大數(shù)據(jù)管理與應(yīng)用概論 課件 第七章 基于商務(wù)大數(shù)據(jù)的管理決策應(yīng)用

7.1商務(wù)大數(shù)據(jù)商務(wù)大數(shù)據(jù)的概念商務(wù)大數(shù)據(jù)是大數(shù)據(jù)的一個(gè)類(lèi)別，是企業(yè)在組織內(nèi)部運(yùn)轉(zhuǎn)、經(jīng)營(yíng)活動(dòng)、客戶關(guān)系管理和數(shù)據(jù)交易等活動(dòng)中積累的，具有龐大規(guī)模的，對(duì)企業(yè)有一定價(jià)值的信息資產(chǎn)。隨著計(jì)算機(jī)的普及應(yīng)用帶來(lái)的商業(yè)模式變革，以及數(shù)據(jù)存儲(chǔ)能力的不斷提升，使得如今的商業(yè)數(shù)據(jù)相較于傳統(tǒng)存儲(chǔ)方式下的商業(yè)數(shù)據(jù)呈指數(shù)級(jí)增長(zhǎng)。數(shù)據(jù)規(guī)模商務(wù)大數(shù)據(jù)不僅僅局限于文字和數(shù)字，還包括語(yǔ)音、圖像和視頻等多媒體數(shù)據(jù)，對(duì)企業(yè)決策更具有指導(dǎo)意義，同時(shí)其處理手段也更加的靈活多樣。數(shù)據(jù)類(lèi)型商務(wù)大數(shù)據(jù)的特征商務(wù)大數(shù)據(jù)繼承了大數(shù)據(jù)的“4V”特征，由于其具有的商業(yè)屬性，商務(wù)大數(shù)據(jù)在特征的具體表現(xiàn)上又有其獨(dú)特性。VolumeVelocityValueVariety“4V”特征商務(wù)大數(shù)據(jù)快速增長(zhǎng)，體量龐大商務(wù)大數(shù)據(jù)的多樣性更明顯商務(wù)大數(shù)據(jù)的產(chǎn)生速度越來(lái)越快商務(wù)大數(shù)據(jù)的價(jià)值被越來(lái)越多的企業(yè)廣泛認(rèn)識(shí)商務(wù)大數(shù)據(jù)的特征——規(guī)模性豐富的企業(yè)活動(dòng)和消費(fèi)者行為所產(chǎn)生的數(shù)據(jù)均可被記錄下來(lái)并加以利用，這使得商務(wù)大數(shù)據(jù)的體量不斷擴(kuò)大。存儲(chǔ)單位變大數(shù)據(jù)來(lái)源變多數(shù)據(jù)庫(kù)技術(shù)升級(jí)B、KB、MB、GB、TB、PB、EB、ZB、YB等組織內(nèi)部、商業(yè)交易、社交媒體、傳感器等Hadoop、MongoDB等商務(wù)大數(shù)據(jù)的特征——多樣性商務(wù)大數(shù)據(jù)具有多樣性，數(shù)據(jù)的多樣性加劇了分析和處理的難度，只有利用專(zhuān)業(yè)化的大數(shù)據(jù)分析技術(shù)才能從中揭示出以前很難或不可能確定的重要關(guān)聯(lián)。商務(wù)大數(shù)據(jù)的多樣性體現(xiàn)在數(shù)據(jù)來(lái)源和數(shù)據(jù)類(lèi)型的多樣數(shù)據(jù)來(lái)源企業(yè)自身的內(nèi)部數(shù)據(jù)大部分是結(jié)構(gòu)化數(shù)據(jù)可用外部數(shù)據(jù)大部分是非結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)類(lèi)型結(jié)構(gòu)化數(shù)據(jù)具有定義好的結(jié)構(gòu)，可以使用傳統(tǒng)的數(shù)據(jù)管理和分析方法進(jìn)行存儲(chǔ)和分析非結(jié)構(gòu)化數(shù)據(jù)包括圖像、即時(shí)通訊對(duì)話、博客、上傳視頻、語(yǔ)音記錄和傳感器數(shù)據(jù)等商務(wù)大數(shù)據(jù)的特征——高速性隨著互聯(lián)網(wǎng)在商業(yè)領(lǐng)域的深入應(yīng)用，商務(wù)大數(shù)據(jù)的產(chǎn)生速度會(huì)越來(lái)越快，實(shí)時(shí)數(shù)據(jù)流并行處理有助于從連續(xù)快速流動(dòng)的數(shù)據(jù)記錄中提取有價(jià)值的意見(jiàn)。AmazonWebServicesKinesis，一種處理分析數(shù)據(jù)流的流應(yīng)用程序商務(wù)大數(shù)據(jù)的特征——價(jià)值性在商業(yè)領(lǐng)域，大數(shù)據(jù)已經(jīng)被當(dāng)成企業(yè)資產(chǎn)，企業(yè)不僅可以從商業(yè)大數(shù)據(jù)中挖掘信息為企業(yè)創(chuàng)造價(jià)值，還可以直接將數(shù)據(jù)進(jìn)行交易。