浅谈大数据与精准营销

浅谈大数据与精准营销（精选6篇）

浅谈大数据与精准营销 第1篇

大数据与精准营销研究综述

摘要：随着互联网的日益普及，人们对互联网技术的利用率越来越高，由此而来的大数据对社会的各行各业都带来很大变化，人们正步入大数据时代。在企业营销中，大数据的应用可以大大促进精准营销的发展，为其带来前所未有的发展机遇。本文首先分别对大数据与精准营销的研究进行综述，然后提出大数据时代下精准营销模式的问题，最后针对该问题提出一些思考与建议。

关键词： 大数据； 精准营销； 精准营销模式

一、大数据研究现状

1.大数据起源与兴起

1980年，著名未来学家托夫勒在其《第三次浪潮》提出了“大数据”的概念，并热情地将其称颂为“第三次浪潮的华彩乐章”，但是之后很长一段时期内，由于技术发展制约，“大数据”的概念并没有得到人们的重视。

2008年开始，移动计算、物联网、云计算等一系列新兴技术相继兴起，这些技术的发展及其在社交媒体、协同创造、虚拟服务等新型模式中的广泛应用，使得全球数据量呈现出前所未有的爆发式增长态势，数据复杂性也急剧增长，客观上要求新的分析方法和技术来挖掘数据价值，大数据技术应运而生，并得到迅速发展和应用，如此，“大数据”时代真正到来。

2008 年末，三位信息领域资深科学家卡内基梅隆大学的R.E.Bryant、加利福尼亚大学伯克利分校的R.H.Katz、华盛顿大学的E.D.Lazowska联合业界组织计算社区联盟（Computing Community Consortium）发表了非常有影响力的白皮书《大数据计算： 商务、科学和社会领域的革命性突破》，使得研究者和业界高管意识到大数据真正重要的是其新用途和带来的新见解，而非数据本身。随后，包括EMC、IBM、惠普、微软在内的全球知名企业纷纷通过收购大数据相关厂商来实现技术整合，实施其大数据战略； 国内外咨询机构也相继发布与大数据相关的研究报告，积极跟进大数据领域的研发与应用。2011 年5 月，EMC 公司在主题为“云计算相遇大数据”的World 2011 大会中阐述了云计算与大数据的理念和技术趋势。同年10 月，Gartner 将大数据列入2012 年十大战略新兴技术； 11 月，由CSDN 举办的中国大数据技术大会在北京成功举行。大数据在产业界逐渐形成燎原之势。

目前，大数据研究和应用已经成为信息科技领域中的热点。世界各国均高度重视大数据领域的研究探索，并从国家战略层面推出研究规划以应对其带来的挑战。2012 年3 月，美国奥巴马政府投资两亿美元启动“大数据研究和发展计划”，致力于提高从大型复杂数据集中提取知识和观点的能力，并服务于能源、健康、金融和信息技术等领域的高科技企业； 2012年4 月，英国、美国、德国、芬兰和澳大利亚研究者联合推出“世界大数据周”活动，旨在促使政府制定战略性的大数据措施； 7 月，日本推出“新ICT 战略研究计划”，其中重点关注“大数据应用”同时，大数据也已引起学术界的广泛研究兴趣。2008 年和2011 年，《Nature》与《Science》杂志分别出版专刊《Big Data： Science in the Petabyte Era》和《Dealing with Data》，从互联网技术、互联网经济学、超级计算、环境科学、生物医药等多个方面讨论大数据处理和应用专题。

2．大数据的定义与特征

对于大数据的概念，企业和学术界目前尚未形成公认的准确定义。维基百科将大数据定义为“无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合”； 权威IT 研究与顾问咨询公司Gartner 将大数据定义为“在一个或多个维度上超出传统信息技术的处理能力的极端信息管理和处理问题”； 美国国家科学基金会（NSF）则将大数据定义为“由科学仪器、传感设备、互联网交易、电子邮件、音视频软件、网络点击流等多种数据源生成的大规模、多元化、复杂、长期的分布式数据集”。尽管存在不同的表述，但一个普遍的观点是，大数据与“海量数据”和“大规模数据”的概念一脉相承，但其在数据体量、数据复杂性和产生速度三个方面均大大超出了传统的数据形态，也超出了现有技术手段的处理能力，并带来了巨大的产业创新的机遇。

IBM公司把大数据的特征概括成三个“V”：规模（Volume）、快速（Velocity）和多样（Variety），但是更多的人则将其概括为四个“V”，即规模（volume）、快速（Velocity）、多样（Variety）和价值（value）。

（1）规模（Volume）。大数据首先是必须具有海量数据，但是究竟多大体量才叫海量，人们并没有一个确定的数字。有人认为应该达到TB数量级，一般在10TB规模左右。但在实际应用中，很多用户把多个数据集放在一起，已经形成了PB级的数据量。

（2）多样性（Variety）。这是大数据概念区别于从前有关数据管理的一个重要特征，传统的数据管理主要是针对结构化数据分析利用，其应用技术而大数据则更加强调对于半结构化和非结构化数据的分析和应用。

（3）快速（Velocity）。在当前常规的信息安全产品中，特别是具有代表性的检测响应类产品技术中，大量采用实时监测，而“实时”就意味着快速。在当前带宽越来越大、系统越来越复杂采集的数据越来越多的同时，安全检测对于事件响应的及时性要求并没有减

弱。另外，“实时”还包含着一种内在的含义：主要根据当前的数据做出分析判断。

（4）价值（Value）。数据是物理世界的数字反映，价值上数据不同于数字，数据背后是有对象的，而这些对象是有属主的、有立场的、有价值归属的、主观的。大数据的体量很大，所蕴含的价值总量也会是客观的，但是平均到单条信息的价值却很低，即价值密度很低。

3．大数据的关键技术

传统的数据采集来源单一，且存储、管理和分析数据量也相对较小，大多采用关系型数据库和并行数据仓库即可处理。而大数据环境下，数据来源非常丰富且数据类型多样，存储和分析挖掘的数据量庞大，对数据展现的要求较高，并且很看重数据处理的高效性和可用性，需要依靠并行计算提升数据处理速度。而传统的并行数据库技术追求高度一致性和容错性，难以保证其可用性和扩展性。

另一方面，传统的数据处理方法是以处理器为中心，而大数据环境下，需要采取以数据为中心的模式，减少数据移动带来的开销。因此，传统的数据处理方法，已经不能适应大数据的需求，需要一种新的技术理论和方法。

3.1数据挖掘

数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的，但又是潜在有用信息和知识的过程。目前广为接受的一种处理模型是Fayyad 等人设计的多处理阶段模型。

3.2数据分析

在相关技术中，比较具有代表性的是Apache 软件基金会开发的Hadoop，以MapReduce 和Hadoop 为代表的非关系数据分析技术，凭借其适合非结构处理、大规模并行处理和简单易用等优势，在互联网搜索和其他大数据分析技术领域取得重大进展，成为主流技术。

4．大数据相关产业发展

按照信息处理环节，大数据可以分为数据采集、数据清理、数据存储及管理、数据分析、数据显化及产业应用等六个环节，由于尚属发展初期，其中的每个产业环节都包含着不少的企业，其市场发展情况如下。

（l）数据采集。Google、CISCO这些传统的IT公司早已经开始部署数据收集的工作。在中国，淘宝、腾讯、百度等公司已经收集并存储大量的用户习惯及用户消费行为数据。德勤预计，在未来，会有更为专业的数据收集公司针对各行业的特定需求，专门设计行业数据收集系统。

（2）数据清理。当大量庞杂无序的数据收集之后，如何将有用的数据筛选出来，完成数据的清理工作并传递到下一环节，这是随着大数据产业分工的不断细化而需求越来越高的环节。除了Intel等老牌IT企业，Teradata、Informatica等专业的数据处理公司呈现了更大的活力。在中国，华傲数据等类似厂商也开始不断涌现。德勤预计，在未来，将会有大量的公司专注于数据清理。

（3）数据存储及管理。数据的存储、管理是数据处理的两个细分环节。这两个细分环节之间的关系极为紧密。数据管理的方式决定了数据的存储格式，而数据如何存储又限制了数据分析的深度和广度。由于相关性极高，通常由一个厂商统筹设计这两个细分环节将更为有效。从厂商占位角度来分析，IBM、Oracle等老牌的数据存储提供商有明显的既有优势，他们在原有的存储业务之上进行相应的深度拓展，轻松占据了较大的市场份额。而Apache Software Foundation等新生公司，以开源的战略汇集了行业专精的智慧，成为大数据发展的领军企业。

