① 如何利用大數據定位
定位理論是過去幾十年最重要的營銷理論之一.
但是,許多營銷專家做定位的時候，都是靠拍腦袋搞靈感來的。
這是非常嚴重不科學的手段
因為，任何一個人的認知都是有局限的
並且，每一個人都習慣把自己熟知的事物的影響無限的放大。
1、真實的數據與你想的不一樣
2、確定定位的核心原則
3、如何用大數據工具
一、現實世界真實的數據，往往和你想的不一樣。
舉一個例子：
大家認為老外對中國的什麼最關注呢？
每當問這個問題：
許多人條件反射就會回答政治、人權、經濟等等，
其實，這是不真實的，大部分的老外連自己國家的政治和人權都不關注，怎麼會關注你們中國的這些問題呢
記得8年前，我在使用Google關鍵詞工具查詢的時候，當我搜索了一下「chinese」這個關鍵詞的時候。
工具立刻列出了搜索量最大的前30個包含有「chinese」的組合詞。
看到數據後，我驚奇的發現，搜索量最大的「中國的XXX」這類詞中，前30個搜索量最大的詞中。
其中「chinese food」和「chinese girl」都排在20多名，剩下28個詞都以一個主題相關，那就是「玄學」。
前面搜索量最大的關鍵詞，中國占卜、中國占星術、中國婚姻占卜、中國歷法、中國算命等等相關的關鍵詞。
原來，老外最關注的是中國玄學，這才是最真實的情況！
再舉一個例子
兩年前受邀請在上海講課，當時一個傳統領域的營銷專家朋友也是講師，當天晚上吃飯的時候，他非常興奮的給我們講他的一個商業計劃。
他打算自己投入幾百萬，然後再眾籌兩千萬來親自做一款筆記本電腦，他已經非常用心的籌劃了半年，已經找好了合作的廠商。
我問他做有特色的筆記本電腦呢？
他說：17寸的筆記本電腦
他說蘋果已經停止銷售17寸筆記本了，因為他一直用17寸筆記本，我了解這個尺寸筆記本的需求，這個市場沒有一款做的非常好的，他打算來做，名字就想好了，叫做「大師本」，一定可以迅速做起來。
聽他興奮的講完，我立刻上京東和淘寶查詢了一下17寸筆記本的銷售數據，發現加起來一年的銷售量不過幾千台。
蘋果為什麼放棄？
是因為市場太小
他喜歡用17寸筆記本電腦，他就以為全世界有很多人都喜歡，這是嚴重錯誤的思維方式。
看到這個銷售數據後，當著很多人的面子我沒有直說，只是私下給他發了一個簡訊，告訴了他真實的市場數據。
很快，他就徹底放棄了這個項目。
二、確定定位的核心原則？
選擇比努力重要！
如何選擇產品的定位？
如何選擇個人的定位？
有三個原則：
1、市場需求在增長
2、市場競爭非常小
3、與自己資源匹配
三、如何用大數據定位？
市場上，那些調查公司拿出的數據有也不靠譜，因為他們只是通過幾千份問卷得來的報告。
我們其實可以免費的直接查看幾億用戶的真實數據，幫助自己做市場定位決策。
誰能夠提供這些數據呢?
