數據金礦生意怎麼樣

Ⅰ BAT三巨頭開始挖掘大數據

BAT三巨頭開始挖掘大數據
阿里巴巴CTO即阿里雲負責人王堅博士說過一句話：雲計算和大數據，你們都理解錯了。
實際上，對於大數據究竟是什麼業界並無共識。大數據並不是什麼新鮮事物。信息革命帶來的除了信息的更高效地生產、流通和消費外，還帶來數據的爆炸式增長。「引爆點」到來之後，人們發現原有的零散的對數據的利用造成了巨大的浪費。移動互聯網浪潮下，數據產生速度前所未有地加快。人類達成共識開始系統性地對數據進行挖掘。這是大數據的初心。數據積累的同時，數據挖掘需要的計算理論、實時的數據收集和流通通道、數據挖掘過程需要使用的軟硬體環境都在成熟。
概念、模式、理論很重要，但在最具實干精神的互聯網領域，行動才是最好的答案。國內互聯網三巨頭BAT坐擁數據金礦，已陸續踏上了大數據掘金之路。
BAT都是大礦主，但礦山性質不同
數據如同蘊藏能量的煤礦。煤炭按照性質有焦煤、無煙煤、肥煤、貧煤等分類，而露天煤礦、深山煤礦的挖掘成本又不一樣。與此類似，大數據並不在「大」，而在於「有用」。價值含量、挖掘成本比數量更為重要。
網路擁有兩種類型的大數據：用戶搜索表徵的需求數據;爬蟲和阿拉丁獲取的公共web數據。
阿里巴巴擁有交易數據和信用數據。這兩種數據更容易變現，挖掘出商業價值。除此之外阿里巴巴還通過投資等方式掌握了部分社交數據、移動數據。如微博和高德。
騰訊擁有用戶關系數據和基於此產生的社交數據。這些數據可以分析人們的生活和行為,從裡面挖掘出政治、社會、文化、商業、健康等領域的信息，甚至預測未來。
下面，就將三家公司的情況一一掃描與分析。
一、網路：含著數據出生且擁有挖掘技術，研究和實用結合
搜索巨頭網路圍繞數據而生。它對網頁數據的爬取、網頁內容的組織和解析，通過語義分析對搜索需求的精準理解進而從海量數據中找准結果，以及精準的搜索引擎關鍵字廣告，實質上就是一個數據的獲取、組織、分析和挖掘的過程。
除了網頁外，網路還通過阿拉丁計劃吸收第三方數據，通過業務手段與葯監局等部門合作拿到封閉的數據。但是，盡管網路擁有核心技術和數據礦山，卻還沒有發揮出最大潛力。網路指數、網路統計等產品算是對數據挖掘的一些初級應用，與Google相比，網路在社交數據、實時數據的收集和由數據流通到數據挖掘轉換上有很大潛力，還有很多事情要做。
2月底在北京出差時，寫了一篇《搜索引擎的大數據時代》發在虎嗅。創造了零回復的記錄。盡管如此，仍然沒有打消我對搜索引擎在大數據時代深層次變革的思考。 搜索引擎在大數據時代面臨的挑戰有：更多的暗網數據;更多的WEB化但是沒有結構化的數據;更多的WEB化、結構化但是封閉的數據。這幾個挑戰使得數據正在遠離傳統搜索引擎。不過，搜索引擎在大數據上畢竟具備技術沉澱以及優勢。
接下來，網路會向企業提供更多的數據和數據服務。前期網路與寶潔、平安等公司合作，為其提供消費者行為分析和挖掘服務，通過數據結論指導企業推出產品，是一種典型的基於大數據的C2B模式。與此類似的還有Netflix的《紙牌屋》美劇，該劇的男主角凱文·史派西和導演大衛·芬奇都是通過對網路數據挖掘之後，根據受歡迎情況選中的。
網路還會利用大數據完成移動互聯網進化。核心攻關技術便是深度學習。基於大數據的機器學習將改善多媒體搜索效果和智能搜索，如語音搜索、視覺搜索和自然語言搜索。這將催生移動互聯網的革命性產品的出現。盡管網路已經出發，其在大數據上可做的事情還有很多。
在數據收集方面，網路需要聚合更多高價值的交易、社交和實時數據。例如加強自己貼吧知道的社交能力、盡快讓地圖服務與O2O結合進而掌握交易數據，以及推進移動App、穿戴式設備等數據收集系統。
在數據處理技術上，網路成立深度學習研究院加強自己在人工智慧領域的探索，在多媒體和中文自然語言處理領域已經有一些進展;雲存儲、雲計算的基礎設施建設也在逐步完善。但深度學習仍然是一個巨大的挑戰，網路等探索者還有很多待解問題，如：無監督式學習、立體圖像識別。