（4）数据分析。传统的数据处理公司SAS及SPSS在数据分析方面有明显的优势。然而，基于开源软件基础构架Hadoop的数据分析公司最近几年呈现爆发性增长。例如，成立于2008年的Cloudera公司，帮助企业管理和分析基于开源Hadoop产品的数据。由于能够帮助客户完成定制化的数据分析需求，Cloudera拥有了如ExPedia、摩根大通等大批的知名企业用户，仅仅五年时间，其市值估值已达到7亿美元。

（5）解读。将大数据的分析结果还原为具体的行业问题。SAP、SAS等数据分析公司在其已有的业务之上加人行业知识，成为此环节竞争的佼佼者。同时，因大数据的发展而应运而生的wibidata等专业的数据还原公司也开始蓬勃发展。

（6）展示。这一环节中，大数据真正开始帮助管理实践。通过对数据的分析和具象化，将大数据能够推导出的结论量化计算，同时应用到行业中去。这一环节需要行业专精人员，通过大数据给出的推论，结合行业的具体实践制定出真正能够改变行业现状的计划。

不仅仅是大数据技术行业的发展，大数据的应用也已经在医疗服务、零售业、金融业、制造业、物流、电信等行业广泛展开，并产生了巨大的社会价值和产业空间。麦肯锡评估西方产业数据为例，大数据的有效利用将能使欧洲发达国家政府节省至少1000 亿欧元（约1 490 亿美元）的运作成本； 使美国医疗保健行业降低8%的成本（约每年3000 多亿美元）； 并使得大多数零售商的营业利润率提高60%以上。据市场调研机构IDC 预测，大数据技术与服务市场将从2010 年的32 亿美元攀升到2015 年的169 亿美元，实现40%的年增长率（IT与通信产业增长率的7 倍）近两年来，国内外知名企业（如Ebay、AmazonWal-Mart、淘宝、中国移动和凡客等）相继推出相应的大数据产品和平台，开展了多种深度商务分析和应用。例如：通过分析结构化和非结构化数据促进其业务创新和利润增长； 基于机器学习和数据挖掘方法来管理和优化其库存与供应链，并量化评估其定价策略与营销效果； 通过市场分析、竞争分析、客户分析和产品分析以优化经营决策等。

5．大数据的发展与挑战

在大数据时代，我们仍然要面对大数据的各种技术挑战，包括大数据的去冗降噪技术、大数据的新型表示方法、高效率低成本的大数据存储、大数据的有效融合、非结构化和半结构化数据的高效处理、适合不同行业的大数据挖掘分析工具和开发环境、大幅度降低数据处理、存储和通信能耗的新技术等等。但我们相信技术能够解决的问题终将不会成为问题，真正制约或者成为大数据发展和应用瓶颈的有三个环节。

5.1数据收集和提取的合法性，数据隐私的保护和数据隐私应用之间的权衡

任何企业或机构从人群中提取私人数据，用户都有知情权，将用户的隐私数据用于商业行为时，都需要得到用户的认可。然而，目前，中国乃至全世界对于用户隐私应当如何保护、商业规则应当如何制定、触犯用户的隐私权应当如何惩治、法律规范应当如何制定等一系列管理问题都大大滞后于大数据的发展速度。未来很多大数据业务在最初发展阶段将会游走在灰色地带，当商业运作初具规模并开始对大批消费者和公司都产生影响之后，相关的法律法规以及市场规范才会被迫加速制定出来。可以预计的是，尽管大数据技术层面的应用可以无限广阔，但是由于受到数据采集的限制，能够用于商业应用、服务于人们的数据要远远小于理论上大数据能够采集和处理的数据。数据源头的采集受限将大大限制大数据的商业应用。

5.2.大数据发挥协同效应需要产业链各个环节的企业达成竞争与合作的平衡

大数据对基于其生态圈中的企业提出了更多的合作要求。如果没有对整体产业链的宏观把握，单个企业仅仅基于自己掌握的独立数据，无法了解产业链各个环节数据之间的关系，对消费者做出的判断和影响也十分有限。在一些信息不对称比较明显的行业，例如银行业以及保险业，企业之间数据共享的需求更为迫切。例如，银行业和保险业通常都需要建立一个行业共享的数据库，让其成员能够了解到单个用户的信用记录，消除担保方和消费者之间的信息不对称，让交易进行得更为顺利。然而，在很多情况下，这些需要共享信息的企业之间竞争和合作的关系同时存在，企业在共享数据之前，需要权衡利弊，避免在共享数据的同时丧失了其竞争优势。此外，当很多商家合作起来，很容易形成卖家同盟而导致消费者利益受到损失，影响到竞争的公平性。大数据最具有想象力的发展方向是将不

同行业的数据整合起来，提供全方位立体的数据绘图，力图从系统的角度了解并重塑用户需求。然而，交叉行业数据共享需要平衡太多企业的利益关系，如果没有中立的第三方机构出面，协调所有参与企业之间的关系、制定数据共性及应用的规则，将大大限制大数据的用武之地。权威第三方中立机构的缺乏，将制约大数据发挥出其最大的潜力。5.3大数据结论的解读和应用

大数据可以从数据分析的层面上揭示各个变量之间可能的关联，但是数据层面上的关联如何具象到行业实践中如何制定可执行方案应用大数据的结论这些问题要求执行者不但能够解读大数据，同时还需深谙行业发展各个要素之间的关联。这一环节基于大数据技术的发展，但又涉及管理和执行等各方面因素。在这一环节中，人的因素成为制胜关键。从技术角度看，执行人需要理解大数据技术，能够解读大数据分析的结论；从行业角度看，执行人要非常了解行业各个生产环节的流程及关系、各要素之间的可能关联，并且将大数据得到的结论和行业的具体执行环节一一对应起来；从管理的角度看，执行人需要制定出可执行的解决问题的方案，并且确保这一方案和管理流程没有冲突，在解决问题的同时，没有制造出新的问题。这些需求，不但要求执行人深谙技术，同时应当是一个卓越的管理者，有系统论的思维，能够从复杂系统的角度关联地看待大数据与行业的关系。此类人才的稀缺性将制约大数据的发展。

6．大数据的研究不足

综观国内外大数据领域的研究和应用发展现状可见： 1）大数据相关的研究与应用目前仍然处于起步阶段，学术研究大多局限于宏观层面；2）基于互联网和社会媒体的企业大数据研究与应用亟需进一步的深入开展； 3）现有的大数据研究大多立足于信息科学，侧重于大数据的获取、存储、处理、挖掘和信息安全等方面，鲜有从管理学的角度探讨大数据对于现代企业生产管理和商务运营决策等方面带来的变革与冲击的研究。

二、精准营销研究现状

1.精准营销的定义

1999 年，美国的莱斯特·伟门提出了精准营销的概念。Zabin和Brebach（2004）提出了精准营销的4R法则，亦即正确的顾客（right customer），正确的信息（right message），正确的管道（right channel）以及正确的时刻（Right time），通过将正确的信息在正确的时刻通过正确的管道传递到正确的顾客手中，以此真正对目标客户的购买决策构成影响，促进营销目标的有效达成。

菲利普.科特勒Philip Kotler（2005）在其全球巡回演讲论坛上宣布了一个营销传播的新趋势——精准营销（Precision Marketing），并对其进行阐述：“具体来说，就是公司需要更精准、可衡量和高投资回报的营销沟通，需要更注重结果和行动的营销传播计划，还有越来越注重对直接销售沟通的投资。科特勒（2006）在畅销书《Principles of Marketing》中，首次将基于互联网的精准营销理论融入其中，他认为日新月异的科技，使一些公司勇于从传统的大众传媒沟通方式转移到更加有针对性目标市场的互动模式，以此来不断提高沟通的效果和效率。并提出“对于营销来说，将沟通个性化，并在正确的时间，对正确的人，表达而且做出正确的事情，是至关重要的。”

Paul.W.Farris与Neil.T.Bendle等人（2006）在《Marketing Metries：50+MetriesEvery Executive Should Master》一书中专门研究了解决营销活动科学量化的问题，帮助精准营销活动取得良好效果。营销量化指标的归纳和运用，为经理人在实践中有效利用信息进行科学决策，提供了指导原则、方法以及注意事项。营销量化指标衡量方法，综合了营销和财务两个方面的视角，是关于公司营销业绩的科学而全面的评价。

Lisa D Spiller与Martin Baier（2006）合著的《当代直复营销》中提到了直复营销是对传统营销的发展，是精准营销的理论基础之一，强调以市场细分为基础进行数据库驱动的直复营销。在互联网的基础上实现精准营销，完成与顾客之间的直复营销关系。

国内的齐渊博（2005）将精准营销理解为“精确营销”，即包含了“标准”和“确定”两个意思，“标准”就是可以复制、可以推广、可以提升，没有“标准”的理念只是偶然现象，而“确定”就是对市场极致的了解和把握。