1、網路
2、淘寶
3、Google
4、Amazon
通過網路指數，你可以查詢一個關鍵詞的搜索量，搜索量越大，說明市場需求越大。
然後我們看網路搜索結果，如果搜索結果排在前面三頁沒有太多專業的網站的話，說明這個領域就有非常大的機會。
淘寶也有指數，不過剛剛關閉，現在變成了淘寶生意參謀，通過以淘寶數據為支撐，還有許多第三方網站可以查詢相關數據。
你輸入一個關鍵詞，就可以查看每天多少人搜索，有多少成交量，這些人都是什麼地區的？年齡多少？都什麼星座？收入？愛好等等
這些數據都可以免費看到！
如果你想了解全球市場的數據，通過google的關鍵詞工具，你可以直接把查詢區域鎖定到某一個國家，某一種語言的具體的搜索數量。
② 怎樣用好大數據
秘訣一：目標要明確
就算一個公司擁有再多的數據，也不能代表它就一定會獲得商業上的成功。只有真正懂得如何利用大數據，了解到公司利用大數據可以達到什麼目標，公司最終才有可能真正成功。在公司在發展過程中往往也會面臨諸多選擇，也只有目標設定明確了，才能夠縮小選擇范圍聚焦精力去發展。企業應時刻保持頭腦清醒，朝著自己定好的目標前進，才有助於公司進行持續長久的良好運作。
秘訣二：要區分清楚「森林」和「樹」
現在，企業可以做到一些他們以往沒有能力做到的事。對於很多公司來說，可供分析的數據更多，可以用來分析數據的工具和方法也比以前更先進方便。公司已經完全有能力去分析和處理他們收集到的大量數據，這對於企業來說或許是件好事，然而，有時候這些數據也會過於分散。
秘訣三：做好團隊的協調
在大數據的世界裡，最有價值和作用的數據往往十分稀少。要想找到真正有價值的數據，就如同大海撈針一樣困難。所以，為了找到這些有價值的數據，企業內部應齊心協力通力合作，要經常保持有效的溝通和協作。
秘訣四：用機器代替人工
機器學習指計算機模擬或實現人類的學習行為，以獲取新的知識或技能，從而對自身功能進行改進。機器學習相比人工學習，速度更快，學習規模也更大，一個公司能通過機器學習較快地發現新的問題。
秘訣五：要謹慎對待數據
有時，企業是沒有能力去獲取數據的，也就沒法用數據去解決問題。就算公司獲得了一些數據，他們往往也不清楚這些數據最終能否解決他們的問題。
③ 如何學會利用大數據
1、獲取全網用戶數據
僅有企業數據，即使規模再大，也只是孤島數據。還要互聯網數據統合，才能准確掌握用戶站內站外的全方位的行為，使得數據在營銷中體現應有的價值。在數據採集階段，建議在搜集自身各方面數據形成DMP數據平台後，還要與第三方公用DMP數據對接，獲取更多的目標人群數據，形成基於全網的數據管理系統。
2、讓數據看的懂
採集來的原始數據難以讀懂，因此還需要進行集中化、結構化、標准化處理，讓“天書”轉變為看得懂的信息。
3、分析用戶特徵及偏好
將第方標簽與第三方那個標簽相結合，按不同的評估唯獨和模型演算法，通過聚類方式將具有相同特徵的用戶化成不同屬性的用戶族群，對用戶的靜態信息、動態信心、實時信息分別描述，形成網站用戶分群畫像系統。
4、制定渠道和創意策略
根據目標群體的特徵和分析結果，在計劃實施前，對投放策略進行評估和優化。如宣和更適合的用戶群體，匹配適當的媒體，制定性價比及效率更好的渠道組合，根據用戶特徵制定內容策略，從而提升用戶人群的轉化率。
④ 如何應用大數據
大數據技術是指從各種各樣類型的數據中，快速獲得有價值信息的能力。適用於大數據的技術，包括大規模並行處理（MPP）資料庫，數據挖掘電網，分布式文件系統，分布式資料庫，雲計算平台，互聯網，和可擴展的存儲系統。
大數據的應用：大數據是信息產業持續高速增長的新引擎。面向大數據市場的新技術、新產品、新服務、新業態會不斷涌現。在硬體與集成設備領域，大數據將對晶元、存儲產業產生重要影響，還將催生一體化數據存儲處理伺服器、內存計算等市場。在軟體與服務領域，大數據將引發數據快速處理分析、數據挖掘技術和軟體產品的發展。
