从五大行业案例看大数据的应用逻辑

从五大行业案例，看大数据的应用逻辑本文从一则搞笑的大数据应用案例入手：某超市通过度析一位女顾客的购物数据（涉及购物清单，浏览物品，征询信息，视频监控信息<超市内徘徊区域>等），根据分析成果给该女顾客寄来了孕婴童试用品，这一举动让该女顾客的爸爸非常气愤，立马致电该超市投诉，由于她女儿尚未成年！超市经理立马登门拜访道歉，但是事实是，不久后这位小女孩因遮盖不住隆起的腹部而不得不向爸爸告知真相：她真的怀孕了。对于公司而言，大数据有时候就像是一种侦探家，可以拨开重重迷雾，找到问题的本质以及解决方案，而核心在于，你与否真的懂得如何去驾驭它，让它为你服务。在经历了喊标语、布局深耕之后，大数据应用开始显现出巨大的商业价值，触角已延伸到零售、金融、教育、医疗、体育、制造、影视、政府等各行各业。随着中国公司数据中心数据存储量的迅速增长，非构造化数据呈指数级增长，有效地解决和分析构造化数据和非构造化数据中所富含的对公司和政府有价值的信息将带动新的赚钱模式、管理模式、创新模式以及思维模式。在维克托·迈尔·舍恩伯格的《大数据时代》一书中解释，大数据是指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的措施。随着云时代的来临，大数据也吸引了越来越多的关注。大数据是继云计算、物联网之后IT产业又一次颠覆性的技术变革，消费者的网络足迹是互联网基因，网络中的足迹、点击、浏览、留言直接反映消费者的性格、偏好、意愿等，互联网交互大数据就是研究每个顾客碎片行为的过程。大数据对于经济发展、公司决策、组织和业务流程，对个人生活方式等都将产生巨大的影响。大数据作为当下非常火爆的一种词，其价值不言而喻，今天，《互联网周刊》不谈价值，通过聚拢某些实实在在的应用，如电商，老式金融，互联网金融，医疗，制造五大领域的案例，进而衍射出大数据内在的应用逻辑。“顾客画像”直击零售商需求在如此剧烈而又庞大的市场中，电商们迫切想懂得的想必就是顾客需求。当这个顾客登陆网站的瞬间，就能猜出来这个顾客今天为什么而来，然后从电商的商品库里面把合适的商品找出来并推荐给她，进而呈现出符合客户需求的产品均有哪几款。这种服务是消费者想要的，但是谁能协助电商们做到呢？随着互联网和电子商务的迅速发展，“顾客画像”这个概念悄然而生，它抽象地描述了一种顾客的信息全貌，是进行个性化推荐、精确营销、广告投放等应用的基本。如某电子商务平台通过客户的网络浏览记录（点击、链接等）和购买记录等掌握客户的消费模式，从而分析并分类客户的消费有关特性如收入、家庭特性、购买习惯等，最后掌握客户特性，并基于这些特性判断其也许关注的产品与服务，从消费者进入网站开始，在列表页、单品页、购物车页等四个页面，部署了5种应用不同算法的推荐栏为其推荐感爱好的商品，从提高商品曝光，增进交叉/向上销售连个角度对网站进行全面的优化，应用后商城提高下定订单转化率增长66.7%、下定商品转化率增长18%、推荐栏上线前后动销量增长46%。将消除个人信息后的数据魔方卖给商家，以便商家调节产品投放方略，提高服务，精确挽留客户，进而提高客户粘性。尚有，在互联网冲击下，大部分老式零售商必须要做变化，大数据下的顾客思维便成为符合其需求的一种互联网思维方式和实际体验。那何为大数据体系下的顾客思维呢？其实就是以“顾客画像”最为核心和基本，通过线上、线下，交易、交互等多种构造化和非构造化的数据，让顾客更加完整的展目前公司面前，该顾客是谁？她在哪里？怎么联系到她？她需要什么产品？她通过哪些渠道购买？她得购买习惯是如何的？……，在完整的顾客画像面前，零售公司相对于面对“裸泳”的顾客，顾客需要什么，怎么获取，怎么营销一目了然，大数据时代的来临，让顾客画像有了基本，顾客画像的完善更让零售商有了连接线上和线下，用互联网方式进行商业运营的也许，老式零售商互联网运营管理的时代算也已悄然来临。再例如沃尔玛和宝洁，一种是非常理解消费者在线下店里购买行为的老式连锁零售巨头，一种是掌握消费者偏好的品牌，她们从不同的角度去收集消费者的数据。