基于新数据的营销论文

基于新数据的营销论文（精选12篇）

基于新数据的营销论文 第1篇

所谓数字营销, 就是指借助于互联网络、电脑通信技术和数字交互式媒体来实现营销目标的一种营销方式。这种营销方式充分发挥了现代通讯技术的巨大作用, 把营销的全过程都置于现代通讯技术和计算机技术的掌控之下, 让企业的神经遍布产品营销的每个角落, 让企业营销的每一个终端都布满产品营销的传感器, 从而改变企业和营销之间的信息不对称状态, 实现每件商品销售的可统计, 市场变化的可预知, 从而达到用营销数字来指导企业的生产, 用营销数字来指导营销策略的制定和实施, 既实现企业在市场经济中商战中实现的“知己知彼, 百战不殆”的良好态势。

数字营销具有许多前所未有的竞争优势:能够将产品说明、促销、客户意见调查、广告、公共关系、客户服务等各种营销活动整合在一起, 进行一对一的沟通, 真正达到营销组合所追求的综合效果。这些营销活动不受时间与地域的限制, 综合文字、声音、影像、网片及视听、用动态或静态的方式展现、并能轻易迅速地更新资料, 同时消费者也可重复地上线浏览查询。综合这些功能、相当于创造了无数的经销商与业务代表。

戴尔模式是数字营销成功的典范。戴尔模式的成功之道并不在于一个简单的直销, 成功的根本在于低成本, 高效率的营销和生产管理, 就是说戴尔成功的根本是最小的生产库存, 最快的资金周转, 个性化的甚至一对一的产品营销, 这些都是数字营销所要实现的目标, 戴尔成功之道直销只是一个外在的表象, 数字营销式的生产管理才是其成功的根本所在。

目前, 越来越多的企业加入到数字营销的队伍中来。2009年, 全球饮料巨头百事可乐终止了与“NFL总决赛”超级碗杯长达23年的合作, 转而将这笔广告费用于以数字营销为主的新营销方式。无独有偶, 2011年, 全球汽车巨头通用汽车宣布削减1000万美元的网络硬广投放, 但同步却在与粉丝们互动的数字营销活动上增加了3000万美金的投放。

基于数据库的精准互动营销 第2篇

基于数据库而进行的精准营销是什么呢？数据库又是什么？个人认为数据库它就是一套涵盖了用户或顾客，且可以随时更新的动态数据管理系统。简单来说就是一个收集和积累会员（用户或消费者）信息的文档。经营的核心是挖掘有价值的数据。如何经营好这些数据？如何与有价值的用户产生互动？这将是数据库营销的核心和难点之一！

那么关联到营销上讲，目前基本的应用为分析筛选后针对性的使用电子邮件、短信、电话、信件等方式进行客户深度挖掘与关系维护。或者是以与顾客建立一对一的互动沟通关系为目标，并依赖庞大的顾客信息库进行长期促销活动的一种全新的销售手段。注意，目前的应用是沟通关系和客户维护，进行的促销也是针对数据库人员的信息传输，而没有进行真正的产品直接供需。

同时我们说精准，那么不得不说细分，最早的时候大家是用统计学的一些方法，比如说对于地域的判断、年龄的判断、心理的判断开始对于人群的细分。之后，渐渐地引入了经济学的方法，就是纳入了职业、教育背景、收入等等这些因素来对于人群做一个细分。这些方法到目前来讲，都被广泛的应用，同时做到了很好的精准性的作用。就是不管用什么样的方法把人群找来了，到底有多少人、对应某一个品牌的受众是多少？这是基于数据库的互动营销的一大难点。

第三个是互动，既然可以把人群根据他的特征、特性做一个细分，这对于任何一个细分人群，这也是带有特殊性比较细分的人群，怎么样找到一个对于这些人群一个最能够接受的方式，这对于任何一个准备做互动营销的挑战。第一，他觉得没意思，或者是这是十几岁孩子做的事情，或者是不符合他的生活价值观，就算他勉勉强强会参与，这也不是广告商所要达到的效果。

就是四个阶段，就是认知、参与、认同、行动。

基于以上的简短叙述，我得出的简单经营思路是：

首先积聚这些有逻辑化的生活方式，并且有非常强的消费能力的都市的精英群体。这群人他们对于生活质量和他们的社交圈，还有他们的人脉关系。那么通过**刊和青年企业家俱乐部这两个平台，把他们从城市的各个角落聚集起来！同

时采用了一个严格准入制度来核定数据库的信息，这样的模式有助于我们建立一个非常具有高信任度、非常有高质量的社交的环境和社交的平台。

然后是说到我们的精准，如何向广告主或者是合作商证明，针对他们的产品，我们精准的受众比例是多少？我们可以告诉他们看了你广告的这些人里面，有多少是满足你的种种条件的，有多少人是符合你的受众，同时有多少人买了你的产品。再深入挖掘，我们可以做到对于合作商家的产品产生响应的人，邀请他们做一些反馈，做一些调研的工作，这样也是可以更好地帮助品牌商更加地了解他们的用户是怎么想的。

之后说到互动，我们在线上也进行互动，线下做会员的活动，我们有DM，我们有企业家俱乐部，我们有协会组织，同时联合豫商卡或其他有影响力的会员卡系，进行服务植入。

这个时候，我们就可以传播他们这群人最关心，他们认为最有价值的资讯和产品了。

我们的口径

精准营销是什么？

对商家群体：基于数据库的精准互动营销，它是经过严格的准入制度，建立的动态信息管理系统，通过系统内会员的需求提交，进行购买意愿和购买力的区隔，最终完成产品定制和产品配送的过程！它真正做到个人化、区隔能力、实时性的营销方式，它可以针对不同需求和特性，直接将最适合的信息传送给最需要的人，并通过俱乐部及杂志的互动方式传达给目标人群！最明显的特点是知晓需求后的信息释放，真正做到一对一的有需有供，传播更有效率，效果更明显！

对目标群体：“牛B”是为注重生活品质、具有高尚生活方式、对社交人脉和朋友伴侣有更高要求的人士专门建立的一对一精准服务社区。我们的会员有着相近的生活背景、生活理念，以及兴趣爱好。在这个独有的平台上结识新的朋友、拓展人脉、与老朋友分享品质生活，与志同道合的人交流，约会，并一起参加各种派对、时尚活动，并且我们为您提供购买需求上的高品质服务。“牛B”只能通过邀请方式加入, 这样可以更好地确保真实、可信的交流。

它的优势是什么？

对商家群体：在我们所处的市场上，各个品牌和产品的同质化特征越来越明显，消费者的选择意愿也越来越置后，而我们的产品和品牌都需要建立在公众的需求之上。那么，如何在第一时间抓住消费者的需求和意愿，并经营他们对品牌的感受就是我们最应该做的！而这需要我们去建立一个为品牌与消费者之间的专属认知感知管道，并且在承馈消费者需求的时候，给予一个完美的服务！

对目标群体：怎样才能在第一时间获取潮流和意愿购物资讯？怎么才能将众多商家所售商品在同一时间同一平台进行比较？怎样的方式不必担心买贵买亏买假？想解决这些问题，那么从你身边朋友那里获取“牛B”人邀请卡吧。我们即刻为您提供专享服务！

实现精准互动营销的关键因素？

第一、由多种方式组合的整合传播会极大增强推广效果。新颖的创意构思、精美统一的设计、以客户为中心的悉心操作，都给客户留下深刻印象，吸引了众多客户反馈。

第二、准确的数据是项目高效运行的基础。

第三、产品诉求与传播对象“痛点”的把握。

第四、数据库营销成为整合传播的支撑。

在**刊数据库里，我们的分析——

我们认为，数据库营销的目的主要有三个方面：客户开发、客户保留和客户价值的最大化。在郑周刊，就体现在发展更多的订阅读者、保持高的续订率、提供附加服务来获得更大收益。这一切，都需要精确的目标客户分析作为基础。

该杂志的目标读者是大中型企业和事业机构的中高层管理者及部分综合管理人士，其他读者如普通职员、学生等并不被看重。

因此，我们首先需要分析潜在的读者分布并且确定目标读者群。这个目标读者群既要符合业务的要求，还需要考虑到实际的可操作性。也就是说读者的数据库可以建立，读者数据也有较大可能收集到。我们通过数据库的查询和分析，初步确定了以**为主的10000个企业中高层管理人士为目标读者。目前，推广项目主要以直邮宣传和直接赠阅推广为主。

我们的操作流程？

完善的数据库有功能----征集需求-------谈合作商家产品----实物配送----收取费用-----售后跟进------兴趣调查-----资讯补充-----

注：为了进一步详细了解数据库营销的具体操作方式，在整个环节中最具有关键作用的是电话营销中心。

经调查：我们认为，电话营销是企业整体营销规划的一个重要组成部分。比如：汽车行业多种营销活动，如对车主的回访、试驾活动前期目标客户的邀请、对潜在客户的新车推广、市场调研等等。

电话营销有什么优点呢？

第一、互动性。电话访问过程中的交流是双向的，电话营销代表可以及时了解受访对象的看法，得到反馈；同时，受访对象也可以及时了解更多他想知道的相关内容。

第二、成功率高。通常情况下，直邮的反馈率大约在0.1％～3％，而电话营销的反馈率大约是30%～50％。

那么如何成为“牛B”会员？

每个得到我们认证的会员，可以邀请一定数量的朋友加入“牛B”，您可以询问身边的朋友来得到邀请。您也可以留意我们在合作商场、会所和青年企业家俱乐部的活动。

大数据：营销新王牌 第3篇

用“朋友圈”改变世界

随着大数据时代的到来，通过微信让网上消费者留下数据，直接精准捕获高价值用户的营销方式，正在被越来越多开发商运用。

“无须到达售楼部，无须为了选房所必须面对的人山人海，只要详细了解项目信息之后，就可通过微信平台进行认筹、选房，完成整个购房手续。”这是绿地集团近期推出的“微信卖房”功能。绿地集团选择微信卖房，是因为绿地集团在数据挖掘分析过程中，发现购房者和目标用户的年龄段已经在逐步下降。特别是到了今年，他们会发现无论是项目网页的数据表现，还是通过用户的资料，以及接待看房团的这些实际接触到的用户，80后的用户甚至90后的用户已经成为了市场的主流，他们有一个共同的特点，就是大部分使用在智能手机或者是使用移动互联网的服务，他们在使用智能手机的过程中，这种沟通、互动的服务会远远的超过在PC时代的互动性。所以，绿地集团才适时推出了基于微信平台的在帮助用户选房、看房的互动服务。

面对大数据带来的新的、更精准的营销方式，远洋地产也相当关注。远洋万和公馆营销总监牛牧远接受本刊记者采访时介绍，远洋对收集的数据也进行了很多的分析，发现数据背后有很多含义，每个数字里面都是一个故事，而且每个数字之间都有很强的关联性。

牛牧远认为，大数据时代的房地产营销更需要新媒体营销。“经过我们分析：楼盘购买者的年龄，基本上集中在30-45岁，而这个年龄段的人，恰是微博和微信等新媒体的用户。楼盘的推广，其实就是客户关注力的推广，客户原来的关注力放在纸媒、户外、电梯广告等，现在都转移到了手机上，我们要分析，在移动互联网时代，怎么能够将我们的楼盘信息，从传统的推广上做一些调整和补充，从而占领新的市场。所以，微博和微信等移动新媒体的营销也成了必要的方式。”如今，远洋万和公馆的微博和微信营销都做得红红火火。

除了开发商开始把微信当成营销工具并得到了实实在在的效益外，很多销售员也“闻”到了其中的机遇。

“完全依靠微信朋友圈，就卖了3～4套房子，签约量超过300万元。如果算上依靠微信营销影响力卖掉的房子，今年的签约量至少超过1000万元。”碧桂园·凤凰城的销售员吴少泽介绍说，和线下销售不同的是，微信上买房的人更接近当下最中坚的消费层。“甚至有的客户没来过现场，是直接就在微信上看房子定下的。”

