大數據讓商業營銷變得更加精確

如今大數據可謂是風起云涌，紅紅火火，儼然成為信息技術領域最時髦的詞匯。IBM、微軟、Oracle、SAP等IT巨鱷，像是尋找到了新的金礦，開始全力挖掘大數據，多方位推廣大數據理念，而眾多中小IT廠商也跟著蜂擁而至，以分得大數據市場一杯羹。

數據爆炸的沖擊波

“大”字不僅意味著數據的數量龐大，還代表著數據種類繁多、結構復雜，變化的速度也極快。研究表明，大數據呈現三種特性：Volume（極多的數據量）、Velocity（極快的處理速度）、Variety（極繁的數據種類）。如今有許多企業已面臨單日數據量以數十、數百TB（萬億字節）的速度增加，而近幾年累加的總數據量也達到了PB(1000個TB)甚至EB(一百萬個TB)等級，這樣的數據量已讓傳統的數據庫難以處理；而且企業數據增加的速度也越來越快，諸如移動化、社交網絡的廣泛應用，使得數據增加的速度比傳統的企業應用程式來得快很多，一旦數據增生速度越快，數據處理、分析的速度也就得跟上；此外，數據更是呈現出多樣性、復雜性的特征，一方面互聯網不但產生文字資訊，同時也不斷在產出與以往不同的數據：照片、視頻、微博等，另一方面，IT遍及工作生活中的每個角落，各種各樣的傳感器、監控器也不斷產生，各種機器資訊數據的形式日趨復雜、多樣了，從結構化數據到非結構化數據不斷轉化。這就催生了大數據技術的強烈需求。

今天，從搜索引擎、社交網絡的普及到人手一機的智能移動設備，全球互聯網上的信息總量正以每年30%-50% 的增速不斷暴漲，包括每天Facebook 上分享的幾億條內容，每日15 TB 的 Twitter 信息，每天淘寶上數十億條店鋪、商品瀏覽記錄及上億的成交、收藏記錄以及3000多萬條傳感器資訊，等等。市場研究機構IDC的研究結果顯示，去年全球創造的信息數量達到1800EB，并且還以每年50%的速度高速增長，到2020年，全球每年產生的數字信息將達到35ZB（1ZB=1024EB）。據IDC 統計，2011年全球所產生的數據總量是1.8ZB，如果把這些數據刻錄到CD碟片中，這些碟片可環繞地球30圈。

可以說，目前大部分企業經營決策面臨的最大挑戰不是缺少數據，而是數據太多，面對這些只是靜態、孤立、無多大參考意義的“初級品”的信息數據，企業信息部門如何通過系統功能來有效利用和整合，發掘有價值的數據，給公司營銷管理提供決策支持，已成為擺在企業信息部門及其他管理部門面前的難題。

而浩如煙海的客戶及市場、銷售和服務信息，如果沒有一個具有高度商業智能的數據分析和處理系統是不可想像的。而用戶想要從龐大海量的數據庫中提取對自己有用的信息，就離不開大數據分析技術和工具。事實證明，傳統基于過往事實的商業管理系統如BI（智能分析系統）、CRM（客戶管理系統）也能夠為企業帶來價值，但是今天一個優秀的大數據系統更能將數據挖掘技術與現有技術很好地結合起來，將特殊領域的商業邏輯與數據倉庫技術集成起來，找出對未來企業戰略具有影響的因素，使數據挖掘的分析效果和效益盡可能達到峰值，讓企業營銷管理能“運籌帷幄，決勝千里”。

像Facebook、Twitter這樣面臨數據量大爆炸的國際社交網絡公司，已開始用分布式程序系統基礎架構、非關系型的數據庫等新興大數據技術來解決海量市場信息問題，并取得了成效。國內最大電子商務公司阿里巴巴也在利用大數據技術提供具體服務，如阿里信用貸款與淘寶數據魔方。以淘寶數據魔方為例，利用淘寶平臺上的大數據應用方案，商家可以了解淘寶平臺上的行業宏觀情況、自己品牌的銷售情況、市場排名、消費者行為情況等，并可以據此作出經營決策。

重構精確營銷模式

大數據時代之前，企業多從哪些平臺提取數據、利用哪些營銷數據？一般是CRM或BI系統中的顧客信息、市場促銷、廣告活動、展覽等結構化數據以及企業官網一些數據。但這些信息只能達到企業正常營銷管理需求的10%的量能，并不足夠給出一個重要洞察和發現規律。

