全球｜北美大数据企业Splunk、Palantir业务及产品分析
Wikibon 统计了2013 年全球大数据领域收入排名TOP 30 的公司，其中不仅包括IBM、HP 等传统综合IT 企业，也包括palantir、inrix 等专注于特定领域数据分析的新兴企业，我们尝试对该30 家公司进行归类分析，并探索各类别企业背后的一些共性的因素。传统IT 企业。以IBM、HP、dell、oracle 等企业为代表，该类企业具有完整的软、硬件产品线，并通过既有产品线、hadoop 等开源计算框架的融合，迅速构建出综合性大数据解决方案。
传统互联网企业。以google、amazon 为代表，本身具有雄厚的技术和资金支持，且数据源丰富，自身业务对大数据具有较强的需求。
传统咨询公司。以埃森哲、BCG 等传统咨询公司为代表，作为咨询业务的延伸，依赖于对行业的理解，面向企业输出大数据实施方案以及承担相应的数据分析职能等。
新兴大数据企业。以palantir、splunk 等为代表，依赖于融合的计算框架和强大的技术实力，并叠加对特定行业的深入理解，提供相应的数据分析服务，典型的技术、行业认知驱动。
新兴大数据企业依靠技术、行业认知快速崛起
完成上述的分析后，我们再回到产业链本身，沿着数据源、
基础软硬件设施、数据分析三个核心环节进行归纳总结。
数据源：单一的数据源业务难独立存在
在营收排名靠前的大数据相关企业中，我们并未发现单纯聚焦于数据源环节的企业，我们判断在现阶段，数据源环节仍和数据分析等环节实现紧密绑定，难以独立存在，在未来从事单纯数据源业务的企业可能逐步出现。从数据来源来看，以美国市场为例，目前已经形成了企业自有数据、商业数据、第三方数据等多种数据融合、互通的良好局面。基础设施服务：云计算和大数据相互促进，基础软件市场空间有限
我们观察到，云计算产业的大规模发展为大数据产业的崛起奠定了扎实的底层基础，同时市场对大数据产业价值的认可，也进一步推动云计算产业的规模化部署，两者互为促进。在基础软件业务部分，传统的数据分析软件和基于Hadoop、Nosql 的开源生态互为补充，开源软件部分，目前来看，Hadoop、Nosql 商业化产品市场整体空间有限，且发展缓慢，且商业变现周期漫长。以从事Hadoop 商业化产品开发的Hortonworks 为例，该公司自上市以来营收增长乏力，股价持续下挫。数据分析：新兴大数据企业的孵化池
作为上层应用环节，数据分析市场占比在整体大数据产业中无疑是最大的，其在产业中占比同时也客观上反映了产业的发展成熟度，这里聚集了大量的新兴大数据公司，比如知名的Palantir、Splunk 等，我们分析发现该类成功新兴
企业典型的特征可以简单概况为：突出的技术、行业深度理解。同时，从目前主要大数据分析企业所服务的行业来看，政府、金融、电信、医疗、IT 等行业仍是主要的应用领域。案例1：Splunk
公司概述。公司成立2003 年，从机器日志分析产品起步，经历近10 年的发展，逐渐成为机器日志处理、分析领域的全球领先企业，并通过持续的并购和外部合作，不断拓展自身技术边界，围绕机器日志分析丰富产品组合。公司业务：围绕基础日志分析产品构建数据分析平台：
产品结构。公司业务功能主要分为五大块：IT 运营、应用管理、安全合规、网络智能与商业分析。作为平台型公司，公司依托splunk 基础产品，不断挖掘用户使用场景，根据公司对客户的调研发现，老客户的服务购买量是三年前的四倍，公司70%的收入来自于老客户的贡献。商业模式：软件license+运维服务。Splunk 软件平台可以实时对任何APP、服务器或网络设备的机器数据进行索引、监控与分析，并将结果生成图形化报表，在此基础上帮助客户避免服务性能降低或中断。在此基础上，Splunk 逐渐形成软件许可证售卖和运维服务两种主要业务模式。公司成功经验小结：
出众的机器日志分析产品。Splunk 通用引擎能够将任何的机器数据广泛地索引，并支持任何格式的数据，而无需进行格式转换。同时在计算架构上，其自主开发了类似于
