① 如何利用大数据定位
定位理论是过去几十年最重要的营销理论之一.
但是,许多营销专家做定位的时候，都是靠拍脑袋搞灵感来的。
这是非常严重不科学的手段
因为，任何一个人的认知都是有局限的
并且，每一个人都习惯把自己熟知的事物的影响无限的放大。
1、真实的数据与你想的不一样
2、确定定位的核心原则
3、如何用大数据工具
一、现实世界真实的数据，往往和你想的不一样。
举一个例子：
大家认为老外对中国的什么最关注呢？
每当问这个问题：
许多人条件反射就会回答政治、人权、经济等等，
其实，这是不真实的，大部分的老外连自己国家的政治和人权都不关注，怎么会关注你们中国的这些问题呢
记得8年前，我在使用Google关键词工具查询的时候，当我搜索了一下“chinese”这个关键词的时候。
工具立刻列出了搜索量最大的前30个包含有“chinese”的组合词。
看到数据后，我惊奇的发现，搜索量最大的“中国的XXX”这类词中，前30个搜索量最大的词中。
其中“chinese food”和“chinese girl”都排在20多名，剩下28个词都以一个主题相关，那就是“玄学”。
前面搜索量最大的关键词，中国占卜、中国占星术、中国婚姻占卜、中国历法、中国算命等等相关的关键词。
原来，老外最关注的是中国玄学，这才是最真实的情况！
再举一个例子
两年前受邀请在上海讲课，当时一个传统领域的营销专家朋友也是讲师，当天晚上吃饭的时候，他非常兴奋的给我们讲他的一个商业计划。
他打算自己投入几百万，然后再众筹两千万来亲自做一款笔记本电脑，他已经非常用心的筹划了半年，已经找好了合作的厂商。
我问他做有特色的笔记本电脑呢？
他说：17寸的笔记本电脑
他说苹果已经停止销售17寸笔记本了，因为他一直用17寸笔记本，我了解这个尺寸笔记本的需求，这个市场没有一款做的非常好的，他打算来做，名字就想好了，叫做“大师本”，一定可以迅速做起来。
听他兴奋的讲完，我立刻上京东和淘宝查询了一下17寸笔记本的销售数据，发现加起来一年的销售量不过几千台。
苹果为什么放弃？
是因为市场太小
他喜欢用17寸笔记本电脑，他就以为全世界有很多人都喜欢，这是严重错误的思维方式。
看到这个销售数据后，当着很多人的面子我没有直说，只是私下给他发了一个短信，告诉了他真实的市场数据。
很快，他就彻底放弃了这个项目。
二、确定定位的核心原则？
选择比努力重要！
如何选择产品的定位？
如何选择个人的定位？
有三个原则：
1、市场需求在增长
2、市场竞争非常小
3、与自己资源匹配
三、如何用大数据定位？
市场上，那些调查公司拿出的数据有也不靠谱，因为他们只是通过几千份问卷得来的报告。
我们其实可以免费的直接查看几亿用户的真实数据，帮助自己做市场定位决策。
谁能够提供这些数据呢?
1、网络
2、淘宝
3、Google
4、Amazon
通过网络指数，你可以查询一个关键词的搜索量，搜索量越大，说明市场需求越大。
然后我们看网络搜索结果，如果搜索结果排在前面三页没有太多专业的网站的话，说明这个领域就有非常大的机会。
淘宝也有指数，不过刚刚关闭，现在变成了淘宝生意参谋，通过以淘宝数据为支撑，还有许多第三方网站可以查询相关数据。
你输入一个关键词，就可以查看每天多少人搜索，有多少成交量，这些人都是什么地区的？年龄多少？都什么星座？收入？爱好等等
这些数据都可以免费看到！
如果你想了解全球市场的数据，通过google的关键词工具，你可以直接把查询区域锁定到某一个国家，某一种语言的具体的搜索数量。
② 怎样用好大数据
秘诀一：目标要明确
就算一个公司拥有再多的数据，也不能代表它就一定会获得商业上的成功。只有真正懂得如何利用大数据，了解到公司利用大数据可以达到什么目标，公司最终才有可能真正成功。在公司在发展过程中往往也会面临诸多选择，也只有目标设定明确了，才能够缩小选择范围聚焦精力去发展。企业应时刻保持头脑清醒，朝着自己定好的目标前进，才有助于公司进行持续长久的良好运作。
