Yahoo的大数据分析的个人化应用_数据分析师培训
大数据(Big Data)近年来已成为市场关注焦点,为了能够发掘大数据的商业价值,在基础建设已经渐渐完备,数据搜集及储存能力已然成熟的环境下,大数据应用的探索焦点,已逐渐从数据技术与系统的讨论,逐渐转移到数据的分析与各领域的深化应用。
如目前的入口网站早已是许多人日常生活不可或缺的服务提供者,透过使用者在使用入口网站服务的行为分析,业者不但可以更进一步地提供个人化推荐服务,还可能为相关业者找到更多的商机。
但并非所有的数据都能产生价值,必须透过很多生态系统搭配组合,才能产生用户所需要的资讯。
大数据已成市场关注焦点。数据的确需要去开采,也需要技术及工具,但技术及工具也可能会用错或浪费资源,所以技术人员不能只看技术,而是要去理解数据真正的价值所在。
如健康照护服务及定位数据如果加以混搭,虽然可以提供更进一步的价值,但如何说动使用者开放或分享,其实需要更细致的说服过程。此外,大数据分析所呈现的世界,客户需求会更加清晰,但市场区隔也会变小,产品及服务必须要更加客制化。
随着无线网路、行动装置及物联网的时代来临,人与物的连结将变得更加多样化,也创造出更多各类型的数据,如何管理、维护及分析这些数据,并将正确分析的结果即时传给正确的使用者,创造更多的商业价值,势必将成为企业未来非常重要的竞争力,大数据分析的价值,值得加以重视。
大数据分析的个人化应用
网际网路基础建设渐趋成熟,加上行动装置的便利性及普及,让许多人的日常生活行为,已经离不开网路,其中又以入口网站接触到的使用者最多,也成为大数据的最主要来源。
如Yahoo提供的诸多服务,如电子信箱、购物、新闻、理财等,都可以追踪到消费者的足迹,加上使用者其他的网路使用行为如点击广告等,以及全球每月可收集超过16亿只智慧型手机及平板电脑上的使用者行为,如何进一步分析这些个人化应用,已成为重要议题。资讯及选择太多,其实也是大数据分析所遭遇的一大难题,以Yahoo所能追踪的消费者使用足迹为例,就会发现其实跟一般官网可以追踪的足迹不太一样,由此也可知,大数据与一般数据其实仍有差别,不能用同样的思考或方法来分析。
大数据具有5大特性,包括数据量(volume)、速度(velocity)、多样性(variety)、易变性(variability)及真实性(veracity)。其中数据量、速度及多样性这3项是一般较常用来评估大数据的标准。
由于使用者平日在网路的应用习惯,举凡使用搜寻引擎、即时通讯、看影音节目、气象、听音乐、购物、社群活动、上传相片、电邮及阅读新闻,Yahoo都有提供对应的服务,其中光是使用者接触到的媒体内容、电子商务及数位行销广告的使用行为分析,就可以产生非常大的商业价值。在分析大数据时,Yahoo一定会做好个人隐私保护,只有行为数据才是真正可以分析的行为。例如,光是早餐的麦片种类就超过70种,往往会造成消费者选择的困扰,但如果透过适当的使用者经验分析,就能提升使用者的正面体验。
以一个小资女班族的日常生活为例,早上在搭捷运上班途中,打开手机看新闻,透过大数据分析,就会优先提供这位使用者平常阅读的影剧新闻、近期因为想要旅游而常关注的旅游文章,以及最近热门浏览的财经新闻。
透过大数据分析使用者行为,也能让使用者得到更多相关资讯。如使用者在点击购物中心84折运动的资讯时,网站就会提示使用者之前看过的那些商品,其实也适用此活动。
甚至在使用者因为点选了广告推荐的日本秋季赏枫行程,个人化推荐模组就会显示超级商城的冬季新装长大衣,或是日本零食、美妆等商品资讯。而且当使用者下班后经过药妆店时,超级商城App也会提供有限定商品折扣的讯息,而且凭App产生的条码,到店购买就可享有第二件7折优惠。
Yahoo首页每天分析超过1亿个以上的网路使用行为,才能提供使用者最感兴趣的互动,而且使用者的网路使用行为愈多,Yahoo提供的资讯也会愈精准。
而对厂商而言,精准行销广告本来就会有提高广告投资效益的效果,如果能根据使用者行为,在首页出现相关的广告,或提示相关的行销活动,抓到使用者的需求,销售将会成倍数成长,尤其是个人化模组的促销量,效果又会比网站推荐模组的效果更好。
针对电子商务,Yahoo台湾团队自主研发演算法与归纳消费者行为模式进行分群,透过数百群产品推荐模组,提供更优质的个人化服务,让购物中心来自个人化推荐模组的业绩显着增加。电子商务方向的大数据分析经验,发现使用者对于即时性的要求很高,也就是说,使用者的任何行为,要在10几分钟后就能完成分析,提供进一步的建议。
要做到前述的使用者行为分析,其实需要各种数据分析技术支援,如分析消费者各类行为与需求的预测模型,也要有能力即时侦测互动事件,并回馈产生最佳的个人化服务内容,而具备一个能够从互动产生的大数据中,快速地搜集、储存、撷取、汇整与计算的大数据分析平台,更是其中的关键要素。
大数据分析平台的运作过程,必须先要有数据来源,然后透过Hadoop、Shark及SQL等技术,很快地完成数据分析处理,最后再将结果储存并展示在使用者的面前。此外,大数据要做到个人化分析应用,科学建模(Science Modeling)的重要性不言可喻,科学建模依据的数学或科学理论,透过雅虎的实际工程(Practical Engineering)及适应学习(Adaptive Learning)能力,可以具体实践出成果。大数据分析要做到个人化应用,批次讯号及即时讯号的分析技术,两者无法相互替代,必须相辅相成,再透过分群数据技术及个人化引擎,最后才能提供为使用者个人量身订做的专属建议。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 2 Pandas数据类型 Pandas 有两种自己独有的基本数据结构。需要注意的是,它固然有着两种数据 ...
