从五大行业案例,看大数据的应用逻辑

从五大行业案例，看大数据的应用逻辑本文从一则搞笑的大数据应用案例入手：某超市通过分析一位女顾客的购物数据（包括购物清单，浏览物品，咨询信息，视频监控信息<超市内徘徊区域>等），根据分析结果给该女顾客寄来了孕婴童试用品，这一举动让该女顾客的父亲非常生气，立马致电该超市投诉，因为她女儿还未成年！超市经理立马登门拜访道歉，不过事实是，不久后这位小女孩因遮盖不住隆起的腹部而不得不向父亲告知真相：她真的怀孕了。

对于企业而言，大数据有时候就像是一个侦探家，能够拨开重重迷雾，找到问题的本质以及解决方案，而关键在于，你是否真的懂得如何去驾驭它，让它为你服务。

在经历了喊口号、布局深耕之后，大数据应用开始显现出巨大的商业价值，触角已延伸到零售、金融、教育、医疗、体育、制造、影视、政府等各行各业。

随着中国企业数据中心数据存储量的快速增长，非结构化数据呈指数级增长，有效地处理和分析结构化数据和非结构化数据中所富含的对企业和政府有价值的信息将带动新的盈利模式、管理模式、创新模式以及思维模式。

在维克托·迈尔·舍恩伯格的《大数据时代》一书中解释，大数据是指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的方法。

随着云时代的来临，大数据也吸引了越来越多的关注。

大数据是继云计算、物联网之后IT产业又一次颠覆性的技术变革，消费者的网络足迹是互联网基因，网络中的足迹、点击、浏览、留言直接反映消费者的性格、偏好、意愿等，互联网交互大数据就是研究每个用户碎片行为的过程。

大数据对于经济发展、企业决策、组织和业务流程，对个人生活方式等都将产生巨大的影响。

大数据作为当下非常火爆的一个词，其价值不言而喻，今天，《互联网周刊》不谈价值，通过聚拢一些实实在在的应用，如电商，传统金融，互联网金融，医疗，制造五大领域的案例，进而衍射出大数据内在的应用逻辑。

“用户画像”直击零售商需求在如此激烈而又庞大的市场中，电商们迫切想知道的想必就是用户需求。

当这个用户登陆网站的瞬间，就能猜出来这个用户今天为何而来，然后从电商的商品库里面把合适的商品找出来并推荐给他，进而展现出符合客户需求的产品都有哪几款。

这种服务是消费者想要的，但是谁能帮助电商们做到呢？随着互联网和电子商务的快速发展，“用户画像”这个概念悄然而生，它抽象地描述了一个用户的信息全貌，是进行个性化推荐、精准营销、广告投放等应用的基础。

如某电子商务平台通过客户的网络浏览记录（点击、链接等）和购买记录等掌握客户的消费模式，从而分析并分类客户的消费相关特性如收入、家庭特征、购买习惯等，最终掌握客户特征，并基于这些特征判断其可能关注的产品与服务，从消费者进入网站开始，在列表页、单品页、购物车页等四个页面，部署了5种应用不同算法的推荐栏为其推荐感兴趣的商品，从提高商品曝光，促进交叉/向上销售连个角度对网站进行全面的优化，应用后商城提升下定订单转化率增长66.7%、下定商品转化率增长18%、推荐栏上线前后动销量增长46%。

将消除个人信息后的数据魔方卖给商家，方便商家调整产品投放策略，提升服务，精准挽留客户，进而提高客户粘性。

还有，在互联网冲击下，大部分传统零售商必须要做改变，大数据下的用户思维便成为符合其需求的一种互联网思维方式和实际体验。

那何为大数据体系下的用户思维呢？其实就是以“用户画像”最为核心和基础，通过线上、线下，交易、交互等各种结构化和非结构化的数据，让用户更加完整的展现在企业面前，该用户是谁？他在哪里？怎么联系到她？她需要什么产品？她通过哪些渠道购买？她得购买习惯是怎样的？……，在完整的用户画像面前，零售企业相对于面对“裸泳”的用户，用户需要什么，怎么获取，怎么营销一目了然，大数据时代的来临，让用户画像有了基础，用户画像的完善更让零售商有了连接线上和线下，用互联网方式进行商业运营的可能，传统零售商互联网运营管理的时代算也已悄然来临。

