從社交監測到醫療應用，甚至可以去追蹤流感疫情爆發，社交媒體監測平臺DataSift還創造了一款金融數據產品。華爾街“德溫特資本市場”公司首席執行官保羅·霍廷每天的工作之一，就是利用電腦程序分析全球3.4億微博賬戶的留言，進而判斷民眾情緒，再以“1”到“50”進行打分。根據打分結果，霍廷再決定如何處理手中數以百萬美元計的股票。霍廷的判斷原則很簡單：如果所有人似乎都高興，那就買入；如果大家的焦慮情緒上升，那就拋售。一些媒體公司會把觀眾收視率數據打包到產品里，再轉賣給頻道制作人和內容創造者。
精確的數據一旦與社交媒體數據相結合，對未來的預測會非常準。
07.特易購的精準定向
【聰明的商家通過用戶的購買歷史記錄分析來建立模型，為他們量身預測未來的購物清單，進而設計促銷活動和個性服務，讓他們源源不斷地為之買單。特易購（Tesco）是全球利潤第二大的零售商（僅次于沃爾瑪），這家英國超級市場巨人從用戶行為分析中獲得了巨大的利益。從其會員卡的用戶購買記錄中，特易購可以了解一個用戶是什么“類別”的客人，如速食者、單身、有上學孩子的家庭等等。這樣的分類可以為提供很大的市場回報，比如，通過郵件或信件寄給用戶的促銷可以變得十分個性化，店內的促銷也可以根據周圍人群的喜好、消費的時段來更加有針對性，從而提高貨品的流通。這樣的做法為特易購獲得了豐厚的回報，僅在市場宣傳一項，就能幫助特易購每年節省3.5億英鎊的費用。】
Tesco的優惠券：
特易購每季會為顧客量身定做6張優惠券。其中4張是客戶經常購買的貨品，而另外2張則是根據該客戶以往的消費行為數據分析，極有可能在未來會購買的產品。僅在1999年，特易購就送出了14.5萬份面向不同的細分客戶群的購物指南雜志和優惠券組合。更妙的是，這樣的低價無損公司整體的盈利水平。通過追蹤這些短期優惠券的回籠率，了解到客戶在所有門店的消費情況，特易購還可以精確地計算出投資回報。發放優惠券吸引顧客其實已經是很老套的做法了，而且許多的促銷活動實際只是來掠奪公司未來的銷售額。然而，依賴于扎實的數據分析來定向發放優惠券的特易購，卻可以維持每年超過1億英鎊的銷售額增長。
特易購同樣有會員數據庫，通過已有的數據，就能找到那些對價格敏感的客戶，然后在公司可以接受的最低成本水平上，為這類顧客傾向購買的商品確定一個最低價。這樣的好處一是吸引了這部分顧客，二是不必在其他商品上浪費錢降價促銷。
特易購的精準運營：這家連鎖超市在其數據倉庫中收集了700萬部冰箱的數據。通過對這些數據的分析，進行更全面的監控并進行主動的維修以降低整體能耗。
08.Facebook的好友推薦
【Facebook是社交網絡巨擎，但是在挖掘大數據價值方面，好像辦法不多，值得一提的就是好友推薦。Facebook使用大數據來追蹤用戶在其網絡的行為，通過識別你在它的網絡中的好友，從而給出新的好友推薦建議，用戶擁有越多的好友，他們與Facebook之間的黏度就越高。更多的好友意味著用戶會分享更多照片、發布更多狀態更新、玩更多的游戲。】
09.LinkedIn的獵頭價值