秘诀二：要区分清楚“森林”和“树”
现在，企业可以做到一些他们以往没有能力做到的事。对于很多公司来说，可供分析的数据更多，可以用来分析数据的工具和方法也比以前更先进方便。公司已经完全有能力去分析和处理他们收集到的大量数据，这对于企业来说或许是件好事，然而，有时候这些数据也会过于分散。
秘诀三：做好团队的协调
在大数据的世界里，最有价值和作用的数据往往十分稀少。要想找到真正有价值的数据，就如同大海捞针一样困难。所以，为了找到这些有价值的数据，企业内部应齐心协力通力合作，要经常保持有效的沟通和协作。
秘诀四：用机器代替人工
机器学习指计算机模拟或实现人类的学习行为，以获取新的知识或技能，从而对自身功能进行改进。机器学习相比人工学习，速度更快，学习规模也更大，一个公司能通过机器学习较快地发现新的问题。
秘诀五：要谨慎对待数据
有时，企业是没有能力去获取数据的，也就没法用数据去解决问题。就算公司获得了一些数据，他们往往也不清楚这些数据最终能否解决他们的问题。
③ 如何学会利用大数据
1、获取全网用户数据
仅有企业数据，即使规模再大，也只是孤岛数据。还要互联网数据统合，才能准确掌握用户站内站外的全方位的行为，使得数据在营销中体现应有的价值。在数据采集阶段，建议在搜集自身各方面数据形成DMP数据平台后，还要与第三方公用DMP数据对接，获取更多的目标人群数据，形成基于全网的数据管理系统。
2、让数据看的懂
采集来的原始数据难以读懂，因此还需要进行集中化、结构化、标准化处理，让“天书”转变为看得懂的信息。
3、分析用户特征及偏好
将第方标签与第三方那个标签相结合，按不同的评估唯独和模型算法，通过聚类方式将具有相同特征的用户化成不同属性的用户族群，对用户的静态信息、动态信心、实时信息分别描述，形成网站用户分群画像系统。
4、制定渠道和创意策略
根据目标群体的特征和分析结果，在计划实施前，对投放策略进行评估和优化。如宣和更适合的用户群体，匹配适当的媒体，制定性价比及效率更好的渠道组合，根据用户特征制定内容策略，从而提升用户人群的转化率。
④ 如何应用大数据
大数据技术是指从各种各样类型的数据中，快速获得有价值信息的能力。适用于大数据的技术，包括大规模并行处理（MPP）数据库，数据挖掘电网，分布式文件系统，分布式数据库，云计算平台，互联网，和可扩展的存储系统。
大数据的应用：大数据是信息产业持续高速增长的新引擎。面向大数据市场的新技术、新产品、新服务、新业态会不断涌现。在硬件与集成设备领域，大数据将对芯片、存储产业产生重要影响，还将催生一体化数据存储处理服务器、内存计算等市场。在软件与服务领域，大数据将引发数据快速处理分析、数据挖掘技术和软件产品的发展。
⑤ 教你如何利用大数据思维
教你如何利用大数据思维 在和一些企业家交流时，有几个问题会被常常问到，"没有多少数据怎么办?"，"大数据都是大公司的事情，我们小公司怎么办?""能不能告诉我，哪些软件或者工具可以解决大数据的问题?"一般情况下，我都会说，首先要有大数据思维!大家纷纷点头称是，这词儿听起来非常高大上，甚至给人一种不明觉厉的赶脚!但啥是大数据思维，我一直没有空来整理提炼。
前阵子一个内部的论坛，要求大家必须讲干货，趁此机会，系统的梳理一遍，概括起来，也就三条：第一认识大数据飞轮，第二理解数据资产评估，第三运用泛互联范式。
图1：大数据思维
干货肯定是经过浓缩的，甚至把案例都作为水分挤掉了，所以这篇文章读起来不是那么有趣。但我可以保证，掌握这三条给上市公司做大数据战略咨询肯定没有问题。因为我已经靠这三板斧，搞定了十几家上市公司。连国内最大咨询公司的董事长都认为有料，要走了PPT。
每条都用一幅图来表达，每个图中的圆圈都有许多案例来佐证。大家如果对案例更感兴趣，读拙作《大数据时代的历史机遇》好了。其实图1就涵盖了大数据思维的全部思想。这幅图里外三层、上下结构，看起来比较复杂，所以后面拆成三幅图来讲。思维的过程是自上而下、自外而里的。图的上半部分讲得是大数据的商业功用，就是说有了大数据我们能干什么?怎么赚钱?有哪些好玩的商业模式?以前常说"羊毛出在羊身上"，搞懂这些模式你会发现原来可以"羊毛出在狗身上"。书里详细写了六种，图上只画出五种。
