电商经济背景下大数据分析技术及实用案例.pptx

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,Copyright2014,深航货运有限公司,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,Copyright2014,深航货运有限公司,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,Copyright2014,深航货运有限公司,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,电商经济形态背景下数据挖掘、,大数据分析技术及实用案例,电商经济背景下大数据分析技术及实用案例,第1页,引 言,随着云计算、物联网、社交网络等新兴服务兴起，人类社会数据种类和规模正以前所未有速度增加，大数据时代正式到来。数据从简单处理对象开始转变为一种基础性资源，怎样更好地管理和利用数据，从已经有数据资源中挖掘出更大价值已经成为普遍关注话题。,本课程从数据挖掘以及数据分析讲起，结合大数据背景时代行业特点与现实状况，希望能对怎样利用当前数据资源开展数据挖掘工作及有效进行数据收益分析做一些有益探讨。,2,电商经济背景下大数据分析技术及实用案例,第2页,第一篇 思维模式篇,要想上战场杀敌，你首先得让自己成为一个士兵！,电商经济背景下大数据分析技术及实用案例,第3页,找准定位,4,电商经济背景下大数据分析技术及实用案例,第4页,视 角,电商经济背景下大数据分析技术及实用案例,第5页,视 角,电商经济背景下大数据分析技术及实用案例,第6页,视 角,电商经济背景下大数据分析技术及实用案例,第7页,8,电商经济背景下大数据分析技术及实用案例,第8页,9,企业决议结构相当于中枢神经系统，情报系统相当于,神经系统,，资金管理相当于血液，知识管理（方法、工具）相当于骨架，人力资源（能力）相当于肌肉。,传导,动作反应,信息情报,管理决议,怎样了解信息情报功效性,责 权,电商经济背景下大数据分析技术及实用案例,第9页,情报多渠道起源,不一样渠道情报内容不一样,Develop,Wrap,Adjust,Review,Develop,Wrap,Adjust,Review,Develop,Wrap,Adjust,Review,时效,搜集,提,炼,分析,梳理,甄,别,筛选,同行合,作搭档,网络,朋友,人力资源分支,技术起源分支,经济起源分支,情报圈,国家经济指标,房地产,消费水平,股市资讯,企业分支,分析报表、,CEOS,销售,人员,广告宣传,活动,客户,竞争,对手,技术起源分支,信息搜集,信息分析,情报储存,信息情报传递,渠 道,电商经济背景下大数据分析技术及实用案例,第10页,内部信息,企业战略,营销政策,产品服务数据,财务报表,市场分析汇报,销售人员业绩,外部信息,媒体新闻,行业统计,股市资讯,同行网站,分销商报表,渠 道,11,电商经济背景下大数据分析技术及实用案例,第11页,信息情报起源真实性评定,据美国308家企业调查结果显示：,销售人员,96%,用户 92%,行业期刊,89%,企业促销材料 84%,营销研究人员,83%,对竞争对手产品分析 81%,企业年度汇报 77%,会议、贸易展会 74%,分销商 70%,供给商 65%,渠 道,电商经济背景下大数据分析技术及实用案例,第12页,怎样应用情报？,13,谁在用？,为何用？,谁没有用情报？为何？,在什么情况下用？,经过什么方式？,使用者是怎样取得情报？,他们取得情报意愿怎样？,效 果,电商经济背景下大数据分析技术及实用案例,第13页,情报工作中可能出现问题,14,工作重点不明确：,最正确分配,5%,10%30%15%20%20%,实际使用,5%,5%,20%50%5%25%,确定,需求,搜集,情报,识别,筛选,研究,整理,提供,传输,沟通,说服,效 果,电商经济背景下大数据分析技术及实用案例,第14页,15,汇报种类,描述,战略价值水平,目标客户,汇报频率,新闻公告,包含起源于内部和外部战略及战术方面信息。