在數據變現方面，網路需將數據挖掘能力、數據內容聚合和提取等形成標准化的服務和產品，進而開拓大數據領域的企業和開發者市場。而不僅僅是頗為個性化、定製化地為大型企業提供解決。
網路的優勢體現在海量的數據、沉澱十多年的用戶行為數據、自然語言處理能力和深度學習領域的前沿研究。在技術人才方面網路是聚集國內最多大數據相關領域頂尖人才的公司。聽說網路前段時間花五千萬挖了數據挖掘、自然語言處理、深度學習領域的十來位大牛，包括一些學者和教授。例如Facebook科學家徐偉。
在挖人上，捨得花錢不夠，還得用心。對於真正的大牛來說，錢只是一個影響因素。能否實現自己的夢想，公司的資源能否幫助自己的研究至關重要。徐偉在回國前就曾問過其他從矽谷回國工程師的意見，得到答案是積極的，最終促成他作出決定。
總體來看，網路擁有大數據也具備大數據挖掘的能力，並且正在進行積極地准備和探索。在加強面向未來的研究和人才布局的同時，也注重實用性的技術產出。
二、騰訊：數據為產品所用，自產自銷
微創新提出者金錯刀有個關於騰訊的故事。 1999年騰訊公司剛剛成立不久，天使投資人劉曉松決定向其注資的一個主要原因就是因為他發現，「當時雖然他們的公司還很小,但已經有用戶運營的理念,後台對於用戶的每一個動作都有記錄和分析。」而另一個投資人卻因為馬化騰在公司很小時就花錢在數據上表示不滿。此後騰訊的產品生產及運營、騰訊游戲的崛起都離不開對數據的重視。
騰訊擁有社交大數據，在企鵝帝國完成數據的製造、流通、消費和挖掘。 騰訊大數據目前釋放價值更多是改進產品。據騰訊Q1財報，增值服務占總收入的78.7%;電子商務業務佔14.1%;網路廣告收入佔6.3%。從廣告收入比例可以看出騰訊的大數據在精準營銷領域暫時還未大量釋放出價值。與其產品線對應的GMAIL、Google+的Google以及社交巨頭Facebook則通過廣告賺得盆滿缽滿。
在筆者看來，騰訊的思路主要是補齊產品，注重QZONE、微信、電商等產品的後端數據打通。例如最近騰訊微博利用「大數據技術」實現好友關系自動分組、低質量信息自動過濾、優質信息分類閱讀等智能化功能。明顯的用數據改進產品的思路。 那麼如果騰訊要深入大數據挖掘缺少什麼呢?筆者認為其只需馬化騰「摁下啟動按鈕」。數據已經准備好了，就差模式，也就是找到需求或者能更深層次驅動大數據利用的產品，而不是用大數據改進自己的產品。騰訊還在觀望，等其他人去試錯驗證出一套模式或者產品後，自己可以「站在巨人肩上」。這是騰訊的典型思維。
在人才方面，騰訊很早便開始重金挖人。尤其是2010年在Google宣布退出中國後，Google圖片搜索創始人朱會燦、Google中國工程研究院副院長顏偉鵬、Google中日韓文搜索演算法的主要設計者，《浪潮之巔》及《數學之美》作者吳軍相繼加入騰訊。搜搜花了很多錢，但被認定為一款無法承載騰訊重託的產品，最後這些大牛都走了。大都回Google了。
騰訊在大數據領域也缺少技術帶頭人。其對公關也不重視。技術大牛很少出來做報告，更不會向網路、阿里那樣主動包裝宣傳技術大牛。其技術雖然低調，但執行力很強。據騰訊的程序員朋友說封閉開發、集體加班是常有的事情。但配套的重金激勵也能跟上。重金之下必有勇夫、騰訊用制度保障技術產出。另外騰訊在高校合作領先一步，在2010年便與清華大學合作成立了清華騰訊聯合實驗室。這么看騰訊的技術人才這塊似乎有短板。會不會到時候馬化騰按下啟動按鈕，發現沒數據挖掘能力呢?不會，騰訊搞不定數據挖掘，到時候依然可以挖到大牛，甚至讀論文來搞定這事兒。數據挖掘已較為成熟。數據挖掘實際是資料庫、統計學、機器學習三個領域的融合。在學術界已經發展多年。不過自然語言識別和深度學習等方面要趕上網路，就難了。除非將網路的數據和眾大牛一起倒騰過來。