商務(wù)大數(shù)據(jù)的分類(lèi)商務(wù)大數(shù)據(jù)按照其發(fā)展來(lái)看，可以分為傳統(tǒng)數(shù)據(jù)和新型數(shù)據(jù)。數(shù)據(jù)類(lèi)型主要來(lái)源傳統(tǒng)數(shù)據(jù)數(shù)據(jù)倉(cāng)庫(kù)主要來(lái)源于存放在數(shù)據(jù)倉(cāng)庫(kù)中的企業(yè)內(nèi)部數(shù)據(jù)，由企業(yè)日常商務(wù)活動(dòng)產(chǎn)生。新型數(shù)據(jù)互聯(lián)網(wǎng)主要來(lái)源是過(guò)去5-10年激增的社交網(wǎng)絡(luò)，大多是非結(jié)構(gòu)化數(shù)據(jù)，包含了數(shù)以百萬(wàn)計(jì)的社交媒體帖子和其他數(shù)據(jù)，通過(guò)全球網(wǎng)絡(luò)每秒的用戶互動(dòng)生成。傳感器可穿戴設(shè)備可以在任何給定的時(shí)間點(diǎn)收集個(gè)人的數(shù)百項(xiàng)測(cè)量數(shù)據(jù)，是未來(lái)商務(wù)大數(shù)據(jù)的一個(gè)重要來(lái)源。商務(wù)大數(shù)據(jù)的挑戰(zhàn)企業(yè)通過(guò)各種渠道獲得的商務(wù)大數(shù)據(jù)中，并不是所有的數(shù)據(jù)都是高質(zhì)量的數(shù)據(jù)。數(shù)據(jù)準(zhǔn)確性問(wèn)題低質(zhì)量“臟”數(shù)據(jù)數(shù)據(jù)過(guò)擬合影響數(shù)據(jù)價(jià)值分析存儲(chǔ)維護(hù)成本高模型結(jié)果解釋難數(shù)據(jù)收集成本高制定數(shù)據(jù)利用策略分析組織內(nèi)部數(shù)據(jù)集與外部資源集成商務(wù)大數(shù)據(jù)的挑戰(zhàn)利用商務(wù)大數(shù)據(jù)，意味著企業(yè)需要對(duì)所需的技術(shù)和基礎(chǔ)設(shè)施進(jìn)行大量投資，能否在企業(yè)接受的范圍內(nèi)以較少的開(kāi)支獲取想要的資源是企業(yè)必須考慮的因素。高投資成本問(wèn)題數(shù)據(jù)獲取成本數(shù)據(jù)存儲(chǔ)成本技術(shù)失敗風(fēng)險(xiǎn)獲取完整準(zhǔn)確數(shù)據(jù)難度大存儲(chǔ)海量數(shù)據(jù)成本高投資新技術(shù)失敗風(fēng)險(xiǎn)高云計(jì)算基礎(chǔ)設(shè)施即服務(wù)（IaaS）軟件即服務(wù)（SaaS）平臺(tái)即服務(wù)（PaaS）數(shù)據(jù)即服務(wù)（DaaS）商務(wù)大數(shù)據(jù)的挑戰(zhàn)數(shù)據(jù)的隱私保護(hù)是大數(shù)據(jù)分析和處理的一個(gè)重要方面，保護(hù)個(gè)人隱私至關(guān)重要，同時(shí)也不能抹殺企業(yè)利用數(shù)據(jù)推動(dòng)業(yè)務(wù)發(fā)展的能力。數(shù)據(jù)隱私保護(hù)問(wèn)題公開(kāi)最小化信息技術(shù)安全漏洞透明公開(kāi)數(shù)據(jù)獲取與處理減小隱私侵犯風(fēng)險(xiǎn)影響數(shù)據(jù)泄露等信息安全數(shù)據(jù)安全問(wèn)題區(qū)塊鏈技術(shù)分布式數(shù)據(jù)庫(kù)加密安全擴(kuò)展結(jié)構(gòu)商務(wù)大數(shù)據(jù)的挑戰(zhàn)商業(yè)交易的前提是清晰的產(chǎn)權(quán)歸屬，而商務(wù)大數(shù)據(jù)來(lái)源廣泛，許多數(shù)據(jù)甚至找不到最初的數(shù)據(jù)提供者。對(duì)于企業(yè)所搭建的平臺(tái)上的用戶數(shù)據(jù)，數(shù)據(jù)的所有權(quán)更是難以界定。