发帖
雷达卡
企业为何实施大数据？
从2012年，全球吹起了大数据风潮，任何行动方案，言必称大数据。三年过去了，似乎仍是外热内冷：言者谆谆，听藐藐。究其原因，实乃企业不知为何着手（不知为何而战），以及不知如何着手。现在将为各位分享如下。
1。为何实施大数据？
现在市面上一些讨论大数据的文章，或是书籍，大多从“如何"开始讨论，少有从“价值为何”切入的。
要实施大数据，必须全体企业上下一心，目标一致，套句08年北京奧運的Slogan,One World,One Dream。要做到这个层次，个人建议引用平衡计分卡，Blance Scord Card来理清思路，
平衡计分卡先把企业的使命，Mission,置于最上端，意思是，全公司从上到下必须先认同这个使命，才好去界定谁在什么时候应该做什么，Who to do What at When。
一、财务构面
在这个构面，必须从使命来设定财务目标，例如营业收入是多少？成本是多少？内部报酬率是多少？那个产品应该贡献多少等等。
二、顾客构面
你之所以会有营业收入，是因为有人付钱，付钱的就是顾客，所以第二个是顾客构面。必须界定你的顾客是谁？可能是经销商，可能是某个合作伙伴，他们多少人？顾客人数的年复合增长率是多少？买什么产品？如何付费？预付费还是后付费？
三、內部流程构面
顾客为什么愿意付费？那是因为你们提供一些不错的产品或服务，所以第三个就是内部流程构面。大数据的实施就是在内部流程构面：谁在何时花多少钱做什么（who to do what at when and cost how much)?
罗马不是一天造成的，大数据也不是做了一次就可以一步到位的。例如企业现在可能只需用到交易(结构化数据)，未來可能会需要存储社交网络，甚至是从传感器上传回来的数据（半结构化数据甚至是非结构化数据）；又或现在的数据量仍不足一个T，未來可能会是好几个T等等。这些现象都说明了，大数据的实施工程必须考量企业的现实情况，而且与时俱进。
例子
也许用案例说明会比较直观，假设是一个女性服饰企业：
一、财务构面：1，有些商品看的人多，买的人少，即陈列成本高；2。高端顾客的贡献金額下降
二、顾客构面：1。预防高端顾客流失；2。挽回已流失之高端顾客；3。让更多人成为高端顾客；4，多供应顾客喜欢的商品
三、內部流程构面
针对二之问题1，2，可利用决策树演算法（或类神经网络，贝叶斯，支持向量机皆可）建立顾客流失预测模型，找到如下之顾客：（1）现在未流失卻预测将流失，迸行预防流失之沟通（2）现在已流失顾客卻预测未流失，迸行邀请回头之沟通。
针对二之问题3，可利用与问题1，2同样的演算法，建立顾客升等预测模型，找到与高端顾客行为相似但贡献金额还未达到高端顾客门槛之顾客，迸行向上销售的促销活动。
针对二之问题4，必须先区分一般顾客与高端顾客，两者各有其做法：
一般顾客，可以在掛衣架上装置RFlD发射器，在立式衣架与试衣间装置RFlD接收器。一旦有人将这件衣服取下试穿，试穿毕置回，后台系统即可知道那个SKU于何时被试穿且试了多久，当顾客购买了该SKU，系统即可马上算出来该SKU必须经过几次的试穿，多久时间的试穿，才得以售出一件，并且与其他SKU迸行一样的KPl比较。如果某个SKU试穿次数少即可售出，代表该SKU受到顾客的欢迎，反之，即是设计师应该调整该SKU了。
针对高端顾客，必须保留高端顾客喜欢的商品。这个规则说说起来简单，但如果我们只以SKU的销售收入来评量，很容易将业绩表现欠佳的SKU下架万一刚好高端顾客喜欢这个SKU，则一旦下架，高端顾客很容易用腳投票，掉头就走，就像徐志摩说的：挥一挥衣袖，不带走一片云彩。
怎么办？这时不妨试试“忠诚商品必须性”的演算法，PNL,Product Necessity for Loyalty:
P of (item i /HC) / P of (item i /GC)
while
P = penetreation
HC = high-end customer
GC = general customer
当PNL大于1，即表示 item i 具有忠诚商品必须性，即使现在的销量不佳，也不可以轻易下架，以免高端顾客流失。
四、学习成长构面
在三所述之顾客流失预测模型、顾客升等预测模型，透過RFlD检验衣服试穿与购买次数的比较，以及忠诚商品必须性，都可以让企业学到些知识，获得成长，例如：顾客出现那些行为特征时，流失的机会高？那些衣服的设计可能让顾客考虑再三而延迟购买？为了留住高端顾客，必须保留那些策略性商品等。这些学习，都将能使得企业增加营收，减少成本，而最大化股东权益。
大数据确实有用，企业也绝对有必要实施大数据，但如果不让老板认识“为何”实施大数据，很可能老板一辈子只知道使用EXCEL。平衡计分卡，就是可以帮助老板了解大数据的好工具。
===============================
本文作者大醉侠, 为70后前段班之大数据广告人。
美国杜兰大学EMBA2004毕业。
曾任STORM Consulting 之商务智能总监(BI Dir)、Wunderman(WPP)之知识与策略总监（。KNABS Dir)、逸知卓之数据分析总监（Head of Analytics)。
自1996年始从事数据库营销/CRM/Data Mining之工作。曾自行发展数种评估顾客价值与偏好之演算法。上海对外经贸大学客座教授。
移居上海十年。现为自营大数据分析之数据技术公司。业余时，身兼上海营销知音会会长（非营利社团）。平时为麦霸，舞棍，吃货。一年内勤练太极与气功，瘦了10公斤（20斤）。最崇拜郑多燕！
更多敬请关注CDA数据分析师
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