⑤ 教你如何利用大數據思維
教你如何利用大數據思維 在和一些企業家交流時，有幾個問題會被常常問到，"沒有多少數據怎麼辦?"，"大數據都是大公司的事情，我們小公司怎麼辦?""能不能告訴我，哪些軟體或者工具可以解決大數據的問題?"一般情況下，我都會說，首先要有大數據思維!大家紛紛點頭稱是，這詞兒聽起來非常高大上，甚至給人一種不明覺厲的趕腳!但啥是大數據思維，我一直沒有空來整理提煉。
前陣子一個內部的論壇，要求大家必須講干貨，趁此機會，系統的梳理一遍，概括起來，也就三條：第一認識大數據飛輪，第二理解數據資產評估，第三運用泛互聯範式。
圖1：大數據思維
干貨肯定是經過濃縮的，甚至把案例都作為水分擠掉了，所以這篇文章讀起來不是那麼有趣。但我可以保證，掌握這三條給上市公司做大數據戰略咨詢肯定沒有問題。因為我已經靠這三板斧，搞定了十幾家上市公司。連國內最大咨詢公司的董事長都認為有料，要走了PPT。
每條都用一幅圖來表達，每個圖中的圓圈都有許多案例來佐證。大家如果對案例更感興趣，讀拙作《大數據時代的歷史機遇》好了。其實圖1就涵蓋了大數據思維的全部思想。這幅圖里外三層、上下結構，看起來比較復雜，所以後面拆成三幅圖來講。思維的過程是自上而下、自外而里的。圖的上半部分講得是大數據的商業功用，就是說有了大數據我們能幹什麼?怎麼賺錢?有哪些好玩的商業模式?以前常說"羊毛出在羊身上"，搞懂這些模式你會發現原來可以"羊毛出在狗身上"。書里詳細寫了六種，圖上只畫出五種。
補充：六種商業模式簡述
圍繞數據資產，筆者曾考察不同行業的盈利方式和經營策略，歸納總結了六種商業模式(詳見《大數據時代的歷史機遇》一書)。
租售數據模式：簡單來說，就是售賣或者出租廣泛收集、精心過濾、時效性強的數據。這也是數據就是資產的最經典的詮釋。按照銷售對象的不同，又分為兩種類型。第一是作為客戶增值服務。譬如銷售導航儀的公司，同時為客戶提供即時交通信息服務。廣聯達公司為他的客戶提供包年的建築材料價格數據。僅此一項業務，年收入超過1億元人民幣。第二是把客戶數據，有償提供給第三方。典型的如證券交易所，把股票交易行情數據授權給一些做行情軟體的公司。
租售信息模式：一般聚焦某個行業，廣泛收集相關數據、深度整合萃取信息，以龐大的數據中心加上專用傳播渠道，也可成一方霸主。信息指的是經過加工處理，承載一定行業特徵數據集合。
數字媒體模式：這個模式最性感，因為全球廣告市場空間是5000億美元。具備培育千億級公司的土壤和成長空間。這類公司的核心資源是獲得實時、海量、有效的數據，立身之本是大數據分析技術，盈利來源多是精準營銷和信息聚合服務。
數據使能模式：這類業務令人著迷之處在於，如果沒有大量的數據，缺乏有效的數據分析技術，這些公司的業務其實難以開展。譬如阿里金融為代表的小額信貸公司。通過在線分析小微企業的交易數據、財務數據，甚至可以計算出應提供多少貸款，多長時間可以收回等關鍵問題。把壞賬風險降到最低。
數據空間運營模式：從歷史上，傳統的IDC就是這種模式，互聯網巨頭都在提供此類服務。但近期網盤勢頭強勁，從大數據角度來看，各家紛紛嗅到大數據商機，開始搶占個人、企業的數據資源。海外的Dropbox，國內微盤都是此類公司的代表。這類公司的發展空間在於可以成長為數據聚合平台，盈利模式將趨於多元化。
大數據技術提供商：從數據量上來看，非結構化數據是結構化數據的5倍以上，任何一個種類的非結構化數據處理，都可以重現現有結構化數據的輝煌。語音數據處理領域、視頻數據處理領域、語義識別領域、圖像數據處理領域都可能出現大型的、高速成長的公司。