數(shù)據(jù)所有權(quán)問(wèn)題企業(yè)自身生產(chǎn)的數(shù)據(jù)社會(huì)公眾產(chǎn)生的數(shù)據(jù)例如：產(chǎn)品數(shù)據(jù)、生產(chǎn)過(guò)程數(shù)據(jù)、運(yùn)營(yíng)數(shù)據(jù)這類(lèi)數(shù)據(jù)的產(chǎn)權(quán)清晰例如：經(jīng)授權(quán)許可并進(jìn)行隱私處理后的數(shù)據(jù)這類(lèi)數(shù)據(jù)的產(chǎn)權(quán)問(wèn)題亟待研究小結(jié)本節(jié)的主要內(nèi)容商務(wù)大數(shù)據(jù)的概念商務(wù)大數(shù)據(jù)的特征商務(wù)大數(shù)據(jù)的分類(lèi)商務(wù)大數(shù)據(jù)的挑戰(zhàn)7.1商務(wù)大數(shù)據(jù)7.2商務(wù)大數(shù)據(jù)的管理決策分析商務(wù)大數(shù)據(jù)的收集商務(wù)大數(shù)據(jù)是由消費(fèi)者和企業(yè)商務(wù)行為產(chǎn)生的數(shù)據(jù)，分布在企業(yè)內(nèi)部系統(tǒng)、各電商平臺(tái)、第三方服務(wù)平臺(tái)、社交媒體等，商務(wù)大數(shù)據(jù)按收集來(lái)源可分為以下三種類(lèi)型。包括企業(yè)的內(nèi)部信息和外部信息。企業(yè)通過(guò)在數(shù)據(jù)采集端上部署大量數(shù)據(jù)庫(kù)，并在這些數(shù)據(jù)庫(kù)之間進(jìn)行負(fù)載均衡和分片，完成數(shù)據(jù)的采集獲取工作。離線數(shù)據(jù)包括web服務(wù)器上的用戶訪問(wèn)行為、web用戶的財(cái)產(chǎn)記錄、網(wǎng)絡(luò)監(jiān)控的流量管理等。這類(lèi)日志一般為流式數(shù)據(jù)，企業(yè)通過(guò)日志采集工具來(lái)獲得實(shí)時(shí)數(shù)據(jù)。實(shí)時(shí)數(shù)據(jù)指在網(wǎng)絡(luò)空間交互過(guò)程中產(chǎn)生的大量數(shù)據(jù)，例如抖音、微博等社交媒體產(chǎn)生的數(shù)據(jù)。個(gè)體用戶大部分采用API的方法或者爬蟲(chóng)來(lái)獲取互聯(lián)網(wǎng)數(shù)據(jù)?；ヂ?lián)網(wǎng)數(shù)據(jù)商務(wù)大數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)對(duì)于收集得到的商務(wù)大數(shù)據(jù)質(zhì)量，有對(duì)其進(jìn)行評(píng)估的標(biāo)準(zhǔn)，以下幾個(gè)維度分別從不同方面評(píng)估數(shù)據(jù)的質(zhì)量。評(píng)價(jià)指標(biāo)具體要求真實(shí)性數(shù)據(jù)必須真實(shí)反映客觀的實(shí)體存在或業(yè)務(wù)。真實(shí)的數(shù)據(jù)是經(jīng)營(yíng)者正確經(jīng)營(yíng)決策的第一手資料。

準(zhǔn)確性用于分析和識(shí)別不準(zhǔn)確或無(wú)效的數(shù)據(jù)。不可靠的數(shù)據(jù)可能會(huì)導(dǎo)致嚴(yán)重的問(wèn)題，影響企業(yè)的決策。唯一性不能出現(xiàn)重復(fù)數(shù)據(jù)。冗余的數(shù)據(jù)可能導(dǎo)致業(yè)務(wù)無(wú)法協(xié)同，決策產(chǎn)生偏差等問(wèn)題。完整性用來(lái)度量哪些數(shù)據(jù)是缺失的或哪些數(shù)據(jù)不可用。任何數(shù)據(jù)集都可能有缺口和數(shù)據(jù)缺失，但是有些缺失的數(shù)據(jù)可能包含重要的信息。一致性所有實(shí)例之間的數(shù)據(jù)必須保持一致。它用來(lái)描述同一信息主體在不同的數(shù)據(jù)集中信息屬性是否相同，各實(shí)體、屬性是否符合一致性約束關(guān)系。及時(shí)性能否在需要的時(shí)候獲取到數(shù)據(jù)。企業(yè)的數(shù)據(jù)處理速度越快，及時(shí)性就越好，企業(yè)的業(yè)務(wù)處理效率和管理效率就越高。關(guān)聯(lián)性指存在數(shù)據(jù)關(guān)聯(lián)的數(shù)據(jù)關(guān)系缺失或錯(cuò)誤，例如：函數(shù)關(guān)系、相關(guān)系數(shù)、主外鍵關(guān)系、索引關(guān)系等。存在數(shù)據(jù)關(guān)聯(lián)性問(wèn)題，會(huì)直接影響數(shù)據(jù)分析的結(jié)果，進(jìn)而影響管理決策。商務(wù)大數(shù)據(jù)質(zhì)量提升方法為了提升數(shù)據(jù)質(zhì)量，去除“臟”數(shù)據(jù)，得到干凈一致的數(shù)據(jù)，常采用數(shù)據(jù)預(yù)處理的方法，數(shù)據(jù)預(yù)處理主要分為幾下幾個(gè)步驟。