补充：六种商业模式简述
围绕数据资产，笔者曾考察不同行业的盈利方式和经营策略，归纳总结了六种商业模式(详见《大数据时代的历史机遇》一书)。
租售数据模式：简单来说，就是售卖或者出租广泛收集、精心过滤、时效性强的数据。这也是数据就是资产的最经典的诠释。按照销售对象的不同，又分为两种类型。第一是作为客户增值服务。譬如销售导航仪的公司，同时为客户提供即时交通信息服务。广联达公司为他的客户提供包年的建筑材料价格数据。仅此一项业务，年收入超过1亿元人民币。第二是把客户数据，有偿提供给第三方。典型的如证券交易所，把股票交易行情数据授权给一些做行情软件的公司。
租售信息模式：一般聚焦某个行业，广泛收集相关数据、深度整合萃取信息，以庞大的数据中心加上专用传播渠道，也可成一方霸主。信息指的是经过加工处理，承载一定行业特征数据集合。
数字媒体模式：这个模式最性感，因为全球广告市场空间是5000亿美元。具备培育千亿级公司的土壤和成长空间。这类公司的核心资源是获得实时、海量、有效的数据，立身之本是大数据分析技术，盈利来源多是精准营销和信息聚合服务。
数据使能模式：这类业务令人着迷之处在于，如果没有大量的数据，缺乏有效的数据分析技术，这些公司的业务其实难以开展。譬如阿里金融为代表的小额信贷公司。通过在线分析小微企业的交易数据、财务数据，甚至可以计算出应提供多少贷款，多长时间可以收回等关键问题。把坏账风险降到最低。
数据空间运营模式：从历史上，传统的IDC就是这种模式，互联网巨头都在提供此类服务。但近期网盘势头强劲，从大数据角度来看，各家纷纷嗅到大数据商机，开始抢占个人、企业的数据资源。海外的Dropbox，国内微盘都是此类公司的代表。这类公司的发展空间在于可以成长为数据聚合平台，盈利模式将趋于多元化。
大数据技术提供商：从数据量上来看，非结构化数据是结构化数据的5倍以上，任何一个种类的非结构化数据处理，都可以重现现有结构化数据的辉煌。语音数据处理领域、视频数据处理领域、语义识别领域、图像数据处理领域都可能出现大型的、高速成长的公司。
明白大数据的功用后，大家自然而然地关心，数据这么值钱，理所当然应构成新型的资产。图1的中间部分描述了这块内容。"数据成为资产"这一原创论断成为大数据思维的中心理论。图2数据资产评估模型给出一个完整的思维框架来描述数据资产的价值(完整描述评估模型，非本文主旨。读者若有兴趣，移步阅读拙着吧)。但是这方面的工作远远不够，无法定量的给出评估。在“诺奖级别的学术难题”一文(回复b10获取该文)中，我曾经说，学术界如果在数据资产的定量评估上取得进展，是可以获得诺贝尔奖的。因为这和公司的估值紧密相关。产业界在信用定量计算方面己经走在前列，并付诸商用，但是离一般意义上的数据资产估值还相去甚远。
图2：数据资产评估模型
既然数据成为资产，资产间的交易也会提上日程。联盟特别任命两位副秘书长推进这个事情，从而传播开放、共享的理念。借此呼吁所有愿意开放数据资源的企业，却可以借助联盟的力量，来共同推进。
数据成为资产是在了解大数据功用基础上的抽象认知。接下来看图1的下半部分，泛互联范式。这个范式给出了不断的采集数据并且发挥数据价值的行动指南。许多公司的转型，都要从这幅图开始。见图3。终端+平台+应用+大数据四位一体，构成大数据思维的行动指南。最近和一些公司聊，他们己经了解了数据的重要性，开始想些损招去“劫掠”客户的数据。这不免误入歧图。还是认真研究一下这个范式，从应用、终端上动动脑筋，真正的为用户提供靠谱的服务，才是上策。
图3：泛互联范式
回顾图1，我们在讲大数据思维时，利用自上而下的次序，从大数据的功用入手，深入到理论内核，再到可供操作的范式。但真正上手实践，需要脚踏实地，自下而上的行动。回到德鲁克的经典问题上来，你的客户是谁?