包含：已印刷出版或未印刷出版信息,低,一线销售人员,市场推广/销售管理人员,其它管理人员,每个月一次或每七天一次,竞争对手介绍,包含竞争对手基本情况，通常是放在一个文件夹或可供随时检索数据库内，并可经常进行更新,低,市场推广/销售管理人员,前线销售人员,其它管理人员,按要求而定,战略影响,工作表,和新闻公告近似，但会确认对企业战略和战术有影响事件,中,市场推广/销售管理人员,其它管理人员,每个月一次,每个月情报简报,包含主要战略新闻和影响原因，以高度浓缩形式汇报,中,高级管理人员,其它管理人员,每个月一次,形势,分析,汇总主要战略问题，并包含支持汇总详尽分析,中,-高,高级管理人员,其它管理人员,按要求而定,尤其情报汇总,关于某一确认情况或问题一到两页长度汇报。汇总主要支持性分析，并提供对应行动提议,高,高级管理人员,按要求而定,效 果,电商经济背景下大数据分析技术及实用案例,第15页,16,第二篇 行动实践篇,我,们,应,如,该,何,操,作,？,电商经济背景下大数据分析技术及实用案例,第16页,Contents,目录,17,电商经济背景下大数据分析技术及实用案例,第17页,数据挖掘与分析基本概念,定义,历史,特点,功效,主要性,第一部分,18,电商经济背景下大数据分析技术及实用案例,第18页,我们身边数据挖掘与分析,如今，,网上购物已成为大部分人消费趋势与习惯，而大家在网上购物时，经常会,收到系统做出个性化推荐,。,比如：,亚马逊会推荐你可能会喜欢看图书，淘宝会依据你购物和浏览统计推荐你可能感兴趣商品。,全部这些推荐结果都来自于各式各样推荐系统，它们依靠计算机算法运行，依据用户浏览、搜索、下单和喜好，为用户选择他们可能会喜欢、有可能会购置商品，从而,增加潜在销售,。,19,电商经济背景下大数据分析技术及实用案例,第19页,定义,数据挖掘分析是什么？,技术层面：,探查和分析大量数据以发觉有意义模式和规则过程。,商业层面：,是一个商业信息处理技术，特点是对大量业务数据进行抽取，转换，分析和建模处理，从中提取辅助商业决议关键性数据,。,海量数据,知识库,数据挖掘,20,电商经济背景下大数据分析技术及实用案例,第20页,数据挖掘分析发展历史,21,电商经济背景下大数据分析技术及实用案例,第21页,数据挖掘与分析主要性：,电信：客户流失,银行：客户细分；交叉销售,百货企业,/,超市：购物篮分析,保险企业：客户细分；流失,信用卡：欺诈探测；客户细分,税务部门：偷税漏税行为探测,医学：医疗保健,电子商务：网站日志分析,物流行业：货物追踪,在银行、保险、电信、零售等行业，,激烈市场,竞争,环境下，,数据挖掘,及数据分析,作用尤为主要，并已开始,广泛应用。,经过挖掘出数据，对其进行适当数据模型分析，使,企业对客户,了解更精细化，从而,改进其市场、销售和客户支持运作。,经典商业应用领域包含：市场营销，交叉销售与交叉营销，客户关系管理，个性化推荐与服务，风险分析与控制，欺诈行为检测和异常模式发觉，供给链库存管理，以及人力资源管理等。,22,电商经济背景下大数据分析技术及实用案例,第22页,数据挖掘与分析功效,23,电商经济背景下大数据分析技术及实用案例,第23页,美国梅隆银行（,Bank of NewYork Mellon,）,梅隆银行设定争取,20,万新户头目标，为此计划向,1000,万可能得用户邮寄邀请函。,利用数据挖掘产生了,3000,个最可能得用户模式，对这些数据进行深入分析后再加以精选，产生了更小数目。而这个更小数据会产生,12%,回报率。,结果表明，该银行只需发出,200,万份邀请函即可取得,20,万名新用户。,数据挖掘与分析技术瞄准了那些最适合梅隆银行服务项目标用户，不但削减成本，还提升了每位新开户用户平均利润率，其利润要比通常高,3,倍。,24,电商经济背景下大数据分析技术及实用案例,第24页,Pop-Tarts,和飓风,分析人员发觉，每次飓风降临，一个袋装小食品“,Pop-Tarts”,销售量都会显著上升。手电筒、电池、水，这些商品销量会伴随飓风到来而上升，很轻易了解，但“,Pop-Tarts”,上升是不是必定呢？