而其他85%的數據，諸如社交媒體數據、郵件數據、地理位置、音視頻等這類不斷增加的信息數據等等，更多以圖片、視頻等方式存在，幾年前可能被置之度外，不會被運用，而今大數據能進一步提高算法和機器分析的作用，這類數據在競爭激烈的市場日顯寶貴、作用突出。

包括沃爾瑪、家樂福、麥當勞等知名企業的一些主要門店均安裝了搜集運營數據的裝置，用于跟蹤客戶互動、店內客流和預訂情況，研究人員可以對菜單變化、餐廳設計以及顧客意見等是如何對物流和銷售額的影響進行建模。這些企業可將這些數據與交易記錄結合起來，并利用大數據工具展開分析，從而在銷售哪些商品、如何擺放貨品以及何時調整售價上給出意見，此類方法已經幫助這些領先零售企業減少了17%的存貨，同時增加了高利潤率自有品牌商品的比例。

如果說以前的一些CRM系統，只能促使分析報告回答“發生了什么事”，現在一個優秀的大數據系統已可以被用來回答“為什么會發生這種事”，而且一些關聯數據庫還可以預言“將要發生什么事”，最終發展為非?；钴S的數據倉庫，從而能判斷“用戶想要什么事發生”。

比如當一個顧客進入店鋪后，一個零售商利用大數據技術搜索他們的數據庫，發現這位顧客是其希望留住的有價值顧客，之后他們通過將其過去的購物歷史和Facebook主頁獲得的這位顧客的信息綜合起來，來了解需要花多少錢來留住他，從而確定所售賣物品的合適價格和零售商可以退讓的利潤空間，并最終針對這位顧客給出最佳的優惠策略和個性化的溝通方式。

如今在美國的沃爾瑪大賣場，當收銀員掃描完顧客所選購的商品后，POS機上會顯示出一些附加信息，然后售貨員會友好提醒顧客：“我們商場剛進兩三種配酒佳料，并正在促銷，位于D5貨架上，您要購買嗎？”這時，顧客也許會驚訝地說：“啊，謝謝你，我正想要，剛才一直沒找到，那我現在再去買?！?/span>

這就是沃爾瑪在大數據系統支持下實現的“顧問式營銷”的一個實例。因為計算機系統早就算計好了，如果顧客的購物車中有不少啤酒、紅酒和沙拉，則有80%的可能需要買配酒小菜、作料了。而提供這一決策分析支持的就是其位于美國一個龐大的、通過衛星與全球所有賣場實時連通的企業級數據倉庫。

企業要為營銷準備什么

雖然大數據展示了非凡的前景和巨大作用，不過，大數據營銷仍面臨不少問題與挑戰。首先面臨的是技術難題，畢竟大數據技術尚處于活躍前期，各方面技術并不太扎實，各項工具需要進一步完善。但實際情況是，真正啟動大數據營銷，企業面臨的不僅僅是技術和工具問題，更重要的是要轉變經營思維和組織架構，來真正地挖掘那座數據金礦。

大數據的資源極大繁雜豐富，如果企業沒有明確的目標，就算沒有走入迷途至少也會覺得非常迷茫。因此，首先要確定企業運用大數據的短中期目標，定義企業的價值數據標準，之后再使用那些能夠解決特定領域問題的工具。逐步推廣，步步為營，不要把理想定得太高，否則失望會越大。當然，企業運用大數據為營銷管理服務之前，技術團隊要到位是基礎。企業的營銷團隊要能夠非常自如地玩轉數據。

企業啟動大數據營銷一個最重要的挑戰，是數據的碎片化，各自為政。許多企業中，數據都散落在互不連通的數據庫中，而且相應的數據技術也都存在于不同部門中，如何將這些孤立錯位的數據庫打通、互聯，并且實現技術共享，才是能夠最大化大數據價值的關鍵。營銷者當留意的是，數據策略要成功提升網絡營銷成效，要訣在于無縫對接網絡營銷的每一步驟, 從數據收集、到數據挖掘、應用、提取洞悉、報表等。

要做好大數據的營銷運用，其一，要有較強的整合數據的能力，整合來自于企業各種不同的數據源、各種不同結構的數據；其二，要有研究探索數據背后價值的能力，未來營銷成功的關鍵將取決于如何在大數據庫中挖掘更豐富的營銷價值；其三，探索出來之后給予精確行動的營銷指導綱領，同時通過此綱領進行精確快速實時性行動。