總體來看，騰訊目前的大數據策略是先將產品補全，產品後台數據打通，形成穩定生態圈。本階段先利用大數據挖掘改進自己的產品。後期有成熟的模式合適的產品，則利用自家的社交及關系數據時，開展對大數據的進一步挖掘。
三、阿里巴巴：坐擁金數據，嘗試做面向未來的數據集市
阿里巴巴B2B出身，在外貿蓬勃的大環境下，依靠服務中小企業發家。淘寶、支付寶等toC的產品出生前，阿里並不依賴也不擅長技術。業界普遍認為阿里沒有技術基因。直到淘寶、支付寶以及天貓三個產品後，對海量用戶大並發量交易、海量貨架數據的管理、安全性等方面的嚴苛要求，阿里完成進化，在電商技術上取得不菲的成績。在一段時期阿里仍然浪費了手裡掌握的大量數據。這些數據還是「最值錢」的金數據。
數據挖掘無非是從原始數據提取價值。阿里現有的數據產品例如數據魔方、量詞統計、推薦系統、排行榜以及時光倒流相對來說是比較簡單的BI(商業智能)，沒到大數據的階段。「大數據」浪潮襲來，阿里提出「數據、金融和平台」戰略。前所未有地重視起對數據的收集、挖掘和共享。馬雲在「退居」前動不動都對外提「數據」。有位阿里朋友甚至開玩笑說，馬雲英文名可以從Jack Ma改為Data Ma。阿里現CEO陸兆禧曾做過CDO，首席數據官。為了用數據來驅動阿里電商帝國，阿里還成立了橫跨各大事業部的「數據委員會」。
阿里的各項投資案也顯示其整合、利用和完善數據的野心：新浪微博的社交及媒體數據、高德的地圖數據和線下數據以及友盟的移動應用數據，都是其數據及平台戰略的一部分。數據戰略正在首席人工智慧官(CBO)車品覺領頭下逐步落地，王堅的雲為其提供基礎設施、基礎技術支撐。
就在馬雲退休之後，王堅對外透露其跟馬雲開玩笑說的一句話：阿里巴巴對數據的理解深度，不會超過蘇寧對電子商務的理解。估計馬雲不一定認同他這話。馬雲對大數據已經有著自己的理解和考量。馬雲曾經說過其對大數據的思考。大致意思是：現在從信息時代進入數據時代了。區別是信息時代更多的是精英玩的游戲。我比別人聰明，我能提取出信息出來;數據時代，別人比我聰明，將數據開放給更聰明的人處理，數據即資產，分析即服務。
計算機發展的過程是從象牙塔、到平民到草根。大數據也是這樣，一開始在象牙塔階段，少數精英公司才能玩;但到後面只要有數據就有價值。數據也有所有權，產生數據、流通數據、挖掘數據的都會獲得相應的價值。而阿里擅長的便是「建立市場」，建立一個數據交易市場。屆時任何個人和企業都可以將數據和挖掘服務拿上去，交易。初期阿里會將自己珍藏的電商和信用數據逐步放到上面。 有數據的人，拿上去賣，或者讓別人分析，分析即服務。沒有數據的人，即可以去買，也可以去幫別人挖掘，做礦工。
阿里並不是技術驅動，而是業務驅動的。因此在技術層面我們看到，基於前面提到的阿里大數據思路，其技術重心主要在系統層面。阿里擁有LVS(Linux Virtual Server，Linux虛擬伺服器)開源軟體創始人章文嵩，Linux Kernal、文件系統、大牛DBA等領域的大牛。從人才布局可以看到阿里擅長的技術領域，體現在對於並發訪問、電信級別的電商業務的支撐方面的得心應手。在去年雙十一期間，支撐了單日過億的訂單量。鐵道部奇葩網12306在日均40萬時已經不行了。
總體來看，阿里更多是在搭建數據的流通、收集和分享的底層架構。自己並不擅長似乎也不會著重來做數據挖掘的活兒。而是將自己擅長的「交易」生意擴展到數據。讓天下沒有難做的「數據生意」。
總結一下
移動互聯網浪潮下，現實世界正在加速數字化，每個人，每個物體、每件事情、每一個時間節點，都在向網上映射。空間和時間兩個維度的聯網，使得數字世界正在接近一步步模擬現實世界。歷史、現在和未來都會映射到網上。對大數據的挖掘正是對世界的二次發現和感知。BAT三巨頭已經出發。