,研究人员以后发觉，这也是一个有用规律：,Pop-Tarts,销量上升，一是因为美国人喜欢甜食，二是因为它在停电时吃起来非常方便。今后，飓风来袭之前，沃尔玛也会提升“,Pop-Tarts”,仓储量，以防脱销，并把它和水捆绑起来销售。,假如没有进行数据挖掘与分析，“,Pop-Tarts”,和颶风微妙关系就难以被发觉。,25,电商经济背景下大数据分析技术及实用案例,第25页,数据挖掘与分析方法,目,流程,方法,第二部分,26,电商经济背景下大数据分析技术及实用案例,第26页,27,电商经济背景下大数据分析技术及实用案例,第27页,在处理海量数据时，我们经常碰到类似苦恼，数据库越来越大，数据爆炸，不能制订适当决议，那么我们怎样更加好利用挖掘出数据，经过分析获取到有价值数据成为非常主要课题。,数据挖掘与分析目：,用适当,统计分析方法,对搜集来大量资料、数据进行分析，提取有用信息并形成份析结论，把隐没在一大批看似杂乱无章数据中信息集中，萃取和提炼出来，以找出所研究对象内在规律；对数据、资料等加以详细研究和概括总结过程，帮助人们作出判断，方便采取适当行动。,电商经济背景下大数据分析技术及实用案例,第28页,数据挖掘与分析流程,数据是企业关键业务处理中心内容，决定,着,企业未来发展。不过在面对这些海量数据时，需要经过一个系统流程来处理。成功数据挖掘是让数据产生商业价值，而不是简单运行尤其算法或工具。,依据,1999,年由欧盟机构联合起草“跨行业数据挖掘过程标准”,CRISP-DM,，一个数据挖掘项目生命周期能够分为商业了解、数据了解、数据准备、建立模型、模型评定及模型公布,6,个阶段。,29,电商经济背景下大数据分析技术及实用案例,第29页,欧盟,“跨行业数据挖掘过程标准”,数据挖掘第一个阶段；,了解项目标目标和从业务角度了解需求，并将这个知识转化为数据挖掘定义和完成目标早期计划。,熟悉数据、发觉数据内部属性，识别潜在特征,检验数据是否完整、正确，是否存在缺失值等等,将模型输出结果与现实生活中发生结果进行对比，从而深入评定模型准确性。,合理性、简单性、稳定性、预测能力,为了特定数据挖掘目标作出假设，利用适当数据挖掘工具建立模型；,利用模型解释特定现象和预测对象未来情况。,构建模型不是项目标终点。在模型建立并验证之后，还需要一个“布署,监控,更新”过程，以使模型作用最大化。,将原始数据处理成最终建模需要数据。该过程可能屡次执行，且非常耗时。,30,电商经济背景下大数据分析技术及实用案例,第30页,怎样构建一个有指导数据挖掘与分析模型,31,电商经济背景下大数据分析技术及实用案例,第31页,把业务问题转换为数据挖掘问题,把广泛目标详细化，细化，深入观察客户行为可能变成详细目标,；,取决于对要处理业务问题了解程度,。没有正确了解业务问题就没方法把数据转化为挖掘任务。,比如：,主动向高风险或高价值客户提供一个优惠，挽留他们,研究渠道方式,，以利于那些能带来最忠实客户渠道,假如停顿某类产品，,列出处于销售风险产品,依据当前市场营销策略，预测未来三年客户数量,数据挖掘分析后，,会产生几个不一样类型交付形式。可能是一个报表或充满图标和图形简报。,比如：当我们目标是提醒销售惊雷时，产生一个营销测试客户列表是不够。,32,电商经济背景下大数据分析技术及实用案例,第32页,什么数据能够用,多少数据才足够,分析需要多久时间,数据必须包含什么,33,电商经济背景下大数据分析技术及实用案例,第33页,构建分析模型,数据分析模型（方法论）：,主要是用来指导分析人员进行一个完整数据分析，更多是指导数据分析思绪。如：主要从哪几方面开展分析？各方面包含什么内容或者指标之类？,惯用分析模型,水平比较分析,趋势分析,定标比超,九宫图分析法,SWOT,分析,波士顿矩阵,竞争态势矩阵,竞争者分析,竞争者标杆,关键竞争力分析,差距分析,麦肯锡,7S,框架,组织和个性评定,组合分析,产业,/,行业分析,价值链,组合管理和调整战略,波特普通竞争战略,波特价值链,波特,产业五种力量分析,产品生命周期,经验曲线,营销技术矩阵,比率分析,国家风险分析,分销战略分析,研发、产品和制造分析,方向政策矩阵,战略构想和联盟分析,曲线分析,连续增加率分析,商业筛选,宏观环境分析,34,电商经济背景下大数据分析技术及实用案例,第34页,数据分析惯用表现形式,35,电商经济背景下大数据分析技术及实用案例,第35页,应用案例：,啤酒和尿布,沃尔玛购物篮分析,分析啤酒与尿布之间销售关系,啤酒和尿布是用户群完全不一样商品。