Casos prácticos de big data empresarial
Casos prácticos de big data empresarial
1. Industria de electrodomésticos
Tomemos como ejemplo una determinada empresa de electrodomésticos, además de los conocidos aparatos de aire acondicionado. refrigeradores y ollas arroceras, también fabrica productos inteligentes para el hogar, hay cientos de productos. En su estructura de grupo, el departamento de TI se yuxtapone con los departamentos de recursos humanos, finanzas y otros y opera en forma de unidades de negocios.
Actualmente, las industrias de electrodomésticos y electrónica de consumo pueden describirse como "problemas internos y externos", con un grave exceso de capacidad, guerras de precios y homogeneidad. Las empresas de Internet están involucradas en subvertir el modelo de competencia, la "economía de fans" de Xiaomi; ", "Terminal de contenido de plataforma" de LeTV. El núcleo de la "aplicación de terminal de contenido de plataforma" es administrar "usuarios" en lugar de producción. La empresa espera crear los mejores productos y servicios personalizados, y recomendar los productos adecuados a los clientes adecuados a través de los canales adecuados. Sin embargo, bajo el modelo CPC, actualmente sólo existe coincidencia de CP (canales de productos), que carece de soporte panorámico para los usuarios. y no se puede conectar." CP (Producto del Cliente)" y "CC (Canal del Cliente)". CC (canal de cliente)".
Basado en los entornos internos y externos y los impulsores comerciales mencionados anteriormente, la compañía espera hacer de Big Data el centro de todas las soluciones comerciales. Con Big Data DMP como el núcleo de la empresa. datos, hacer pleno uso de las fuentes de datos internas y las fuentes de datos externas organizan los datos empresariales según diferentes campos para formar activos de datos empresariales completos. Luego, utilice el sistema para servir varias aplicaciones en toda la cadena de valor empresarial. Entonces surge la pregunta: los datos de la empresa están dispersos en diferentes sistemas. Más datos del comercio electrónico de Internet están dispersos en las principales plataformas de comercio electrónico y no se pueden utilizar de manera efectiva. La estrategia de respuesta de la empresa es: 1) ¿Comenzar? datos externos de Internet La introducción de tecnología de procesamiento de big data puede, por un lado, resolver las deficiencias de la utilización de datos externos del comercio electrónico de Internet y, por otro lado, puede probar las aguas de la tecnología de big data, ya que los datos de Internet no tienen. una gran cantidad de problemas que requieren coordinación interna, es más fácil lograr resultados rápidamente 2) Construcción Como plataforma de gestión de datos unificada para empresas, DMP integra datos internos y externos y retratos de usuarios para crear una vista panorámica de los usuarios. >
La primera fase de construcción de contenido: tecnología para implementar rastreadores Spark personalizados para capturar datos diarios de Internet (principalmente Tmall, JD.com, Gome, Suning, Taobao opiniones de usuarios y otros datos), utilizando la plataforma Hadoop para el almacenamiento. y procesamiento de análisis semántico, y finalmente lograr un "análisis de la industria";
La segunda fase de construcción de contenido: tecnología para realizar una captura personalizada del rastreador Spark. Tome datos diarios de Internet (principalmente Tmall, JD.com, Gome, Suning, comentarios de usuarios de Taobao, etc.), utiliza la plataforma Hadoop para el almacenamiento y el procesamiento de análisis semántico, y finalmente logra "análisis de la industria", "análisis de productos competitivos" y "análisis de un solo producto" "Tres módulos principales".
Los resultados de la primera fase de construcción del sistema de big data de la empresa de electrodomésticos se reflejaron rápidamente en conocimientos de mercado, diagnóstico de marca, análisis de productos, comentarios de los usuarios, etc.
Big Data de la empresa La segunda fase de datos Se ha completado la construcción del sistema.
El objetivo de la construcción de la segunda fase: establecer una plataforma de gestión de datos unificada para integrar los datos del sistema interno de la empresa, los datos externos de Internet (como los datos de comercio electrónico) y los de terceros. datos (como datos de consumidores de terceros proporcionados por cooperación externa, carreras de caballos Tian Ji, etc.