再比如沃尔玛和宝洁，一个是非常了解消费者在线下店里购买行为的传统连锁零售巨头，一个是掌握消费者偏好的品牌，他们从不同的角度去搜集消费者的数据。

但这还远远不够，如果将这些数据和汽车生产制造商，乃至上下游企业共享一些数据，就会让这个链条中不同的企业对于数据、消费者有更深刻的洞察，从而通过多维数据来提高运营效率。

然而，随着大数据应用的发展，隐私保护的问题和概念也在不断地发展，网络用户在互联网的评论、图片、视频、个人信息、兴趣爱好、交易信息、访问的网站等等均被企业记录在案。

企业掌握了大量消费者的行为数据，对大数据进行整合和分析，从而可以发现新的商机，创造新的价值。

然而这些数据经常包含消费者的真实信息，如在淘宝网上交易时的真实姓名、家庭住址以及银行账号等重要的真实信息，逐渐引起了我们对个人隐私的担忧。

正如美国著名的计算机专家迪博德所言，在信息时代，计算机内的每一个数据、每一个字节，都是构成一个隐私的血肉。

信息加总和数据整合，对隐私的穿透力不仅仅是“1＋1＝2”的，很多时候，是大于 2 的。

因此，针对隐私保护方面的问题，电子商务企业应该恪守行业道德，不能将消费者的个人信息进行交易和泄露，我们国家也应该尽快制定并完善与之相应的隐私保护的法律和法规，确实保护公民的隐私权。

客户价值最大化破冰传统金融业在大数据时代，越来越多的企业管理者已意识到了业务分析的重要性。

业务分析洞察已经成为了企业转型的有利抓手。

当然，银行也不例外，从以产品为中心，也就是销售产品和服务转向现在以客户为中心，更像零售业和制造商。

对于以客户为中心的企业，最重要的一点是了解到客户到底是谁，以及客户到底有怎样的需求。

当下，银行业都在大力投入资金做着以下三件事：一是建立客户的单一视窗，将以前不同银行部门所了解的客户情况集成在一起；二是按照用户行为对用户进行分类，将之前按照地理区域、年龄、收入分类改为按照用户行为来对用户进行分类；三是为客户提供质量一致的客户体验，不管用户通过银行网点、移动设备还是社交媒体等渠道来使用银行服务，都要为客户提供质量一致的体验。

随着互联网，特别是移动互联网的不断发展，互联网金融也在给传统金融业带来不小的冲击，不过，互联网金融是否会对银行等传统机构构成威胁仍无法得出定论。

但是，这并不表示银行业可以忽视这股冲击的浪潮，在这个大数据不断壮大的时代，传统金融业如何利用大数据来不断创新与变革，如何借助大数据降低金融风险，提升客户体验，进而挖掘客户价值最大化是每个企业都应该深入思考的问题。

如某金融全牌照集团公司希望学习美国花旗集团对已有客户价值挖掘最大化的经验，对现有保险客户进行深度分析，通过对已有客户的大数据分析及问卷调查来细分人群、刻画人群需求特征，从而制定针对不同客户群体的集保险、银行、投资、证券、资产管理、信托等一揽子综合金融产品策略，为客户提供一站式财务金融解决方案，以期得到每个客户最大价值。

在选用大数据解决方案后，通过分析已有保险客户数据及外部调研问卷，将人群细分为统计学上显著区别的人群；根据群体规模、年龄、性别、教育水平、家庭特征、现阶段的收入、消费、理财等行为模式以及他们所处的生命与财富阶段，精准分析群体的需求动因后制定有针对性的产品策略及营销策略。