吴少泽说，他的微信客户中囊括了20-40岁的买房人：最活跃的其实是30多岁的购房者，他们对有关房屋的保值问题、增值和各种利好消息特别关注，互动也多，买得房子面积也大。相反，以为最活跃的20多岁购房者则比较“淡定”：他们通常觉得房子外立面好看，品牌好环境好就买了，买完之后也不大关心，很少关注项目后期的信息。“我有一个客户，从来没来过现场，直接通过微信就买了房子。”吴少泽说，有位客户在别人的介绍之下，主动在微信上加了他。“因为不是本地人，他让我把资料、沙盘、户型图、样板间都拍了照片给他，我还进入工地和小区拍视频传给他，让他能够不来现场也能看到房子。结果，他看完后居然就往我卡上打了定金，定了一套三居室。”

“公司每个楼盘项目都必须有微博和微信公众账号；每个员工必须开通微博和微信，对公司楼盘项目所发的微博、微信公众账号的内容，每天必须选择一条进行转发和评论；销售人员必须要询问客户是否有微博和微信，如果有就争取互粉，并将客户微信、微博与手机号一起提交公司备份；公司各个楼盘微博和微信公众账号，每周要互相推荐一下其他的楼盘……”一位房产公司营销总监如此要求销售员。当前，中国已经拥有近6亿个微信用户，涵盖各个年龄层各个地区各个行业。微信和房地产的深度结合，被很多业内人士看好。

此外，消费者在使用门户网站时需面对海量信息，容易错失重要信息。而在使用微信时，消费者可以自主选择想要浏览的信息，这保证了信息传播的有效性。房地产营销关键是精准，微信用户群偏向中高端，这正是开发商需要的。借助微信创建的用户黏性和信赖度，让房地产营销效率得到质的提升。

嗅觉灵敏的大数据营销

在现代企业的竞争中，企业决策应当更加依靠于数据而不是经验，大数据蕴藏着大量有关客户行为和业务运营等重要信息，能帮助企业做出更加正确的决策，更精准地找到用户，降低营销成本。

时代发展至今，人们对于大数据已不再陌生，很多企业也正努力推进大数据的商业应用。不管是搜索引擎营销，还是其他社会化营销，大数据引发的不仅仅是思维、观念、方法的变革，更主要的是对企业与用户间信息不对称的革命。过去，信息悉数掌握在企业手中，企业说了算，所以能“以产品为导向”企业生产什么，客户就买什么；而大数据时代，企业信息垄断被打破，过度冗杂繁复的信息又造成了另一种“信息鸿沟”。不同的是，这一次，主动权掌握在消费者手里。由此，企业在营销时必须转变成“以客户为导向”，这时谁能迅速有效地找到用户、理解用户、服务用户，谁就占得了先机和商机，而这种分析、预判和洞悉就是大数据营销。

随着新媒体的不断兴起与发展，消费者接受信息的渠道也越来越多元化，也学会了如何分辨有利信息，这样也更加要求企业在宣传渠道上的独特新颖以及宣传方式的推陈出新。

在传统的房地产营销中，经常有“来不来看环境，买不买看户型，定不定看价格”的说法，户型是体验式的，不是传统的广告能够让客户感受到的。而新媒体营销，能够将户型从一张纸跃然变成3D形式，活灵活现地展现在手机中。同时，新媒体营销还可以配合商家的线下活动，可以通过微博、微信、话题等营销方式，吸引客户，通过大数据营销将楼盘的产品品质、区域价值，更好地传播给客户。在大家热衷的传统房地产推介会上，还可以运用许多新媒体技术，将楼盘更加立体、形象的展现给客户。例如，现在运用较多的售楼神器包括：电子沙盘、360全景互动、AR实景技术等，其特点就是通过实景视频、图像、动静态混合，实现视觉传达的完整性、沉浸感，而其创新的时空感和互动性是任何现有视觉媒体所不能企及的。

“每一个行业的营销都离不开数据分析，房地产营销也是如此，楼盘的推广，其实就是客户关注力的推广。客户原来的关注力放在纸媒、户外、电梯广告等，现在都转移到了手机上，我们要分析在移动互联网时代，怎么能够将我们的楼盘信息从传统的推广上做一些调整和补充，从而占领新的市场。所以，微博和微信等移动新媒体的营销也成了必要的方式。”房地产营销专家陈真诚认为，随着大数据和新媒体的不断兴起与发展，消费者接受信息的渠道越来越多元化，也学会了如何分辨有利信息，这样更加要求企业在宣传渠道上的独特新颖以及宣传方式的推陈出新。

他同时指出，移动互联正在重新定义我们的生活方式和习惯，各种意想不到的事情还有很多，对于房地产行业同样也是。买房者、开发商都在悄然发生着重大的变化。现在移动互联网为房企提供了海量的数据来源，根据来自不同平台的数据进一步挖掘和分析，找到这些数据相对应的人群，以此展开个性化的营销服务，从而助力房企深挖市场潜在需求，精准定位目标消费群体，将是未来房企的营销的一大趋势。

精准营销“动”起来

兴起于近两年的大数据概念，正变得越来越受到关注，而利用大数据实现价值营销也吸引着无数房企的参与。美国市场研究公司指出，从2013年到2018年，全球大数据市场将会出现年均26%的增长率，即从今年的148.7亿美元增长到2018年的463.4亿美元。尽管目前国内对大数据还尚未形成较为公开的定论，但是利用大数据进行精准营销则正变得越来越现实和具有可操作价值。知名房地产企业已快人一步，较早涉足其中。研究者分析指出，精准营销或将成为大数据时代的首个突破口。

作为国内知名的品牌房地产营销机构黑弧奥美，从去年开始发力大数据营销，让房企获得了更理想的营销效果。黑弧奥美房地产整合行销传播集团副总经理刘洋向本刊记者介绍，黑弧奥美提供的传播服务，需要应对营销需求，也同样处在市场营销手段变化的大潮中。近年来，随着大数据和移动互联的兴起，黑弧奥美就开始专注通过不同的手段迎合新的传播方式，让传播更加有效和精准。黑弧奥美的很多客户，也逐渐从搭建品牌网站、项目网站的传统互联网形式过渡到开设微博、微信进行更有效的宣传和营销活动，并从而启动客户管理与经营，通过分类跟踪到访客户，达成更加有效营销的尝试。现在，开发商对传播服务的需求也日趋复杂，提高了传播与营销之间紧密关系的需求。黑弧奥美也在顺应这种需求的改变，尝试以营销的思维帮助客户更好地落地从传播到营销的管理，及扩大与之相关产品，与延伸服务。

接受本刊记者采访时刘洋表示，大数据时代并非指拥有更多精准客户名单，而这正好是大部分企业所理解的大数据时代。通过大数据分析，是受众在接触传播到购买转化中通过数据分析更好地预测并引导客户尽量靠近转化。这是个狭义的理解，大数据时代更代表了互联网飞速发展的时代，信息更加快速地被传播。大数据时代，黑弧奥美比以往能更好地发现最好的接触时间和地点、沟通方式，将价格与消费者更好地匹配，以及提供更恰当的服务。借由互联网手段，在移动互联网时代，更能够贴近和引导客户促成转化是所有企业营销面对的课题。

大数据时代，“盲人摸象”般广撒网低回报的时代一去不复返，资源的有效集成与精准专业的分析有利于实现从粗放式营销到精准营销的转变，进而产生实实在在的利润与经济效益。与此同时，房产电商的运作模式亦趋向成熟。以线上线下的推广和渠道服务模式（○2○模式），通过优惠折扣的链条传导，令包括购房者、中介公司、开发商等在内的多方得利。而房多多电商平台、楼市传媒开发的卖房邦等平台尽管入驻时间不长，但已有不错的表现。

北京互联易房总经理王小虎表示，移动电子营销的基础在于对全民大数据的整合，以卖房邦为例，通过优惠券的下载及可观佣金的支付，吸引大量的经纪人向购房需求者通过朋友圈传播楼盘信息，然后通过对这些碎片信息整合，建立基数奇高的资源数据库，进而实现有切实购房需求的人和房产项目之间的匹配，而具体的模式与平台的整合显然令这样的集成更加客观有效。

基于新数据的营销论文 第4篇

关键词：数据仓库,电力市场,营销决策分析,OLAP分析

1、引言

1.1 数据仓库概论

随着人们对大型数据系统研究、管理、维护等方面的深刻识认和不断完善, 在总结、丰富、集中多行企业信息的经验之后, 为数据仓库给出了更为精确的定义, 即“数据仓库是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合”。

1.1.1 数据仓库特点

(1) 面向主题; (2) 集成的; (3) 相对稳定的; (4) 反映历史变化。

1.1.2 数据仓库体系结构

数据仓库总体来说可分为四个层次:数据源、数据准备区、数据仓库和数据集市、数据访问和分析。

1.1.3 数据仓库工具集

数据仓库工具一般包括如下内容: (1) 数据仓库管理工具; (2) 元数据管理工具; (3) 数据集市管理工具; (4) ETL。

1.1.4 数据仓库的数据处理

在技术上人们习惯于从工作过程等方面来分析, 并按其关键技术部份分为数据的抽取、存储与管理以及数据的表现等三个基本方面。

1.2 数据仓库与决策分析系统

基于数据仓库的决策支持系统 (DSS) 系统以数据仓库 (Data W arehouse) 技术为基础, 以联机分析处理 (OLAP) 和数据采掘 (Data Mining) 工具为手段进行实施的一整套解决方案。

1.3 数据仓库与OLAP

数据仓库是一个包含企业历史数据的大规模数据库, 这些历史数据主要用于对企业的经营决策提供分析和支持。而OLAP技术则是利用数据仓库中的数据进行联机分析, 它利用多维数据集和数据聚集技术对数据仓库中的数据进行组织和汇总, 用联机分析和可视化工具对这些数据迅速进行评价, 将复杂的分析查询结果快速地返回用户, 此可以看出, 数据仓库侧重于存储和管理面向决策主题的数据, 而OLAP主要是进行多维数据分析, 这与数据仓库的多维数据组织正好形成相互结合、相互补充的关系。因此, OLAP技术与数据仓库的结合可以较好地解决传统决策分析系统既需要处理大量数据又需要进行大量数值计算的问题, 进而满足决策分析或多维环境特定的查询和报表需求。

2、电力营销分析系统的设计

2.1 系统需求分析

2.1.1 电力营销分析

现代市场营销观念要求企业以顾客为导向做好市场营销分析工作。电力营销分析工作可以定义为:用电营销部门围绕公司经营目标, 关注营销市场变化, 对报告期用电营销工作的全面分析, 是企业经济活动分析的重要组成部分。开展这项工作, 有利于实事求是地总结营销成果, 客观分析存在问题, 有针对性地提出措施和建议, 是提高公司经济效益、实现公司经营目标的重要手段。

2.1.2 系统需求描述

基于数据仓库技术的电力营销决策支持系统的需求分析方式有两种:一是对原有信息系统的固定报表进行分析;二是对业务人员进行访谈。数据仓库建设中仅仅替代目前的手工报表还是不够的, 还应该通过业务访谈, 进一步挖掘出日常工作中潜在的更广、更深的分析需求。只有这样, 才能真正了解系统所需的主题划分, 通过分析归纳出电力营销决策支持系统决策分析主题。

2.1.3 系统功能设计

整个系统核心分成两大块功能:营销分析预测、营销辅助监管, 主要对营销预测分析进行深入分析。营销分析预测营销主题分析包括售电量、售电单价、优惠电价、电费回收、行业用电、客户发展等主题分析。

2.2 数据仓库的设计

数据库表格的建立。整个营销分析表格包括客户表, 客户名表, 城市表, 电压等级等。

(1) 客户表。客户表如表1所示。

(2) 客户名表。

(3) 城市表。

(4) 电压等级表。

(5) 缴费方式表。

(6) 时间表。

(7) 售电分类表。

3、OLAP的设计实现

3.1 创建OLAP立方

3.1.1 定义数据源

在第二章中已经提到了数据库表格的建立, 这里创建的数据库名称为“电力营销”, 首先是定义数据源。将现有的数据源添加到Analysis Services中去。

3.1.2 定义数据视图

数据源提供与数据库的简单连接, 但更多高级功能, 如缓存元数据、添加关系、创建计算和设置逻辑键等还需要使用数据源视图来完成。为了对多维数据集进行这些高级操作, 这一步定义数据源视图。

3.1.3 生成多维数据集

这一步在上面创建的数据源视图的基础上生成多维数据集, 多维数据集是进行OLAP联机分析处理的关键性的步骤。如果在选取事实表和维度表中发生错误, 将会产生很严重的错误结果。可以反映出, 事实表是客户表, 其他的都是维度表。其他维度都不需要单独设置, 唯一需要单独设置的是时间维度。然后建立出新的多维数据集。然后进行上述一系列的处理之后, 这样整个多维数据集就完成建立了。整个数据集结构如图1所示。黄色标记为事实表, 蓝色标记为维度表。

3.2 创建报表

报表可以使用完全自定义的方式来创建。选择合适的维度, 然后进行维度分析。选择合适的页面显示就能得到报表了。

4、结语

该数据仓库能对大量各个电力MIS子系统的历史数据以及外部数据进行提取和分析, 为管理决策提供有价值的依据。能很好地解决多数据源问题, 数据的不一致等问题。基于数据仓库技术的电力营销决策支持系统通过向用户提供灵活报表、随机查询、OLAP (在线分析处理) 和数据挖掘的功能, 最终帮助用户从数据中发现规律, 预测发展趋势, 并且辅助用户做出正确的决策, 指导组织的发展。

参考文献

[1]W.H.数据仓库[M].第3版, 北京:机械工业出版社, 2003.20～150.

