[学科前沿] 商业智能分析的技术、分析、建议文章？ [推广有奖]

大数据时代如何做商业分析？
大数据实时、海量而全面，可以提供业务的全部细节，这是结构化的市场调研小数据非常欠缺的特质，正因为这一点，很多人都说大数据时代，市场调研即将走向末世。而如果需要了解消费者的态度或行为与态度之间的因果关系，通过大数据目前为止确实是不行的，而这些反而是厂商、品牌最关注的问题。在这一方面，市场研究以小样本数据可以给予补充。
百分点在探索数据决策化的商业分析道路上，以洞察消费者为目的，带着小数据的思维用大数据构建解决方案，实现大小数据的融合。
步：打通数据 打造360度全景画像
首先将企业web站的方数据、微信、邮件和APP等数据和百分点全网数据进行打通，然后搭建个性化的用户标签体系，打造360度全景画像。基于这样的数据，我们从用户被获取、成熟到衰退，这样一个完整的用户生命周期去做模型平台的建模分析，帮助企业实现客户价值潜能的化。
通过归因模型和聚类分析模型，分别去分析获取新增用户时哪些渠道比较好，以及把客户进行细分，精准识别人群特征。RFM模型可以去做用户价值群体的运营，通过用户忠诚度和活跃度模型进一步识别价值群体，还有识别意见领袖的社会网络分析模型，寻找传播节点等。最后，当用户走向衰退期，通过流失预警模型去分析哪些因素导致用户流失，哪些用户是容易流失的用户群体。
第二步：运营分析 实时调整营销策略
百分点为客户的网站提出的运营分析，主要通过营收成本指标、访客行为度量和商业内容兴趣指标衡量客户的网站。用户分析主要围绕人口统计学特征、日常媒体接触习惯和网购行为加以分析。

产品上市之后实时追踪多渠道销量，并且和同类产品的基准值进行比较，判断问题所在，调整营销战略。

根据客户需求，运用RFM模型将人群细分为不同价值群体，分别看他们的搜索、浏览和购买情况，发现问题，通过市场调研深度挖掘问题产生的原因。

关联规则模型可以找到品类或具体商品之间共同购买的可能性，为品牌拓展产品线提供建议，也可以为渠道、品牌的促销活动中的打包销售提供建议。

对于营销的其他几个要素：价格、渠道、促销，我们也可以通过大数据提供解决方案。Gabor Granger是市场调研中比较基础的定价研究方案。在大数据环境下，可以用商品最初上市时的数据为参考，对价格进行再次调整。
第三步：效果追踪 实现ROI化
对于更多广告主来说，合理规划渠道营销预算，实现ROI（投资回报率）化是每个人的目标。然而面对复杂媒介类型，更多的广告主都无从下手。如何优化渠道以提高ROI、哪个媒介投放效果是合适我的营销产品/活动？

随着全路径效果追踪的出现，广告主可以更清楚了解每一转化背后的过程是如何发生的。归因模型的优势在于：能以数字化的方式将每一渠道的价值具体反映出来。它不仅可以帮助广告主有效调控媒介渠道，并且在分配营销预算、优化渠道从而提高ROI方面也有显著作用。要将归因模型的价值化, 广告主应首先清楚了解及定立明确的市场推广目的，不论是提升转化量、增加用户注册或下载购物折扣券等。接着, 广告主应了解应如何将分数给予每一对转化有贡献的渠道, 根据不同的应用场景选择不同的归因模型。

对于销售渠道，可以把每个渠道针对某一产品/某类产品的销售数据与行业平均值进行比较。更简单的例子是，可以通过SWOT模型分析优劣势为渠道商找到差异化经营思路，或者为厂商提供每种商品在何种渠道销售的建议。
很多客户都希望了解消费者全网媒体浏览行为，根据浏览时段、不同设备研究，做活动。可以根据浏览时段、使用设备的趋势以及日常接触媒体类型做出相应的营销活动渠道、方式、内容的调整。
此外，大数据还可以向品牌提供服务。除了最基本的统计描述分析和对比外，也可以通过分布聚类模型考察搜索行为，了解品牌竞争情况，以及消费者的最需要的信息。同时，借用市场研究的品牌研究中经常使用的方法进行分析，比如品牌位置、品牌优势点的分析。
大数据商务分析偏重对数据本身的分析，属于数据驱动型的分析方法，而市场调研是以解决每一个具体问题为出发点，创造针对营销问题的解决模型。在市场调研中，定性研究以心理学为基础，虽然脱离狭义的“数据”这一概念，但是更适合探究消费者深层的心理原因与偏好，获取这方面的广义“数据”。而大数据商务分析则一切以数据出发，相对来说，缺少对“原因”的研究，大小数据融合是大数据时代商业分析的必经之路。