數(shù)據(jù)清洗重復(fù)數(shù)據(jù)清洗缺失數(shù)據(jù)清洗噪聲數(shù)據(jù)清洗數(shù)據(jù)集成模式集成實(shí)體識(shí)別問(wèn)題數(shù)據(jù)冗余數(shù)據(jù)值沖突數(shù)據(jù)歸約數(shù)維消減數(shù)據(jù)壓縮離散化......數(shù)據(jù)變換函數(shù)變換數(shù)據(jù)規(guī)范化獲取初始數(shù)據(jù)數(shù)據(jù)分析商務(wù)大數(shù)據(jù)分析方法大數(shù)據(jù)分析指的是通過(guò)適當(dāng)?shù)募夹g(shù)從大量數(shù)據(jù)中獲取有用信息的過(guò)程。根據(jù)運(yùn)籌研究與管理科學(xué)研究所，商務(wù)大數(shù)據(jù)的分析被定義以下三個(gè)層次。描述性分析預(yù)測(cè)性分析規(guī)范性分析了解與數(shù)據(jù)相關(guān)的具體情況，分析其潛在趨勢(shì)和原因。采用統(tǒng)計(jì)技術(shù)和數(shù)據(jù)挖掘技術(shù)，確定未來(lái)可能發(fā)生什么。識(shí)別正在和將要發(fā)生的事情，做出決策以盡可能達(dá)到最佳績(jī)效。商務(wù)大數(shù)據(jù)的可視化分析商務(wù)大數(shù)據(jù)的可視化是大數(shù)據(jù)生命周期管理的最后一步，也是最重要的一步。為實(shí)現(xiàn)信息的有效傳達(dá)，挖掘數(shù)據(jù)背后隱藏的價(jià)值，數(shù)據(jù)可視化應(yīng)包含以下4個(gè)特征。直觀化關(guān)聯(lián)化交互性藝術(shù)性數(shù)據(jù)可視化商務(wù)大數(shù)據(jù)可視化示例-漏斗圖商務(wù)大數(shù)據(jù)的可視化分析商業(yè)大數(shù)據(jù)的可視化以其極高的研究?jī)r(jià)值在國(guó)內(nèi)外都備受重視，但也面臨著如下三點(diǎn)挑戰(zhàn)：數(shù)據(jù)快速動(dòng)態(tài)變化可感知的交互的擴(kuò)展性對(duì)復(fù)雜高維數(shù)據(jù)分析能力不足常以流式數(shù)據(jù)形式存在，缺乏流數(shù)據(jù)的實(shí)時(shí)分析與可視化方法。從大規(guī)模數(shù)據(jù)庫(kù)中查詢(xún)數(shù)據(jù)可能導(dǎo)致高延遲，使交互率降低。當(dāng)前的軟件系統(tǒng)以統(tǒng)計(jì)和基本分析為主，分析能力尚有欠缺。商務(wù)大數(shù)據(jù)對(duì)推薦系統(tǒng)的影響與傳統(tǒng)推薦系統(tǒng)不同，在商務(wù)大數(shù)據(jù)環(huán)境下，推薦系統(tǒng)數(shù)據(jù)的規(guī)模、類(lèi)型、形式、價(jià)值以及推薦實(shí)時(shí)性都發(fā)生了顯著的變化，這給推薦系統(tǒng)帶來(lái)了一些挑戰(zhàn)。特點(diǎn)傳統(tǒng)推薦系統(tǒng)大數(shù)據(jù)環(huán)境下的推薦系統(tǒng)數(shù)據(jù)規(guī)模數(shù)據(jù)規(guī)模小數(shù)據(jù)規(guī)模大，從TB級(jí)別躍升到PB級(jí)別數(shù)據(jù)類(lèi)型以顯式評(píng)分?jǐn)?shù)據(jù)為主以隱式反饋數(shù)據(jù)為主數(shù)據(jù)形式以動(dòng)態(tài)形式為主，更新頻繁以靜態(tài)形式存儲(chǔ)在硬盤(pán)中，更新少，存儲(chǔ)時(shí)間長(zhǎng)數(shù)據(jù)價(jià)值數(shù)據(jù)價(jià)值密度高數(shù)據(jù)價(jià)值密度低推薦實(shí)時(shí)性實(shí)時(shí)性要求低實(shí)時(shí)性要求高推薦系統(tǒng)面臨的挑戰(zhàn)計(jì)算復(fù)雜性的提升用戶隱式興趣的發(fā)現(xiàn)可擴(kuò)展性問(wèn)題......商務(wù)大數(shù)據(jù)對(duì)推薦系統(tǒng)的影響根據(jù)功能的不同，商務(wù)大數(shù)據(jù)環(huán)境下的推薦系統(tǒng)可以分為以下四個(gè)層面。商務(wù)大數(shù)據(jù)對(duì)推薦系統(tǒng)的影響商務(wù)大數(shù)據(jù)環(huán)境下的推薦系統(tǒng)通常包括數(shù)據(jù)建模、用戶建模、推薦引擎和用戶接口四個(gè)部分。