但是，面对来势汹汹的互联网企业，传统金融业们也在加快步伐，但还是没有互联网企业动作快。

目前，互联网金融业正从单纯的支付业务向转账汇款、跨境结算、小额信贷、现金管理、资产管理、供应链金融、基金和保险代销、信用卡还款等传统银行业务领域渗透。

除了存款，银行的主要业务几乎已遇到全面挑战。

互联网金融正在叫板传统金融，传统金融业又该何去何从？值得思考。

精准营销加速互联网金融冲刺在国外，大数据金融领域的应用相对成熟，我们先来回顾一下在美国做得非常典型的大数据金融的三大案例。

人们习惯性地认为，只有银行才能建立信用体系，然而在大数据时代，互联网公司运用大数据控制信贷风险已初露端倪。

在进行数据处理之前，对业务的理解、对数据的理解非常重要，这决定了要选取哪些数据源进行数据挖掘，而且越来越多的互联网在线动态大数据被添加进来。

例如一个虚假的借款申请人信息就可以通过分析网络行为痕迹被识别出来，一个真实的互联网用户总会在网络上留下蛛丝马迹。

对征信有用的数据的时效性也非常关键，通常被征信行业公认的有效的动态数据通常是从现在开始倒推24个月的数据。

通过多渠道获得的数据来源，利用数学运算和统计学的模型进行分析，从而评估出借款者的信用风险，典型的企业是美国的ZestFinance。

这家企业的大部分员工是数据科学家，他们并不特别地依赖于信用担保行业，用大数据分析进行风险控制是ZestFinance的核心技术。

他们的原始数据来源非常广泛。

他们的数据工厂的核心技术和机密是他们开发的10个基于学习机器的分析模型，对每位信贷申请人的超过1万条原始信息数据进行分析，并得出超过7万个可对其行为做出测量的指标，而这一过程在5秒钟内就能全部完成。

事实上，在美国，征信公司或者大数据挖掘公司的产品不仅用于提供给相关企业用于降低金融信贷行业的风险，同时也用于帮助做决策判断和市场营销。

还有，利用社交网站的大数据进行网络借贷的典型是美国的Lending Club。

Lending club于2007年5月24日在facebook上开张，通过在上面镶嵌的一款应用搭建借贷双方平台。

利用社交网络关系数据和朋友之间的相互信任聚合人气。

借款人被分为若干信用等级，但是却不必公布自己的信用历史。

还有一家在美国为网上商家提供金融信贷服务的公司Kabbage，于2010年4月上线，主要目标客户是ebay、Amazon、PayPal等电商。

它的奇特之处在于，其通过获取ebay等公司的网店店主的销售、信用记录、顾客流量、评论、商品价格和存货等信息，以及他们在Facebook和Twitter上与客户的互动信息，借助数据挖掘技术，把这些店主分成不同的风险等级，以此来确定提供贷款金额数量与贷款利率水平，风险过高则拒绝，风险高低与利率成正比，与贷款金额成反比。

显然，若以银行体系来评价这类网上商家大多数都不符合银行的贷款资格，不过在互联网时代，Kabbage的案例说明了运用大量数据足以支撑这些小微企业信用评价体系。

当然，Kabbage的这种模式也在国内被成功运用，其中，宜信的互联网金融产品就是以互联网为获客主要渠道，除了借贷信用记录，还结合大数据分析技术，捕捉来自大众点评、豆瓣等社交网络上的有用信息，帮助信用审核人员多维度分析借款客户的信用状况。

大数据对于互联网金融的助推作用首要体现在寻找合适的目标用户，实现精准营销。

互联网金融领域的新创企业或做贷款，或卖产品，凭借高额收益率，手续费优惠，吸引用户选择自己。

然而，在越来越多同类企业吹响混战号角的同时，互联网金融企业也不得不面对来自同行业的竞争。