沃尔玛经过一年数据挖掘与分析两种产品情况，结果显示尿布卖得好店面啤酒也卖得很好。,原因很简单，普通太太让先生下楼买尿布时候，先生们普通都会犒劳自己两听啤酒。所以啤酒和尿布一起购置机会是最多。,36,电商经济背景下大数据分析技术及实用案例,第36页,新加坡樟宜国际机场经过整合各种渠道和后端数据源，为其旅客提供卓越服务。,经过云端大数据，整合了,来自各种消费者接触点信息，将搜集到反馈,数据信息,分门别类地发送至机场各相关部门进行汇总处理，,深入了解客户消费习惯，,便于跨业务部门沟通和为旅客提供无缝隙服务。,业内先进企业应用案例,-,新加坡樟宜国际机场,提升了客户满意度和忠诚度；,提升行业竞争力并找到新收入增加源。,37,电商经济背景下大数据分析技术及实用案例,第37页,对数据进行深入分析,水平比较分析,趋势分析,定标比超,波士顿矩阵,38,电商经济背景下大数据分析技术及实用案例,第38页,水平比较分析,39,电商经济背景下大数据分析技术及实用案例,第39页,水平比较法：,经过对各类相关数字资料，将两期或多期连续相同指标或比率进行定基对比和环比对比，得出它们增减变动方向、数额和幅度，是揭示企业财务情况、经营情况和现金流量改变趋势一个分析方法。,比 较 方 式 分 类,40,电商经济背景下大数据分析技术及实用案例,第40页,指标比较,将相同指标或比率进行比较，直接观察其增减变动情况及变动幅度，考查其发展趋势，预测其发展前景。这种方式在统计学上称之为动态分析。,指标比较方法,41,电商经济背景下大数据分析技术及实用案例,第41页,报表比较,将连续数期报表金额并列起来，比较其相同指标增减变动金额和幅度，据以判断企业财务情况和经营结果发展改变一个方法。,利用该方法进行比较分析时,，,最好是既计算相关指标增减变动绝对值，又计算其增减变动相对值，,这么能够有效地防止分析结果片面性。,比如：某企业利润表中反应净利润为100万元，年净利润为150万元，20净利润为210万元。,经过绝对值分析：,经过相对值分析：,年与相比：净利润增加了150-100=50（万元）；,20与年相比：净利润增加了210-150=60（万元）；,说明20效益增加好于年。,年较同比净利润增加率为：（150-100）/150=33%；,20较年相比净利润增加率为：（210-150）/210=28%。,说明20效益增加显著不及年。,42,电商经济背景下大数据分析技术及实用案例,第42页,趋势分析法,43,电商经济背景下大数据分析技术及实用案例,第43页,趋势分析法：,经过对大量数据进行含糊计量，分析预测每个时间段改变趋势，预测企业未来发展趋势，从中发觉对应时间或区间拐点，是以连续时间序列为支柱分析方法和预测工具，含有较高准确率和可操作性。,作用：,确定企业财务情况和经营结果发展趋势对投资者是否有利；,经过趋势分析能够知道企业经营改变情况，为预测未来发展方向提供帮助。,预测法主要优点是考虑时间序列发展趋势，使预测结果能更加好地符合实际。,趋势分析方式,44,电商经济背景下大数据分析技术及实用案例,第44页,销售趋势,说明企业经营情况，,经过企业之间销售趋势比较，取得更多有用信息。,在销售趋势出现异常情况下，要仔细判断形成这种趋势原因。另外，销售额增加不一定与销售数量直接相关，要考虑市场价格影响。,收益趋势,对收益趋势要做企业间和行业间数据比较；,收益趋势与销售趋势含有可比性；需要将销售趋势和收益趋势结合分析。,比如：假如成本稳定，企业盈利将与销售额同时增加，但在成本快速增加或者各项费用增加超出销售额同时增加时候，销售额增加并不意味着利润增加，假如销售量增加是因为大幅度降价换来，企业也会损失大量利润，所以二者趋势需相结合分析。,45,电商经济背景下大数据分析技术及实用案例,第45页,趋势线,所谓趋势线，是用划线方法将低点或高点相连，依据历史数据上下变动趋势所画出线路。