商務(wù)大數(shù)據(jù)對(duì)預(yù)測(cè)分析的影響商務(wù)大數(shù)據(jù)環(huán)境下的預(yù)測(cè)分析主要是利用對(duì)商業(yè)領(lǐng)域產(chǎn)生的多源數(shù)據(jù)的洞察來(lái)提供關(guān)于未來(lái)的商務(wù)智能。從數(shù)據(jù)源角度看，商務(wù)大數(shù)據(jù)環(huán)境下的預(yù)測(cè)分析需要拓展以下幾種關(guān)鍵技術(shù)領(lǐng)域的研究。文本分析，是指從非結(jié)構(gòu)化文本中提取有用的信息和知識(shí)的過(guò)程。常見(jiàn)的文本挖掘技術(shù)包括信息提取、主題建模、分類(lèi)、聚類(lèi)、觀點(diǎn)挖掘等。文本分析網(wǎng)站分析社交網(wǎng)絡(luò)分析移動(dòng)分析網(wǎng)站分析旨在從網(wǎng)絡(luò)文檔和服務(wù)中自動(dòng)檢索、提取和評(píng)估用于知識(shí)發(fā)現(xiàn)的信息。網(wǎng)站分析研究的一個(gè)主要新興組成部分是云計(jì)算平臺(tái)和服務(wù)的開(kāi)發(fā)。社交網(wǎng)絡(luò)包含大量的鏈接和內(nèi)容數(shù)據(jù)，在社交網(wǎng)絡(luò)的背景下有兩個(gè)主要的研究方向：基于鏈接的結(jié)構(gòu)分析和基于內(nèi)容的分析。隨著移動(dòng)計(jì)算的快速發(fā)展，越來(lái)越多的移動(dòng)終端在全球范圍內(nèi)部署，網(wǎng)絡(luò)服務(wù)的輕量級(jí)編程模型為移動(dòng)web服務(wù)的快速發(fā)展做出了貢獻(xiàn)。商務(wù)大數(shù)據(jù)對(duì)精準(zhǔn)營(yíng)銷(xiāo)的影響商務(wù)大數(shù)據(jù)提供了消費(fèi)者行為、購(gòu)買(mǎi)歷史、購(gòu)買(mǎi)頻率和許多方面的信息，一些分析工具和軟件可以從數(shù)據(jù)中獲得相關(guān)的見(jiàn)解，從而創(chuàng)造精準(zhǔn)營(yíng)銷(xiāo)優(yōu)勢(shì)。消費(fèi)者、活動(dòng)和各項(xiàng)組織資源結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)采集與集成結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)商務(wù)大數(shù)據(jù)分析消費(fèi)者洞察分析動(dòng)態(tài)和適應(yīng)能力分析商務(wù)大數(shù)據(jù)對(duì)精準(zhǔn)營(yíng)銷(xiāo)的影響商務(wù)大數(shù)據(jù)的出現(xiàn)對(duì)于傳統(tǒng)營(yíng)銷(xiāo)組合中的4P產(chǎn)生了重要的影響。產(chǎn)品價(jià)格渠道協(xié)助新產(chǎn)品和新理念的設(shè)計(jì)分析顧客的價(jià)格敏感度確定銷(xiāo)售產(chǎn)品的正確渠道的信息促銷(xiāo)預(yù)測(cè)客戶的反應(yīng)并提出相關(guān)的營(yíng)銷(xiāo)策略商務(wù)大數(shù)據(jù)對(duì)精準(zhǔn)營(yíng)銷(xiāo)的影響商務(wù)大數(shù)據(jù)的出現(xiàn)對(duì)營(yíng)銷(xiāo)組合的4P進(jìn)行了擴(kuò)展，給予了營(yíng)銷(xiāo)人員更好的合作視角，新的4P包含了以下四個(gè)部分。4PProductPlacePromotionPriceNew4PPeopleProcessesProgramPerformance商務(wù)大數(shù)據(jù)對(duì)精準(zhǔn)營(yíng)銷(xiāo)的影響商務(wù)大數(shù)據(jù)分析有助于企業(yè)開(kāi)展與消費(fèi)者相關(guān)的營(yíng)銷(xiāo)活動(dòng)，從而吸引顧客購(gòu)買(mǎi)產(chǎn)品和服務(wù)。麥當(dāng)勞根據(jù)時(shí)間、天氣和顧客行為數(shù)據(jù)進(jìn)行動(dòng)態(tài)化的營(yíng)銷(xiāo)活動(dòng)制定。