学者许瑾（2006）在科特勒精准营销理论的基础上，从实践的角度对精准营销进行了补充：“精准营销是以客户为中心，运用各种可利用的方式，在恰当的时间，以恰当的价格，通过恰当的渠道，向恰当的顾客提供恰当的产品。”并指出精准营销的几种传播新模式，提倡从传播受众切入，研究受众的行为、生活形态，从而理解用户需求，最终传递给受众最精准的广告内容。

伍青生、余颖、郑兴山（2006）在《精准营销的思想和方法》一文中提出了精准营销是通过定量和定性相结合的方法对目标市场的不同消费者进行细致分析，根据他们不同的消费心理和行为特征，企业采用有针对性的现代技术、方法和指向明确的策略，实现对目标市场不同消费者群体强有效性、高投资回报的营销沟通。

邮政营销专家徐海亮教授（2006）创立了精准营销理论体系，提出了较为完整的精准营销的概念——精准营销就是在精准定位的基础上，依托现代信息技术手段建立个性化的

顾客沟通服务体系，实现企业可度量的低成本扩张之路。并指出了精准营销的三个层面的含义：第一、精准的营销思想。营销的终极追求就是无营销的营销，到达终极思想的过度就是逐步精准。第二是实施精准的体系保证和手段，而这种手段是可衡量的。第三就是达到低成本可持续发展的企业目标。并对传统广告体系与精准传播体系进行了对比，提出来精准传播的三种方式：网络媒体的传播，传统广告的改良与创新及口碑传播。刘征宇（2007）在《精准营销方法研究》一文中也把精准营销的方法归为基于数据库营销的方法、基于互联网的方法、借助他人渠道的方法等三大类。

姜何（2008）用精细化营销来形容精准营销，他认为所谓精细化的管理是相对于粗放式管理而言的，面对于营销的精细化管理，意味着基于客户细分战略的一对一营销，即要与企业选定的最有价值的客户群一对一，了解个性化需求，提供个性化渠道，实现个性化营销手段。而曹彩杰（2010）也分析到：以网络和信息技术为核心的精准营销体系，在一定程度上将取代传统的营销方式，逐步成为现代企业营销发展的新趋势。

综合上述各种观点可以看出，目前学者对精准营销研究热情也颇为高涨，相关文献数量较多，但对于什么是精准营销业界还没有给出一个公认的定义，但精准营销的特性是显而易见的：一是对市场准确定位，二是依赖科技手段，三是个性化服务，四是提高营销的正确性。尽管精准营销的定义尚无定论，但这并不妨碍精准营销思想及方法的发展传播，由于互联网的普及化，网络营销方兴未艾，基于互联网的精准营销是目前网络营销的一个热点领域并且还会不断涌现新的研究成果。精准营销将在互联网上的新兴行业里得到广泛推广，并逐步应用到传统产业中去。

2．精准营销的理论基础及意义

精准营销并不是一个全新的营销思想，随着信息技术的飞速发展，市场的形态有人们的消费行为、消费观念都产生了巨大的变化，随之产生的新营销环境促使营销方式和营销途径在传统营销理论的基础上不断演变发展。

2.1从4P理论到4C理论

美国营销学学者麦卡锡教授于1960年在《基础营销》（Basic Marketing）中提出产品（product）、价格（price）、渠道（place）、促销（promotion）大营销组合策略，他认为一次成功和完整的市场营销活动，意味着以适当的产品、适当的价格、适当的渠道和适当的传播促销推广手段，将适当的产品和服务投放到特定市场的行为。4P理论是营销策略的基础，科特勒（1967）在其畅销书《营销管理：分析、规划与控制》第一版中进一步确认了以4P为核心的营销组合方法。4P营销理论遵循的是由上而下的运行原则，它使市场营销

理论有开始有了体系，又使复杂的现象和理论简单化“这种理念的出发点是追求企业利润，重视产品导向而非消费者导向，没有将客户的需求放到同等重要的地位上来，这也正好体现了了在无细分市场（mass market）里推（push）的概念。在4P理论的基础上劳特朋（Robert.F.Lauterbon）教授（1990）在其《4P退休4C登场》专文中，提出了以顾客为中心的一个新的营销模式，这个4C理论它包含4个要素：四个基本要素：即消费者（Consumer）、成本（Cost）、便利（convenience）和沟通（communication）。4C理论的核心：强调购买一方在市场营销活动中的主动性与积极参与，强调顾客购买的便利性”精准营销为买卖双方创造了得以即时交流的小环境，符合消费者导向、成本低廉、购买的便利以及充分沟通的4C要求，是4C理论的实际应用。精准营销是迎合市场内外环境的变化，在4P的理论基础上，融合了4C营销组合理论来适应新环境的发展：

（1）精准营销真正贯彻了消费者导向的基本原则。4C理论的核心思想，便是企业的全部行为都要以消费者需求和欲望为基本导向，精准营销作为这一大背景下的产物，强调的仍然是比竞争对手更及时、更有效地了解并传递目标市场所期待的满足。这样，企业要迅速而准确地掌握市场需求，就必须离消费者越近越好。这是由于，一方面，信息经过多个环节的传播、过滤，必然带来自然失真，这是由知觉的选择性注意、选择性理解、选择性记忆、选择性反馈和选择性接受所决定的；另一方面，由于各环节主体利益的不同，他们往往出于自身利益的需要而过分夸大或缩小信息，从而带来信息的人为失真。精准营销绕过复杂的中间环节，直接面对消费者，通过各种现代化信息传播工具与消费者进行直接沟通，从而避免了信息的失真，可以比较准确地了解和掌握他们的需求和欲望。

（2）精准营销降低了消费者的满足成本。精准营销是渠道最短的一种营销方式，由于减少了流转环节，节省了昂贵的店铺租金，使营销成本大为降低，又由于其完善的订货!配送服务系统，使购买的其它成本也相应减少，因而降低了满足成本。

（3）精准营销方便了顾客购买。精准营销商经常向顾客提供大量的商品和服务信息，顾客不出家门就能购得所需物品，减少了顾客购物的麻烦，增进了购物的便利性。精准营销实现了与顾客的双向互动沟通，这是精准营销与传统营销最明显的区别之一。

2.2让渡价值理论

“让渡价值”这个新概念是科特勒（1994）提出的，是对市场营销理论的又一进步。顾客总价值与顾客总成本之间的差额是“让客价值”的中心。其中顾客总价值是指顾客购买某个产品或者得到服务所期望获得的某些利益，其中包括产品的价值、服务的价值和形象的价值等；顾客总成本的意思是指顾客为购买某一产品或服务而支付的货币及所耗费的

精力、时间，包括货币的成本、时间的成本及精力的成本。

由于顾客选择购买商品或者服务时，总是希望把相关的成本降至最低，同时又希望从中获得到更多的实际利益，因此，顾客总是倾向于选择“让渡价值”最大化的方式。而企业为在竞争中想要努力的战胜对手，就需要吸引更多的潜在顾客，同时必须向顾客提供比竞争对手更多的“让渡价值”，才可以满足顾客的实际利益最大化的期望。

首先，精准营销能够大幅度的提高顾客总价值。因为精准营销实现了“一对一”的营销，在这种新型观念指导下，其产品设计、开发、销售充分考虑了消费者需求的个性特征，同时增强了产品价值的适应性，从而为顾客创造了更大的产品价值。在提供优良产品的同时，精准营销更加注重服务价值的开发和创造，努力的向消费者提供合理、周密、完善的销售服务，同时方便广大顾客的购买。另外，精准营销还通过一系列的优质的营销活动，努力提升自身的形象，逐步的培养消费者对企业的偏好与忠诚。

其次，精准营销大大的降低了顾客总成本。在顾客购买商品，不仅要考虑销售商品的价格，同时必须确切的知道有关商品的信息，并对销售商品各方面进行深层次的比较，还必须考虑顾客购物环境是否便利等多种因素。精准营销可能大幅的缩短了营销渠道，通过直接手段和直接媒体及时向顾客传递商品信息，降低了顾客搜寻信息的精力成本与时间成本，因而减少了交易费用，扩大了企业商品销售，成为众多企业广泛采用的营销方式。

2.3直接沟通理论

1973年，领导行为理论代表人物，美国行为科学家明茨伯格H.Mintzberg指出“管理工作有10种作用，而人际关系和沟通占3成”。明茨伯格首先创立了经理角色理论，指出“重视同外界和下属的信息联系”和“爱用口头交谈方式”为经理角色六个特点中非常重要的两个特点，直接强化了直接沟通。从泰勒科学管理初始探索下行沟通开始，管理沟通理论的发展历程主要经历了从研究“行政沟通”，向研究“人际沟通”发展、接着以“纵向沟通”研究为主，向以“横向沟通”研究为主，进而向以“网络化沟通”研究为主发展、从以研究“单一的任务沟通”为主，向“全方位的知识共享沟通”研究发展等一系列过程。