明白大數據的功用後，大家自然而然地關心，數據這么值錢，理所當然應構成新型的資產。圖1的中間部分描述了這塊內容。"數據成為資產"這一原創論斷成為大數據思維的中心理論。圖2數據資產評估模型給出一個完整的思維框架來描述數據資產的價值(完整描述評估模型，非本文主旨。讀者若有興趣，移步閱讀拙著吧)。但是這方面的工作遠遠不夠，無法定量的給出評估。在「諾獎級別的學術難題」一文(回復b10獲取該文)中，我曾經說，學術界如果在數據資產的定量評估上取得進展，是可以獲得諾貝爾獎的。因為這和公司的估值緊密相關。產業界在信用定量計算方面己經走在前列，並付諸商用，但是離一般意義上的數據資產估值還相去甚遠。
圖2：數據資產評估模型
既然數據成為資產，資產間的交易也會提上日程。聯盟特別任命兩位副秘書長推進這個事情，從而傳播開放、共享的理念。藉此呼籲所有願意開放數據資源的企業，卻可以藉助聯盟的力量，來共同推進。
數據成為資產是在了解大數據功用基礎上的抽象認知。接下來看圖1的下半部分，泛互聯範式。這個範式給出了不斷的採集數據並且發揮數據價值的行動指南。許多公司的轉型，都要從這幅圖開始。見圖3。終端+平台+應用+大數據四位一體，構成大數據思維的行動指南。最近和一些公司聊，他們己經了解了數據的重要性，開始想些損招去「劫掠」客戶的數據。這不免誤入歧圖。還是認真研究一下這個範式，從應用、終端上動動腦筋，真正的為用戶提供靠譜的服務，才是上策。
圖3：泛互聯範式
回顧圖1，我們在講大數據思維時，利用自上而下的次序，從大數據的功用入手，深入到理論內核，再到可供操作的範式。但真正上手實踐，需要腳踏實地，自下而上的行動。回到德魯克的經典問題上來，你的客戶是誰?
大數據產業聯盟願意為所有有志於從事大數據戰略咨詢的顧問們服務，掌握這套方法論並切實幫到企業的顧問，聯盟會在官方網站上列出您的大名，並向成員企業推薦。
所以, 這次,我們來點兒作業吧：大家可以用上面的大數據思維分析框架來分析一下自己所在的公司自己感興趣的公司,看看大數據於公司有什麼功效, 公司可操作的泛互聯範式是什麼。
在此，也先拋幾個小例子：
1)樂視網的野心
⑥ 製造業如何利用大數據
製造業如何利用大數據
如果你正在進行大數據項目，那麼有四個因素需要牢記。
1.數據不能脫離實際環境
首先需要說明的是，脫離實際環境的數據的作用將會大打折扣。在生產製造領域，所謂的實際環境可以用工作任務或者執行步驟來提供。每一段數據必須與正在執行的任務或者正在生產的產品本身相關聯，並且與任務的特性相聯系。這個環境可以用於任務與任務之間的對比，用來檢測顯著差異。使用生產製造大數據的第一步就是搜集環境或者事件信息CONTROL ENGINEERING China版權所有，然後這些信息與工廠的歷史數據相關聯。幸運的是，主要的工廠歷史數據備份工具供應商都提供了事件和環境插件，可以將MES流程或者執行系統的作業步驟與歷史數據相關聯。
2.分析優化
第二個需要考慮的因素是，雖然在線歷史數據是一個保存數據的很棒的工具控制工程網版權所有，但是對於分析數據卻有點束手無策。一種好方法是使用離線備份或者資料庫用於分析。大多數工廠的歷史資料庫對存取數據都進行了優化，當需要為大數據分析從正在運行的在線系統提取大量數據時，往往需要花費很多時間。更好的策略是將歷史數據周期性地備份到離線系統中，或者將數據固化到資料庫中，以便用於大數據的優化分析。
3.考慮樣本容量
第三個需要牢記的因素是你必須選擇正確的數據樣本。為了具有說服力，確保樣本容量足夠大，這樣才能夠足以發現內在關系和因果關系。較小的樣本容量有可能得到並不正確的內在關系，使你南轅北轍。還有很重要的一點就是不要將內在關系和因果關系混淆起來CONTROL ENGINEERING China版權所有，因為具有內在關系的事物不一定具有因果關系。數據分析可以發現內在關系，但是如果想要明確事物之間是否存在因果關系則還需要很多工作。大數據分析項目必須引入工程師或者科學家，確保使用工程分析手段能夠得到真實的因果關系，這樣一來數據才發揮了最大價值。
