大數據時代如何做商業分析_數據分析師考試

大數據實時、海量而全面，可以提供業務的全部細節，這是結構化的市場調研小數據非常欠缺的特質，正因為這一點，很多人都說大數據時代，市場調研即將走向末世。而如果需要了解消費者的態度或行為與態度之間的因果關系，通過大數據目前為止確實是不行的，而這些反而是廠商、品牌最關注的問題。在這一方面，市場研究以小樣本數據可以給予補充。

百分點在探索數據決策化的商業分析道路上，以洞察消費者為目的，帶著小數據的思維用大數據構建解決方案，實現大小數據的融合。

第一步：打通數據 打造360度全景畫像

首先將企業web站的第一方數據、微信、郵件和APP等數據和百分點全網數據進行打通，然后搭建個性化的用戶標簽體系，打造360度全景畫像?；谶@樣的數據，我們從用戶被獲取、成熟到衰退，這樣一個完整的用戶生命周期去做模型平臺的建模分析，幫助企業實現客戶價值潛能的最大化。

通過歸因模型和聚類分析模型，分別去分析獲取新增用戶時哪些渠道比較好，以及把客戶進行細分，精準識別人群特征。RFM模型可以去做用戶價值群體的運營，通過用戶忠誠度和活躍度模型進一步識別價值群體，還有識別意見領袖的社會網絡分析模型，尋找傳播節點等。最后，當用戶走向衰退期，通過流失預警模型去分析哪些因素導致用戶流失，哪些用戶是容易流失的用戶群體。

第二步：運營分析 實時調整營銷策略

百分點為客戶的網站提出的運營分析，主要通過營收成本指標、訪客行為度量和商業內容興趣指標衡量客戶的網站。用戶分析主要圍繞人口統計學特征、日常媒體接觸習慣和網購行為加以分析。

產品上市之后實時追蹤多渠道銷量，并且和同類產品的基準值進行比較，判斷問題所在，調整營銷戰略。

根據客戶需求，運用RFM模型將人群細分為不同價值群體，分別看他們的搜索、瀏覽和購買情況，發現問題，通過市場調研深度挖掘問題產生的原因。

關聯規則模型可以找到品類或具體商品之間共同購買的可能性，為品牌拓展產品線提供建議，也可以為渠道、品牌的促銷活動中的打包銷售提供建議。

對于營銷的其他幾個要素：價格、渠道、促銷，我們也可以通過大數據提供解決方案。Gabor Granger是市場調研中比較基礎的定價研究方案。在大數據環境下，可以用商品最初上市時的數據為參考，對價格進行再次調整。

第三步：效果追蹤 實現ROI最大化

對于更多廣告主來說，合理規劃渠道營銷預算，實現ROI（投資回報率）最大化是每個人的最大目標。然而面對復雜媒介類型，更多的廣告主都無從下手。如何優化渠道以提高ROI、哪個媒介投放效果是合適我的營銷產品/活動？

隨著全路徑效果追蹤的出現，廣告主可以更清楚了解每一轉化背后的過程是如何發生的。歸因模型的優勢在于：能以數字化的方式將每一渠道的價值具體反映出來。它不僅可以幫助廣告主有效調控媒介渠道，并且在分配營銷預算、優化渠道從而提高ROI方面也有顯著作用。要將歸因模型的價值最大化, 廣告主應首先清楚了解及定立明確的市場推廣目的，不論是提升轉化量、增加用戶注冊或下載購物折扣券等。接著, 廣告主應了解應如何將分數給予每一對轉化有貢獻的渠道, 根據不同的應用場景選擇不同的歸因模型。

對于銷售渠道，可以把每個渠道針對某一產品/某類產品的銷售數據與行業平均值進行比較。更簡單的例子是，可以通過SWOT模型分析優劣勢為渠道商找到差異化經營思路，或者為廠商提供每種商品在何種渠道銷售的建議。

很多客戶都希望了解消費者全網媒體瀏覽行為，根據瀏覽時段、不同設備研究，做活動?？梢愿鶕g覽時段、使用設備的趨勢以及日常接觸媒體類型做出相應的營銷活動渠道、方式、內容的調整。

此外，大數據還可以向品牌提供服務。除了最基本的統計描述分析和對比外，也可以通過分布聚類模型考察搜索行為，了解品牌競爭情況，以及消費者的最需要的信息。同時，借用市場研究的品牌研究中經常使用的方法進行分析，比如品牌位置、品牌優勢點的分析。

大數據商務分析偏重對數據本身的分析，屬于數據驅動型的分析方法，而市場調研是以解決每一個具體問題為出發點，創造針對營銷問題的解決模型。在市場調研中，定性研究以心理學為基礎，雖然脫離狹義的“數據”這一概念，但是更適合探究消費者深層的心理原因與偏好，獲取這方面的廣義“數據”。而大數據商務分析則一切以數據出發，相對來說，缺少對“原因”的研究，大小數據融合是大數據時代商業分析的必經之路。