20世纪80年代以来随着世界经济政治的变化，管理思想发生了重大的转变，管理沟通理论的研究也遭遇到新的挑战，主要表现在沟通中的信息网络技术的应用，知识型企业及学习型组织的建立等。伴随着现代管理理论呈现出的管理理念更加知识化、管理组织虚拟化、人性化、管理手段和设施网络化、组织结构扁平化、管理文化全球化等总体趋势，管理沟通理论也出现了企业流程再造沟通趋势、知识管理沟通趋势、管理更加柔性化的文化管理沟通趋势、网络经济和全球经济一体化的管理沟通的国际化趋势。精准营销的直接

沟通，使沟通的距离达到了最短，强化了沟通的效果。

四、对大数据环境下精准营销模式的思考

“营销管理是艺术与科学的结合——选择目标市场，并通过创造、交付和传播优质的顾客价值来获得顾客、挽留顾客和提升顾客的科学与艺术。”其中，“科学”的部分有赖于数据搜集与分析和各种营销数据库的建立。可以说，数据的使用贯穿在整个营销过程的始末，对于营销的效果起着至关重要的影响性作用。而在大数据时代，大数据的日益兴起和全方位的发展，如GPS定位一般，使企业对市场的理解和洞察需求正在日益地走向实时化和精准化，为企业实现精准营销带来前所未有的发展机遇。

而通过以上对大数据、精准营销的分析与总结我们可以看出，国内外学者对大数据、精准营销等理论研究成果很多，但对于如何利用大数据及大数据技术，研究客户行为特征，建立大数据时代顾客洞察与精准营销体系策略，这方面的研究则很少。“许多人感觉到大数据时代正在到来，但往往只是一种朦胧的感觉，对于其真正对营销带来的威力可以用一个时髦的词来形容——不明觉厉”。下面提出自己的一些思考。

首先，科技在营销中的运用一直存在，然而大数据在营销中的运用是科技与营销的结合的一座新的里程碑，它使技术在营销中不再仅仅是锦上添花的工具，则是会带来企业营销的战略性转型，起到革命性的作用。

其次，我们可以从市场营销的一般过程来分析大数据技术在精准营销中的应用。（1）客户信息收集与处理。客户数据管理是一个数据准备的过程，是数据分析和挖掘的基础，是搞好精准营销的关键和基础，否则会造成盲目推介、过度营销等错误，比如因为某些产品的购买，在一定时段里是不会重复的，强行推荐，只会导致厌烦情绪和后悔情绪。传统的客户关系管理一般关注两方面的客户数据：客户的描述性数据和行为数据。描述性数据类似于一个人的简历，比如姓名、性别、年龄、学历等；行为数据则复杂一些，比如消费者购买数量、购买频次、退货行为、付款方式等。在大数据时代，结构性数据仅占15%，更多的是类似于购物过程、社交评论等这样的非结构性数据，并且数据十分复杂，符合4V特征。只有通过大数据技术收集和整理数据，才有可能形成关于客户的360度式数据库，不错过每一次营销机会，“啤酒与尿布”的推销理论就是一个很好的例子。

（2）客户细分与定位。只有区分出了不同的客户群，企业才有可能对不同客户群展开有效的管理并采取差异化的营销手段，提供满足这个客户群特征要求的产品或服务。在实际操作中，传统的市场细分变量，如人口因素、地理因素、心理因素等由于只能提供较为

模糊的客户轮廓，已经难以为精准营销的决策提供可靠的依据。大数据时代，利用大数据技术能在收集的海量非结构信息中快速筛选出对公司有价值的信息，对客户行为模式与客户价值进行准确判断与分析，深度细分，使我们有可能甚至深入了解“每一个人”，而不止“目标人群”来进行客户洞察和提供营销策略。

（3）营销战略制定。在得到基于现有数据的不同客户群特征后，市场人员需要结合企业战略、企业能力、市场环境等因素，在不同的客户群体中寻找可能的商业机会，最终为每个群制定个性化的营销战略，每个营销战略都有特定的目标。如获取相似的客户、交叉销售或提升销售，或采取措施防止客户流失等。

（4）营销方案设计。大数据时代，一个好的营销方案可以聚焦到某个目标客户群，甚至精准地根据每一位消费者不同的兴趣与偏好为他们提供专属性的市场营销组合方案 包括针对性的产品组合方案、产品价格方案、渠道设计方案、一对一的沟通促销方案。比如O2O渠道设计，网络广告的受众购买的方式（DSP）和实时竞价技术（RTB），基于位置（LBS）的促销方式。

（5）营销结果反馈。大数据时代，营销活动结束后，应对营销活动执行过程中收集到的各种数据进行综合分析，从海量数据中发掘出最有效的企业市场绩效度量，并与企业传统的市场绩效度量方法展开比较以确立基于新型数据的度量的优越性和价值．以对营销活动的执行、渠道、产品和广告的有效性进行评估，为下一阶段的营销活动打下良好的基础。

五、结语

大数据时代已经到来，而且将成为全世界下一个创新、竞争和生产率提高的前沿。“营销本质上就是效率提高的过程，而技术是在帮助这个过程转变”。大数据在提高效率、精准营销上大有作为，它正在帮助企业深入了解“每一个人”，而不止是“目标人群”，它真正努力让客户变成“首席执行客户”，试图打造针对每个客户的“全接触”体系。这在增进企业效益的同时，也能给消费者带来全新的私人定制似的体验从而增加消费者福利。因此，研究揭示大数据在精准营销中的价值产生机理，探索大数据时代下的精准营销模式就变得很有意义和价值，我们期待越来愈多的学者在这方面做出贡献。

参考文献 中国企业评价协会、中色金银贸易中心，大数据的基本概念及相关问题，中国电子商务企业发展报告2013。2 黄升民，刘珊，“大数据”背景下营销体系的解构与重构，现代传播，2012年第11期。3 4 5 6 7 8 9 王波，大数据时代精准营销模式研究，经济师，2013年第5期。

任广见，基于大数据的商业模式创新及启示，现代商贸工业，2013年20期。郭虹，大数据时代-实体店与网商营销，中国出版传媒商报，2013年第9期。贾利军，许鑫，谈“大数据”的本质及其营销意蕴，南京社会科学，2013年第7期。秦雯，大数据驱动营销革命，观察家，2013年第7期。

刘征宇，精准营销方法研究，上海交通大学学报，2007年第4期。吴海环，基于精准营销的顾客沟通研究，武汉理工大学硕士论文，2008年。冯芷艳，郭迅华，曾大军，陈煜波，陈国青，大数据背景下商务管理研究若干前沿课题，管理科学学报，2013年第1期 李芬，朱志祥，刘盛辉，大数据发展现状及面临的问题，西安邮电大学学报，2013年第5期。钱心缘，国内外大数据研究进展之从文献计量学角度分析，中国科技信息，2013年第19期。周再宇，价值链重塑:大数据洞察与精准营销，新营销，2012年第11期。14 赵国栋，大数据时代的历史机遇：产业变革与数据科学，清华大学出版社，2013年。张小平，一块牛肉干引发的大讨论——说说大数据时代的精准营销，企业观察家，2013年第07期。李文莲，夏健明，基于“大数据” 的商业模式创新，中国工业经济，2013第5期。郭涛，掌握大数据之“芯”实现精准营销，中国计算机报，2012年第15期。17 Lynch C.Big data: How do your data grow[J].Nature,2008,455(7209): 28-29． Hilbert M，Lopez P．The world’s technological capacity to store，communicate，and compute information[J].Science，2011，332(6025): 60-65． Bughin J,Chui M,Manyika J.Clouds,big data,and smart assets: Ten tech-enabled business

trends to watch[J].McKinsey Quarterly，2010(8): 1-14． Anderson C.The end of theory: The data deluge makes the scientific method obsolete［J］Wired Magazine,2008,16(7):1-3． Frankel F, Reid R.Big data: Distilling meaning from data [J].Nature,2008,455(7209): 30． 22 Lavalle S, Lesser E, Shockley R，et al.Big data，analytics and the path from insights to value[J].MIT Sloan Management Review，2011． Manyika J, Chui M, Brown B，et al.Big Data: The Next Frontier for Innovation, Competition, and Productivity [M].New York: McKinsey Company,2011． Hui SK, Fader PS, Path data in marketing: An integrative framework and prospectus for model building [J].Marketing Science,2009,28 : 320-335． Borgatti SP, Mehra A，Brass D J，et al． Network analysis in the social sciences[J].Science，2009，892-895． Ghose A,HanSP.An empirical analysis of user content generation and usage behavior on the mobile internet [J].Management Science,2011,57(9): 1671-1691． Aral S,Walker D, Identifying influential and susceptible members of social networks Science,2012,337(6092):337-341． Robert LP，Dennis AR.Social capital and knowledge integration in digitally enabled teams[J].Information Systems Research,2008,19(3): 314-334． Ghose A, IpeirotisPG.Designing ranking systems for hotels on travel search engines by mining user-generated and crowdsourced content[J].Marketing Science，2012, 493-520． 30 Dabenport TH.Competing on analytics [J].Harvard Business Review，2006(1): 1 － 9． 31 AralS, WalkeD.Creating social contagion through viral product design: A randomized trial of peer influence in networks[J].Management Science,2011,57(9): 1623-1639．

Dabenport TH, Barth P, Bean R． How“Big Data”is different［J］． MIT Sloan Management Review, 2012, 53.33 Archak N, Ghose A, Ipeirotis PG.Deriving the pricing power of product features by mining consumer reviews [J].Management Science,2011,57(8): 1485-1509.