商務(wù)大數(shù)據(jù)對(duì)精準(zhǔn)營(yíng)銷(xiāo)的影響商務(wù)大數(shù)據(jù)分析有助于企業(yè)確定產(chǎn)生創(chuàng)造力的最有效方式，促進(jìn)創(chuàng)造力的正確結(jié)構(gòu)，從而創(chuàng)造競(jìng)爭(zhēng)優(yōu)勢(shì)。Airbnb通過(guò)商務(wù)大數(shù)據(jù)分析不同國(guó)家旅客的出行需求，并對(duì)界面不斷調(diào)整，提高地區(qū)轉(zhuǎn)化率。商務(wù)大數(shù)據(jù)對(duì)精準(zhǔn)營(yíng)銷(xiāo)的影響商務(wù)大數(shù)據(jù)分析有助于企業(yè)持續(xù)監(jiān)控營(yíng)銷(xiāo)活動(dòng)，確定各種營(yíng)銷(xiāo)活動(dòng)、促銷(xiāo)活動(dòng)是否成功，以確?？蛻舻挠∠蠛蛥⑴c產(chǎn)生積極影響。美國(guó)零食制造公司Nabisco通過(guò)分析發(fā)現(xiàn)，用戶更加偏愛(ài)有趣的產(chǎn)品圖像，從而進(jìn)行產(chǎn)品包裝的升級(jí)。小結(jié)本節(jié)的主要內(nèi)容商務(wù)大數(shù)據(jù)的收集商務(wù)大數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)商務(wù)大數(shù)據(jù)質(zhì)量提升方法商務(wù)大數(shù)據(jù)的可視化分析商務(wù)大數(shù)據(jù)對(duì)推薦系統(tǒng)的影響商務(wù)大數(shù)據(jù)對(duì)預(yù)測(cè)分析的影響商務(wù)大數(shù)據(jù)對(duì)精準(zhǔn)營(yíng)銷(xiāo)的影響7.2商務(wù)大數(shù)據(jù)的管理決策分析7.3應(yīng)用案例——數(shù)據(jù)驅(qū)動(dòng)的汽車(chē)品牌管理系統(tǒng)汽車(chē)品牌管理背景汽車(chē)是復(fù)雜系統(tǒng)的典型代表，其價(jià)值高，品牌的建立和維護(hù)對(duì)產(chǎn)品的銷(xiāo)量和市場(chǎng)份額來(lái)說(shuō)舉足輕重，因此也是最早開(kāi)展品牌關(guān)系管理的行業(yè)之一。在當(dāng)前新的營(yíng)銷(xiāo)方式和傳播渠道下，對(duì)于汽車(chē)行業(yè)來(lái)說(shuō)，汽車(chē)品牌的管理面臨著數(shù)據(jù)基礎(chǔ)和管理方法的挑戰(zhàn)，也同時(shí)面臨著數(shù)據(jù)缺失、錯(cuò)誤和難以分析的問(wèn)題。挑戰(zhàn)和機(jī)遇汽車(chē)品牌關(guān)系的維護(hù)，通過(guò)傳統(tǒng)的媒體，如客戶問(wèn)卷調(diào)查、電話訪問(wèn)、廣告等方式進(jìn)行。云計(jì)算和大數(shù)據(jù)時(shí)代的到來(lái)，汽車(chē)行業(yè)可收集的數(shù)據(jù)呈爆發(fā)性的增長(zhǎng)，傳統(tǒng)的汽車(chē)品牌關(guān)系管理不再適合。品牌管理方式面向汽車(chē)品牌管理的數(shù)據(jù)工程數(shù)據(jù)工程旨在通過(guò)數(shù)據(jù)獲取、數(shù)據(jù)過(guò)濾、數(shù)據(jù)結(jié)構(gòu)化等過(guò)程，獲取到可應(yīng)用于品牌關(guān)系管理的大數(shù)據(jù)，過(guò)濾掉其中的垃圾數(shù)據(jù)，融合多源異構(gòu)數(shù)據(jù)，實(shí)現(xiàn)從非結(jié)構(gòu)化數(shù)據(jù)到結(jié)構(gòu)化的數(shù)據(jù)的轉(zhuǎn)變，從而實(shí)現(xiàn)減輕數(shù)據(jù)獲取瓶頸和提高數(shù)據(jù)價(jià)值密度以及數(shù)據(jù)利用率的目標(biāo)。數(shù)據(jù)獲取數(shù)據(jù)過(guò)濾數(shù)據(jù)結(jié)構(gòu)化數(shù)據(jù)工程——數(shù)據(jù)獲取針對(duì)數(shù)據(jù)分散性問(wèn)題，面向汽車(chē)品牌管理的數(shù)據(jù)工程可開(kāi)發(fā)面向網(wǎng)絡(luò)媒體的數(shù)據(jù)采集器，采集消費(fèi)者、汽車(chē)和情境等方面相關(guān)數(shù)據(jù)?？