[2]沈兆阳.SQL Server 2000 OLAP解决方案——数据仓库与Analy-sis Services[M].北京:清华大学出版社, 2001.9.10～235.

[3]朱德利.SQL Server 2005数据挖掘与商业智能完全解决方案[M].北京:电子工业出版社, 2007.7.5～100.

[4]马鲁晋, 李涛.电力营销分析决策系统设计与应用[M].北京:中国电力出版社, 2005.7.

基于新数据的营销论文 第5篇

以大数据资源为依托，建立以数据分析为驱动的、包括方案策划、目标客户选取、营销事件捕捉、商机把握、营销匹配、多波次营销、渠道执行与效果评估等环节在内的微营销框架等，图1为相应的应用基础架构图。

2.2客户事件感知

构建事件处理域，通过对数据源采集，及时的规则库匹配，内存数据库及流计算技术的引入等，以实时模式，识别客户事件，保障及时准确的触发营销活动。事件处理中心以实时与非实时两种方式对事件源数据进行采集，通过预先预定义的事件规则，从事件数据源获取数据后，进行事件标准化处理，并反馈给营销管理模块的事件策略解析引擎进行解析，从而支撑事件营销工作，支持业务办理、业务使用、自助系统接触、周期性事件、互联网使用、位置行踪、电子渠道、社会事件、热线接触事件、周期性事件等10大类50个小类的事件采集处理能力：（1）业务办理：指用户进行公司业务办理以及办理之后的衍生信息所触发的一系列事件，如终端换机、捆绑到期、流量套餐升级、用户缴费等；（2）业务使用：指用户对于公司提供业务服务的使用（不包括互联网内容）所触发的一系列事件，如语音通话、短彩信发送、流量消耗以及由此带来的相应费用波动等；（3）自助系统接触：指用户对于非网厅的自助业务系统的访问使用，包括营业厅叫号机、自助终端的使用等；（4）周期业务事件：指公司周期性固化进行，非用户主动发起的业务操作，如日月帐出账、管理性质的停机操作等；（5）互联网使用：指用户进行互联网访问，由其访问内容所触发的一系列事件，自有内容如手机游戏、手机视频、门户网站的访问和使用，公共内容如各类内容网站的搜索及访问、各类内容应用程序的使用等；（6）位置行踪：指用户的行踪轨迹涉足城市乡镇的各种生活行为区域，或者公司业务区域所触发的事件，如进入生活区、进入医疗区、进入营业厅等；（7）社会事件：指具有广泛社会性质的，较为普遍的共性事件，如节假日、演唱会或流行节目演出等。（8）用户事件：指用户终端行为所产生的事件，如用户开/关机、用户拒接、用户被叫无法接通、用户被叫无人接听、用户正在通话中等。（9）电子渠道访问：指用户访问电子渠道（网厅、手机营业厅APP、掌厅WAP等）所产生的行为，如登陆、访问URL，搜索关键词等。（10）实体渠道接触事件：指用户当到达自营厅、社会渠道等实体渠道进行缴费、业务办理等。

2.3客户标签体系

客户标签以客户的资料、行为、偏好分析结果为基础，直观描述客户的基本特征其偏好情况，为4G发展、家宽营销、存量经营、流量经营等重点应用提供客户层面的信息支撑。为方便对客户标签进行检索和应用，客户标签库对标签进行分类管理。标签体系中包括两级分类：一级分类从基础属性、业务特征、消费价值特征、营销活动偏好、终端偏好、渠道偏好、互联网内容偏好、增值业务数字内容偏好、服务偏好等方面考虑，一级分类下设二级或更多级的分类。有效掌握和利用客户标签，不仅能够全面掌握客户移动生活特征，感知客户的行为变化，实时或非实时地执行运营动作和营销生产动作，以支持市场工作开展，还能支撑商业模式的拓展，面向未来探索和开辟新市场。

2.4渠道运营位集中管理

营销渠道是最终向客户展示营销内容的媒介载体，包括手机营业厅、APP类渠道（包括自建和他建APP）、公众号、10086外呼、CRM、短厅、电话经理、网厅、飞信、WAPpush等沟通渠道，不同渠道还需要细化具体运营位。手机营业厅：对手机营业厅用户提供个性化推荐功能，并在手机营业厅上完成业务办理操作。具体展位可包括首页条幅、首页楼层、热销页等运营位。APP类渠道：对APP用户提供个性化推荐功能，并提供业务办理的.跳转功能。具体展位可包括首页条幅、首页楼层、热销页等运营位。微信：对中国移动官方公众号用户提供个性化推荐功能，自建的公众号还需要提供业务办理功能，他建的公众号提供业务办理的跳转功能。具体展位可包括消息推送、菜单页面等运营位。10086外呼：对10086外呼用户提供个性化推荐功能，记录并返回用户接通、推荐反馈、业务办理等信息。

2.5线上营销多维度的营销评估能力

营销一方面需要优化推荐方式，另一方面也要对推荐的过程和后期的效果进行跟踪，以便对推荐策略进行优化，提高推荐的成功率。微营销平台通过建立端到端的用户体验分析系统，整合渠道插码数据和CRM、BOSS数据，实现全渠道营销效果分析，通过对用户端到端体验的分析和最终销售结果的监控跟踪，准确获取推荐的效果，分析推荐过程的不足，起到推荐策略优化的作用。在全方位多维度营销效果评估方面，营销效果评估通过从产品、渠道、地域、人员等维度对营销活动进行分析，综合插码技术获得的数据及BOSS、CRM业务订购、话单、账单数据，对各渠道开展的实时和非实时营销的活动效果进行评估。评估内容包含营销活动总体情况评估、营销接触评估、转化率评估、活动效益评估、参与客户群跟踪评估等内容。活动总体评估：从多个维度（渠道类型、流量来源、地域、运营位以及客户属性等维度）对营活动的总体执行情况进行评估。如：营销用户数、响应客户数、响应率、目标达成率、活动渗透率、活动情况对比等指标。活动效益评估：从活动投入的营销资源成本（话费补贴成本、终端补贴成本、广告宣传费、电子券、积分等）与活动收益进行评估。参与客户群跟踪评估：对目标客户群进行营销前后关键指标的跟踪，通过对比分析营销效果情况。如：营销目标（业务KPI）完成对比分析、传统推荐营销方式和互联网主动推荐营销方式效果对比分析等。营销反馈信息包括：是否接触、是否响应、是否办理等。是否接触：营销信息是否发送给客户。是否响应：用户是否回复短信或者点击推荐链接。是否办理：是否订购推荐产品。各省可根据需求丰富反馈信息数据源，如是否感兴趣、建议和意见等。

3结语

基于大数据分析的市场营销运营体系，在实际的应用中，提高了互联网背景下企业服务营销管理的主动性，精确性和互动性，有效地促进了整体市场目标的达成。同时，在微营销体系的建设和应用过程中，公司注重从理念、平台、机制、运营等各方面进行创新，提升了企业创新能力、团队合作能力、资源整合能力及企业员工的职业素养，营造了良好的市场营销氛围。接下来，将面向全省的所有地市分公司，推广与应用该市场营销体系。

参考文献：

[1]廖娅妮.华为公司市场营销战略研究[D].西南交通大学,.

[2]官思发,孟玺,李宗洁,刘扬.大数据分析研究现状、问题与对策[J].情报杂志,(5).

基于新数据的营销论文 第6篇

赵斌：2015年前三季度传统媒体广告花费同比出现下降传统媒体花费7155.2亿元，其中电视媒体仍然是绝对主力，电台、报纸和杂志广告花费占比很小，而互联网广告（不包含搜索类）前三季度花费318.7亿元，同比增长21.2%，增速明显。

《综艺报》：2015年中国电视广告市场整体大盘预计会达到多少？相比2014、2013变化如何？

赵斌：广告主预算向电视及网络优质内容营销、程序化购买等传播方式转移硬广投放增长放缓，昌荣预测2015年中国广告市场硬广增幅将在3%左右，相比201&年的6.6%和2013年的12.5%有所下降。电视硬广增幅将更加缓慢，从数据看，2015年前三季度相较于201&年前三季度同比下降2.31%，在第四季度虽然有众多重磅综艺节目和电视剧会对电视硬广投放有所拉升，但总体趋势不容乐观，昌荣预测2015年电视硬广投放与去年持平。

《综艺报》：为什么新媒体广告在2015年增幅加大？广告投放分布上有哪些特点？

赵斌：广告传播思维转变、硬广效果减弱等多方面原因导致电视广告整体增长缓慢。2015年前三季度，电视硬广处低迷状态广告主在软广上的投入大增，现象级综艺节目成为当下引领中国电视市场的主力军，稀缺的优质资源成为网络电商、日化、食品饮料等行业广告主传播主阵地。家电和金融行业也逐渐开始布局综艺营销。从综艺节目类型看，真人秀、互动娱乐节目更受广告主青睐。

大量网络自制综艺和自制剧的火爆，使得广告主重新规划各媒体的广告花费。主流门户网站和视频网站是广告主投放首选，视频贴片取代横幅广告成为2015年前三季度互联网广告花费最多的广告形式，微博广告花费增幅较大，社交媒体在未来将会被广告主更广泛地使用。

《综艺报》：今年哪些行业广告投放热情较高？

赵斌：食品、饮料、日化、交通行业广告投放领跑。从传统媒体来看，药品投放增量大，网络服务和房地产行业的网络广告投放排名靠前。媒体选择上，不同行业各有侧重，电视媒体依然是快消行业的投放重点，房地产行业倾向于平面纸媒，服装日化更愿意选择杂志媒体，汽车及有关产品则相对偏好广播媒体，网络服务和金融行业最多使用网络媒体。当前广告大环境呈现出媒体资源碎片化和传播资源分散化特征，在多元化的媒体格局下，整合传播变得更加重要。

《综艺报》：具体哪些企业加大了广告投放力度？

赵斌：传统媒体来看，2015年前三季度广告投放前十位的广告主大部分来自快消品行业。继宝洁不断下调广告花费外，其他快消品广告主如联合利华和欧莱雅等也相继减少了投放。药品类广告主涨势明显，曹清华、江中集团、陈李济和汇仁药业都大幅增加了在各级电视的广告投放。

互联网广告投放整体持续增长，宝洁、欧莱雅等日化企业虽然削减传统广告费用，但是互联网广告投入增加，车企如东风日产、一汽大众投放费用都有较大增幅。电商平台京东商城在2015年前三季度网络广告花费排在第五位。

《综艺报》：如何看待2015年的电视格局？

赵斌：硬广市场疲软，软广市场爆发式增长。2015年前三季度电视硬广投放呈下滑趨势，但是软性广告市场出现爆发式增长。伴随着季播大制作的火热，高话题、高人气、高收视使广告主更愿意尝试软性合作形式。主流卫视王牌节目的冠名费屡创新高，2015年更是出现豪华冠名。伊利在三大主流卫视投入10亿元左右，立白3亿，Vivo3.5亿，OPPO4亿。与硬性广告规模比例差距缩小，电视媒体软性广告快速提升。