浅谈大数据与精准营销 第2篇

可是，假如有另外一种体验呢?

比如，在收到航班延误信息之后，你先是收到了一条抱歉短信(这让你的心情缓和了一下)，紧接着收到一条针对你个人喜好定制的优惠服务―假如你是个网虫，你收到的是一张在机场的上网免费券;假如你是个“购物达人”，你收到的是机场免税店优惠25%的购物券……你还会有那么多的抱怨吗?

如今，这种场景不只是存在于设想上，随着技术的发展，这种理想的场景正在变成现实，问题的关键是：这种针对消费者的定制服务，建立在对每一个客户需求的深度洞察基础上。

然而，目前很多企业对消费者的了解还非常有限。“今天企业的整个模式对应的是供应链思维方式，而不是需求链。” IBM大中华区全球企业咨询服务部副合伙人智慧电子商务总监温晓华认为，传统的价值链由市场调查、产品设计、研发、生产、营销、销售、服务等组成，每个链条环节又有若干个以这个环节为主的企业，形成了一个链条。

这种对于消费者的忽视有时是出于无奈，因为在企业的运营理念中，当把客户(消费者)带入CEC(首席执行客户)位置时，企业首先面临的是成本增加问题。以往，按照“二八理论”，企业只需重点关注带来80%利润的前20%的VIP客户。按照传统方式，如果企业能够将触角延伸到更多的消费者，了解更多消费者的需求，虽然可以让企业更好地预测需求趋势，但随之而来的同样是成本的大幅度增加。

然而，在消费者日益强大的今天，企业无法回避或忽视20%VIP客户之外的80%客户。幸运的是，不断涌现的新技术可以让企业在成本可控的前提下，在更大的范围内精准地开展营销和商业活动。而由于精准锁定客户，反而可以为企业节省大量以往无效投入的成本。

“整个商业的价值链都要被重塑，以客户为中心重塑整条价值链的运作模式，这就是以客户为中心的定位。”温晓华说。

与此同时，在重塑价值链的过程中，企业将面临很多在单向营销时代没有遇到的难题。

洞察客户需求

我们从比特网6万的CMO数据中抽取了1万个进行调查，调查结果是：76%的企业对数据洞察和挖掘分析缺乏足够的重视。

―天极传媒VP、比特网总经理 王海晶

中国最缺的就是如何了解客户，对于客户的消费心理、消费倾向以及潜在消费欲望的研究非常不够。对消费行为和消费者本身进行研究，如果研究对了，后面就自然对了，无论是制造还是服务都有办法。

―《财经》(博客,微博)杂志执行主编 何刚

开展任何营销活动的前提是：企业了解自己的客户，

传统的客户关系管理一般关注两方面的客户数据：客户的描述性数据和行为数据。描述性数据类似于一个人的简历，比如姓名、性别、年龄、学历等;行为数据则复杂一些，比如消费者购买数量、购买频次、退货行为、付款方式等。

在大数据时代，结构性数据仅占15%，更多的是类似于购物过程这样的非结构性数据。“在互联网上交易，其过程是可以记录的。比如消费者在网上看了台电视机，最后没买，而是买了台冰箱，一般只记录购买冰箱的结果，不会记录消费者看过电视机以及看过什么品牌。虽然没有记录，但这个购物过程是有意义的，表明消费者有某种需求和想法。”温晓华认为，情感、意见、个人需求、渴望等信息，大多数会通过社交网络和直接交流表达出来。只有当这些基本的信息建立起来，才构成了一个关于客户的360度式的数据库。“当你有了这样的能力，你对客户的把握就更准确了，相比以前，你能针对他进行更准确的个性化营销。”

IBM曾与卡夫合作，洞察消费者对卡夫子品牌的需求。开展相关调查时，IBM项目团队直接在互联网上搜索与卡夫品牌有关的信息，比如消费者在问答、微博、社交网络上表达的想法，根据这些信息进行分析和挖掘。调研结果大大出乎市场调查人员的预料，因为消费者谈论的热点并不是他们一直以为的“这个产品是不是过期、包装怎样”等问题，消费者普遍关心的三个问题是健康、素食主义、食品安全。同时，一个学名为叶酸的维生素B复合体被频繁提到。这些信息给卡夫营销人员带来启示，帮助他们打开孕妇市场―叶酸正是孕妇需要的。相对于传统的数据研究，新的数据渠道及其运用理念、策略与方式，效率更高，而成本更低。

企业必须了解自己的客户是谁，通过提高自己的客户洞察能力，有针对性地做出营销决策。“在哪里开店，设计什么样的服务流程，以什么样的理念服务客户，这些都是客户洞察。所以，以什么样的方式和客户交流沟通，首先就是客户洞察，无论通过什么方式获得客户的信息、客户的数据。” IBM大中华区全球企业咨询服务部高级咨询经理石琼说。

理解消费者的自然语言是一个极其复杂的过程，要在海量的、非结构性的大数据中进行检索，找到最合适的答案。对此，IBM大中华区智慧商务技术总监杨旭青说：“要个性化地获取数据，最后得到需要的结果。例如，一个非常大的人群中的一些行为，不论是在网站上、手机上、邮件上、搜索引擎上，或是接听电话，你都能获取相应的信息。把这些信息搜集起来，进行归类、分析。开始做分析永远不是一对一的，而是分析一类人，分析一类人的特征是什么。现在技术能够提供的优势是，我可以把相关的类分得非常非常细，最后直到体现出每个个体的特征，这是以前做不到的。”

浅谈大数据在电力营销中的应用 第3篇

大数据是指在指定时间范围内必须用特殊软件工具进行搜集、管理及分析的数据集合,是需要采用新的数据处理模式才能使该数据信息具有更强的决策力、发现和挖掘能力的高增加值的信息资产。

大数据的价值可从以下几个方面来描述:1)利用大数据技术进行舆情监测,追踪公众关注的焦点问题,能够极大的提升社会研究能力;2)有了大数据,企业可以利用个人在互联网上的交易或行为等形成的海量信息进行判断和分析,从而实现精准营销;3)大数据能够帮助企业及时掌握客户的消费诉求,进行科学有效的产品研制和开发,做到资源的整合利用;4)对于掌握移动应用核心数据的企业来说,可以将数据加以梳理分析,形成趋势发展图,对整个企业进行战略决策起着不可估量的作用。

针对电力企业来说,大数据理念体现在发电、输电、变电、配电及用电和调度的各个环节,是其技术和方法在电力行业的具体实践,因此掌握并应用好大数据,能够更好地满足电力行业各个专业工作的不同需要,更好地服务于经济社会的发展。

2 大数据应用于电力营销的必要性

随着我国经济步入新常态的步伐越来越快,电力企业在激烈的市场竞争环境下所面临的消费者需求也日趋增多,如何才能更好地驾驭市场以更好抢占先机,占领市场份额,电力营销人员更多地将目光转向了大数据这一新的出发点。

大数据技术的战略意义不在于掌握海量的庞大的数据信息,而在于对这些含有意义的数据进行专业化数据加工和处理。大数据营销能够基于浩如烟海的数据,依托互联网为企业提供营销战略制定依据,是企业营销战略制定中极为重要的环节。显而易见,如何更好地利用大数据的优势来优化电力营销策略,构建合理的营销体系来迎合消费者的消费需求,也就成为了各大供电企业亟待解决的问题