Ⅱ 國內做大數據解決方案的公司有哪些

隨著「大數據時代」的來臨，企業越來越重視數據的作用，數據給企業帶來的價值也越來越多。本文檔將介紹大數據給企業帶來的機遇與挑戰以及企業的大數據解決方案。

第一步先搞清楚什麼是大數據？他不是簡單的大量數據或海量數據，而是有著4V特徵的數據金礦。他給我們的企業會帶來機遇與挑戰。

第二步我們根據大數據的特徵，分析企業大數據平台要迎接大數據的挑戰，應該具備什麼樣的能力。

第三部分，基於大數據平台要求，我們提出一個企業大數據的技術解決方案，介紹解決方案是如何解決大數據難題。

最後我看一看大數據應用當前存在的問題，未來將會怎樣發展。

什麼是大數據？

結束語

隨著高性能計算機、海量數據的存儲和管理的流程的不斷優化，技術能夠解決的問題終將不會成為問題。真正會制約或者成為大數據發展和應用瓶頸的有三個環節：

第一、數據收集和提取的合法性，數據隱私的保護和數據隱私應用之間的權衡。

任何企業或機構從人群中提取私人數據，用戶都有知情權，將用戶的隱私數據用於商業行為時，都需要得到用戶的認可。然而，目前，中國乃至全世界對於用戶隱私應當如何保護、商業規則應當如何制定、觸犯用戶的隱私權應當如何懲治、法律規范應當如何制定等等一系列管理問題都**滯後於大數據的發展速度。未來很多大數據業務在最初發展階段將會遊走在灰色地帶，當商業運作初具規模並開始對大批消費者和公司都產生影響之後，相關的法律法規以及市場規范才會被迫加速制定出來。可以預計的是，盡管大數據技術層面的應用可以無限廣闊，但是由於受到數據採集的限制，能夠用於商業應用、服務於人們的數據要遠遠小於理論上大數據能夠採集和處理的數據。數據源頭的採集受限將**限制大數據的商業應用。