优质电视节目影响不减，网络自制实力提升。在电视节目版权费用成本上升等因素影响下，各家视频网站开始布局自制节目，如爱奇艺《奇葩说》、腾讯视频《你正常吗》已经形成很大影响力。网络自制节目由于受众定位更精准，节目形式新颖有趣也越来越受到广告主的欢迎。

播剧模式改变，给频道营收带来更大压力。受到“一剧两星”政策影响，电视剧制作成本的回收集中放大到少数电视频道上，卫视在电视剧采购上必然面临价格上涨问题，新剧大剧的购买成本增长也增加了电视台创收盈利的难度。

《综艺报》：预计2016年广告主会青睐哪些节目、电视剧和播出平台？

赵斌：综艺及电视剧仍然是2016年主流电视媒体和视频网站的推广重点，常规王牌综艺节目凭借稳定的高收视，相信仍会受到广告主青睐，但面对大量涌现的新综艺，需要不断创新维持生命力。重磅的季播类综艺节目如湖南卫视《爸爸去哪儿4》、《我是歌手4》、江苏卫视《最强大脑3》、东方卫视《极限挑战2》、浙江卫视《奔跑吧兄弟4》在2016年从明星阵容、节目环节设置、编剧内容等多方面都将进步升级，持续创造收视热潮，吸引广告主合作。近两年，视频网站也涌现出不少现象级纯网综艺，如爱奇艺《奇葩说》、《爱上超模》、《偶滴歌神啊》在201 6年也可能持续成为广告主关注的热门资源。

在电视剧层面湖南卫视《三体》《幻城》《秦时明月》，江苏卫视《微微一笑很倾城》等众多网络文学IP改编的电视剧作品都值得期待。

《综艺报》：如何看待新媒体广告市场近两年的发展？日趋多样的新媒体会给传统电视带来哪些影响？什么类型的广告商更侧重新媒体平台？

赵斌：中国新媒体广告市场蓬勃发展。其中，移动互联网广告增长迅猛，增幅远高于PC互联网广告，据eMarketer数据显示，2016年移动互联网广告占比有望超过PC端，达到57.6%。

影响：在互联网+时代，电视媒体售卖策略，由原来通过广告获取观众的注意力进行“二次售卖”，转变为“以用户为核心”的功能性服务。电视媒体已经逐步转变为集产品、内容、渠道、用户于体的营销服务平台。之前靠时间累加，到达率及频次累积而完成的广告传播模式被即时消费所取代。

影响二：随着媒体融合的进展，如今电视台都有了自己的PC端、移动端，可以实现“跨屏互动”。通过电视口播、字幕，二维码等方式，电视台将受众引入网站、微博、微信、APP，参与沟通和互动，从而让受众对品牌产生深刻印象，这种方式深受广告客户欢迎，电视屏幕成为了

个互动沟通的最佳入口。

根据艾瑞2015年1月-10月行业网络广告投放数据显示，交通类、食品饮料类、网络服务类、房地产类、化妆浴室用品类、金融服务类投放居于前位，更侧重新媒体平台传播。

《综艺报》：从产品角度看，未来广告发展的主要方向是什么？广告主怎样实现购买效果的最大化？

赵斌：内容营销和数据营销是未来趋势，内容营销可做的东西越来越多，除了广度上的栏目赞助、冠名和植入，还有深度的线上和线下用户之间的互动，比如和电商打通做边看边买。数据营销在企业的运用将会越来越多、越来越好，通过精准用户的数据标签，广告主能以更低的预算，选择更符合目标用户设定的人群，达到想要的营销目标。

广告主要实现购买效果最大化需要结合自身的传播目标和品牌属性，媒体投放通常要考虑两个维度，一个是效果，一个是品牌影响力。不同投放目标会有不同的侧重点，比如追求品牌影响力的客户适合选择曝光率高，广告环境好的主流强势资源；而追求转化效果的客户，特别是预算相对有限的情况下，可以选择DSP精准投放。

基于数据挖掘的网络营销系统研究 第7篇

目前,随着电子商务的不断深入,网络营销企业需要从电子商务积累的数据中快速准确地提取出用于指导网络营销决策的信息。参考文献[1]为制造企业提出了市场营销决策支持系统的解决方案,此方案是在数据库基础上产生的,包括数据库,OLAP,数据挖掘。其中,数据库用于集成、存储、决策主体的数据管理;OLAP用于多维数据分析;数据挖掘用于预测、聚类和统计分析,以达到发现知识和潜力模型的目的。但是,这种方法只适用于单一的网络营销企业,而目前的电子商务网络则是由全国各地甚至海外的广阔的营销网站组成的。因此,有必要建立一个统一的网络营销信息平台,有效地消除信息孤岛问题。由于各个网络营销节点的数据库建立在各个地方,为了充分利用数据仓库和网络[2]中的原始数据,网络数据仓库的建设成为一个重要的研究课题。

目前,研究人员已经在一定程度上对网络数据仓库技术进行了研究。文献[3]~[5]介绍了将网络数据(HTML,XML,等等) 综合到网络数据库的方法。文献[6][7]介绍了基于原始数据库的网络数据库解决方案。文献[8]研究了代理技术在网络服务器中的应用,提出了构建网络数据仓库系统的关键技术。文献[9]提出并实现了从网络中提取数据的包装算法。但这些文件不能生成完整的框架,用于网络数据仓库系统设计。综合对各文献进行深入分析和研究之后,提出了完整的网络数据仓库解决方案, 并对网络数据库营销系统的构建方法进行了深入的探讨。

2网络数据库整体解决方案

一个完整的网络数据库应该有2个特点:现有的数据库和网络数据库。本文提出的网络数据仓库的解决方案具有两个方面的优势,即网络信息的综合利用问题和分布式环境下的数据查询问题[11]。

2.1将现有的数据库导入网络

数据库是一个发布企业数据资源的地方。但是传统的数据库是无法满足电子商务规模不断扩大的需要,它受限于C/S结构及复杂、昂贵、且集中化的设计。随着网络技术的引入,大型分布式数据库逐渐实现。

将现有的数据库导到网页,需要下面的三个步骤,如图1所示。

1)数据集成:将源数据整合到数据库中。

2)服务器处理:DM(数据挖掘)、EIS(管理信息系统)和应用服务器提供OLAP(联机分析处理)应用,这些应用程序被称为数据处理,其结果可以通过Web服务器发布。

3)结果显示:客户端浏览器显示数据处理结果。

2.2将网络导入数据库

这一阶段主要包括以下几个部分:

1)基于Web的数据主要是半结构化数据,如HTML,XML等,可通过搜索引擎查询。但为了使其能够适合结构化查询的数据库查询,必须将这些数据整合到网络数据库中,满足结构化查询的要求。

2)网络技术的进步促进了电子商务的发展,互联网技术中通常用点击流的概念来记录网站的浏览行为,最终以Web日志文件的形式进行保存。点击流可以作为数据库的数据源,用于构建相应的数据库。使用点击流可以捕获和分析用户的行为, 以支持决策。

3基于数据库的网络营销系统

3.1数据整合

从电子商务企业信息系统建设的现状来看,各企业迫切需要一个工具来执行总部公布的标准和政策,以确保迅速下达到所属子公司,并得到快速响应,同时更新和纠正。随着信息化的不断发展,一定程度上能够解决数据整合问题,由于目前的信息化只是一种分布式的模式[11],数据的整合和集中非常低效。在这种情况下,可以考虑将上层总部数据从“总部”转移到 “集体化”。数据整合是指将多个分散的数据源进行整合,最终实现企业数据的集中存储和处理。电子商务企业通常有以下三种模式的数据集成[10]。

1)县级数据整合模式。电子商务企业只需建立一个数据中心,企业总部和下属公司的业务数据都存储在这个中心。

2)区域级数据集成模式。电子商务企业区域网络节点作为中心收集其领域内商业数据,通过整合总部的数据交换中心来组成二次数据存储结构

3)全省数据整合模式。以省级数据为中心,由总部、区域数据处理中心以及二者数据交换中心的数据,形成三级数据存储结构[11]。

在这种情况下,网络营销系统还需要整合他们的数据。但不同层次的电子商务网络节点的需求也不同。国家级的网络需要详细的业务数据,处理所有用户信息。省、地区网络往往更关心一些汇总数据,如下属县市的网络营销绩效。电子商务是一种金字塔式结构,总部属于高层管理者,为了更全面更可靠的给高层决策支持提供有效数据,其所涉及的数据强度也是最大的,数据具有广泛的分布特征,因此采用数据库作为网络营销系统的数据基础。因此,我们如何对数据仓库的进行设计,可以充分考虑不同层次的电子商务网站,并通过网络发布方式形成大型分布式网络数据库。

3.2通用数据库的设计

网络营销系统的核心包括网络购物、商业交易、现金管理、 库存管理和网络推广等,此外,还提供了各种业务的服务模块和分析模块。服务模块包括电话服务、互联网服务和客户服务中心。综合业务分析模块包括基于历史数据统计的查询、分析和决策支持,重点研究为企业提供及时、准确的决策依据[11]。

此数据库不同于二维结构的关系数据库,它是多维数据集的载体。针对网络营销系统的特点和用户需求,采用建模方法构建数据库,包括:销售、供应、销售利润、市场需求等。例如, 销售主题包括以下2个事实表和六维表:实际销售事实表、计划销售事实表、日期维度表、客户维度表、产品类别维度表、产品级维度表、客户分类维度表和客户区域维度表。实际销售事实表的各项指标包括:销售增长量、销售增长率、销售份额增长量、销售份额增长率。预期的销售事实表的指标包括预期销售增长量,预期销售增长率,以及预期销售量市场份额增长量,预期的销售份额增长率。

3.3网络库的设计

与一般的数据仓库相比,该系统具有数据整合的要求,因此我们采用了分层结构的设计模式。这一战略的含义包括两个方面:层次数据仓库(县、市、省、国家)、网络出版分层(数据层、应用层和表示层)。系统框架图如图2所示。

1) 国家级数据库

要建立国家级数据仓库首先要确定数据源。所有的基础数据源来源于电子商务企业的管理信息系统和外部环境,通过录入、提取,过滤,合并后存储在数据库中。

2) 省、市县级信息库

建立省级或市、县级的数据库也需要确定数据来源。该数据库通常是根据实际需要,在较低的数据库中进行数据提取、 转换和加载的数据组成的。例如,该省、地区数据库是由一个下属县和市数据仓库衍生的。所以,数据仓库无论是在不同的层次上还是在同一层次上必须能够互相通信,而且任何级别数据库都可以通过网络服务器与外部环境进行连接。

3) 应用服务器

网络营销系统一般包括两大模块:服务模块和分析模块。 一般而言,不同层次的系统需要建立在数据库的基础上,以满足业务、服务和分析模块的需求。低层次的系统一般只需要业务模块,随着系统水平的增加分析模块的需求也会随之有所增加[11]。在网络营销系统,功能模块部署在不同的应用服务器, 用户可以通过网络使用由企业提供的应用服务器,如基于EIS应用技术上的OLAP和DM。

3.4决策支持

构建基于数据库的网络营销体系可以分析并组合各级电子商务网络节点的营销数据,满足各级电子商务网络节点的数据需求。省级、区域性网络节点和总部的关注点是基于基础业务的信息汇总,这可以指导企业的业务调整和政策制定。数据分析技术简单而言是一种数学分析方法,该方法主要是基于数据库的商业应用分析,包括联机分析处理(OLAP)、数据挖掘等。

OLAP的可以在用户界面的前端进行显示。更加直观清晰,同时OLAP的具有两项主要功能:不仅能够满足决策支持, 同时还可以支持多维环境的特定查询需求。OLAP的应用功能也包含两项内容:分析用户的当前数据和历史数据,方便提供决策支持。通过关键多维度数据操作,如查询、相关延伸、深度延伸、切片等,相应的报告就可产生并被分析。OLAP可以根据从用户那里提取出的相关问题或假设的详细信息,将多个问题或假设进行合并,从而生成可视化的结果提供给用户。

数据挖掘可以为企业管理者、营销总监等相关人员提供多总分析数据,如供应分析、销售分析、客户识别分析、成本分析、 需求分析等。让企业管理者、营销总监把握客户的特点,特别是客户价值、经营风险和成本等信息,促使管理人员从事务型转变为思维型,通过后处理来预测。

4结论

针对目前网络营销企业存在的问题,本文提出了一种基于数据库的网络营销系统。在电子商务环境下,对有效的信息交换和知识管理的需求日益迫切[12],数据库可以为网络营销企业提供一个良好的数据环境。在实践中,各级营销网络节点的数据库缺乏统一的规划,容易形成数据孤岛。在本质上,基于数据库的大型分布式网络营销系统可以有效地解决这一问题。通过合理的规划构建金字塔式的网络营销体系,能够满足不同层次的电子商务网络节点的不同应用需求,并在一定程度上提高其运作效率。

摘要：现在,很多营销站点建设了他们自己的数据仓库系统,但是他们之间彼此是独立的,不相关的,为了解决信息孤岛问题,需要整合每一个不相关的数据仓库系统来建立一个统一的网络营销信息平台。该文将根据各个网络数据仓库的特点将其进行无缝整合,建立基于数据仓库的网络营销系统。该系统能够满足各级电子商务网络的应用需求,在一定程度上提高了网络营销企业的运营效率。

关键词：数据仓库,网络营销,信息孤岛,数据挖掘,数据整合,OLAP

参考文献

[1]Zhigang Yang,Zhiqiang Yue,Guishi Deng.The research ofsales KPI query analysis system for manufacturing enterprisebased on data warehouse[J].Machinery,2005(8):61-64.