El mayor valor del proyecto de big data de la empresa para la empresa es transformar los activos de datos acumulados en. productividad mediante la creación de una gestión de datos unificada para la empresa. La plataforma integra datos internos y externos de la empresa para admitir rápidamente nuevas aplicaciones y desempeñar el papel de TI ágil para ayudar a las empresas a optimizar y mejorar el diseño de productos, la publicidad y el marketing, y el servicio. optimización, etc. a través de conocimientos sobre productos, marcas e industrias. El departamento comercial ayuda a las empresas a optimizar y mejorar el diseño de productos, la publicidad y el marketing, y la optimización de servicios a través de conocimientos sobre productos, marcas e industrias, y ayuda a las empresas a realizar operaciones refinadas. , marketing de precisión y recomendaciones personalizadas basadas en retratos de usuarios. Las empresas crean la mejor experiencia de servicio para los usuarios y mejoran la adherencia y satisfacción del usuario. El departamento de estrategia ayuda a las empresas a llevar a cabo el diseño del producto y la implementación estratégica a través del análisis del mercado y la industria.
En segundo lugar, la industria de bienes de consumo en rápido movimiento
Tomemos a Procter & Gamble como ejemplo. En nuestra cooperación con el Departamento de Marketing de P&G China, descubrimos que crear retratos de usuarios y conocimientos de los clientes sí lo es. No necesariamente requiere integrar datos internos y externos. P&G capturó todos los datos relacionados con las reseñas de P&G en los principales sitios web, utilizó análisis y modelos semánticos para dominar las preferencias y hábitos de compra de diferentes grupos de consumidores y rápidamente obtuvo información sobre los clientes utilizando únicamente datos públicos externos.
Además, P&G también está innovando en la gestión de canales. Utilice los datos de reseñas de usuarios de Internet para escuchar a la comunidad, monitorear reseñas de usuarios relevantes de 50 tiendas minoristas que cooperan con P&G, usar datos en línea para realizar investigaciones de canales/compradores y guiar la optimización de la gestión de canales.
Proceso de implementación:
1.
2. Utilice tecnología de procesamiento de lenguaje natural para realizar modelos multidimensionales de los comentarios de los usuarios, incluido el entorno de compra, los servicios y el valor. , etc. Se cuantifican más de 10 dimensiones de primer nivel y más de 50 dimensiones de segundo nivel
3.
3. y JD.com, y muestra los resultados del monitoreo a través de DashBoard e informes de análisis periódicos.
Como resultado, P&G puede correlacionar los datos internos de la empresa para comprender de manera más efectiva la situación general del canal KA e incluso comprender mejor los detalles clave, las ventajas y desventajas del canal KA, guiar el ajuste de el sistema de calificación del canal y ayudar a formular planes de promoción de productos.
En tercer lugar, la industria financiera
también es aplicable a casos como la financiación al consumo, los electrodomésticos y los bienes de consumo de rápido movimiento, especialmente en aspectos como el marketing de precisión y las recomendaciones de productos. Aquí compartimos principalmente la aplicación del control del riesgo de crédito. Obviamente, si las finanzas de Internet otorgan préstamos pequeños, deben realizar inspecciones in situ como los bancos e invertir mucha mano de obra para analizar y juzgar. El costo es muy alto, por lo que existe un modelo de calificación crediticia por lotes basado en big data. El objetivo final es lograr un retrato de la empresa y de las personas clave de la empresa, y luego utilizar métodos de modelado y minería de datos para establecer un modelo de crédito. Yirendai, Zhima Credit, etc. básicamente tienen esta estructura.
En nuestros contactos con clientes financieros, descubrimos que tanto los bancos como las empresas financieras tienen una necesidad cada vez más urgente de datos externos, especialmente datos con fuertes características externas, como registros de abuso de confianza y autorización de terceros. Registros posteriores, comportamiento de la red, etc.
Los anteriores son casos reales sobre big data empresarial que he compartido con usted. Para obtener más información, puede seguir a Global Green Ivy para compartir más información útil.