4.鼓勵人員參與
最後一個需要牢記的因素是在有些情況下靠人員來發現規律比靠系統自動完成更加靠譜。你可以指派人員對資料庫進行查詢並發現某些規律。有經驗的操作人員通常對生產系統和相互之間的關系有較深入的認知，他們能夠發現一些被隱藏或不明顯的內在關系。
為保存的數據增加環境信息，使用經過分析優化的數據、客觀陳述和足夠的樣本容量，並對內在關系和因果關系進行合理的總結控制工程網版權所有，以及利用人員進行數據挖掘，這些都是生產製造大數據項目的關鍵組成部分。確保你的項目考慮了這些方面，大數據分析才真正在你的生產車間中落到實處。
⑦ 個人如何使用大數據
個人沒有多少的數據量去處理吧，只能是根據行業的情況去利用大數據的結果了，檸檬學院大數據。
⑧ 如何運用大數據分析
可視化分析大數據分析的使用者有大數據分析專家，同時還有普通用戶，但是他們二者對於大數據分析最基本的要求就是可視化分析，因為可視化分析能夠直觀的呈現大數據特點，同時能夠非常容易被讀者所接受，就如同看圖說話一樣簡單明了。
2. 數據挖掘演算法
大數據分析的理論核心就是數據挖掘演算法，各種數據挖掘的演算法基於不同的數據類型和格式才能更加科學的呈現出數據本身具備的特點，也正是因為這些被全世界統計 學家所公認的各種統計方法（可以稱之為真理）才能深入數據內部，挖掘出公認的價值。
3. 預測性分析
大數據分析最終要的應用領域之一就是預測性分析，從大數據中挖掘出特點，通過科學的建立模型，之後便可以通過模型帶入新的數據，從而預測未來的數據。
4. 語義引擎
非結構化數據的多元化給數據分析帶來新的挑戰，我們需要一套工具系統的去分析，提煉數據。語義引擎需要設計到有足夠的人工智慧以足以從數據中主動地提取信息。
5.數據質量和數據管理
大數據分析離不開數據質量和數據管理，高質量的數據和有效的數據管理，無論是在學術研究還是在商業應用領域，都能夠保證分析結果的真實和有價值。
⑨ 我們如何利用大數據
1.第一點,明確數據分析的目的 首先,您必須知道手中的數據要怎麼處理,這意味著您需要清楚需求以及要從數據中獲取什麼。讓我們以產品經理為例。當許多產品經理設計自己的產品時...
2.第二點,必須擴大數據收集方式 關於數據收集,通常有四種方法。它們是從外部行業數據分析報告...
3.第三點,有效消除數據中的干擾數據 具體方法我們可以選擇正確的樣本量,選擇足夠大的數量以...
4.第四點,我們需要合理客觀地看待數據 應該注意的是,在使用大數據時,您不能忽略沉默用戶...
⑩ 如何利用大數據
大數據包含幾個方面的內涵吧
1. 數據量大，TB，PB，乃至EB等數據量的數據需要分析處理。
2. 要求快速響應，市場變化快，要求能及時快速的響應變化，那對數據的分析也要快速，在性能上有更高要求，所以數據量顯得對速度要求有些「大」。
3. 數據多樣性：不同的數據源，非結構化數據越來越多，需要進行清洗，整理，篩選等操作，變為結構數據。
4. 價值密度低，由於數據採集的不及時，數據樣本不全面，數據可能不連續等等，數據可能會失真，但當數據量達到一定規模，可以通過更多的數據達到更真實全面的反饋。
很多行業都會有大數據需求，譬如電信行業，互聯網行業等等容易產生大量數據的行業，很多傳統行業，譬如醫葯，教育，采礦，電力等等任何行業，都會有大數據需求。
隨著業務的不斷擴張和歷史數據的不斷增加，數據量的增長是持續的。
如果需要分析大數據，則可以Hadoop等開源大數據項目，或Yonghong Z-Suite等商業大數據BI工具。
不同行業的數據有不同的自身特點，還需要結合自身的行業知識才能把大數據轉換為價值。