但这还远远不够，如果将这些数据和汽车生产制造商，乃至上下游公司共享某些数据，就会让这个链条中不同的公司对于数据、消费者有更深刻的洞察，从而通过多维数据来提高运营效率。然而，随着大数据应用的发展，隐私保护的问题和概念也在不断地发展，网络顾客在互联网的评论、图片、视频、个人信息、爱好爱好、交易信息、访问的网站等等均被公司记录在案。公司掌握了大量消费者的行为数据，对大数据进行整合和分析，从而可以发现新的商机，发明新的价值。然而这些数据常常涉及消费者的真实信息，如在淘宝网上交易时的真实姓名、家庭住址以及银行账号等重要的真实信息，逐渐引起了我们对个人隐私的担忧。正如美国出名的计算机专家迪博德所言，在信息时代，计算机内的每一种数据、每一种字节，都是构成一种隐私的血肉。信息加总和数据整合，对隐私的穿透力不仅仅是“1＋1＝2”的，诸多时候，是不小于2的。因此，针对隐私保护方面的问题，电子商务公司应当遵守行业道德，不能将消费者的个人信息进行交易和泄露，我们国家也应当尽快制定并完善与之相应的隐私保护的法律和法规，的保证护公民的隐私权。客户价值最大化破冰老式金融业在大数据时代，越来越多的公司管理者已意识到了业务分析的重要性。业务分析洞察已经成为了公司转型的有利抓手。固然，银行也不例外，从以产品为中心，也就是销售产品和服务转向目前以客户为中心，更像零售业和制造商。对于以客户为中心的公司，最重要的一点是理解到客户究竟是谁，以及客户究竟有如何的需求。当下，银行业都在大力投入资金做着如下三件事：一是建立客户的单一视窗，将此前不同银行部门所理解的客户状况集成在一起；二是按照顾客行为对顾客进行分类，将之前按照地理区域、年龄、收入分类改为按照顾客行为来对顾客进行分类；三是为客户提供质量一致的客户体验，不管顾客通过银行网点、移动设备还是社交媒体等渠道来使用银行服务，都要为客户提供质量一致的体验。随着互联网，特别是移动互联网的不断发展，互联网金融也在给老式金融业带来不小的冲击，但是，互联网金融与否会对银行等老式机构构成威胁仍无法得出定论。但是，这并不表达银行业可以忽视这股冲击的浪潮，在这个大数据不断壮大的时代，老式金融业如何运用大数据来不断创新与变革，如何借助大数据减少金融风险，提高客户体验，进而挖掘客户价值最大化是每个公司都应当进一步思考的问题。如某金融全牌照集团公司但愿学习美国花旗集团对已有客户价值挖掘最大化的经验，对既有保险客户进行深度分析，通过对已有客户的大数据分析及问卷调查来细分人群、刻画人群需求特性，从而制定针对不同客户群体的集保险、银行、投资、证券、资产管理、信托等一揽子综合金融产品方略，为客户提供一站式财务金融解决方案，以期得到每个客户最大价值。在选用大数据解决方案后，通过度析已有保险客户数据及外部调研问卷，将人群细分为记录学上明显区别的人群；根据群体规模、年龄、性别、教育水平、家庭特性、现阶段的收入、消费、理财等行为模式以及她们所处的生命与财富阶段，精确分析群体的需求动因后制定有针对性的产品方略及营销方略。但是，面对来势汹汹的互联网公司，老式金融业们也在加快步伐，但还是没有互联网公司动作快。目前，互联网金融业正从单纯的支付业务向转账汇款、跨境结算、小额信贷、钞票管理、资产管理、供应链金融、基金和保险代销、信用卡还款等老式银行业务领域渗入。除了存款，银行的重要业务几乎已遇到全面挑战。互联网金融正在叫板老式金融，老式金融业又该何去何从？值得思考。精确营销加速互联网金融冲刺在国外，大数据金融领域的应用相对成熟，我们先来回忆一下在美国做得非常典型的大数据金融的三大案例。人们习惯性地觉得，只有银行才干建立信用体系，然而在大数据时代，互联网公司运用大数据控制信贷风险已初露端倪。在进行数据解决之前，对业务的理解、对数据的理解非常重要，这决定了要选用哪些数据源进行数据挖掘，并且越来越多的互联网在线动态大数据被添加进来。例如一种虚假的借款申请人信息就可以通过度析网络行为痕迹被辨认出来，一种真实的互联网顾客总会在网络上留下蛛丝马迹。对征信有用的数据的时效性也非常核心，一般被征信行业公认的有效的动态数据一般是从目前开始倒推24个月的数据。