【LinkedIn網站使用大數據在求職者和招聘職位之間建立關聯。有了LinkedIn，獵頭們再也不用向潛在的受聘者打陌生電話來碰運氣，而可以通過簡單的搜索找出潛在受聘者并聯系他們。與此相似，求職者也可以通過聯系網站上其他人，自然而然地將自己推銷給潛在的雇主。有兩個例子能夠生動呈現LinkedIn的數據價值：幾年前，LinkedIn忽然發現近期雷曼兄弟的來訪者多了起來，當時并沒引起重視，過了不久，雷曼兄弟宣布倒閉；而在谷歌宣布退出中國的前一個月，在LinkedIn發現了一些平時很少見的谷歌產品經理在線，這也是相同的道理。如果LinkedIn針對性地分析某家上】
10.沃爾瑪的數據基因
【早在1969年沃爾瑪就開始使用計算機來跟蹤存貨，1974年就將其分銷中心與各家商場運用計算機進行庫存控制。1983年，沃爾瑪所有門店都開始采用條形碼掃描系統。1987年，沃爾瑪完成了公司內部的衛星系統的安裝，該系統使得總部，分銷中心和各個商場之間可以實現實時，雙向的數據和聲音傳輸。采用這些在當時還是小眾和超前的信息技術來搜集運營數據為沃爾瑪最近20年的崛起打下了堅實的地基，從而發現了“啤酒與尿布”關聯。
如今，沃爾瑪擁有著全世界最大的數據倉庫，在數據倉庫中存儲著沃爾瑪數千家連鎖店在65周內每一筆銷售的詳細記錄，這使得業務人員可以通過分析購買行為更加了解他們的客戶。通過這些數據，業務員可以分析顧客的購買行為，從而供應最佳的銷售服務。沃爾瑪一直致力于改善自身的數據收集技術，從條形碼掃描，到安裝衛星系統實現雙向數據傳輸，整個公司都充滿了數據基因。2012年4月，沃爾瑪又收購了一家研究網絡社交基因(基于用戶行為的偏好產品推薦)的公司Kosmix，在數據基因的基礎上，又增加了社交基因。】
11.阿里小貸和聚石塔
【雖然阿里系的余額寶如日中天，但其實阿里小貸才真正體現出了大數據的價值。早在2010年阿里就已經建立了“淘寶小貸”，通過對貸款客戶下游訂單、上游供應商、經營信用等全方位的評估，就可以在沒有見面情況下，給客戶放款，這當然是對阿里平臺上大數據的挖掘。數據來源于“聚石塔”——一個大型的數據分享平臺，它通過共享阿里巴巴旗下各個子公司(淘寶、天貓、支付寶等)的數據資源來創造商業價值。這款產品就是大數據團隊把淘寶交易流程各個環節的數據整合互聯，然后基于商業理解對信息進行分類儲存和分析加工，并與決策行為連接起來所產生的效果。】
12.西爾斯的數據大集成
【在過去，美國零售巨頭西爾斯控股公司（Sears Holding），需要八周時間才能制定出個性化的銷售方案，但往往做出來的時候，它已不再是最佳方案。痛定思痛，決定整合其專售的三個品牌——Sears、Craftsman、Lands'End的客戶、產品以及銷售數據，使用群集（cluster）收集來自不同品牌的數據，并在群集上直接分析數據，而不是像以前那樣先存入數據倉庫，避免了浪費時間——先把來自各處的數據合并之后再做分析。這種調整讓公司的推銷方案更快、更精準，可以從海量信息中挖掘價值，但是價值巨大，困難也巨大：這些數據需要超大規模分析，且分散在不同品牌的數據庫與數據倉庫中，不僅數量龐大而且支離破碎。
西爾斯的困境，在傳統企業中非常普遍，這些企業家一直想不通，既然互聯網零售商亞馬遜可以推薦閱讀書目、推薦電影、推薦可供購買的產品，為什么他們所在的企業卻做不到類似的事情。西爾斯公司首席技術官菲里·謝利（Phil Shelley）說：如果要制定一系列復雜推薦方案質量更高，需要更及時、更細致、更個性化的數據，傳統企業的IT架構根本不能完成這些任務，需要痛下決心，才能完成轉型。】
京公網安備 11010502049343號