3 电力企业应用大数据技术的可行性

在电力行业,坚强智能电网的迅速发展使信息通信技术正以前所未有的广度、深度与电网生产、企业管理快速融合,信息通信系统已经成为智能电网中的“中枢神经”,支撑着新一代电网生产和管理发展。目前国家电网公司已初步建成了国内领先、国际一流的信息集成平台,伴随着结构化和非结构化数据中心的不断上线,电网业务数据从总量和种类上都已初具规模。随着后续智能电表的逐步普及,电网业务数据从时效性层面获得进一步的拓展空间。所有这些都为大数据更好地应用于电力营销提供了前提,奠定了基础。

4 大数据应用于电力营销的具体策略分析

4.1 从消费者出发,分析客户潜在诉求。

消费者的潜在需求行为的大数据表现在海量化的数据上,电力营销企业要想构建优质的营销体系,扩大企业经济市场的占有率,就必须制订完备的方案,在大数据中挖掘潜在的客户需求,学会通过客户的视角,对客户的消费行为进行行为与特征分析,从而进一步提高客户的满意度。

4.2 精确定位消费群体,开展个性化营销大数据分析。

伴随着我国社会经济社会呈现新常态化的发展趋势,电力营销企业越来越重视服务营销的更加到位。大数据的出现,能够提高大量的高附加值服务,为电力营销提供海量的数据信息,让企业在追求精准化的同时准确定位自身的营销方式,从而在对客户的用电行为进行分析的基础上细分消费群体,打造个性化营销。

4.3 拓展营销新市场,制定产品新战略大数据。

运用大数据分析数据,不断开拓新的市场、发展新的业务是电力企业营销保持快速发展的根本解决途径。要想做到领先于同行企业,稳固自身的市场地位,就需要在产品研发前期深入分析和研发大数据,不断开拓新的产品领域,从而制定出更加可行、更为符合客户个性化需求的产品战略。

5 结语

浅谈大数据与精准营销 第4篇

可是，假如有另外一种体验呢？

比如，在收到航班延误信息之后，你先是收到了一条抱歉短信（这让你的心情缓和了一下），紧接着收到一条针对你个人喜好定制的优惠服务—假如你是个网虫，你收到的是一张在机场的上网免费券；假如你是个“购物达人”，你收到的是机场免税店优惠25%的购物券……你还会有那么多的抱怨吗？

如今，这种场景不只是存在于设想上，随着技术的发展，这种理想的场景正在变成现实。问题的关键是：这种针对消费者的定制服务，建立在对每一个客户需求的深度洞察基础上。

然而，目前很多企业对消费者的了解还非常有限。“今天企业的整个模式对应的是供应链思维方式，而不是需求链。” IBM大中华区全球企业咨询服务部副合伙人智慧电子商务总监温晓华认为，传统的价值链由市场调查、产品设计、研发、生产、营销、销售、服务等组成，每个链条环节又有若干个以这个环节为主的企业，形成了一个链条。

这种对于消费者的忽视有时是出于无奈，因为在企业的运营理念中，当把客户（消费者）带入CEC（首席执行客户）位置时，企业首先面临的是成本增加问题。以往，按照“二八理论”，企业只需重点关注带来80%利润的前20%的VIP客户。按照传统方式，如果企业能够将触角延伸到更多的消费者，了解更多消费者的需求，虽然可以让企业更好地预测需求趋势，但随之而来的同样是成本的大幅度增加。

然而，在消费者日益强大的今天，企业无法回避或忽视20%VIP客户之外的80%客户。幸运的是，不断涌现的新技术可以让企业在成本可控的前提下，在更大的范围内精准地开展营销和商业活动。而由于精准锁定客户，反而可以为企业节省大量以往无效投入的成本。

“整个商业的价值链都要被重塑，以客户为中心重塑整条价值链的运作模式，这就是以客户为中心的定位。”温晓华说。

与此同时，在重塑价值链的过程中，企业将面临很多在单向营销时代没有遇到的难题。

洞察客户需求

我们从比特网6万的CMO数据中抽取了1万个进行调查，调查结果是：76%的企业对数据洞察和挖掘分析缺乏足够的重视。

—天极传媒VP、比特网总经理 王海晶

中国最缺的就是如何了解客户，对于客户的消费心理、消费倾向以及潜在消费欲望的研究非常不够。对消费行为和消费者本身进行研究，如果研究对了，后面就自然对了，无论是制造还是服务都有办法。

—《财经》杂志执行主编 何刚

开展任何营销活动的前提是：企业了解自己的客户。

传统的客户关系管理一般关注两方面的客户数据：客户的描述性数据和行为数据。描述性数据类似于一个人的简历，比如姓名、性别、年龄、学历等；行为数据则复杂一些，比如消费者购买数量、购买频次、退货行为、付款方式等。

在大数据时代，结构性数据仅占15%，更多的是类似于购物过程这样的非结构性数据。“在互联网上交易，其过程是可以记录的。比如消费者在网上看了台电视机，最后没买，而是买了台冰箱，一般只记录购买冰箱的结果，不会记录消费者看过电视机以及看过什么品牌。虽然没有记录，但这个购物过程是有意义的，表明消费者有某种需求和想法。”温晓华认为，情感、意见、个人需求、渴望等信息，大多数会通过社交网络和直接交流表达出来。只有当这些基本的信息建立起来，才构成了一个关于客户的360度式的数据库。“当你有了这样的能力，你对客户的把握就更准确了，相比以前，你能针对他进行更准确的个性化营销。”

IBM曾与卡夫合作，洞察消费者对卡夫子品牌的需求。开展相关调查时，IBM项目团队直接在互联网上搜索与卡夫品牌有关的信息，比如消费者在问答、微博、社交网络上表达的想法，根据这些信息进行分析和挖掘。调研结果大大出乎市场调查人员的预料，因为消费者谈论的热点并不是他们一直以为的“这个产品是不是过期、包装怎样”等问题，消费者普遍关心的三个问题是健康、素食主义、食品安全。同时，一个学名为叶酸的维生素B复合体被频繁提到。这些信息给卡夫营销人员带来启示，帮助他们打开孕妇市场—叶酸正是孕妇需要的。相对于传统的数据研究，新的数据渠道及其运用理念、策略与方式，效率更高，而成本更低。

企业必须了解自己的客户是谁，通过提高自己的客户洞察能力，有针对性地做出营销决策。“在哪里开店，设计什么样的服务流程，以什么样的理念服务客户，这些都是客户洞察。所以，以什么样的方式和客户交流沟通，首先就是客户洞察，无论通过什么方式获得客户的信息、客户的数据。” IBM大中华区全球企业咨询服务部高级咨询经理石琼说。

理解消费者的自然语言是一个极其复杂的过程，要在海量的、非结构性的大数据中进行检索，找到最合适的答案。对此，IBM大中华区智慧商务技术总监杨旭青说：“要个性化地获取数据，最后得到需要的结果。例如，一个非常大的人群中的一些行为，不论是在网站上、手机上、邮件上、搜索引擎上，或是接听电话，你都能获取相应的信息。把这些信息搜集起来，进行归类、分析。开始做分析永远不是一对一的，而是分析一类人，分析一类人的特征是什么。现在技术能够提供的优势是，我可以把相关的类分得非常非常细，最后直到体现出每个个体的特征，这是以前做不到的。”

这种非常细化的分类分析曾经在一个信用卡项目中运用过，杨旭青举例说：“客户要获取一些单身妈妈的信息，分类为是否办过信用卡的、存款有多少的、什么学历、有没有工作、采购行为是什么样子、与其关联的家人存款有多少等等，都要分成不同的类别。分类并分析之后，就可以分析出单身妈妈的信息，并有针对性地开展相应的营销活动。”

数据与渠道整合

现在是互联经济，所有的市场数据无所不在。企业常常知道组织内部有很多数据，但是它们不知道如何整合。

—奥美广告中国区总裁 庄淑芬

上品理解的O2O就是全渠道零售，就是线上和线下在未来是没有区隔的，就是让消费者可以随时随地非常方便地接触到我们，而根本感受不到渠道的差异，这样我们才能提供最好的顾客体验。从有购买欲望开始，到选择到哪儿买，到如何选择，到交付、提货、售后服务，我们要在全接触点影响客人。

—上品折扣O2O未来商业体验店项目总监 白雪峰

如果把企业比喻成一个盒子，从订单到销售终端的过程就像穿过盒子的铁丝，有多少个渠道就有多少条这样的铁丝，它们并行不悖，各行其是。从网络获取的订单由网络消化和配送，在线下接到的订单由线下门店负责，看起来是权责明确，其实却带来了很多问题，比如渠道之间的冲突等等。