通过多渠道获得的数据来源，运用数学运算和记录学的模型进行分析，从而评估出借款者的信用风险，典型的公司是美国的ZestFinance。这家公司的大部分员工是数据科学家，她们并不特别地依赖于信用担保行业，用大数据分析进行风险控制是ZestFinance的核心技术。她们的原始数据来源非常广泛。她们的数据工厂的核心技术和机密是她们开发的10个基于学习机器的分析模型，对每位信贷申请人的超过1万条原始信息数据进行分析，并得出超过7万个可对其行为做出测量的指标，而这一过程在5秒钟内就能所有完毕。事实上，在美国，征信公司或者大数据挖掘公司的产品不仅用于提供应有关公司用于减少金融信贷行业的风险，同步也用于协助做决策判断和市场营销。尚有，运用社交网站的大数据进行网络借贷的典型是美国的LendingClub。Lendingclub于5月24日在facebook上开张，通过在上面镶嵌的一款应用搭建借贷双方平台。运用社交网络关系数据和朋友之间的互相信任聚合人气。借款人被分为若干信用级别，但是却不必发布自己的信用历史。尚有一家在美国为网上商家提供金融信贷服务的公司Kabbage，于4月上线，重要目的客户是ebay、Amazon、PayPal等电商。它的奇特之处在于，其通过获取ebay等公司的网店店主的销售、信用记录、顾客流量、评论、商品价格和存货等信息，以及她们在Facebook和Twitter上与客户的互动信息，借助数据挖掘技术，把这些店主提成不同的风险级别，以此来拟定提供贷款金额数量与贷款利率水平，风险过高则回绝，风险高下与利率成正比，与贷款金额成反比。显然，若以银行体系来评价此类网上商家大多数都不符合银行的贷款资格，但是在互联网时代，Kabbage的案例阐明了运用大量数据足以支撑这些小微公司信用评价体系。固然，Kabbage的这种模式也在国内被成功运用，其中，宜信的互联网金融产品就是以互联网为获客重要渠道，除了借贷信用记录，还结合大数据分析技术，捕获来自大众点评、豆瓣等社交网络上的有用信息，协助信用审核人员多维度分析借款客户的信用状况。大数据对于互联网金融的助推作用首要体目前寻找合适的目的顾客，实现精确营销。互联网金融领域的新创公司或做贷款，或卖产品，凭借高额收益率，手续费优惠，吸引顾客选择自己。然而，在越来越多同类公司吹响混战号角的同步，互联网金融公司也不得不面对来自同行业的竞争。欲在竞争剧烈的市场中占有一席之地，互联网金融公司需要更精确地定位产品，并推送给自己的目的人群。谁是潜在的购买者？如何找到她们？并让她们产生爱好？精确营销的实现限度是互联网金融公司存活与崛起的核心所在，这个领域虽然未达到成熟的发展状态，但的确已有了某些有参照价值的营销案例。如：大数据通过动态定向技术查看互联网顾客近期浏览过的理财网站，搜索过的核心词，通过浏览数据建立顾客模型，进行产品实时推荐的优化投放，直击顾客所需。另一方面就是风控。通过度析大量的网络交易及行为数据，可对顾客进行信用评估，这些信用评估可以协助互联网金融公司对顾客的还款意愿及还款能力做出结论，继而为顾客提供迅速授信及钞票分期服务。事实上一种人或一种群体的信用好坏取决于诸多变量，如收入，资产，个性，习惯等，且呈动态变化状态。可以说数据在个人信用体系中体现为芝麻信用，它便于解决陌生人之间以及商业交易场景中最基本的身份可信性问题，以及协助互联网金融产品和服务的提供者辨认风险与危机。这些数据广泛来源于网上银行，电商网站，社交网络，招聘网，婚介网，公积金社保网站，交通运送网站，搜索引擎，最后聚合形成个人身份认证，工作及教育背景认证，软信息（涉及消费习惯，爱好爱好，影响力，社交网络）等维度的信息。对于P2P网贷行业而言，能否运用互联网技术有效地收集顾客信息，并对顾客的信用信息进行鉴定和管理，成为考量一家P2P网贷平台风控水平的重要原则。严密的风控手段是保证平台出借人的资金安全的重要环节，在风控技术手段创新摸索方面，宜信宜人贷作为行业技术创新的代表，显然走得更快人一步。其已通过精确的风险建模，实现了对顾客资质的高效审批，为顾客提供更便捷的体验。