第二、大數據發揮協同效應需要產業鏈各個環節的企業達成競爭與合作的平衡。

大數據對基於其生態圈中的企業提出了更多的合作要求。如果沒有對整體產業鏈的宏觀把握，單個企業僅僅基於自己掌握的獨立數據，無法了解產業鏈各個環節數據之間的關系，對消費者做出的判斷和影響也十分有限。在一些信息不對稱比較明顯的行業，例如銀行業以及保險業，企業之間數據共享的需求更為迫切。例如，銀行業和保險業通常都需要建立一個行業共享的資料庫，讓其成員能夠了解到單個用戶的信用記錄，消除擔保方和消費者之間的信息不對稱，讓交易進行的更為順利。然而，在很多情況下，這些需要共享信息的企業之間競爭和合作的關系同時存在，企業在共享數據之前，需要權衡利弊、避免在共享數據的同時喪失了其競爭優勢。此外，當很多商家合作起來，很容易形成賣家同盟而導致消費者利益受到損失，影響到競爭的公平性。大數據最具有想像力的發展方向是將不同的行業的數據整合起來，提供全方位立體的數據繪圖，力圖從系統的角度了解並重塑用戶需求。然而，交叉行業數據共享需要平衡太多企業的利益關系，如果沒有中立的第三方機構出面，協調所有參與企業之間的關系、制定數據共性及應用的規則，將**限制大數據的用武之地。權威第三方中立機構的缺乏將制約大數據發揮出其最大的潛力。

第三、大數據結論的解讀和應用。

大數據可以從數據分析的層面上揭示各個變數之間可能的關聯，但是數據層面上的關聯如何具象到行業實踐中？如何制定可執行方案應用大數據的結論？這些問題要求執行者不但能夠解讀大數據，同時還需深諳行業發展各個要素之間的關聯。這一環節基於大數據技術的發展但又涉及到管理和執行等各方面因素。在這一環節中，人的因素成為制勝關鍵。從技術角度，執行人需要理解大數據技術，能夠解讀大數據分析的結論；從行業角度，執行人要非常了解行業各個生產環節的流程的關系、各要素之間的可能關聯，並且將大數據得到的結論和行業的具體執行環節一一對應起來；從管理的角度，執行人需要制定出可執行的解決問題的方案，並且確保這一方案和管理流程沒有沖突，在解決問題的同時，沒有製造出新的問題。這些需求，不但要求執行人深諳技術，同時應當是一個卓越的管理者，有系統論的思維，能夠從復雜系統的角度關聯地看待大數據與行業的關系。此類人才的稀缺性將制約大數據的發展。

Ⅲ 大數據時代下 運營商市場戰略分析

大數據時代下 運營商市場戰略分析

大數據一直是近幾年的熱門關鍵詞，伴隨著移動互聯網、智能終端、雲計算、物聯網技術的發展，呈現爆炸式額增長，數據密度空前提高，大數據時代的波瀾壯闊正在逐步的開展，大數據的未來上升空間空前巨大。

相較於零售業、金融證券、政府管理、製造業、醫療服務也等行業造大數據應用的嘗試，電信業作為數據金礦的擁有者，具有明顯的數據優勢和研發基礎，在面臨「管道化」的當前形勢下，大數據無疑成為了運營商轉型的一把利刃，面對殘酷的互聯網化競爭提供差異化的手段。下面我們將從大數據對運營商市場工作的影響入手，來提出國內運營商大數據時代戰略市場工作轉型建議，以供運營商實踐參考。

【大數據對運營商市場工作的影響】

調查結果顯示，全球120家運營商中約有48%的運營商正在實施大數據業務，大數據業務成本平均佔到運營商總IT預算的10%，並且在未來五年內將升至23%左右，成為運營商的一項戰略性優勢。大數據應用的主要需求包括商機挖掘、競爭情報、客戶維系、收入提升、減少開支、改善運營管理等，其中有50%以上是和市場前端工作在開展息息相關。下面主要從電信運營商職能劃分角度來的分析大數據對運營商市場工作的影響。