渠道其实还有另一个职能，由于它与消费者直接接触，具有迅速获取消费者需求的价值。如今，互联网越来越深入人们的日常生活，也使得企业可以从多个渠道接触客户，无论是实体店、网络还是移动，每个渠道的体验都不一样，问题是消费者却希望从多个渠道获得一致的购物体验。

“线上线下应该是整合的关系，把线上的优势和线下的优势结合起来，给客户提供一致的综合体验。比如线上可以灵活展示更多的商品信息，搭起这样一个体系之后，展示1万款商品和展示100万款商品理论上的货架成本是趋于零的，差别不大，而税差的优势更多，企业可以展示足够多的商品，品类足够丰富。实体店可以做什么？可以提供服务，做体验。”温晓华认为，现在消费者已经不太可能在单一渠道完成整个购物的生命周期，如果消费者的购物行为在多个渠道里完成，那么，企业的挑战就是要统一多个渠道的体验。

“举个例子，比如各自收订单，自己完成订单，各自是一个利润中心，难免出现渠道冲突。如果线上收单、线下履行订单，这时就变成双赢的关系。因为很多产品都标准化了，产品的检索、体验去线下做，下订单去网上，通过呼叫中心、移动设备跟踪订单状态，查看配送的过程，或者通过门店退换货。线上线下互动地完成购物的生命周期，这是消费者的诉求，谁能满足这种诉求，谁就会有更强的竞争力，而不是逼着消费者只能在一个渠道里完成。不是哪个渠道好或者是不好，而是应该有更好的定位，互相联系、互相增强来提供统一的客户体验。可以通过社交化、移动化、本地化等新技术，以及对用户的洞察，给客户提供一种全方位、个性化的综合体验。”温晓华说。

在客户洞察的基础上，企业与客户联络的渠道也更加广泛。“企业对消费者关注的链条从单向传播变成了真正的关系互动，从关注交易的一段延伸到企业与客户的整个关系上，变成全链条互动。”石琼说。

在这种情况下，进入“盒子”的“铁丝”不再是各行其是，而是从各个渠道进入系统，经过统一处理和分析，然后选择最优的渠道从“盒子”里出去。从网络接下来的订单可以通过线下配送或门店自取，从门店接下来的订单也可以转到网上。在IBM的交互式营销解决方案中，交互营销就是中间的控制中心，无论消费者从哪个终端渠道接触，控制中心都可以根据消费者个人化的数据分析来推送有针对性的信息，根据消费者的不同需求实现跨渠道的全接触，从而实现资源整合，让营销精准而高效。

“这个价值链的各参与方只专注自己的强项，都只完成其中的一部分业务，这就要求价值链结构同时形成很多标准化的能力中心，动态组成一条价值的交互。也会出现平台的运营方，制定某个行业的一些规则，完成动态交互，这有可能是未来的模式。”温晓华说。

科技与营销结合

CMO要有技术感，越来越多有技术背景的人未来将进入市场团队。

—《IT经理世界》出版人、总编辑 黎争

甚至我们有更炫的想法，未来有可能消费者一进店，就通过人脸识别系统捕捉到他是谁、之前消费过什么，向他的手机推送他消费过商品的最新信息，比如价格优惠，或者是新产品。甚至他走到收银台时，系统自动识别出：“你好，某先生，这次你消费了500块……”

—上品折扣O2O未来商业体验店项目总监 白雪峰

想象一个场景：一个先生想为女儿购买一件生日礼物，在搜索引擎里输入“给女儿买生日礼物”，会出现什么搜索结果？

现实是，在搜索引擎的推广部分会出现生日礼物网站的主页链接，非推广部分出现大量含有关键词但可能与你的搜索意图有偏差的结果。在这种搜索营销模式中，消费者未必得到最有价值的信息，而企业也未必得到精准的营销效果，相反，由此带来的流量往往跳出率非常高—因为消费者没有找到他真正想要的东西。这一切在CEC时代将发生变化，在对客户的大数据进行搜集和分析的基础上，基于场景、人类语言、非结构性数据，以及意图的搜索能力得到提高，必将出现更加精准的搜索结果。

比如，首先，搜索引擎分析“女儿、买、生日、礼物”几个关键词，再把“女儿”分解为“女性”、“儿童”两个关键词，对于“买”的关键词会与输入搜索词的消费者以往的数据（客户档案）相链接，比如这个消费者一向购买什么价位、什么牌子、什么品类的商品，而“礼物”的关键词则向商品品类扩展……通过这样的过程搜索出来的结果要更加准确，使用者感觉更加个性化和精准的同时，企业完成了更加精准的营销，将更有针对性的商品信息匹配并发送给消费者。

科技与营销的融合将为消费者提供更大的价值。比如，以往邮件营销被归类为垃圾邮件，消费者不堪其扰。而当科技与营销进行深度结合之后，消费者可以获得针对自身特征定制的更加精准的营销信息，不但可以避免不精准邮件营销的骚扰，而且可以获得全新的客户体验。

对于企业来说，科技则提升了营销的效率。大大减少以往盲目营销投入的无效成本。

浅谈大数据与精准营销 第5篇

阳原县人民检察院 侦监科 李素芳（科长）崔力（科员）摘要：近年来，伴随着信息科学的发展和科技革命的爆发，世界逐步迈入了大数据时代，党在十八届五中全会以及国务院也对实施大数据的相关战略等作了具体的部署。如何在大数据运用上因地制宜，不断创新，是新时代下侦查监督工作必须面临的问题。快速适应大数据时代不仅需要检察机关工作人员迅速提升自己的工作能力，还要依靠先进的大数据技术进行分析。因此，侦查监督工作应准确把握这一时代脉搏，将侦查监督工作与大数据运用有机结合来创新侦查监督方式，切实解决侦查监督的实效性等问题，逐步实现侦查监督工作由传统的依靠人力、物力方式向着全面应用大数据分析的方向转变。

关键词：大数据；侦查监督；创新；完善

一、大数据运用的内涵及其对侦查监督工作的影响

（一）大数据运用的内涵及外延

美国国家标准和技术研究院将大数据定义为：“大数据是指其数据量、采集速度，或数据表示限制了使用传统关系型方法进行有效分析的能力，或需要使用重要的水平缩放技术来实现高效处理的数据。1在笔者看来，大数据不但数据规模大、种类多而且其更侧重于对这些海量数据进行分析研判。通过快速地对大量数据的处理分析出其中千丝万缕的关系，进而预测出相应的结果，这就是大数据的价值所在。

延伸来讲，对大数据的运用其实是一种思维模式的转变和一种工作方式的创新。运用大数据云计算处理技术可以瞬时对数据进行分类整合从而对所需的事项进行分析预测，因此借助这一技术可以很大程度上突破侦查监督工作时间空间上的限制，进而能够及时发现、采集、存储数据，综合分析挖掘应用数据，辅助科学决策和有效治理。由此观之，大数据的运用可以对事物的发展进行一定程度的预判，这就意味着做事的方式可以变“被动接受”为“主动出击”，变“事后处理”为“事前准备”，这一工作方式的创新以及思维模式的转变是侦查监督工作运用大数据进行创新的理论基础。

（二）大数据运用对于侦查监督工作的意义

大数据时代的到来给公安的侦查工作带来了巨大的改变与新兴的方式，许多陈年旧案正是凭借着大数据强大的分析能力才得以破解，面对公安机关侦查方式的转变，检察机关的侦查监督工作如果像之前一样开展，势必将于时代脱节，不能做到对侦查工作的监督。1张引、陈敏、廖小飞：《大数据应用的现状及展望》，载《计算机研究与发展》2013年第50 期。侦查监督作为检察机关办理普通刑事案件的第一关，在2防范冤假错案方面具有不可替代的重要作用。大数据技术自身具有的全景式记录功能能够突破目前依赖口供为主的刑事案件侦破模式。在大数据时代中，每个人都将触物留痕，所有的痕迹理论上都可以被大数据来记录、保存，在这种情况下进行监督就可以突破以口供为中心的模式，检察机关在进行侦查监督方式时就能先从大数据提供的物证去验证口供的真实性，实现“由人到案”到“由案到人”的模式转变，而且在这种模式下实现了对侦查机关的全景式监督，既不干涉侦查机关办案还能全面进行监督，可谓一举双得。

二、大数据运用下侦查监督工作的不足

（一）目前侦查监督手段滞后

目前司法实践中侦查监督工作的主要形式一般是对侦查机关移送的书面材料进行审查，这种监督方式明显滞后，仅仅局限在事后监督层面。在笔者看来事后监督具有一定的局限性，首先事后监督单从名字上来看就知道其只是一种末端的阶段性的监督，故具有滞后性和难以把握全局的缺点；其次事后监督监督的内容极为有限，往往都是公安机关移送的书面材料，按照常理来说其不可能自己把侦查过程中违法行为记录在案，就算有其也会尽力掩盖；最后，目前的监督 2苗生明《新时期侦查监督工作特点与定位》:http://newspaper.jcrb.com/html/2013-07/22/content_136948.htm 方式很难掌控全局，检察机关作为法定的法律监督机关却由于信息不畅不能进行全面的监督，势必会导致监督疲软，不能发挥相应的监督效果。