它是基于对自身平台数万名借款顾客的理解，同步借鉴宜信八年累积的对于顾客的理解，从地区、年龄段、职业、等多维度对借款顾客进行了划分，通过精确的风险模型建立，宜信宜人贷建立了一套独有的，行之有效的信用评估系统，通过对顾客信息的多维度考察，可以迅速对顾客的信用资质进行评估，从而极大地提高服务效率。如某P2P小额信贷机构如何使用个人及机构的外部数据建立自己的征信系统，在极其有限的客户实质接触基本上仅凭问卷数据、自有数据库等对不同客户进行信用评估，并结合内部业务数据建立风险定价系统、风险预警系统、风险管控方案、应对欺诈规则、惩罚方案等一系列影响核心业务赚钱能力的系统方案。通过采用大数据解决方案后，通过自建、购买、客户授权后合伙分享等多种方式整合涉及互联网社交网络数据在内的多种数据、建立个人及机构消费、借贷、财务交易、资金往来等多源信用数据库，在此基本上建立符合自身业务范畴的客制化信用评估模型，根据此模型评估借、贷款双方的信用级别。通过建模确立如何匹配借贷双方，与具体业务相应的风险评级、授权级别、额度发放级别以及与此相应的风险价格等，并通过已有拖欠、欺诈案例反馈回模型进行机器辨认，进一步完善模型。将来，依托于互联网大数据技术的发展，相信将会浮现更优质，更便捷的P2P网贷服务，来协助更多有信用的借款人释放信用的价值，让信用生金。但是，互联网金融在如此大好的机遇面前，自身也隐匿着某些绕不开的难题。一方面，其以新生事物野蛮式生长，带来便捷的同步，如何解决风控的问题，是目前互联网金融必须解决的一种问题；但是另一方面，也面临自身因监管缺失带来的风险。可见，互联网金融尚有待于时间的磨练。个性化数据为医疗插上智慧的翅膀凯文·凯利（KK）在《失控》的第22章，“预言机”里曾提到：信息就是数据，数据一旦流动，就发明出透明。社会一旦联网，就可以理解自己。因此，诸多热衷于大数据概念的人，她懂得哪里有数据，却没有措施去促成数据的流动。因此，第一要义，数据如何才干形成流动？它的驱动力在哪里？以目前很热的医疗健康大数据为例，来探究数据是如何流动的？维克托•迈尔-舍恩伯格的《大数据时代》一书中有两个有关大数据与公共卫生结合的案例令人印象深刻：乔布斯自罹癌至离世长达8年之久，这几乎发明了胰腺癌历史上的奇迹。据悉，乔布斯曾在此期间支付大量费用获得了自己涉及整个基因密码在内的数据文档。借此，医生们能基于乔的特定基因构成以及大数据按所需效果用药，并调节医疗方案。如果上述案例是个体的，那么带来群体价值的案例，便是Google成功预测流感爆发期。甲型H1N1流感爆发几周前，Google通过对人们网上搜索记录的观测、分析、建模，成果显示，她们的预测与官方数据的有关性高达97%，且判断比疾控中心更及时。从个人健康管理到公共健康管理，大数据在对个人医疗的变化以及极富价值的预警能力吸引着IT巨头们迫不及待与医疗联姻。例如在中国，某慢性病管理远程医疗解决方案供应商筹划外包商保的糖尿病远程管理业务，需要提供：人群的糖尿病管理方案涉及接触、回应、问卷、回馈、互动、宣教、指引、测试成果报告、产品销售等各个环节的方案设计以及人群配合度、依从性、短期及长期医疗效果、经济效果评估方案。远程医疗提供方方案中的的成本、经济效益回报会作为与商保、社保合伙方案中的重要构成部分。通过采用大数据解决方案后，运用既往研究、文献及历史数据中的成果为外包业务人群设计糖尿病病管理全流程数据分析方案，涉及数据生成、采集、分析方案等，根据一定假设运用糖尿病决策树模型来逐级拟定慢病管理各个环节中的成本及产出。应接触人群、反馈人群、互动人群、依从人群、效果人群、对比人群生成及最后的医疗效果、经济效果评估方案是本项目的核心。运用远程终端的客户反馈数据分析提高客户反馈、依从、购买产品的方略，平衡成本与样本规模，提高供应商的投产比；使用记录学措施清晰论证及展示慢性病管理远程医疗解决方案的经济学价值，投入产出比。便利供应商开展与社保、商保的合伙；提高供应商自身的投产比。