,正确地划出趋势线，人们就能够大致了解未来发展方向，可依其脉络寻找出恰当收益调整点，也可推测后期大致走向一个图形分析方法。,趋势线可分为上升趋势线，下降趋势线与横向整理趋势线（若右图所表示）。,46,电商经济背景下大数据分析技术及实用案例,第46页,定标比超法,47,电商经济背景下大数据分析技术及实用案例,第47页,定标比超法,就是将本企业各项活动与目标值进行比较，从而提出行动方法，发觉不足并填补本身不足，改进经营并到达最正确效果一个有效伎俩。,是将本企业经营各方面情况和步骤与竞争对手或行业内外一流企业进行对照分析过程，是一个评价本身企业和研究其它组织伎俩，是将外部企业持久业绩作为本身企业内部发展目标并将外界最正确做法移植到本企业经营步骤中去一个方法。,作用：,1,、有利于确定和比较竞争对手经营战略组成要素，在此过程中能取得许多对评价整个竞争形势价值很大信息。,2,、对一流企业所做定标比超能够将从任何产业中最正确企业那里得到信息用于改进本企业内部经营，建立对应赶超目标。,3,、作跨行业技术性定标比超还有利于技术跨行业渗透。,4,、经过对竞争对手定标比超，与其对客户要求了解作对比，能够发觉本企业在这方面不足，能够将市场、竞争力和目标设定结合在一起。,48,电商经济背景下大数据分析技术及实用案例,第48页,定标比超类型,运行过程、管理方法、诀窍等，学习模仿、改进融合使企业在该领域赶上或超出竞争对手定标比超。,对领先企业管理系统、管理绩效进行对比衡量,某种产品作为基准，进行对比,比较是本企业与对标企业战略意图，分析确定成功关键战略要素以及战略管理成功经验,组织内部绩效评定活动，其目标是找出组织内部最正确作业典范,认定竞争对手对比。其目标是找出竞争对手优势和专长，发觉自己与竞争对手之间差距并努力缩短这种差距。,跨行业比超，不一样行业，但含有相同或类似运作步骤企业间定标比超,未来自不一样行业创新实践移入本企业，这对整个企业来说是一个极大挑战，因为企业可能所以需要重新设计业务流程。,49,电商经济背景下大数据分析技术及实用案例,第49页,主要实施步骤：,50,电商经济背景下大数据分析技术及实用案例,第50页,波士顿矩阵,51,电商经济背景下大数据分析技术及实用案例,第51页,明星业务,它是指处于,高增加率、高市场拥有率,象限内产品群，这类产品增加率很快，市场拥有率也很高，得到利润很好，就像明星一样，发展前途很好，这类业务处于快速增加市场，含有很大市场份额。,“明星业务”在增加和赢利上有着极好长久机会，但它们是企业资源主要消费者，需要大量投资，为保护或扩展“明星业务”在增加市场中占主导地位，普通应对这类业务进行保护，在短期内优先供给它们所需资源，支持它们继续发展。,波士顿矩阵,一共有四种业务类型，按照市场增加率和相对市场拥有率来划分可分为：,明星业务、金牛业务、幼童业务、瘦狗业务,；市场增加率以,10%,为基准点，市场拥有率以,1.0X,为基准点。四种业务分析以下：,金牛业务,又称重利产品。它是指处于,低增加率、高市场拥有率,象限内产品群，已进入成熟期。像奶牛一样，吃是草，产出是高质量牛奶；,这类业务处于成熟低速增加市场之中，市场地位有利，盈利率高，本身不需要投资，反而能为企业提供大量资金，用以支持其它业务发展，企业任何业务都是朝着这种业务发展。,52,电商经济背景下大数据分析技术及实用案例,第52页,它是处于,高增加率、低市场拥有率,象限内产品群。前者说明市场机会大，前景好，指增加率很快，而后者则说明在市场营销上拥有率不高，得到利润有限，利润率较低。,企业对于该类业务需深入进行分析，判断使其转移到“明星业务”所需要投资量分析其未来盈利，研究是否值得投资等问题，对其产品改进与扶持方案普通均列入企业长久计划中。要是无法投资，应该放弃该类业务了。,幼童业务,瘦狗业务,也称衰退类产品。它是处于,低增加率、低市场拥有率,象限内产品群。像瘦狗一样，要吃饭，不过本身却没有什么价值，其财务特点是利润率低、处于保本或亏损状态，负债比率高，无法为企业带来收益。,这类业务处于饱和市场当中，竞争激烈，可赢利润很低，不能成为企业资金起源。