（二）立案监督层面上的不足

目前立案监督有以下两种方式：一是对于公安机关应该立案而不立案的案件，检察机关主动立案监督；二是当事人向检察机关提出公安机关立案的要求，检察机关审核后被动提起立案监督。在第一种情形下检察机关发现违法行为的存在，但公安机关却不立案。在实践中这种情况出现的几率很小，因为检察机关并不直接参与公安机关机关的侦查过程，缺乏对案件的实时知情权；第二种情形在实践面临的情况是使用率低，一是公民对于这一监督程序不甚了解，二是大部分当事人提供的证据缺乏客观性、关联性、合法性，达不到立案监督的标准。目前我市大力推行的“两法衔接”平台建设就是运用大数据进行侦查监督的体现，这在一定程度上扩大了检察机关的知情权，之后还要侧重加强平台的数据分析能力，做到行政执法与刑事司法的无缝链接。针对第二种情况，笔者认为应当用好“微信”之类的社交软件，发挥其法制宣传、便民查询、网络办公等作用。然而在目前刑事立案监督工作中，运用大数据技术实现立案监督质量和效果的突破却显得捉襟见肘。

（三）案件信息共享机制不健全 首先，在笔者看来运用大数据开展侦监工作的关键在于统一的刑事案件信息共享机制建立，就目前的情况来看我国各个地方开展的程度不一，这就难以建立一个统一的标准，而标准的统一又是共享的前提。其次，检察机关在全力推广建立相应共享机制时，并不能得到其他司法机关的大力支持，这就导致这个制度下信心分析处理能力差、共享度低。大数据背景下的其他国家“不论是美国、英国、欧盟，还是俄罗斯、日本、韩国，通过网络平台进行司法公开已经成为实践工作中的常态。许多国家还制定了相关的电子政务法作为制度保障，为实践中的具体操作提供依据。”3由此可见，利用大数据开展侦查监督工作已经成为司法界的工作常态。再次，在行政执法和刑事司法相衔接方面，有关“两法衔接”的规定主要是国务院的行政法规、部门规章和相关部委的联合发文，且多以“意见”形式下发，位阶不高，强制力不够，立法缺位。有些规定可操作性不强，缺乏强制性和约束力，实践中难以贯彻执行，也就是说保障“两法衔接平台”相应的成熟稳定的制度机制并没有建立。4

34高一飞：《网络时代的媒体与司法关系》，中国民主法制出版社2016年版P81.王东海李芳：《刑事立案监督“互联网+”的瓶颈与路径》，载《福建江夏学院学报》2017年第7卷第1期

三、大数据运用下侦查监督工作的创新与完善

（一）转变理念拥抱大数据

古语有云：三分技术，七分数据，得数据者得天下。舍恩伯格在《大数据时代》一书中举了百般例证，都是为了说明一个道理：在大数据时代已经到来的时候要用大数据思维去发掘大数据的潜在价值。大数据已经成为一种世界性的趋势，其可以帮助政府实现市场经济调控、公共卫生安全防范、灾难预警、社会舆论监督；大数据帮助城市预防犯罪，实现智慧交通，提升紧急应急能力等等。在笔者看来，未来大数据会是一种生活方式，检察机关在今后侦查监督工作中应重视运用大数据的思想理念，拥抱大数据，将其放在战略高度进行规划和考虑。

（二）建立统一的刑事案件信息共享平台

在笔者看来，建立统一的刑事案件信息共享平台是未来司法发展的趋势。毫无疑问，司法公开程度将会逐步提高，那么统一的共享平台将会应运而生，这样不仅能够大大节省司法办案资源，而且是实现司法公开的必要手段。我国未来将逐步建立统一的案件信息共享的网络系统和数据库，目前由于种种原因还只是在各个部门内单独的共享共联，将来需要打破这个壁垒来实现真正的共享。这也就意味在之后的司法实践中各部门要逐步积累案件信息共享机制的具体规定和方便可行的操作细则，通过一定时间的积累，渐渐的统一具体事项的操作标准，逐步的将其制度化、书面化、规范化。

另外针对“两法衔接”平台现有的问题，必须通过强有力的手段（如立法）打破部门之间的隔阂，切实保证平台系统与各行政执法机关数据库实时共享共联，这是充分实现行政执法与刑事司法无缝连接的关键。另外为了保证“两法衔接”平台的常态化运行必须加强不断完善平台自身版本的升级更新，保证平台操作的便捷性和使用的实用性。与此同时，我们也不能坡起传统的侦查监督手段，传统的手段有着其独特的优势，偏废任何一种手段都是不完整的，现代方式和传统方式应当并重，充分发挥现代手段便捷性的优势，再辅之以传统手段完善，切实解决平台目前面临的有案难移、有案不移、以罚代刑等问题。完善检察机关与行政执法机关的“两法衔接”信息共享平台，打破行政执法机关的执法信息壁垒，提升检察机关惩治犯罪和法律监督的能力和水平。5

（三）大数据运用下公民隐私权的保护

大数据由于自身具有的容量大种类多特征以及其预测作用和全景式记录作用的存在，在大数据的运用过程难免会对公民个人隐私造成一种潜在的侵害，因此，必须对大数据 5蓝向东：《互联网+”时代检察机关的司法公信力建设》，载《人民检察》2016年第35期。的规范化运用进行相应的规定，用以隐私权的保护与侦查监督工作的开展之间取得平衡。

科学技术是一把双刃剑。运用大数据技术能够为侦查监督工作提供良好的便利条件，不但能够对公安机关的侦查工作进行实时监督，而且通过其强大的分析处理技术能够对指定的事项进行相应的预测和预警。当然，由于大数据会记录所有的数据，在这些数据中不可避免会有一些涉及到公民个人隐私，并且大数据技术还会对这些数据进行演绎进而预测出许多具体的事项。在笔者看来，随着大数据技术的成熟，身处大数据之下的我们是毫无隐私可言的，因此，对于侦查监督过程中运用大数据必须制定严格的权限审批以及相应的技术保护规范。在侦查监督活动中，应当规定相关的检察工作人员必须在规定的地方实用且应当签署相应的保密协议，在切实做好监督本职工作的同时绝不滥用权力。

四、结语

浅谈大数据感想 第6篇

一、不是随机样本，而是全体数据；

二、不是精确性，而是混杂性；

三、不是因果关系，而是相关关系。

对于第一点，作者是认为小数据通过抽样能够获得更多信息，但随着各种类型数据的不断增多，海量的数据通过抽样去获取信息就没有意义了。我觉得作者不能太过度强调全面数据，因为它毕竟有很多的条件限制，比如是否有能达到的技术支持，是否经济，是否合理，所以并不能一味地追求全面数据所带来的完整信息，至少我认为就现在大部分的数据调查来看，有的时候还是合适才是最好的。还有一点就是我们在收集、分析全面数据的时候也在不断产生新的数据，怎么证明这些新数据不是我们需要的全面数据中的一部分呢。

对于第二点，作者说允许不精确的出现成为了一个亮点，说得来就跟以前我们收集分析都非常精确一样，其实在统计中提到的置信区间、显著性水平这些限制就是一种容错率的概念，也就是说我们一直都是允许不精确的。

第三点其实在讲大数据带来的一个巨大的颠覆在于，人们可以利用数据的相关性直接做出决策而不用拘泥于背后的原因。例如沃尔玛通过调查知道“飓风的时候草莓味蛋挞卖得好”，但是我们根本不知道原因到底是为什么，其实我们也不需要知道，沃尔玛要做的仅仅是在飓风的时候增加草莓蛋挞的库存并且把它摆到显眼的位置就可以了。所以利用大数据我们可以做出很多这样的精明决策，但是数据也逐渐在代替了人做决策，我觉得人类的思想被彻底挑战了。我认为机器对于数据的分析体现相关关系，而因果关系则大部分来自于人为的想法，作者在书中前面部分说到“真正的革命并不在于分析数据的机器，而在于数据本身和我们如何运用数据”，所以重点是人类的思想和人类的运用。我觉得这一点上作者讲得有点前后矛盾。这么多年来，人类一直都在靠因果关系来理解和审视世界，而且事实也证明这没错，其实一旦有人的思维在就是不可能避免因果关系的出现，我觉得如果太强调相关关系就少了点人文情怀了。