一、影響產品研發的模式

電信產品的研發更多的是以技術驅動和競爭驅動為主，電信運營商基於客戶需求的研發驅動一直弱於互聯網企業。

設計：分成兩各模塊，中間加一條豎線隔開

在大數據的時代下，一方面終端的使用偏好，如品牌、應用等可以得以分析識別，有助於電信定製機的品牌選擇和功能優化；

另一方面新業務的使用反饋，包括投訴等，可以幫助新業務功能的優化或者新產品的開發。

綜上我們可以看出，大數據時代為產品研發改革提供基礎，以客戶需求為導向的迭代開發時代即將到來。

二、影響市場營銷的模式

用戶畫像：指基於用戶終端信息、位置信息、通話行為、手機上網行為軌跡等豐富的數據，為每個用戶打上人口統計學特徵、消費行為、上網行為和興趣愛好標簽，並且藉助數據挖掘技術進行用戶的分群，完善用戶的360度畫像，幫助運營商深入的去了解用戶的行為偏好的需求特徵等；

關系鏈研究：指通過分析用戶的通訊錄、通話行為、網路社交行為以及用戶資料等數據，開展交往圈子的分析與研究，並且識別圈子中的主要影響人物以及影像鏈等。

基於用戶畫像和關系鏈的研究可以建立用戶與業務、資費套餐、終端類型、在運用網路的精準匹配上，在推送渠道、推送時機、推送方式上滿足用戶的需求，事先精準化營銷。

三、影響渠道運營的模式

相比較而言，電子渠道比傳統的實體渠道更容易記錄潛在用戶的消費行為、特徵、路徑，可以提供互聯網的大量行為數據，因此大數據時代下，運營商的電子渠道的發展將會進一步的擴大。電子渠道除了銷售、服務職能之外，後續將逐步的承擔「大數據資源池」的重要角色。

另外，線上線下渠道協同是電信渠道體系轉型的蛀牙方向，而線上線下渠道有效協同的關鍵訣竅就是從用戶的需求出發，制定合理的線上線下渠道觸點界面，為客戶提供無縫全面的渠道服務，而要實現這一目標也需要大數據技術的支撐，通過現有數據挖掘不同類型用戶的渠道使用路徑。

四、影響客戶服務的模式

目前，電信行業一直都在強調用戶體驗，但是卻並不了解用戶的真正需求，使得體驗二字束之高閣。大數據時代要想提供有效路徑，必須利用大數據挖掘技術，來書別用戶的特徵，以及用戶的消費習慣，及時的消費提醒、偏好產品的發送、維系精準跟蹤等個性化服務。

由此可見，大數據將為移動互聯網帶來全新的改革，給用戶服務帶來極大的想像空間和無限的發展前景，開展針對用戶消費數據的分析評估，可以幫助改善運營商自身的服務質量。

五、豐富產品提供的內容

大數據可以作為對外銷售的產品也已經成為了全球的共識。為了確保用戶隱私不被侵犯的前提下，對數據進行深度加工，對外提供信息服務，為企業創造全新的價值體系。目前，大數據對外商業化的產品形態主要包括市場洞察報告、精準營銷廣告、數據監測、決策支撐等多種方式。目前，國外運營商紛紛嘗試現有的數據，進行整合處理，來提供給第三方以求得全新的收益。

例如：西班牙電信，推出了「智慧足跡」，基於完全匿名和聚合的移動網路數據，幫助零售商分析顧客來源和各大商鋪、展位的人流情況以及消費者特徵和消費能力，並將洞察結果面向政企客戶提供客流量的分析和零售店面選址的服務，目前該模式已經在國內WiFi運營領域廣泛應用。

【對國內運營商戰略市場工作轉型建議】

一、戰略上重視，組織上保證

雖然電信運營商在數據資源方面具有天然的優勢，但必須承認在大數據運營方面，不管是平台研發能力還是運營能力，電信運營商的優勢並不明顯，和互聯網企業以及一些專門做大數據平台的專業公司相比，存在較為明顯的劣勢。