[2]Yun Liu,Dongsu Liu.Data warehouse and data mining tech-nology based on Web[J].Information Studies:Theory&Applica-tion,2001(4):289-290.

[3]Jiangjiao Duan,Zhenhua Huang,Xin Chen,Xiaogang Liu.Re-search on Web-based integrated environment for data ware-house[J].Computer Science,2004(10):114-117.

[4]Lili Xu.Research on approach about heterogeneous data inte-gration based on Web[D].Hubei,Wuhan,master thesis of Wu-han University of technology,2008.

[5]Bin Xu,Weiwei Yu,Zhitao Yu.Research on the integration of heterogeneous database based on Web service[J].Chinese sci-ence and technology resources review,2008(5):19-24.

[6]Lang Liu,Liya Wang,Hailiang Huang.Web-enabled DataWarehouse Resolvent[J].Computer Engineering,2005,31(1):92-94.

[7]Yu Feng.Data warehouse and data mining based on Web tech-nology[J].China Water Transport:Theory Edition,2006,4(8):94-95.

[8]Qian Zhang,Jihui Yu.Study on application of Agent technolo-gy in the Web-based data warehouse system[J].Computer Sci-ence,2005,32(6):79-82.

[9]Xuemei He,Changjie Tang,Liqiang Wang,Tianqing Zhang.Research on Web-based data warehouse[J].Computer Applica-tion,1998,18(10):5-8.

[10]Liukai Wang.The data integration middleware oriented tocollaborative e-business[D].Jiangsu,Nanjing,master thesis ofSoutheast University,2009.

[11]孙逸群.基于Web数据仓库的电力营销系统研究[J].中央民族大学学报:自然科学版,2012(8).

基于新数据的营销论文 第8篇

一、大数据会告诉我们什么

通过老用户的使用数据分析, 详细的了解用户的需求。通过对锁定上网流量和上网时长, 进一步对使用习惯进行明确, 来分析宽带用户;通过对终端品牌类型、价位、品牌进行分析客户喜好, 对其进一步营销时更加有针对性。通过对终端信息的了解, 来针对性的分析客户需求。

1. 宽带。

大数据可以清晰的了解整个区域甚至细到每个网格的宽带用户结构, 拥有的宽带用户数, 其中光用户和非光用户占比, 宽带速率及套餐结构, 到期情况, 续签情况, 曾经参加过的活动, 宽带使用习惯, 每天平均使用时长等。

锁定上网流量和上网时间的双高用户, 区分是否为游戏、视频活跃以及高活跃用户。另一方面, 可明确网格化小区光覆盖情况和光用户发展是否平衡, 了解区域内光网格情况, 在这个基础上, 就可以采取有针对性的宣传和营销措施。

2. C网。

通过大数据分析, 可以知道用户整个使用手机的习惯, 上网流量, 语音习惯, 终端注册的时间, 对终端的价格承受、品牌偏好及客户其他喜好等。另一个方面, 能知道用户在网时间, 协议到期时间明确维系的主次。

3. 宽+C。

(1) 1拖多上网。通过数据分析, 账户下没有C网资产的宽带用户, 却有手机上网行为, 结合宽带速率, 明确风险。 (2) 融合手机零流量用户。账户下有C网资产, 但是C网手机流量为零、或者手机依托宽带上网行为、甚至流量语音为双零的用户。此类客户离网成本较低, 风险较大。

二、在大数据基础上的营销建议

在大数据提供行为分析数据的基础上, 通过精确的营销系统提供专题活动数据发布、取数及活动跟踪。对用户的行为特征和价值属性进行识别, 对用户行为特征分类与策略指引。分渠道协同。通过用户的筛选、细分, 设计个性化的销售策略, 进行精确的营销派单。全渠道全出点协作, 触点信息交互共享。1.宽带:光宽提速、低宽保有。建议在数据的基础上, 对光覆盖全面的小区, 做好现有非光用户的改迁, 强化小区内的高宽百兆的宣传强化, 可选择网页推送百兆宽带。特别是对游戏、视频高活跃的用户, 加强低速率光用户提速行动。针对覆盖一般的区域, 加快光覆盖区域的普通线路用户迁, 做好普通线路用户的网格全光落实的同时对非光区域进行光宽的预受理, 针对普通线路用户占绝大多数网格, 则可先加强的光改落实。在这个基础上, 有针对性的设计低宽政策, 对光纤未覆盖及对高宽无需求的用户做一个有效的保有, 在保证宽带整体体量的基础上, 才有机会再在质上有一个提升。坚持先保有, 再提质。2.C网。结合用户对智能机的需求, 从智能机使用时间长短、手机屏幕的大小, 流量的多少, 高活跃的APP的应用等情况等开展针对性营销, 通过不同的触点切入, 保证营销的成功率。比如对流量需求较大的用户, 建议其更换智能机时可推荐屏幕较大的的终端配合大流量套餐;看到数据体现手机使用时间较长的时候, 也可以做很好的切入做更换4G终端的引导。3.宽+C。针对1拖多上网现象, 且没有C网资产的宽带用户, 针对竞争对手的手机消费X元宽带免费送的政策, 会导致离网现象到期较多。所以要加快宽带提速, 防止用户离网。

三、全渠道联动做存量经营

具体做法:通过外呼邀约、推送邀约、宣传布置、门店布置来邀约客户到店升级4G终端。改变以往简单粗放的3升4活动, 由只升4G套餐不换4G终端, 转变为以4G终端升级为核心, 做大真4G规模。以大数据挖掘为基础, 以网格店为核心, 全渠道联动做存量经营。

通过一步到位升4G营销七步来促成整个营销过程。第一步:锁定用户、提取数据。在前期数据分析的基础上开展后续的工作。第二步:细分数据、精确配餐。针对不同客户指定个性化的营销, 增大营销成功率。第三步:分类外呼、邀约入厅。第四步:门厅装饰、筹划预热。营造门店活动氛围, 结合厅外场营销扩大炒暖店效果。第五步:入厅体验、耐心营销。真机体验, 用性能吸引客户, 结合客户需求, 促使成功。第六步:确认下单、一步升级。换卡开功能升4G.。第七步:营销复盘、优化提升。每次活动组织复盘, 总结不足, 加以提升。

引客入店, 一步到位升4G提百兆, 以社区门店为载体, 开小批量展多波次促销活动, 实现存量用户成功维系, 价值再提升。

基于新数据的营销论文 第9篇

关键词：大数据,精准营销,数据挖掘

一、大数据时代的到来

维基百科对“数据”的定义是:“数据是载荷或记录信息的按照一定规则排列组合的物理符号, 可以是文字、数字、图像, 也可以是计算机代码。”数据承载着信息, 可以通过图片、文字、语音等载体记录客观现象, 各种行业都会利用一定的数据进行预测决策, 企业亦如此。企业会利用历史数据预测下一期的销量从而做出本期生产决策, 利用同行业利润或者销售价格制定本产品的销售价格, 利用本企业或者相关行业的会计财务数据或者市场反馈的数据做出决策。这些数据虽然也具有“大量化”的特征, 但是信息被不同的部门所掌握, 缺少一个终端机制将这些庞杂、口径不一的数据整合在一起的机制, 尤其在企业营销活动中, 企业纯粹地利用这些孤立的烟波浩渺的客户信息并不能发现有价值的信息有效地进行决策。

大数据的到来使得这一桎梏得到解放。互联网时代尤其是社交网络、电子商务和移动通信把人们带入了一个非结构数据时代。云计算技术打破了传统数据的部门分割的“孤岛化”状态, 开始把分离的数据库联系在一起进行多维度分析, 这种联机分析是对数据库中数据信息的一种挖掘和运用操作, 是将数据转化为信息和知识最重要的手段。这也给企业带来主动挖掘客户需求的巨大空间。

二、大数据时代下企业营销的现实性

1、先进的技术使大数据分析成为可能

(1) 云计算技术和存储技术的发展。大数据呈现出“大量化、多样化、快速化”的特征, 传统的数据库记录方法、语言算法已经不能满足海量数据爆炸性增长存储和分析分类的需要。

先进的海量数据存储能力。针对“大量化”特征的大数据, 新的数据处理方法比如Apache Hadoop技术, NOSQL数据库中比如Apache Cassandra技术等算法符合对大数据高效率存储、访问和扩展性的较高要求, 并且可以同时实现对多个硬盘驱动器存储的数据平行处理, 而不像传统数据处理方法下只能对一个硬盘数据进行处理, 此外云计算技术的发展也使得数据的记录和存储容量大大增加。

先进的海量数据分析能力。大数据呈现出的“快速化”的特征也可以通过许多新的技术得到处理, 比如“流分析”技术, 不像传统的算法, 它能在较短的时间内实现对飞速产生的数据即时存储和监测。数据的“多样化”可以通过这些技术在特定情境下的结合运用对数据进行相关性分析, 发现原本零散孤立的数据之间的联系。正如维克托教授所说的那样, “大数据的真实价值就像漂浮在海洋中的冰山, 第一眼只能看到冰山一角, 绝大部分隐藏在表面之下, 先进的云计算技术使得计算机有能力处理这些大且不规则的‘非结构数据’, 使得我们可以通过数据背后千丝万缕的联系发掘出更大的价值, 应用于更广泛的领域”。

(2) 网络通信的发展。随着网络通信技术的规模化、标准化发展, 通信成本降低, 而同时数据处理能力的高效化和优质化使得人们可以随时随地的获取信息, 利用互联网随时随地地做想做的事情。据《第30次中国互联网络发展状况统计报告》显示, 我国网民规模约以平均15%的速度逐年递增, 并且网民使用网络进行购物、社交、娱乐、支付、投资等日常活动的使用率约达到70%。这说明网络成为人们日常生活方式中举足轻重的一个媒介, 并影响改变着社会的生产方式和人们的生活方式。社交网络、即时通讯工具、社区、电子购物平台、支付平台等虚拟化的平台逐渐完善, 使得互联网像一面镜子, 映射着真实生活中的社会、机构和家庭结构, 而大数据的本质就是通过互联网这面镜子发现数据背后的社会关联和消费习惯。

(3) 便捷的终端设备的普及。通信技术只有和终端设备结合在一起, 才能使数字化服务发挥效用。互联网电视、电脑、平板的普及使得人人都能买得起这些设备, 深刻地改变着人们的生活方式, 尤其是近几年来, 第三代、第四代智能手机的兴起使用带给用户更加便捷和高频的数字化服务体验, 网络营销的模式也出现了多屏化的发展, 不再仅仅局限于台式机设备的营销模式, 而出现针对多种终端设备并行营销的模式, 比如网上银行和手机银行之间的互补等模式。

