如今我們處在一個人人談論大數據的時代。為何大數據如此火爆?就是因為數據蘊含無限價值。而這個價值如何挖掘卻是個費解的難題。一些企業已經意識到這一點，開始擁抱大數據。下面介紹一些國內外利用大數據創造價值的代表案例。
大數據幫零售企業制定促銷策略
北美零售商百思買在北美的銷售活動非?；钴S，產品總數達到3萬多種，產品的價格也隨地區和市場條件而異。由于產品種類繁多，成本變化比較頻繁，一年之 中，變化可達四次之多。結果，每年的調價次數高達12萬次。最讓高管頭疼的是定價促銷策略。公司組成了一個11人的團隊，希望透過分析消費者的購買記錄和 相關信息，提高定價的準確度和響應速度。
定價團隊的分析圍繞著三個關鍵維度：
數量：團隊需要分析海量信息。他們收集了上千萬的消費者的購買記錄，從客戶不同維度分析，了解客戶對每種產品種類的最高接受能力，從而為產品定出最佳價位。
多樣性：團隊除了分析了購買記錄這種結構化的數據外，他們也利用社交媒體發帖這種新型的非結構化數據。由于消費者需要在零售商專頁上點贊或留言以獲得優惠券，團隊利用情感分析公式來分析專頁上消費者的情緒，從而判斷他們對于公司的促銷活動是否滿意，并微調促銷策略。
速度：為了實現價值最大化，團隊對數據進行實時或近似實時的處理。他們成功地根據一個消費者既往的麥片購買記錄，為身處超市麥片專柜的他/她即時發送優惠券，為客戶帶來便利性和驚喜。
透過這一系列的活動，團隊提高了定價的準確度和響應速度，為零售商新增銷售額和利潤數千萬美元。
電信公司通過大數據分析挽回核心客戶
法國電信-Orange集團旗下的波蘭電信公司Telekomunikacja Polska是波蘭最大的語音和寬帶固網供應商，希望有效的途徑來準確預測并解決客戶流失問題。他們決定進行客戶細分，方法是構建一張“社交圖譜”- 分析客戶數百萬個電話的數據記錄，特別關注 “誰給誰打了電話”以及“打電話的頻率”兩個方面。“社交圖譜”把公司用戶分成幾大類，如：“聯網型”、“橋梁型”、“領導型”以及“跟隨型”。這樣的關 系數據有助電信服務供應商深入洞悉一系列問題，如：哪些人會對可能“棄用”公司服務的客戶產生較大的影響?挽留最有價值客戶的難度有多大?運用這一方法， 公司客戶流失預測模型的準確率提升了47%。
大數據幫能源企業設置發電機地點
丹麥的維斯塔斯風能系統(Vestas Wind Systems)運用大數據，分析出應該在哪里設置渦輪發電機，事實上這是風能領域的重大挑戰。在一個風電場20多年的運營過程中，準確的定位能幫助工廠 實現能源產出的最大化。為了鎖定最理想的位置，Vestas分析了來自各方面的信息：風力和天氣數據、湍流度、地形圖、公司遍及全球的2.5萬多個受控渦 輪機組發回的傳感器數據。這樣一套信息處理體系賦予了公司獨特的競爭優勢，幫助其客戶實現投資回報的最大化。
電商企業通過大數據制定銷售戰略
與外國同行相比，國內最大母嬰電商寶寶樹的辦法更簡單直接，它直接購買了一款數據可視化分析軟件永洪BI。這個軟件可以快速分析海量數據，快速響應不同 需求，即時生成復雜報表。寶寶樹在永洪BI平臺上，通過拖拉拽操作，生成關聯不同指標的分析模型，包括環比、同比、用戶快照分析、沉睡率、喚醒率、平均回 購周期等。
有了這些關鍵數據后，寶寶樹的業務團隊再來做更進一步的分析，比如上周有多少新用戶?推的新品收入怎樣?上月的新用戶這個月 的購買表現如何?用戶的平均回購周期相對環比是縮短了還是延長了?各渠道引流占比有何變化?……基于對這些問題的全面回答，他們不斷制定和調整產品和銷售 戰略。
一次，寶寶樹發現關鍵詞排序報表上多了污染這個詞，就想到空氣凈化器可能會火，于是在B端找到客戶投放廣告，大獲成功。現在空氣凈化器市場基本被母嬰電商壟斷。
從上文的案例中可以看出，大數據領域的價值創造機會因行業而異。在零售業，先進的分析方法往往與戰略相得益彰，涵蓋促銷增效、定價、門店選址、市場營銷 等多個領域。而在能源行業，大數據的價值創造重點更體現在對實體資產(如設備和工廠)的優化上。在金融服務業，大數據的應用可能會體現在風險評分、動態定 價以及為ATM和分行網點尋找最佳地點等方面。而在保險業，大數據的價值可能體現在防范理賠欺詐、優化保險金給付以及跟蹤駕駛行為等方面。
總的來說，大數據的終極目標并不僅僅是改變競爭環境，而是徹底扭轉整個競爭環境，帶來新機遇，企業需要應勢而變。企業只有認識到這一點，使用合適的數據分析產品、聰明地使用和管理數據，才能在長期競爭中成為終極贏家
京公網安備 11010502049343號