大数据产业联盟愿意为所有有志于从事大数据战略咨询的顾问们服务，掌握这套方法论并切实帮到企业的顾问，联盟会在官方网站上列出您的大名，并向成员企业推荐。
所以, 这次,我们来点儿作业吧：大家可以用上面的大数据思维分析框架来分析一下自己所在的公司自己感兴趣的公司,看看大数据于公司有什么功效, 公司可操作的泛互联范式是什么。
在此，也先抛几个小例子：
1)乐视网的野心
⑥ 制造业如何利用大数据
制造业如何利用大数据
如果你正在进行大数据项目，那么有四个因素需要牢记。
1.数据不能脱离实际环境
首先需要说明的是，脱离实际环境的数据的作用将会大打折扣。在生产制造领域，所谓的实际环境可以用工作任务或者执行步骤来提供。每一段数据必须与正在执行的任务或者正在生产的产品本身相关联，并且与任务的特性相联系。这个环境可以用于任务与任务之间的对比，用来检测显着差异。使用生产制造大数据的第一步就是搜集环境或者事件信息CONTROL ENGINEERING China版权所有，然后这些信息与工厂的历史数据相关联。幸运的是，主要的工厂历史数据备份工具供应商都提供了事件和环境插件，可以将MES流程或者执行系统的作业步骤与历史数据相关联。
2.分析优化
第二个需要考虑的因素是，虽然在线历史数据是一个保存数据的很棒的工具控制工程网版权所有，但是对于分析数据却有点束手无策。一种好方法是使用离线备份或者数据库用于分析。大多数工厂的历史数据库对存取数据都进行了优化，当需要为大数据分析从正在运行的在线系统提取大量数据时，往往需要花费很多时间。更好的策略是将历史数据周期性地备份到离线系统中，或者将数据固化到数据库中，以便用于大数据的优化分析。
3.考虑样本容量
第三个需要牢记的因素是你必须选择正确的数据样本。为了具有说服力，确保样本容量足够大，这样才能够足以发现内在关系和因果关系。较小的样本容量有可能得到并不正确的内在关系，使你南辕北辙。还有很重要的一点就是不要将内在关系和因果关系混淆起来CONTROL ENGINEERING China版权所有，因为具有内在关系的事物不一定具有因果关系。数据分析可以发现内在关系，但是如果想要明确事物之间是否存在因果关系则还需要很多工作。大数据分析项目必须引入工程师或者科学家，确保使用工程分析手段能够得到真实的因果关系，这样一来数据才发挥了最大价值。
4.鼓励人员参与
最后一个需要牢记的因素是在有些情况下靠人员来发现规律比靠系统自动完成更加靠谱。你可以指派人员对数据库进行查询并发现某些规律。有经验的操作人员通常对生产系统和相互之间的关系有较深入的认知，他们能够发现一些被隐藏或不明显的内在关系。
为保存的数据增加环境信息，使用经过分析优化的数据、客观陈述和足够的样本容量，并对内在关系和因果关系进行合理的总结控制工程网版权所有，以及利用人员进行数据挖掘，这些都是生产制造大数据项目的关键组成部分。确保你的项目考虑了这些方面，大数据分析才真正在你的生产车间中落到实处。
⑦ 个人如何使用大数据
个人没有多少的数据量去处理吧，只能是根据行业的情况去利用大数据的结果了，柠檬学院大数据。
⑧ 如何运用大数据分析
可视化分析大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。
2. 数据挖掘算法
大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计 学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。
3. 预测性分析
大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。
4. 语义引擎
非结构化数据的多元化给数据分析带来新的挑战，我们需要一套工具系统的去分析，提炼数据。语义引擎需要设计到有足够的人工智能以足以从数据中主动地提取信息。
5.数据质量和数据管理
大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。
⑨ 我们如何利用大数据
1.第一点,明确数据分析的目的 首先,您必须知道手中的数据要怎么处理,这意味着您需要清楚需求以及要从数据中获取什么。让我们以产品经理为例。当许多产品经理设计自己的产品时...
2.第二点,必须扩大数据收集方式 关于数据收集,通常有四种方法。它们是从外部行业数据分析报告...
3.第三点,有效消除数据中的干扰数据 具体方法我们可以选择正确的样本量,选择足够大的数量以...
4.第四点,我们需要合理客观地看待数据 应该注意的是,在使用大数据时,您不能忽略沉默用户...
⑩ 如何利用大数据
大数据包含几个方面的内涵吧
1. 数据量大，TB，PB，乃至EB等数据量的数据需要分析处理。
2. 要求快速响应，市场变化快，要求能及时快速的响应变化，那对数据的分析也要快速，在性能上有更高要求，所以数据量显得对速度要求有些“大”。
3. 数据多样性：不同的数据源，非结构化数据越来越多，需要进行清洗，整理，筛选等操作，变为结构数据。
4. 价值密度低，由于数据采集的不及时，数据样本不全面，数据可能不连续等等，数据可能会失真，但当数据量达到一定规模，可以通过更多的数据达到更真实全面的反馈。
很多行业都会有大数据需求，譬如电信行业，互联网行业等等容易产生大量数据的行业，很多传统行业，譬如医药，教育，采矿，电力等等任何行业，都会有大数据需求。
随着业务的不断扩张和历史数据的不断增加，数据量的增长是持续的。
如果需要分析大数据，则可以Hadoop等开源大数据项目，或Yonghong Z-Suite等商业大数据BI工具。
不同行业的数据有不同的自身特点，还需要结合自身的行业知识才能把大数据转换为价值。