2、顺应现代企业营销发展的理念

现代企业营销观点认为:一是吸引新顾客的成本至少是保持老顾客成本的5倍;二是根据口碑效应, 一个忠诚的客户会引发8笔潜在的生意, 一个不满意的顾客会影响30个人的购买意愿;三是企业营销的最高层次是引导顾客产生新的需求。大数据时代下企业可以通过发现错综复杂的数据之间的相关性, 以更低的成本稳定老顾客, 并且通过网络社区的影响力和传播力吸引发展潜在客户。与此同时, 对客户感兴趣但未产生需求的领域进行积极引导, 促进新需求的产生。

三、大数据对企业营销的影响

1、营销活动的整个流程发生变化

传统营销在判定该客户不是目标客户也不是潜在客户后, 一般不会将其作为重点调研对象, 或者就放弃对这部分群体的营销活动。但大数据下的调研延长了整个营销活动的周期, 尤其强化了刺激客户需求环节, 这使企业从原来被动的推测感知客户需求转向主动的发掘需求、引导需求, 甚至创造需求。

2、营销活动具体的各个环节发生变化

在广告促销过程中, 单一化媒体已经不能适应多屏化、多元化的移动终端设备的发展现状;在分析消费者行为过程中, 仅依靠购买记录、搜索引擎等数据虽然可以在一定程度上反映出消费者的偏好和购买倾向, 但这些孤立数据也很容易带来数据盲区, 影响消费者行为分析的准确性, 进而影响精准营销的效果;在客户维护和互动反馈方面, 很长的一段时间内在线客服以及客服电话扮演着重要的角色, 虽然解决了客户在体验服务中出现的一些问题, 但渠道单一, 并且丧失了具有极高商业价值的聚合性数据。因此, 大数据环境下企业营销流程发生了革命性的变化, 其流程如图1所示。

四、企业应对大数据环境的营销对策

1、调整营销渠道

(1) 注重搭建高质量的网络信息化平台。利用新媒体营销, 比如充分利用微博、微信、博客、论坛、BBS、社区等渠道等搜集和传播信息, 形成稳定的客户群体, 建立客户反馈评价体系, 可利用这些数据对潜在需求者进行预期消费分析以及指导性预测。在升级互联网信息化平台的基础上开发手机、平板app营销平台, 结合受众使用媒体设备的习惯相应地开发信息化平台。

(2) 整合多渠道进行营销活动。利用多屏设备跟踪顾客信息, 搭建更灵活的跨界、多形态的整合营销。传统的追踪浏览记录的方法是用cookie来实现的, 对于互联网公司这代表识别用户身份的一个标记, 比如我们在搜索引擎中搜索某个词语, 那么与这个词语相关的资讯或者产品就会被推荐出来, 但是如果单一的分析跟踪cookie是没有价值的, 需要把用户在不同页面或者媒体上登录的记录串联起来, 也就是说需要同时将同一客户在电脑、平板、手机等各种场合的用户行为都识别出来, 整合分析这些多屏化的消费行为。

同时线上经营和线下经营需要有机的整合, 保证将线上线下的优势统一, 以给客户提供一致的综合体验, 比如通过产品检索、挖掘客户信息吸引消费者, 通过实体店高质量的客户体验刺激消费行为发生, 再通过呼叫中心、移动设备跟踪订单状况, 查看配送以及门店及时退换货。通过整合多渠道, 利用移动化、社交化的技术给消费者提供全方位、个性化的综合体验。

2、调整营销运作模式

(1) 重视互动反馈。大数据时代下的营销很好地诠释了以“客户为中心、市场为导向”的宗旨, 企业应运用互动平台获得消费者确切的需求, 而非利用传统抽样调研推测消费者需求的思维方法, 避免传统方法耗时、不精确地获得消费者需求的弊端。通过互动发现客户的习惯和态度表达, 预测每个客户正在寻找什么, 然后有针对性地为客户提供个性化体验。互动反馈平台能为企业提供一个准确洞察消费者需求的交互性视角, 消费者的选择、决策过程可以在买卖双方的互动和磋商中进行, 企业能参与包括问题的确认、信息搜寻、方案评估等购买前的行为。消费前行为和心理具有不稳定的特点, 很可能通过互动和引导影响控制消费者的购买行为, 以提高顾客的满意度, 同时互动反馈平台可以较好地满足消费后行为中的售后服务以及重复购买的需求。总之, 互动反馈中可以监测竞争对手以及实现品牌危机监测, 有效地处理危机, 促进品牌传播。

(2) 重视实时跟踪。实时跟踪一方面可以及时得到消费者对产品服务体验的反馈, 利于及时监测和调整营销方案, 另一方面, 这种监测性的数据记录分析可以减少信息传播时滞和企业反应时滞, 在这个“抓住时机就占领市场”的大环境下, 会给企业的相关产业带来巨大的商业机会。例如大数据环境下的某个房地产销售企业会建立电子商务社区将租户和租主联系在一起, 企业掌握了大量购房者的相关信息, 比如通过收入状况、信贷状况、存款状况等分析其财力状况, 由是否有其他房产、子女情况判断其购房动机, 由浏览记录以及浏览频率判断竞争厂商的竞争优劣势, 在对这些信息分析的基础上有针对地对有需求人群建立金融社区、酒店社区以及文化旅游社区等, 将大数据扩展到集团的其他领域。

(3) 重视数据库化管理。企业应该首先寻找自己的企业、行业的核心是什么, 还要结合企业业务发展目标、方向以及行业竞争点和客户基本信息有针对性、有目的地挖掘数据信息, 建立企业核心的消费者数据库, 这样才不至于陷入数据海洋之中被纷繁的海量数据蒙蔽。比如有消费者在网上看中了某件商品, 但是最终没有购买, 一般只会记录购买行为的结果, 不会记录该消费者关注过该商品以及关注的品牌。虽然没有记录, 但是这个购物过程有意义, 表明消费者有偏好和倾向。通常人的情感、意见、个人需求、渴望会通过社交网络直接表达出来, 如果将这些基本信息建立全方位的数据库, 作为企业数据库的一部分, 企业就有能力将客户信息把握的更准确, 就能有针对性地进行个性化营销。

基于大数据环境的农产品个性化营销 第10篇

大数据或称巨量资料, 指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产;大数据具有4V的特点:Volume (大量) 、Velocity (高速) 、Variety (多样) 、Value (价值) 。最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡, 作为云计算、物联网之后IT行业又一大颠覆性的技术革命。大数据几乎涵盖了目前生产力所能涉及的所有领域, 是真正有价值的资产。市场运作和企业运营的所有数据就是一个资产, 盘活这些数据资产, 使其为国家治理、企业决策乃至个人生活服务是大数据的核心议题。农产品市场营销, 是指为了满足人们的欲望和需求而实现农产品潜在交换的一种活动过程。它是农产品从经营者手中转移到消费者的整个过程, 包括农产品的生产、加工、流通、销售以及相关服务等销售过程的全部活动。不难看出, 农产品市场营销已经不局限于农产品的流通、销售等传统领域, 已经将范围延伸到了生产和消费领域。

二、大数据背景下我国农产品营销现状和问题

(一) 农产品营销的发展现状

互联网经济和贸易自由化的结合, 使得社会化大分工进一步呈现多元化的发展态势, 农产品营销模式历经多年演变, 首先使得农产品的贸易自由化程度将进一步提高;其次, 我国农产品的产品结构将在竞争中得到优化。依靠在国际农产品市场上的竞争优势及相关的信息来配置农业生产资源、调整农产品的结构, 并在此基础上优化农产品的贸易结构, 大力发展周边国家的市场和有潜力的非洲、拉美市场, 开展农产品的多元化出口布局;再次, 农产品市场建设发展迅速。农产品市场具备了类别繁多、数目稳定、交易额稳步上升的特征;此外, 农产品营销中介发展活跃。现阶段, 各种农产品购销主体 (个体户、专业户、联合体) 不断发展壮大。超市作为一种新型现代营销业态在近几年也逐步涉足农产品销售领域, 成为农产品营销渠道体系里的新成员, 带动了上游生产基地的发育壮大, 带领农民走向市场, 帮助农民致富, 为地区农业发展起到了一定的促进作用。

(二) 农产品营销存在的问题

1、农产品供求矛盾日益突出。

随着我国经济的繁荣和城乡居民收入的明显提高, 我国的消费结构不断升级, 人均消费标准不断提高。从需求看, 粮食需求逐步增长, 肉蛋奶、植物油、瓜果菜等农产品的需求快速增加;同时农产品的品种、阶段、区域结构等方面的矛盾也越来越突出, 农产品的产需地理错位分布加剧。从供给看, 由于受到多种因素的影响, 在目前高基数的基础上稳定发展粮食生产的难度加大。原因有二:一是资源约束性日益增强。国内可耕地面积锐减, 质量下降, 利用率低。灾害减产现象多发。二是种粮比较效益低。生产要素成本高加上政策性补贴偏低带来了低效益。

2、农业信息网络建设薄弱, 农产品营销网络不完善。

广阔且分散的农村地理环境使得农产品市场存在严重的滞后性, 农业信息网络基础设施薄弱, 缺乏统一的信息标准和资源共享机制;信息资源缺乏, 尤其可供农民选用的有效资源远远不足, 农业信息技术成果应用程度比较低, 远不能满足农业和农村经济发展的需求。由于缺乏统一的、全国性的、规范的农产品市场, 全国统一市场的营销脉络还不能清晰可见。国内市场分割的情况屡见不鲜, 农产品地区封锁盛行。人为地制造贸易屏障, 社会交易成本居高不下, 使市场的价格发现功能萎缩, 农产品管理流动的市场空间大大缩小。

三、大数据环境下的农产品个性化营销策略

提升农产品竞争力, 可以依托未来的大数据为背景, 更深入挖掘农产品个性化营销。大数据背景的农产品竞争力提升, 主要从以下两个方面着手开展:

(一) 建立个性化的营销数据库

农产品的个性化营销就是农产品经营企业要适应外部环境的变化, 以不同消费者的心理需求为基础, 树立诱导消费的观念。

1、建立“消费者库”, 根据消费者需要生产产品。

企业要搜集与掌握消费者的包括姓名、住址、电话号码、消费者习惯、偏好在内的尽可能多的信息资料, 还要注意记录企业与消费者发生的每一次联系。比如消费者购买的数量、价格、采购的条件、特定的需要、家庭成员的姓名和生日等, 这些均为产品开发的前提;其次, 企业要根据消费者的需要开发种类各异的产品, 比如设立农业观光休闲山庄, 可以让消费者一边欣赏一边实践, 获得亲身劳动和收获的体验。通过多种途径满足消费者需要, 实现个性化营销。

2、实行弹性价格、建设高效率的流通渠道。

由于消费者的需求趋于个性化, 企业要改变传统的单一定价策略, 利用计算机信息技术、以需求为导向、根据不同的消费需求和价格弹性分别定价。要按照不同消费者对产品的期望、不同环境、不同时间实行弹性定价以迎合越来越多的个性独特的消费者。

由于产品的个性化, 企业可采取前向一体化的策略, 跳过中介直接面向消费者从而更快更方便地满足消费者的需求。比如可以让渠道的结构扁平化, 有利于厂家与消费者能更直接、更快捷的沟通, 提高厂家对分销通路的辐射力和控制力;推动渠道终端的个性化, 采取“一对一营销”、“定制营销”满足消费者千差万别的个性化需求等等。

3、充分发挥广告等媒介作用、扩大宣传。

一是充分发挥传统的广告、人员推销、营业推广、公共关系等促销手段的作用, 在宣传中要突出“企业生产的弹性化及能满足不同消费者的个性需求”;二是通过互联网这一信息通道进行产品、企业信息的传播, 要注意追踪每一位消费者, 分别与之进行沟通, 除将必要的信息传递给每一特定的消费者之外还要搜集消费者的需求信息;三是特别强调企业能给消费者提供的个性化服务, 无论在售前、售中还是售后环节, 只要消费者有特殊要求均可满足, 以赢得每一位消费者。

(二) 建立科学化、集聚化的关联营销网

关联营销综合了感官、感受、思维和行动营销的成分, 它使消费者超越“个人体验”、将个人与他理想中的自我、他人和文化联系起来。6品牌农产品的关联营销是获得品牌的忠诚度和稳定的消费群的有效途径。主要方式有:

1、农业休闲观光园。

休闲农业是把农业和旅游业结合在一起, 利用田园景观、农业生产经营活动和农村自然环境吸引游客前来观赏、品尝、习作、休闲、体验、健身、书画、摄影、购物、度假的一种新型的农业生产经营形态, 也是现代农业的重要构成, 其内涵包括农业特产节、观光农园、垂钓乐园、森林旅游、租赁农园、少儿农庄、民俗观光村、度假农庄等形式, 它是适应现代都市人回归大自然、休闲与娱乐的消费思潮发展起来的、具有生态、生活与教育等功能, 大大延伸了农业的内涵。

2、传统农业生产文化活动体验。

我国农业生产源远流长, 产生了十分丰富的具有民族特色的农业文化与文明, 如我国传统的牛拉犁、水推磨、石春米、家织布等、无论是对外国人、还是对城市居民、都颇具吸引力。

3、民族特色休闲农业项目。

我国是一个多民族的大国, 除汉族外、还有50多个少数民族, 他们的风土人情各有特点。对异族人来讲都是体验、考察的好地方。此外, 我国充满情趣的乡土文化艺术、各具特色的烹食风味、风格迥异的乡村民居建筑等等均可成为发展休闲农业的良好题材, 构成了我国发展休闲农业的巨大潜在优势。

摘要：当前, 以大数据为基本特征的互联网的背景下, 依托世界经济一体化和农业产品贸易自由化发展的农产品个性化营销, 已经成为大势所趋。互联网营销的新模式引领着新的农产品营销, 以低成本的劳动力和广阔的国内市场容量来吸引拥有资金、技术、市场网络和质量标准的国外农业企业的直接投资。本文从大数据和农产品营销的基本概念出发, 通过对大数据背景下的农产品营销的前景展望, 进一步针对农产品个性化营销提出响应的对策, 为推动农产品营销“走出去”战略, 提供参考。

关键词：大数据,个性化营销,前景,模式

参考文献

[1]丁国颖.农产品电子商务平台及信息网络建设探究[J].中国商贸.2010 (8) :104-108.

基于大数据的教育技术研究新范式 第11篇

一 科学范式

美国一学者在《科学革命的结构》提出了范式的概念，指出在特定的时间和空间之内能够为研究群体提供解决问题的方案，并且能够得到大多数人认可的方案就是科学范式。库恩范式理论是科学范式的主要核心理念。库恩表明科学主要有以下两个特征：（1）在一定的条件下，术语是可以共享或者模拟的，在此基础上也可以进行一些示例性的实验；（2）对范例进行共享的相关意见能够影响相关证据的收集。在不同的研究领域之中，科学范式的理解也是存在一定偏差的，研究问题、研究方案等会随着研究群体的改变而改变，除此之外，范式能够对理论、信念和价值观等进行暗示。

库恩还表示，范式是会随着时间的推移而产生变化的，并且会在变化中不断地完善自身，随着科学技术不断发展，新的科学范式会纷纷涌现，对旧的科学范式进行补充或者是取代原有的科学范式，这也在一定上促进了科学革命的进程。库恩认为，科学革命的过程在本质上就是范式转换的过程，在被大多数人认可的科学范式之中，仍旧有着其不能解释的特殊情况，这样就为其他的科学范式提供了演变的基础，这也是科学范式能够不断进步的基础条件。科学范式不属于社会科学的范围之内，原因在于社会科学学者的许多意见与科学范式中的理念存在很大差异。在《科学革命的结构》中指出，与社会科学奖科学范式分开的主要原因是，在当前的自然科学之中科学范式是不可能出现的。尽管如此，社会科学与科学范式在小范围内还是存在一定的关系，社会学、教育学等比较小的学科领域中，社会科学和科学范式存在的矛盾是比较小的。

二 大数据分析应用的兴起

大数据分析应用兴起于上世纪末，当时在飞机周围模拟气流的实验中研究人员无法对各项复杂的数据进行观察，这就在一定程度上促进了超级计算机大数据分析应用的发展。大数据分析应用的产生与网络信息时代的各项技术是分不开的，并且应用的范围也越来越广泛，多媒体、社会网络等都是大数据应用分析的具体表现形式。在传统的行业中也有需要募集性数据分析的相关工作，在本世纪一些新兴的产业等就更离不开大数据分析应用的相关内容。Facebook在全球的用户达到了10亿左右，Google的用户30亿左右，Twitter每天需要处理的信息要高达4亿次左右，这些都是在大数据分析应用下才可以达成的。

在今天，在大数据应用分析方面仍旧没有非常权威的组织对其进行定义，但是其作用却是不可估量的。现如今学者用大数据的概念来解释传统计算机软件无法计算出的数据类型，并且利用大数据的概念对质和量都非常复杂的数据进行分析，大数据拥有大量体、高速度、多样化以及真实性等特点。各项数据能够在很短的时间内达到千兆兆字节，可以通过各种不同的方式进行运算就是大量体；能够对大数据信息进行及时的处理，对预测客户的流失以及详细的消息记录进行分析，并且及时地采取应对措施就是高速度；数据的存在形式是多样化的，文本、视频、音频、图片等都可能是数据存在的形式，大数据分析应用可以根据形式的不同采取不同的分析方法，这就是多样式；真实性则要保证数据的真实性和可靠性，以此来决定是否采取下一步的工作。部分学者还将大数据分析应用分为非结构化、半结构化和结构化三种，在PDF、电子邮件、Word中采取的就是非结构化的数据形式；在XML和THML等对数据具有一定加工能力的软件中采取的就是数据化结构分析的模式。

大数据分析在各行各业的应用都有所体现。“大”只是前提，大数据在研究方向的使用上也比较注重不同种类信息的获取，并且以这些信息为研究的基本条件，根据实际的需要作有利的决策。在航空航天的研究方面SDSS是美国天文学家主要的大数据信息源之一，另外，天文学家在星空的拍摄中获取数据来支持各项研究的方法也是很常见的。大数据应用分析应用在企业之中能够使得企业在各项关键决策的制定中占据着比较有利的地位，大数据体现的相关信息也可以作为企业加快自身发展的重要依据，能够为公司的发展提供正确的方向。大数据的重要性也被越来越多的国家所认可，美国自2012年之后，在大数据应用分析上每一年的投入都超过了2亿美元，这对美国环境、教育、医学以及社会科学的发展等都起到了重大的作用。远程教育的发展也导致了大数据适用范围在提升，大数据能够对交互信息、个人资料、系统等进行比较准确的记录，这一系列的特征对教育方面的学习和分析也是有利的。

三 科学研究范式的挑战和机遇

大数据是各个学科都通用的一门科学，对自然领域、工程领域、金融领域、商业领域等都有着非常直接的影响，这也是科学研究范式的机遇和挑战。从科学研究的角度出发，现今的科学研究范式主要存在以下几种形式：（1）实验科学。这种方法起源是非常早的，在一千多年前就有人对自然现象进行研究，对自然现象的种类进行初步的分类，对元素进行最初始的分类就是起源在这个时期；（2）理论演示。在科学实验与人们的预期相互吻合的时候，就使得理论演示具有了一定的权威地位，建模方式是使用比较广泛的理论演示方法，针对某一模式的特殊情况，得出一般情况下的相关理论；（3）计算机科学。主要起源于上世纪中期，利用超级计算机对复杂的情况进行计算模拟，许多的数据都可以利用计算机进行模拟，用来获取比较权威的数据，传统的科学实验方法逐渐被淘汰，单一的实验也不能满足科学研究范式的快步推进；（4）密集型科学研究范式。以前三种科学为基础，结合现如今的IT技术，对复杂的数据信息进行获取、加工、储存和分析等，从而获得人们需要的信息。密集型科学研究范式是在现如今非常重要的一种研究范式，可以说是前三种研究范式的总结。

密集型科学研究范式主要对数据能够做出以下几种处理：获取、储存以及分析等三种。虽然大数据时代为科学范式的发展提供了更好的发展机遇，但是不可避免地也带来了一定程度上的挑战。大多数学者认为，在数据处理的各个阶段都是有可能存在困难的，同时也是一定会存在机遇的。因此，在获取数据的时候，就要对用处不大的数据进行及时地删减，尽可能避免在收集数据的时候出现数据多余的情况，这样就可以避免内存不够的现象出现，与此同时，根据剩下的有效数据进行相关数据处理程序的运行。由于传统的事务数据处理与储存功能存在的关系不是十分的明显，因此在大数据分析方面的相关分析过程就不便于使用，传统的计算方法是要保证数据的共同性的，但是由于差异的存在，就必须寻求其他的方法来对大数据的相关应用分析进行研究。

四 教育技术研究范式的发展历程

教育技术研究范式的核心就是在教学方面对应用技术进行支持。设计研究是研究教育技术范式中必须要重点关注的话题，从研究范式的角度出发，对教育技术在大数据应用分析的相关影响下进行探究。

大多数学者表示，在教育的相关领域之中，与社会诸多领域的科学范式都是存在共同点的，都是以一种多种范式并存的形式存在的。其实存在某一种研究范式呈现主要地位，但也是相对的，不存在能够独霸教育领域研究范式的可能。在上世纪，社会形态之中物理科学、媒体学、传播学和系统学等研究范式是比较权威的，但是也不可能达到一枝独秀的程度。在某学者提出的八种范式理论中，主要对行为和认知领域研究范式中存在的问题和相关的设计研究进行了分析。教育技术研究范式是能够不断进步的重要力量，其能够加快人类知识库的变更速度。在如今绝大多数的教育研究范式之中，都是比较重视理论方面的相关知识的，计算机技术是在大数据背景下，教育技术研究范式能够稳定发展的主要促进因素之一。

在教育中融入计算机的相关技术之后，教育技术也开始作为一个独立的学科存在着，所以针对教育技术的相关范式研究，也要重视计算机技术在其中的重要影响因素。库恩提出了这几种计算机技术范式，计算机辅助系统、科技教学系统、计算机协同教学。上文提到的第四种科学研究范式是前三种研究范式的延伸，而又独立存在的研究范式。前者是以心理学为基础的，都是对行为和认知进行心理学的研究。后者涉及的学科就比较广泛，这些学科主要存在以下特点：（1）重视研究过程，对研究结果不是很重视；（2）更注重描述性的知识，对实际操作不是很重视；（3）重视合作学习以及讨论的过程。社会文化理论也是大数据教育技术研究范式的必备条件，情境知识的相关认知需要学生在学习的过程中摆正自身的位置，必须要全身心投入其中。

五 科学数据下教育技术研究——个性化适应学习

数据研究法凭借大数据信息时代的发展契机。在教育界，大数据主要应用在教育数据挖掘和学习分析学，分别简称为LA和EDM，二者没有明显的界限。LA是对学习环境数据测量、整理、分析以及汇总的过程，其目的是优化学习环境。LA应用了计算机科学、心理学、统计学、社会学、信息学。EDM的作用是分析研究和应用统计学和数据挖掘法来对学习过程产生的数据进行分析研究。EDM分析研究的目的是发现及改进学习内容的展现和最优教学序列的模型；研究各种学习软件提供支持的效果；推动与学习、学习者相关的科学研究。应用EDM和LA，教师能够更加深入地了解学生，观察和理解学生学习的过程，探索出最优的教学方案，对于发现的问题可以及时地处理并反馈，提供个性化的学习服务。

国外教育部门认为应用两者达成自适应学习环境应当包括如下部分：学习的内容，通过和学生的交流互动，能够辨识出学生的能力以及所处的水平，所以能够更加高效地制定适合学生的学习内容；学生学习的数据库，以便获取并储存学习内容的互动交流；通过学生数据来检测追踪学习的过程，预测其成绩和学习行为，除了上述组成部分之外，还有外部学生信息系统。此系统是教育部门或者学校掌握的学生信息背景资料，例如性别、年龄、学习风格、所学的课程种类以及成绩，等等。预测模型能够通过获取的数据作为依据预测学生的行为。自适应学习系统主要包括三个数据流：第一是学生和学习内容的交流互动。第二是交流互动的内容的存储。第三是预测模型抽取学生的背景和学习数据，利用EDM和LA开展分析，而后把结果反馈至自适应学习系统的引擎，并以此做出相应地调整，预测的结果应当及时地传达至管理人员或者教师，学生、管理人员和教师得到相关的信息也就意味着反馈回路的完成，学生能够通过自适应学习系统引擎获得学习活动情况、测评情况等信息进行自我调节，例如可以在自身掌握欠佳的学科上多花费时间和精力，对学习方法加以改进。教师能够通过这些信息对学生个体和整体的学习状况有清晰地了解，并作出相关课程内容或者进度的调整，如对个别学生的学习进行干预，为其提供必要的学习资料。管理人员获取的是多个学生及教师、课程的状况，依据整体的信息，管理人员可以依据这些做出科学合理的决策。