假如这类经营业务还能自我维持，则应该缩小经营范围，加强内部管理。假如这类业务已经彻底失败，企业应及早采取办法，清理业务或退出经营。,53,电商经济背景下大数据分析技术及实用案例,第53页,发展,每个企业都会有上述四种业务，只是每样业务多少不一定而已，在分析过程中，须明确各项业务在企业中不一样地位，从而深入明确其战略目标。通常有四种战略目标分别适合用于不一样业务。,以提升经营单位相对市场拥有率为目标甚至不惜放弃短期收益。要是“幼童”类业务想尽快成为“明星”，就要增加资金投入。,投资维持现实状况，目标是保持业务单位现有市场份额、对于较大“金牛”能够此为目标，以使它们产生更多收益。,这种战略主要是为了取得短期收益，目标是在短期内尽可能地得到最大程度现金收入。对处境不佳“金牛”类业务及没有发展前途“幼童”类业务和“瘦狗”类业务应视详细情况采取这种策略。,目标在于清理和撤消一些业务，减轻负担，方便将有限资源用于效益较高业务。这种目标适合用于无利可图“瘦狗”类和“幼童”类业务。,一个企业必须对其业务加以调整，以使其投资组合趋于合理,。,保持,放弃,收割,54,电商经济背景下大数据分析技术及实用案例,第54页,案例：,为了直观表现各地产品市场竞争态势情况，我们引进波士顿矩阵分析模型，对本公司与竞争者共有产品竞争分析，其中产投差,=,销量增幅,-,产能增幅；,横坐标：,相对产投差,=,本公司产投差,-,竞争者产投差，表示是相对竞争态势关系；,纵坐标：,产投比,=,销售份额,产能份额，表示是绝对竞争态势关系。,55,电商经济背景下大数据分析技术及实用案例,第55页,一站式了解地域整体经营情况,金牛类：,本身投产超出,1,，竞争态势保持相对优势城市，但产投差相对增加低于竞争者；,明星类：,各项指标很好，产出大于投入，且相比去年产投差增加高于竞争者；,瘦狗类：,载运率低，产投比不足,1,，且产投差增加也不及竞争者（如：,TSN,）；,幼童类：,产投比未达,1,，但其产投增加高于竞争者（如：,INC,）。,波士顿矩阵案例,56,电商经济背景下大数据分析技术及实用案例,第56页,竞争环境分析,国家政策、政治风险分析,环境、情境分析,成本预算分析,竞争问题分析,利益相关者分析,其它相关性分析,课堂练习：,某烟草企业计划在某市某区新华街设置门市，假如你是该企业此项目责任人，请确定出一份简明可行性汇报纲要。,57,电商经济背景下大数据分析技术及实用案例,第57页,数据挖掘与分析系统框架设计,发展趋势,数据库资源,功效设计,关键,KPI,指标系统,项目团体,第三部分,58,电商经济背景下大数据分析技术及实用案例,第58页,信息情报管理系统发展趋势,网络化,决议化,集成化,智能化,系统框架设计,电商经济背景下大数据分析技术及实用案例,第59页,企业情报信息系统建立后数据库资源,60,企业知识库管理系统，或是说情报知识库，实际上是一个经过企业内联网对竞争对手和市场进行深层次分析知识管理系统。,这一系统详细囊括了对许多内容分析：竞争对手主品和服务、优势和劣势、市场焦点、销售渠道以及战术。企业任何部门和决议机构能够在制订竞争情景规划时参考以上内容。,系统框架设计,电商经济背景下大数据分析技术及实用案例,第60页,情报信息系统基本功效设计,市场预警,环境监控,策略制订,信息跟踪,信息,安全,竞争分析,情报信息管理系统,系统框架设计,电商经济背景下大数据分析技术及实用案例,第61页,系统框架设计,市场拥有率,产投比,/,收投比,收投差,竞争质量控制线及跟踪管理,收益率指标群,价格管理,效益指标纵向趋势,矩阵及散点分析,阶段性生产能力,资源组织分配能力,产销衔接周转速度,分销渠道容量及能力,信息情报系统设置考虑关键,KPI,指标系统,62,电商经济背景下大数据分析技术及实用案例,第62页,第三篇 大数据应用及思维模式,63,电商经济背景下大数据分析技术及实用案例,第63页,Contents,目录,64,电商经济背景下大数据分析技术及实用案例,第64页,第五次信息技术革命,第五次信息革命是以计算机数据处理技术（对数据采集、存放、检索、加工、变换和传输）与新一代通信技术（移动网络如,3G,）有机结合为开端。