Big Data大数据重塑营销2_数据分析师
大数据难题:超越技术
当然,从大数据的定义中就可以看出来,大数据营销首先面临的是技术难题。但实际情况是,真正启动大数据营销,你面临的不仅仅是技术和工具问题,更重要的是要转变组织架构和思维,来真正地挖掘那座数据金矿。
1.确定你的目标和标准。
把大数据这个概念扔掉,而是非常专注在你的衡量标准上。你必须弄清楚你到底想从大数据中得到什么,否则你就要花费大量的时间来分析数据。你需要的是,能够帮助解决问题的行为洞察,而不是试图研究每一个能够得到的信息。比如:分析你的消费者线上分享趋势,对你的业务有帮助吗?你的品牌体积是最重要的参数吗?
再强调一遍,大数据的资源太丰富,如果你没有明确的目标,你就算没有走入迷途至少会觉得非常迷茫。因此,首先,要定义你的价值数据标准,之后再使用那些能够解决特定领域问题的工具。
——Tim Devane,技术公司Bit.ly业务发展和销售总监
2.建设技术人才。
拥抱大数据之前,首先团队要到位。分析技能非常重要。你的营销团队要能够非常自如地玩转数据。很多人认为社交媒体营销人是个十分有趣的工作,其实只是个艰苦的工作。它非常注重数据、衡量标准和数据可视化等问题。要成功,首先要确保你的员工已经接受过技能培训,了解如何最大化利用大数据的潜力。当然回报也是非常丰厚的。
——Perry Drake,纽约大学助理教授
第一步是要将原先创意人员和统计人员之间的藩篱打破,让他们以同样的节奏,就同一个问题一起合作,融合为一支队伍,彼此学习。然而,研究公司Gartner曾经提到过,使用大数据的必备能力,是和那些信息技术行业中所需要的能力不同的,它更偏重框架的整合能力、提出正确问题和让公司所有部分一起工作的能力。很明显,你既需要统计人员,也需要创意人员,大数据是他们共有的天地。
——Marshall Sponder,Social Media Analytics:Effective Tools for Building,Interpreting,and Using Metrics一书作者
3.解决碎片化问题。
企业启动大数据营销一个最重要的挑战,是数据的碎片化。许多公司组织中,数据都散落在互不连通的数据库中,而且相应的数据技术也都存在于不同部门中,如何将这些数据库打通,并且实现技术共享,才是能够最大化大数据价值的关键。
——Graham Oakes,技术咨询师、博客作者
4.展现你的价值。
你只有能过展示数据带来的价值你才能够得到资源。营销者需要利用衡量标准来建立他们的可信度。没有这个,营销将会被看做一个花钱中心——但是当CMO们可以利用分析来将营销动作和硬性标准如年利润联系起来,他们就能建立自己的威信和赢得尊重,并在预算中占得一席之地。
——Jon Miller,金融服务公司Marketo营销副总裁
大数据,我们能做些什么?
大数据在国内的热度,仅从一个月内数场大数据主题会议举办的热度就可见一斑。
正如前文所述,数据分析能力的提升给营销带来的前景十分诱人;但同时反应出的是,数据以及如何利用数据一直都是营销圈中共同的难题,尤其在数字媒体兴起之后。
首先面临的是效果衡量标准,即使对于2011年宣布全面转向社交媒体的宝洁,这依然是个问题,“(社交媒体)效果现在无法确切衡量,投入必然会谨慎”,宝洁大中华区品牌运营副总裁靖捷告诉《成功营销》记者。浩腾媒体数据总监贾雯也表示“之前的数字营销效果更多的是数字展示,而不是效果分析。”
媒体的整合、受众的精准也都有赖于数据处理能力的提升来得到更好的答案;而在这些之外,我们可能会发现如何利用数据不只是个技术问题,而是理念以及公司架构等“软性”层面的问题,“国内和国外差距的不是技术,而是人,是对数据的重视程度”——从事数据挖掘20多年的支付宝首席商业智能官车品觉跟本记者分享其经验感悟。
我们从广告主、平台、代理机构等多方角色进行采访或者资料编辑,来了解和呈现不同视角中大数据的重要性和进展。广告主中,银行以及零售商一直是数据挖掘的先驱者,他们的动作对行业有着较大的借鉴价值;作为拥有巨大流量的平台,如何能够更好地提供其对于数据的洞见是其发挥流量优势的主要表现之一;而在业务和人才能力上与数据最为贴近的第三方机构,纵观他们产品和服务的水平几乎可以呈现国内大数据的整体进展。
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