2024-11-01《Python数据分析极简入门》 第2节 1 Pandas简介 说好开始学Python,怎么到了Pandas? 前面说过,既然定义为极简入门,我们只抓 ...
2024-10-31在当今数据驱动的世界中,数据科学与工程专业的重要性愈发凸显。无论是推动技术进步,还是在商业决策中提供精准分析,这一专业都 ...
2024-10-30在当今信息爆炸的时代,数据已成为企业决策和战略制定的核心资源。爬虫工程师因此成为数据获取和挖掘的关键角色。本文将详细介绍 ...
2024-10-30在当今数据驱动的世界中,数据分析是揭示商业洞察和推动决策的核心力量。选择合适的数据分析工具对于数据专业人士而言至关重要。 ...
2024-10-30能源企业在全球经济和环境保护双重压力下,正面临前所未有的挑战与机遇。数字化转型作为应对这些挑战的关键手段,正在深刻变革传 ...
2024-10-30近年来,随着数据科学的逐步发展,Python语言的使用率也越来越高,不仅可以做数据处理,网页开发,更是数据科学、机器学习、深度 ...
2024-10-30大数据分析师证书 针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。 ...
2024-10-30《Python数据分析极简入门》 附:Anaconda安装教程 注:分Windows系统下安装和MacOS系统安装 1. Windows系统下安装 第一步清华大 ...
2024-10-29拥抱数据分析的世界 - 成为一名数据分析工程师是一个充满挑战和机遇的职业选择。要成功地进入这个领域,你需要掌握一系列关键技 ...
2024-10-28降本增效:管理战略的关键 企业管理中的降本增效不仅是一项重要的战略举措,更是激发竞争力、提高盈利能力的关键。这一理念在当 ...
2024-10-28企业数字化是指利用数字技术和信息化手段,对企业的各个方面进行改造和优化,以提升生产效率、服务质量和市场竞争力的过程。实现 ...
2024-10-28数据科学专业毕业后,毕业生可以选择从事多种不同的岗位和领域。数据科学是一个快速发展且广泛应用的领域,毕业生在企业、学术界 ...
2024-10-28学习数据科学与大数据技术是当今职业发展中至关重要的一环。从基础到高级,以下是一些建议的课程路径: 基础课程: Python编程 ...
2024-10-28在信息技术和数据科学领域,数据架构师扮演着至关重要的角色。他们负责设计和管理企业中复杂的数据基础设施,以支持数据驱动的决 ...
2024-10-28进入21世纪以来,随着信息技术的迅猛发展,大数据已经成为全球最具影响力的技术之一,并成为企业数字化转型的核心驱动力。大数据 ...
2024-10-28随着科技的迅猛发展,数字化转型已成为现代企业保持竞争力和推动增长的关键战略之一。数字化不仅仅是技术的应用,它代表着一种全 ...
2024-10-28银行业正处于一个前所未有的数字化转型时期。在数字经济的驱动下,金融科技如大数据、人工智能、生物识别、物联网和云计算等技术 ...
2024-10-28数据分析可视化是一门艺术与科学相结合的技术,其主要目标是将复杂的数据变得更易于理解和分析。通过将数据以图表的形式呈现,我 ...
2024-10-28数据分析师在现代信息密集型的商业世界中扮演着至关重要的角色。他们通过专业的技能和敏锐的商业洞察力,帮助企业从大量数据中提 ...
2024-10-28