因此，如果要做成大數據，研究院認為：

1、要公司層面足夠重視，作為領導的一把手來抓；

2、大數據運營團隊必須獨立運作，獨立核算，並輔以靈活的機制，否則新事物很難在傳統的電信體制下快速孵化；

3、光靠自己的力量還不夠，怎麼樣能夠找到優勢互補的合作單位協同研發運營才是大數據在電信內容發芽並壯大的關鍵。

二、內外兼修，市場化經營

大數據應用分為對內和對外兩種形態。不鼓勵過分重內，也不建議過分重外。連內部都做不好，對外營銷沒有說服力；只對內不對外，在不存在競爭的情況下，很難將一個產品做好做優，胎死腹中的可能性不是沒有。

因此，研究院建議電信運營商在推進大數據工作時，能夠內外兼修，從外部了解需求，從內部積累能力，通過完全市場化結算的方式在盡量短的時間能夠形成顯性效益，進而促進更多的資源投入和更快的成長。

三、循序漸進，以點帶面

從目前階段看，雖然說大數據的發展空間很大，但畢竟電信的能力和資源有限，建議從小案例做起，可選擇電信數據資源優勢明顯，客戶關系扎實、付費意願和數據意願共享的行業做起，通過成功標桿案例的構建，尋求規模化的復制。

從上面提及的五種產品形態看，精準營銷相對容易實現，運營商可從精準營銷切入，並逐步擴大形態范圍。

總評：大數據對運營商而言，是藍海，是解葯，但是否能真正發揮作用，還需運營商的實踐。研究院建議運營商們還是循序漸進，結合自身優勢，選擇合適的商業模式切入，早日打開大數據的「金礦」之門。