,第五次信息技术领域重大技术革命：个人计算机、互联网、云计算、大数据、体感交互。,PS:,云计算是一个基于互联网计算方式。经过这种方式，共享软硬件资源和信息能够按需求提供给计算机和其它设备。云技术中“云”，是网络、互联网一个比喻说法。,PS:,体感交互技术属于前沿科技之一，从,Kinect,开始逐步向各个领域、各个国家延伸和发展。它能够用手势或者身体动作来代替传统遥控器操作各种软件和游戏，为软件应用带来了主要影响。,65,电商经济背景下大数据分析技术及实用案例,第65页,什么是大数据,“大数据”,是由数量巨大、结构复杂、类型众多数据,组成数据集合，是,基于云计算,数据处理与应用模式，经过数据整合共享，交叉复用,形成智力资本和知识服务能力。,66,电商经济背景下大数据分析技术及实用案例,第66页,4G,时代大数据理念,4G,将使大数据在采集、传输和应用端发生重大改变,4G,最大数据传输速率超出移动电话数据传输速率,1,万倍,信息过载压力增大同时也催生了大数据产业链上商机,67,电商经济背景下大数据分析技术及实用案例,第67页,facebook,社交网络,淘宝、,ebuy,微博,、,Apps,移动互联,电子商务,什么是大数据,TB,PB,EB,ZB,GB,1PB,=,250字节,1EB,=,260字节,1ZB,=,270字节,实时处理要求,是区分大数据引用和传统数据仓库技术,BI,技术关键差异之一,68,电商经济背景下大数据分析技术及实用案例,第68页,为何今天才谈大数据,facebook,淘宝、,ebuy,价格低廉存放,价格低廉,计算,设备爆炸,社交网络,无处不在,连接,传感器网络,69,电商经济背景下大数据分析技术及实用案例,第69页,为何今天才谈大数据,美国医疗行业年度大数据经济预测值,相当于西班牙年度医疗行业总体投资,两倍。,欧洲公共事业年度大数据经济预测,超出希腊,GDP产值,全球个人消费者使用地理信息数据获取,商业价值,零售商借助大数据技术增加利润,增加数据深度分析工作岗位,在美国，借助大数据技术从事数据相关,经理工作岗位,大数据价值,70,电商经济背景下大数据分析技术及实用案例,第70页,了解大数据,数据处理理念转变,大转变数据价值链三大转变,大数据,全部权,大数据,技术能力,大数据,创新思维,主要性,上升,主要性,上升,主要性,下降,数据处理理念三大转变,传统数据,处理理念,随机采样,准确性,因果关系,大数据,处理理念,全部数据,效率,相关关系,71,电商经济背景下大数据分析技术及实用案例,第71页,了解大数据,不但应用于营销领域,应用 经过对大数据储存、挖掘与分析，大数据在营销、企业管理、数据标准化与情报分析等领域大有作为,行业 大数据一方面可以应用于客户服务水平提升及营销方式改进，其次可以助力行业内企业降低成本，提升运营效益，同时还能帮助企业进行商业模式创新及发现新市场商机,社会 大数据在智慧城市、智慧交通及灾难预警等方面都有巨大潜在应用价值。专业机构预测，随着互联网技术高速发展，云计算、物联网应用日益丰富，大数据未来发展前景将更为广阔,领域,大数据,社会,行业,72,电商经济背景下大数据分析技术及实用案例,第72页,大数据,应用场景,政府,政府投入将形成示范效应，大大推进大数据发展。,政府职能变革,交通优化,自然灾害预,防,研究改进,物流规划,环境监控,就业分析,社交网络意,识,热点跟踪,经济预测,欺诈检测,73,电商经济背景下大数据分析技术及实用案例,第73页,职业乞丐脑袋里大数据,大数据应用案例,大数据应用案例之汽车制造,74,电商经济背景下大数据分析技术及实用案例,第74页,大数据应用,场景,智慧城市,75,电商经济背景下大数据分析技术及实用案例,第75页,大数据应用,场景,智慧医疗,面临挑战,数据源,数据格式,数据量,结构化、半结构化（病历），非结构化（,PACS,影像,),标准难制订,或不停改变,中型城市（,1000,万人口）存放,50,年会到达,10PB,信息共享提升效率,医疗信息区域内准实,时共享，医生可快速,调阅病人信息,个性化医疗,基于病史自动,医疗、饮食等建,议；针对病史和,病症,OTC药品,参考等,疾病自动分类和诊疗,计算机辅助诊疗,趋势分析：比如，,流行病扩展情况分,析、癌症历年趋,势、药品效果分析,决议辅助系统,区域医疗健康档案系统,处理问题,处理方案,特点优势,居民电子病历存放、查询,HBase,分布式数据库,存放健康档案和,PACS,影像数据,高速数据导入；实时数据查询；,关键字搜索；,分布式统计,76,电商经济背景下大数据分析技术及实用案例,第76页,国外大数据应用现实状况,大数据,在欧美已经有多年,投资应用,经验,美国国务院采取大数据技术开发新美国护照系统。