捎脭?shù)據(jù)示例如下：分類(lèi)詳細(xì)來(lái)源消費(fèi)者論壇數(shù)據(jù)汽車(chē)之家、搜狐汽車(chē)、網(wǎng)易汽車(chē)等八大汽車(chē)論壇口碑信息汽車(chē)之家汽車(chē)零售商、制造商數(shù)據(jù)汽車(chē)之家車(chē)型參數(shù)數(shù)據(jù)汽車(chē)之家銷(xiāo)量數(shù)據(jù)搜狐汽車(chē)情境天氣及空氣質(zhì)量數(shù)據(jù)天氣網(wǎng)汽車(chē)石油相關(guān)股票信息東方財(cái)富網(wǎng)PPI、CPI、進(jìn)出口數(shù)據(jù)東方財(cái)富網(wǎng)數(shù)據(jù)工程——數(shù)據(jù)過(guò)濾在品牌關(guān)系管理中，可以采用基于布隆過(guò)濾器的海量數(shù)據(jù)過(guò)濾方法。首先構(gòu)建品牌關(guān)系管理相關(guān)的本體庫(kù)，主要分為兩個(gè)環(huán)節(jié)：本體庫(kù)構(gòu)建構(gòu)建綜合評(píng)價(jià)指標(biāo)體系構(gòu)建領(lǐng)域本體在原有評(píng)價(jià)指標(biāo)基礎(chǔ)上，從評(píng)論內(nèi)容出發(fā)，圍繞產(chǎn)品或服務(wù)的特征，綜合多重視角構(gòu)建完善的評(píng)價(jià)指標(biāo)體系。選取語(yǔ)料進(jìn)行人工標(biāo)注，提取評(píng)論內(nèi)容中描述產(chǎn)品或服務(wù)特征或情感的固定搭配，并標(biāo)注極性，建立特征詞和情感詞的關(guān)聯(lián)關(guān)系。數(shù)據(jù)工程——數(shù)據(jù)過(guò)濾布隆過(guò)濾器是一種空間效率很高的隨機(jī)數(shù)據(jù)結(jié)構(gòu)，它利用位數(shù)組表示集合，并判斷一個(gè)元素是否屬于該集合?；诒倔w庫(kù)利用布隆過(guò)濾器，可以過(guò)濾和清洗無(wú)用數(shù)據(jù)，解決數(shù)據(jù)的冗余問(wèn)題，確保價(jià)值數(shù)據(jù)密度高，從而保障后續(xù)挖掘任務(wù)順利開(kāi)展。布隆過(guò)濾器設(shè)計(jì)第一步：利用布隆過(guò)濾器多Hash函數(shù)壓縮參數(shù)空間，匹配過(guò)濾。第二步：基于語(yǔ)義規(guī)則匹配“特征-情感對(duì)”，計(jì)算點(diǎn)互信息。數(shù)據(jù)工程——數(shù)據(jù)結(jié)構(gòu)化用戶生成內(nèi)容大多是非結(jié)構(gòu)化的文本信息，需要通過(guò)數(shù)據(jù)結(jié)構(gòu)化過(guò)程識(shí)別文本主題，才能有效的開(kāi)展商務(wù)分析任務(wù)。利用潛在狄利克雷模型（LatentDirichletAllocation,LDA）可以從汽車(chē)論壇的文本數(shù)據(jù)中提取不同主題，實(shí)現(xiàn)數(shù)據(jù)結(jié)構(gòu)化。主題序號(hào)主題中詞結(jié)果1車(chē)滿意一點(diǎn)油耗空間動(dòng)力外觀好比較內(nèi)飾感覺(jué)操控性?xún)r(jià)比舒適性不錯(cuò)人開(kāi)太高點(diǎn)描述小買(mǎi)坐選擇覺(jué)得喜歡公里后排2油泵螺絲隨后小姐電路越野鳳凰插頭泵破同學(xué)保修精準(zhǔn)度顧問(wèn)漏風(fēng)進(jìn)水工作室聯(lián)絡(luò)中線小偷手工費(fèi)提升機(jī)加急旅行動(dòng)力面向汽車(chē)品牌管理的競(jìng)爭(zhēng)分析汽車(chē)企業(yè)視角所得的結(jié)論與消費(fèi)者的認(rèn)知不完全一致，企業(yè)視角獲得的競(jìng)爭(zhēng)性指標(biāo)與消費(fèi)者感知的競(jìng)爭(zhēng)性指標(biāo)存在差異。與訪談和問(wèn)卷數(shù)據(jù)的“事后”或者“事前”感知相比，在線數(shù)據(jù)記錄著消費(fèi)者在購(gòu)買(mǎi)決策過(guò)程中對(duì)不同產(chǎn)品的對(duì)比和評(píng)價(jià)，因此能夠更加準(zhǔn)確的反映產(chǎn)品之間的競(jìng)爭(zhēng)關(guān)系。面向汽車(chē)品牌管理的競(jìng)爭(zhēng)分析節(jié)點(diǎn)：汽車(chē)車(chē)型邊：車(chē)型之間的競(jìng)爭(zhēng)關(guān)系越密集、顏色越深的部分，車(chē)型競(jìng)爭(zhēng)越激烈中低端汽車(chē)新能源汽車(chē)高端汽車(chē)汽車(chē)車(chē)型的競(jìng)爭(zhēng)關(guān)系可視化面向汽車(chē)品牌管理的品牌畫(huà)像對(duì)企業(yè)而言，品牌畫(huà)像是品牌形象傳播的基礎(chǔ)，是品牌戰(zhàn)略管理的關(guān)鍵環(huán)節(jié)；對(duì)消費(fèi)者而言，品牌畫(huà)像是品牌感知價(jià)值的真實(shí)寫(xiě)照，是購(gòu)買(mǎi)決策行為的重要參考。從消費(fèi)者角度認(rèn)知需求出發(fā)，選擇產(chǎn)品、服務(wù)、市場(chǎng)、品牌四個(gè)方面作為品牌畫(huà)像的維度，體現(xiàn)消費(fèi)者不同的需求層次對(duì)應(yīng)的品牌特征。