以上是小編為大家分享的關於大數據時代下 運營商市場戰略分析的相關內容，更多信息可以關注環球青藤分享更多干貨

Ⅳ 干貨 零售行業的數據挖掘七步走

干貨：零售行業的數據挖掘七步走

文 | @ETwise
對於沃爾瑪、華潤萬家、百佳等零售大超市而言，每天都有很多客戶通過會員卡進行購買，不斷積累了很多銷售數據，如何利用這些數據，從數據中挖掘金礦，很值得每個商家去思考。盡管目前零售商有不少的IT系統去支撐企業常規的分析（如銷售量、銷售額、熱銷SKU等），但實際上還是未能從數據角度深入挖掘客戶的價值，僅僅從經營分析的角度來滿足了常規分析工作。
本文從個人的角度去談一下如何使用數據挖掘幫助零售商提升生意，讓數據真正地去指導企業經營，最大限度地發揮數據提供商業決策的作用。
第一、開展會員制能夠幫助企業採集更多會員數據，更有利於開展數據挖掘的工作，同時也有利於培養客戶忠誠度。
第一、開展會員制能夠幫助企業採集更多會員數據，更有利於開展數據挖掘的工作，同時也有利於培養客戶忠誠度。
在實施會員制的時候，必須要特別注意兩個關鍵信息的採集：會員卡ID、客戶聯系號碼或者郵箱，因為這兩個關鍵信息對信息採集及後期的精準營銷有很大的幫助作用。而微信、微博等社交媒體的橫行，若零售商能夠通過相關活動讓客戶關注企業的微信、微博，對培養客戶忠誠度也是有很大的幫助。
會員制有助於為企業培養眾多忠實的顧客，建立起一個長期穩定的市場，提高企業的競爭力。通過會員制，可以有效穩定老客戶，同時開發新顧客。因為零售商給會員提供的是優惠的價格，對新顧客吸引力很大，同時大部分會員卡是可以外借的，也給新客戶提供了機會，大大增加其成為會員的可能性。
會員制營銷能夠促進企業與顧客雙向交流。顧客成為會員後，通常能定期收到商家有關新商品的信息並了解商品信息和商家動態，有針對性地選購商品。除此之外，企業能夠及時了解消費者需求的變化，以及他們對產品、服務等方面的意見，為改進企業的營銷模式提供了依據。
輸入標題
第二、開展零售商的數據挖掘項目，必須要重點提供以下幾個表的關鍵信息：
銷售表：卡號、銷售店ID、銷售日期、產品名稱、產品價格、銷售數量、銷售金額、折扣等信息。
產品表：產品ID、產品名稱、建議零售價、實際銷售價、一級類別、二級類別、三級類別、四級類別、品牌等信息。
客戶表：卡號、發卡店ID、城市、號碼、郵箱、企業或個人標識、企業名稱、所在行業、地址等。
零售店表：店ID、店名、所屬城市、店等級等。
其中銷售表、產品表、客戶表比較重要，而產品表梳理對數據分析及數據挖掘團隊而言，是做好項目的關鍵，必須要耗費大量的時間。
輸入標題
第三、與零售商明確數據挖掘目的，能夠讓分析團隊與零售商之間獲得更大的信任，同時有利於項目的順利開展。
成熟的分析團隊，比較關注零售商的商業出發點，從客戶商業價值出發，抓住客戶關注點，一點一點地做好相應的落地分析工作。
客戶最常見想讓數據幫助其解答的幾大問題：
如何讓活躍的客戶購買更多的產品，最大程度地釋放其價值？
如何喚醒沉默客戶，讓其轉化為活躍客戶？
哪些客戶是我的重點客戶群？其有什麼樣的特徵？
哪些重點客戶流失了？為什麼流失？後期怎樣開展挽留手段？
……
輸入標題
第四、通過數據開展客戶細分，明確各個群體的特徵。
對於零售數據而言，必須要深入零售行業兩大客戶群：企業及個人。企業客戶的特徵和個人客戶的特徵有很大的區別。
企業特徵主要表現：采購量比較大，經常進行團購或批發，銷售量和銷售額都比較大，為零售商的重點客戶群。盡管數量不多，但是卻貢獻了零售商的60%以上的銷售額。而企業的行為經常有：超大型采購、中型采購、一般采購。對企業數據挖掘，需要深入了解企業的所屬行業、采購額度、采購規律、采購產品偏好、是否流失、流失的原因調查等信息，有助於幫助零售商開展相應的營銷策略。
對於個人，則需要關注哪些是活躍客戶、哪些是新增客戶、哪些是沉默客戶、客戶價值是怎樣的、哪些節日是重點高峰期、偏好的產品是哪些等等，這些有助於零售商開展銷售、備貨等工作。
第五、結合5W1H分析法開展零售分析與挖掘。
What：銷售情況怎麼樣？有多少用戶？來了多少次？每次消費多少錢？買了什麼東西…….
Where：哪些門店銷售最好？為什麼呢？（交通、地區等）…….
When：哪個月份銷售得最好？哪個節日是銷售高峰期…….
Who：是哪些客戶？有什麼樣的特徵？偏好買哪些產品？產品規格是怎麼樣的…….
Why：為什麼買哪些產品？為什麼買那麼多？會不會繼續購買…….
How：怎樣提高客戶重購？怎樣喚醒客戶？怎麼進行交叉銷售？怎樣幫助鋪貨……
第六、協助零售商開展營銷活動設計、營銷活動執行、營銷評估與優化。
因為數據挖掘是一個閉環的流程，不是撰寫挖掘報告、輸出營銷客戶名單就是項目成功的，必須協助零售商開展相應的營銷設計、營銷活動執行、營銷評估及優化工作。從而確保數據挖掘有效落地，為客戶真實產生商業價值，擴大生意規模。
營銷活動設計常有：優惠打折、派發試用裝、贈送禮品、多倍積分等，可以通過不同的細分客戶群有針對性地開展不同的營銷活動，並計算不同群體及不同活動的投入產出比，便於後期不斷優化數據挖掘規則。
第七、關鍵成果固化IT系統，實現數據挖掘成果固化落地。
對於零售商而言，數據挖掘是個不大不小的投入，對於關鍵的成果輸出，總希望能夠把成果規則進行IT固化，實現自動代替手工操作，這個時候經常需要搭建一個成果固化模塊或系統，讓數據挖掘能夠最大限度幫助企業。