美国教育部门提及的自适应学习系统通过EDM和LA，指引学生对自身学习的状况有着一定的了解，为教师教学干预提供必要的支持。值得注意的是，在数据密集科学的基础上，EDM和LA技术可以更加全面地分析学生的特点和需求，进而使得学习向着个性化的目标又进了一步。所以，自适应学习系统应当显现个性化学习的特点，未来教育技术研究是个性化自适应学习，就是在自适应的前提下，学习的内容更能体现学生的需求和特点。依据学生学习风格、已有知识的特点和性别、年龄、爱好等其他信息数据将学生合理地分组，学习系统能够依据学生的需求和特点推荐具体的学习内容，学生选取适合自身的学习资料以及考评的方式，等等。

六 个性化学习的相关研究

个性化适应学习可以显现“以学习者为核心”的基本学习理念，并和智慧教育的出发点相同，成为目前教育技术的全新研究模式。智慧教育强调信息技术的重要性，营造具有如推理、感知、辅助决策等智慧特性的学习环境，其目的是推动学习者的智慧向着全方位的方面发展，通过学习以及生活环境的选择、适应以及改造，实现对个人、他人、社会的共善。智慧教育将“以学习者为中心”的思想显现的淋漓尽致，强调学习是平衡以及充满张力的过程。智慧学习环境的基本特征之一是考虑学习者能力、需求、偏好、风格等个体差异，为其提供个性化学习服务，并对学习历史数据进行细致地记录科学地分析，数据结果的作用是对学习过程进行评估，并发现问题和预测学习者的未来表现，并通过数据分析工作进行干预。所以，以大数据为背景的个性化适应学习是智慧学习环境的关键组成因素之一，于此同时，LA和EDM科学为高等院校提供科学的信息，对学生的学习、生活进行干预，最终实现降低辍学率、提高毕业率的目标。此外，大数据除了对学习过程分析提供必要的支持外，还能够在可视化、概念提取、本科建立等知识表征和利用方面提供很大帮助。所以，除PLA外，大数据可以推动社会智慧的发展与个性化的学习服务，实现人本主义教育，并成为社会知识生态发展模式的关键组成因素。

总之，大数据对教育技术发展产生诸多积极的影响，如创设高效管理决策的平台、知识发现的工具、个性化的学习环境等，同时大数据在教育技术发展中的应用也面临着很多的困难。数据方面，采用何种方式储存海量非结构化的数据，如学生发言、讨论等文本数据的记录，此外还有数据分析、数据传递的困难。如果大数据管理技术有着突破性的发展，才能实现大数据为教育技术发展产生重大积极影响的目标。数据科学在教育方面的应用主要体现在EDM和LA，通过数据可以让学习过程可视化，分析学生的行为以及成绩。数据只是表象，数据无法表达表象出现的原因，所以怎样把学生的学习情感、动机等无法由数据看出的因素纳入设计中，这是一大难题。

参考文献

[1]李勇，孟小峰，刘继，等.基于小数据的在线用户兴趣长

程演化研究[J].计算机研究与发展，2015，52（4）.

[2]周忠根，水鹏朗.基于复数据经验模式分解的天波超视

距雷达瞬态干扰抑制[J].电子与信息学报2011（5）.

[3]韩璞，袁世通.基于大数据和双量子粒子群算法的多变

量系统辨识[J].中国电机工程学报2014（12）.

[4]林硕蕾.基于小数据冲突检测的坏点数据挖掘模型仿

真[J].科技通报，2015（1）.

[5]陈臣.基于大数据的图书馆个性化服务用户行为分析

研究[J].图书馆工作与研究，2015（2）.

[6]姜强，赵蔚，王朋娇，等.基于大数据的个性化自适应在

线学习分析模型及实现[J].中国电化教育，2015（1）.

[7]韩立志，权磊，李思李，等.基于大数据理论的沥青路面

碾压过程分析[J].公路交通科技，2015（3）.

[8]陈臣.基于小数据决策支持的图书馆个性化服务[J].图

书与情报，2015（14）.

[9]顾建峰，魏平.基于伪数据域的最小冗余线阵测向算法

[J].电波科学学报，2007（6）.

[10]陈臣.基于大数据的图书馆个性化智慧服务体系构建

[J].情报资料工作，2013（6）.

[11]杨善林，周开乐.大数据中的管理问题：基于大数据的

基于数据仓库技术建立电力营销系统 第12篇

1 数据仓库的特点

数据仓库是面向主题的、集成的、具有时间特征的、稳定的数据集合,用以支持经营管理中的决策制定过程[1]。电力营销数据仓库集中体现了这4个特征。

(1)面向主题。主题是一个在较高层次将数据归类的标准,每个主题基本对应一个宏观的分析领域,满足该领域分析决策的需要。数据在进入数据仓库之前经过加工与集成,将原始数据结构做一个从面向应用到面向主题的转变。根据具体业务需求,本文将电力营销主题域划分为售电分析、用户分析、业扩分析、计量分析、负荷分析、报修统计分析、供电服务投诉分析等。

(2)集成。数据仓库中的数据主要用于分析决策,必须进行归纳和整理。要解决源数据中格式相异的问题,就要将它们统一到数据仓库的数据模式中。数据仓库是对源数据的增值和统一。

(3)具有时间特征。数据仓库随着时间变化不断增加内容,同时也要删去陈旧不用的内容。由于数据仓库常用作趋势预测分析,一般保留5~10年的历史数据。数据仓库的数据都包含时间元素,是键码(关键字)的一部分。

(4)稳定。其数据主要供企业决策分析,所涉及的操作主要是数据查询,一般不进行数据修改。数据仓库中的数据是不同时间数据库快照的集合。

2 电力营销数据仓库体系结构

电力营销数据仓库具有数据源层、数据仓库层、应用层3层体系结构,如图1所示。

(1)数据源层是电力营销数据仓库的数据来源,为决策支持系统提供数据,包括业务数据库中的操作型数据、数据文件中的文档数据和外部数据。操作型数据是面向应用的,主要是支持日常业务操作,是从业扩子系统、线损分析子系统、电量电费子系统、客户服务分析子系统等抽取出来的,是数据仓库中数据的主要来源。外部数据包括其他企业的信息、期刊杂志中的数据等。

(2)数据仓库层由数据抽取、数据仓库和数据仓库管理系统组成。其中,数据仓库是整个数据仓库系统的核心部分,是按照数据仓库的主题思想组织起来的数据集合,包括元数据和业务数据库中的数据。元数据是关于数据的数据,是数据仓库的核心,用于存储数据模型、定义数据结构、数据转换规划、控制信息等[2]。数据仓库管理系统包括对数据仓库中的数据进行维护、安全、备份、日志、恢复等工作,这些工作需要借助数据库管理系统来实现。

(3)应用层建立在数据仓库基础上,主要包括检索查询工具、OLAP工具和数据挖掘工具。决策制定者利用这些工具,从数据仓库的海量数据中获取有价值的信息、为制定决策提供科学的依据[3]。

3 数据仓库的系统结构实施方案

成功建立一个高性能、可扩展的数据仓库平台,关键是建立一个可扩展的系统结构。业界通常存在2种数据仓库结构实施方案的观点,即“自顶向下”和“自底向上”的方法。“自顶向下”的结构意味着首先建立一个覆盖所有业务流程的企业级数据仓库,然后再根据不同的主题建立数据集市。这种方案投资周期长且代价高昂,难以接受。而“自底向上”的观点则认为可先按部门设计独立的数据集市,然后再把这些数据集市集成为一个企业级的数据仓库。这种方案也存在不足之处,由于各个数据集市是分别独立设计的,数据模型各不相同,且这种结构不能提供通用的元数据部件,没有共享的元数据,将这些数据集市结合无异于形成新的“信息孤岛”[4]。

采取的解决方案是将两者结合起来考虑。首先规划企业级数据仓库的数据模型,在此基础上采用分步方法实施各个独立的数据集市。这里规划的企业级数据模型用来保证数据集市的可扩展性和可兼容性,最终形成一个企业级的数据仓库。建模的目标是产生一整套一致性维度,并且标准化所有事实度的定义。一致性维度是指与之可能连接的每一个事实表中意义相同的维度;一致性事实定义是在确定一致性事实维度的同时完成的,用来保证某个事实在不同的数据集市中具有兼容的指标单位。

4 电力营销数据仓库的建立

数据仓库的建立是一个不断循环的过程,在开发过程中设计人员要和企业业务人员互相沟通,共同制定目标及工程计划,确定电力营销数据仓库的主题,为决策者制定决策提供有力的支持。

4.1 确定主题域与设计数据结构

通过对电力营销部门相关业务数据和业务流程的分析,将营销主题划分为售电分析、用户分析、业扩分析、计量分析、负荷分析、报修统计分析、供电服务投诉分析等,并列出各个主题相对应的事实属性及维度属性,其具体设计见表1。

数据仓库中数据通常以星形或者雪花形结构进行存储,以方便用户的查询和调用。星形模型中,位于中央的一个对象与周围若干对象连接,中央的对象称为事实表,周围的对象称为维表。事实表中存放商业事实,由维和量度两类属性列组成。事实表和维表之间通过主、外键联系。雪花模型是对星形模型的拓展,对星形模型的维表进一步层次化,原有的维表被拓展成小的事实表,形成一些局部层次区域,其优点是可最大限度地减少数据的存储量。其售电分析的星型模型如图2所示。

4.2 数据预处理

数据仓库的主要数据来源是电力企业大量的历史数据,其中有一部分来源于现有的信息系统,另一部分需要通过录入系统软件手工录入,这就要求在数据的迁徙过程中对数据进行有效性检查,将操作型数据和其他外部数据转换成统一的格式[5]。数据清理是通过填写空缺的值,平滑噪声数据,识别、删除孤立点,并解决不一致来清理数据。数据集成就是将来自多个数据源、数据立方体或文件中的数据按一定的规则集成到数据仓库中。

4.3 数据挖掘

数据挖掘是从大型数据库的数据中提取用户感兴趣的知识。这些知识是隐含的、事先未知的、潜在的有用信息,提取的知识表示为概念、规则、规律、模式等形式。数据挖掘在整个决策支持中占有重要的地位,它将数据仓库中经过初步加工的大量数据转化为有用的知识和决策信息,为决策人员提供有效的支持。数据挖掘具有预测/验证功能、描述功能等[6]。目前常用的数据挖掘方法有信息论方法、集合论方法(包括粗集方法、概念树方法、覆盖正例排斥反例方法)、决策树方法、神经网络方法、遗传方法、统计分析方法、可视化技术等。

5 结束语

随着电力体制改革的深入,电力企业逐步从计划经济管理模式向市场经济管理模式转变,电力营销数据仓库的建立能更好地促进企业规范化管理,为企业创造更大的经济效益和社会效益。电力营销数据仓库能很好地解决异构数据源和数据不一致的问题,采用多维数据模式的设计使分析效率、查询能力大大提高;充分利用历史数据,从中挖掘出有用信息,预测电力企业发展潜力,为企业领导制定决策提供科学、可靠的依据。

参考文献

[1]INMON W H.数据仓库[M].北京:机械工业出版社,2003.

[2]李敏强,潘振江.基于数据仓库技术的决策支持系统的研究与应用[J].天津大学管理学院学报,2001,15(11):108-109.

[3]胡健.电力市场营销管理[M].北京:中国电力出版社,2000.

[4]何涛.小议云南电力营销信息系统的建设[J].云南电力技术,2001,29(1):69-70.

[5]黎锁平,李娟.基于数据仓库的DSS的结构体系及开发[J].莱阳农学院学报,2000,17(1):67-70.