品牌畫(huà)像一級(jí)維度二級(jí)維度指標(biāo)產(chǎn)品價(jià)格；外觀；功能；質(zhì)量；性?xún)r(jià)比

式樣、包裝、配飾；性能；安全性、耐用性、瑕疵性

服務(wù)保養(yǎng)服務(wù)；維修服務(wù)增值服務(wù)；配送服務(wù)保修期限、保修費(fèi)用；設(shè)備、環(huán)境、網(wǎng)點(diǎn)體系；個(gè)性化、差異性、創(chuàng)新性；安全性、及時(shí)性、方便性市場(chǎng)表現(xiàn)；目標(biāo)人群行業(yè)排名、市場(chǎng)占有率、美譽(yù)度；年齡、職業(yè)、學(xué)歷、收入、性別、地域品牌標(biāo)識(shí)；個(gè)性；價(jià)值商標(biāo)、名稱(chēng)、品類(lèi)、產(chǎn)地、品牌來(lái)源、品牌推廣；真誠(chéng)、刺激、稱(chēng)職、教養(yǎng)、粗獷；文化價(jià)值、社會(huì)價(jià)值、利失價(jià)值、情感價(jià)值面向汽車(chē)品牌管理的品牌畫(huà)像企業(yè)通常根據(jù)以下步驟構(gòu)建基于用戶生成內(nèi)容的品牌畫(huà)像：構(gòu)建品牌本體構(gòu)建品牌個(gè)性詞典識(shí)別用戶認(rèn)知標(biāo)簽識(shí)別品牌個(gè)性用以描述維度與特征詞之間的關(guān)系網(wǎng)絡(luò)，同時(shí)可對(duì)后續(xù)提取的認(rèn)知標(biāo)簽進(jìn)行組織歸類(lèi)用于描述品牌類(lèi)人特征的、具有象征意義的主觀形容詞匯根據(jù)本體特征，提取用戶生成內(nèi)容中對(duì)應(yīng)特征的情感詞，作為特征-情感認(rèn)知標(biāo)簽提取用戶生成內(nèi)容中與品牌個(gè)性詞典相匹配的特征詞匯，確定品牌個(gè)性面向汽車(chē)品牌管理的銷(xiāo)量預(yù)測(cè)銷(xiāo)量預(yù)測(cè)是商業(yè)分析的重要任務(wù)之一，是對(duì)產(chǎn)品的未來(lái)銷(xiāo)量進(jìn)行預(yù)測(cè)，也是對(duì)消費(fèi)者的需求量進(jìn)行預(yù)測(cè)。企業(yè)已經(jīng)不能僅僅通過(guò)成本優(yōu)勢(shì)占據(jù)市場(chǎng)地位。進(jìn)行較為準(zhǔn)確的產(chǎn)品銷(xiāo)量預(yù)測(cè)是有效地管理供應(yīng)鏈的一個(gè)重要方面。銷(xiāo)量預(yù)測(cè)歷史銷(xiāo)售數(shù)據(jù)在線評(píng)論歷史同期銷(xiāo)售數(shù)據(jù)利率、節(jié)假日、物價(jià)指數(shù)、早期銷(xiāo)量、口碑情感、網(wǎng)絡(luò)活躍度…在線評(píng)論：考慮大眾對(duì)產(chǎn)品的看法，深入挖掘?qū)I(yè)汽車(chē)論壇用戶評(píng)論數(shù)據(jù)；歷史同期銷(xiāo)售數(shù)據(jù)：車(chē)市的銷(xiāo)量會(huì)隨著季節(jié)的變化而呈現(xiàn)出高峰低谷的規(guī)律性周期變化；其他影響因素：挑選合適的銷(xiāo)量影響因素，避免出現(xiàn)冗余，增加預(yù)測(cè)模型的復(fù)雜性和計(jì)算負(fù)擔(dān)。面向汽車(chē)品牌管理的銷(xiāo)量預(yù)測(cè)汽車(chē)銷(xiāo)量常用的預(yù)測(cè)方法主要分為定性預(yù)測(cè)和定量預(yù)測(cè)兩類(lèi)。隨著統(tǒng)計(jì)學(xué)習(xí)和機(jī)器學(xué)習(xí)等新模型的廣泛使用以及市場(chǎng)對(duì)于銷(xiāo)量預(yù)測(cè)越來(lái)越嚴(yán)苛的要求，銷(xiāo)量預(yù)測(cè)的方法也從傳統(tǒng)定性的描述越來(lái)越多轉(zhuǎn)向定量的分析