虽然我们谈了许多有关医疗行业大数据的价值和作用，但今天的大数据在医疗行业应用仍然处在初级应用的阶段，部分医疗机构仅使用了初级功能如BI等，要想让医疗行业把大数据发挥出最大的价值，需要解决如下几方面问题：从技术角度来看，数据采集及原则问题。收集数据是大数据基本，但目前医疗机构采集数据的能力有限，阻碍了大数据的应用；从医疗经营角度来看，管理层缺少数据价值认知问题。虽然目前医疗机构领导们对于数据的注重限度很高，但是范畴仅仅局限于对于内部的数据认知，从总体来看，并没故意识到外部数据如互联网数据与内部数据的结合所产生的价值；从投入成本角度来看，目前大数据的投入产出比不明确。目前IT投资都需要讲ROI(投资回报率)，由于医疗行业缺少大数据的成熟案例，考虑到成本因素，公司决策者大都不都不敢随便在大数据领域砸钱；从产品角度来看，大数据产品单一，行业成熟度不够。从以上问题我们可以看出，医疗行业开展大数据仍然有一段路要走，但是面对所存在的问题，将来随着技术的推动、意识的提高、成本的下降以及有关政策的成熟，相信用不了几年时间就可以逐渐解决问题，将来，大数据必然可觉得医疗行业提供更好的服务。数据分析模型让制造业焕然一新工业4.0时代正扑面而来。这是继以蒸汽机、大规模流水线生产和电气自动化为标志的前三次工业革命之后的第四次工业革命。其特点是通过充足运用嵌入式控制系统，即物理信息融合系统（其中大数据扮演主角），实现制造业向智能化转型。沧桑巨变，今天中国已是全球制造业大国。来自中国工业与信息化部的记录数据显示，中国工业占GDP的37%，提供全国25%的就业岗位。在500余种工业产品中，有220多种产量居世界第一。中国制造业在全球的占比约为20%。然而，中国制造业面对云蒸霞蔚的移动互联网和大数据景观却有些不知所措，若不赶紧扭转局面，有也许逐渐丧失制造业大国的地位。大而不强是我们的软肋，大多数中国工厂仍然龟缩在产业链低端，缺少制造的核心材料、设备、工艺，停留在近乎原始的OEM（贴牌代工）阶段，缺少原创技术和创新产品。但是，凭借庞大的内需市场支撑，中国制造的优势尚存，13亿人口积累的消费数据十分可观。因此，如果能在大数据挖掘和分析上下点功夫，中国制造业还能保持较强的竞争力。在中国制造业依托大数据打翻身仗的阵营中，小米可谓特立独行的领头羊。成立的小米公司是中国制造业公司的成功典范，其主打产品小米手机已蜚声海外，被业内视作苹果、三星的潜在威胁。小米超越同行的业绩，缘于其用涉及软件、硬件和应用生态的整体措施，小米在发明全新顾客体验的同步，高擎大数据的旗帜，颠覆了中国制造业公司的老式做法。有了这样的底气，小米董事长雷军才敢与老式制造业的空调玫瑰—格力掌门人董明珠立下10亿元的对赌承诺。那么，大数据是如何协助研发人员提高新药研发效率的呢？有关专业人士觉得：一方面，由于药物的生物过程和药物模型越来越复杂，大数据可以通过运用分子和临床数据，预测建模来协助辨认那些具有很高也许性被成功开发为药物的安全有效的潜力备选新分子。另一方面，运用大数据可以协助提高临床实验的效率。例如筛选临床实验受试者的筛选原则通过大数据，可以瞄准特定人群，这样临床实验就可以规模更小、时间更短、成本更低，更加有效。同步可以通过大数据分析来实时监控临床实验，及早发现也许浮现的问题，避免实验过程中成本增长或浮现不必要的延误。第三，相对于本来僵化的数据孤岛，使用大数据可以协助数据在不同功能单元之间顺畅流动。通过打破内部各功能之间的信息壁垒并提高跟外部合伙伙伴的协作，制药公司可以大幅扩展她们的知识和数据网络，如与外部合伙伙伴——医生和CRO共享核心数据。数据的这种顺畅流动，对能发明商业价值的实时预测性数据进行分析非常核心。此外，为保证合理分派稀缺的研发资金，项目组合与产品线有关的迅速决策至关重要。但制药公司常常发现，她们很难做出合适的决定。例如哪个项目该继续，或者有时更重要的是，哪个项目该砍掉。基于信息技术的项目组合管理能迅速无缝地实现数据驱动的决策。通过数据分析目前项目的商业开发机会，预测其市场竞争力，协助公司客观地做出决定，以保证研发投入的合理性。虽然大数据可以有效地协助研发人员提高新药研发效率，但目前大数据技术尚有某些方面需要改善。牛津大学记录学专家彼得·多纳利