,美国,IT企业开始意识到大数据技术能够为企业创造价值；,IBM宣告投资1亿美元用于大数据研究；,大数据企业引入汽车行业高管人员扩展营销业务；,77,电商经济背景下大数据分析技术及实用案例,第77页,大数据应用案例,营销之客户行为分析,1,、“猜你喜欢”,2,、塔吉特百货孕妇营销。,3,、沃尔玛保洁专柜和沃尔玛搜索。,4,、专业时装零售商希望向客户提供差异化服务。,78,电商经济背景下大数据分析技术及实用案例,第78页,国内大数据落地面临困难,数据爆炸式增加为全球各行业均带来了管理上问题,。,对于企业用户来说，大数据增加了他们所需负担责任以及成本。满足这些庞大数据量在存放方面需求需要采购和维护所需硬件设备，而且还要不停进行监督与管理。,大数据能够真正发挥作用，深层次看，还要改进我们管理模式，需要管理方式和架构与大数据技术工具相适配。,大数据,不够丰富和开放,.,我国数字化数据资源总量远远低于美欧，每年新增数据量仅为美国,7%,，欧洲,12%,，其中政府和制造业数据资源积累远远落后于国外。我国政府、企业和行业信息化系统建设往往缺乏统一,规划和科学论证，系统之间缺乏统一标准，而且受行政垄断和商业利益所限，数据开放程度较低。,现今分析仅局限在企业现有数据库还不够，还需要保持数据与当前社会乃至全球相关性。这意味着企业需要从社交媒体、地理位置、,CRM,系统、政府公开数据、手机信息等非专有渠道获取数据，进行额外分析。对于实时分析来说，当前移动应用潜力也才刚才开始出现，其移动分析或将比预期影响愈加深远。,79,电商经济背景下大数据分析技术及实用案例,第79页,大数据项目七大误区,80,电商经济背景下大数据分析技术及实用案例,第80页,大数据项目落地前需要处理几个问题,81,电商经济背景下大数据分析技术及实用案例,第81页,大数据项目具体推进步骤,数据源,数据,目标数据,预处理后数据,模式,知识,82,电商经济背景下大数据分析技术及实用案例,第82页,1,、数据准备阶段,搜索全部与业务对象相关内部数据和外部数据信息，并从中选出用于数据挖掘数据,研究数据质量，为深入分析做准备，并确定将要进行挖掘操作类型,将数据转换成份析模型，这个分析模型是针对挖掘算法建立。建立一个真正适合挖掘算法分析模型是数据挖掘成功关键,83,电商经济背景下大数据分析技术及实用案例,第83页,2,、数据挖掘过程,能够选择和使用不一样模型技术，将模型参数调整到最正确数值。需要注意是，有些技术在数据形成上有特殊要求，有可能需要重复操作。,数据模型已经建立，检验结构模型步骤，确保模型能够完成业务目标。该阶段结束后，必须打成一个使用数据挖掘结果决定。,模型作用是从数据中找到知识并投入使用。能够形成一个简单汇报，或者实现一个较复杂、可重复数据挖掘过程。,84,电商经济背景下大数据分析技术及实用案例,第84页,3,、结果表示阶段,解释并评定结果，其使用分析方法普通应视数据挖掘操作而定，用常会用到可视化技术,将分析所得到知识集成到业务信息系统组织结构中去。,85,电商经济背景下大数据分析技术及实用案例,第85页,大数据应用之移动,BI,项目,移动,BI,产品,Roambi,用户能够经过智能手机实时连接企业数据中心，获取分析数据。能够随时访问企业,BI,应用；实时钻取，主题,分析；信息定制推送服务；及时提醒，监控与预警服务；随需定制，个性化开发。,Roambi,是一个数据可视化平台，需要其它,BI,服务器支持，比如,BO,，,Cognos,等。,电商经济背景下大数据分析技术及实用案例,第86页,Thank you,！,电商经济背景下大数据分析技术及实用案例,第87页,