MapReduce 的分布式架构，能够轻松扩展到支持每天新增上百TB 的数据，配合基于角色的数据访问控制，还能跨多数据中心运行。
基于基础产品的数据分析平台构建。公司围绕基础的splunk 机器日志分析产品，不断挖掘客户的商业应用场景，并持续丰富产品组合，应用场景从机器性能分析到用户行为分析等，使得单位企业用户的价值挖掘和客户粘性均保持较高水平。
案例2：Palantir
公司简介。公司成立于2003 年，创始人为Peter Thiel, Alex Karp, Joe Lonsdale,Stephen Cohen 和Nathan Gettings，其中Peter Thiel 为原paypal 创始人，硅谷著名投资人，后面三位均为硅谷顶尖程序员。发展初期主要面向政府机构提供数据分析服务，后借助政府订单背书，逐步将业务扩展至民用领域。公司业务：
业务模式。整合海量的数据源形成全方位的可视化的输出，运用公司设计的相应算法进行联想、定位、分析的形式来分析单一个体或特定场景，提供解决方案。
产品组合。公司主要有两款产品，Palantir Gotham 和Palantir Metropolis。它们都具有开放性、可延展性和可规模性，可以数周甚至数天内完成部署、发挥作用，可以快速迭代以反映用户反馈。公司运营数据表现：
收入表现。从2011 年至今，公司年收入增长率维持在50%-80%之间。
业务结构。公司以政府客户订单起家，从2010 年起公司业务在商业领域取得重大突破，目前已经有70%以上的业务来源于非政府客户。
客户粘性。一家企业成为公司的客户后，1 年内的平均消费额是初始消费金额的 1.8倍， 2 年内的平均消费额是初始消费金额的 4.4 倍， 3 年内的平均消费额是初始消费金额的7.2 倍，良好的客户粘性成为公司业务维持高速增长的重要动力。
成功经验总结：
借助政府领域背书，向民用领域积极拓展。Palantir 在成立之初，主要面向政府部门提供数据服务，在2010 年以前，其没有任何的非政府订单，但是借助政府领域订单的背书，从2011 年开始，公司先后获得摩根士丹利等大型金融机构的订单，到2015 年，公司民用领域的订单额占整体订单收入比已经超过70%。
技术和专业人才的有机结合。Palantir 创立之初，已经具有社会威望的四位创立者和原PayPal 技术人员就组成了强大的技术团队，并且依靠在PayPal 时积累的反洗钱、反欺诈技术进入了政府大数据市场，以技术为导向的工程师文化是企业的核心文化，公司人员结构中，目前75%以上为技术人
员。Palantir 认为分析工具固然重要，但是人的判断也是非常重要，最后机器不能做高级决策，需要人的参与；Palantir 平台奠定了基础，该平台把人工算法和强大的引擎（可以同时扫描多个数据库）整合到了几近完美的境界。
注重信息安全和隐私保护。Palantir 坚持认为，在数据无所不在的时代，严格的隐私和数据保护尤为必要。在其为政府部门提供的产品服务中，自动带有Audit trail，以在需要时呈现政府用户对哪些公民信息进行过窥探。
据Wikibon 数据，全球大数据市场规模在2015 年突破400 亿美元，产业发展初具规模，同时全球市场发展具有如下典型特征：
（1 ）形成多层次、融合的大数据来源，包括企业内数据、商业数据以及独立第三方机构数据源。
（2）基础软件模块整体空间有限，市场收入主体主要由数据分析服务和基础硬件模块构成，开源工具引入使得软件模块整体空间非常有限。
（3）技术、行业认知驱动新兴数据分析企业崛起，以palantir、splunk 为代表的企业依托突出的技术，以及对特定行业的深刻认知，迅速打破传统IT 企业的壁垒，并在特定细分行业领域占据主导地位。
节选自中信证券2016年5月6日发布的报告《DT 时代真正驾临》。
End.转发朋友圈积攒送大数据书籍
大数据分析与营销 课程背景： “大数据”的概念出现至今已经12年了，然而，为数不少的的市场部、销售部的相关员工由于缺乏营销分析的技能，还在使用原始低效的统计和分析方法，浪费大量的时间不说，老板还经常不满意。 大数据时代要求市场和销售部门对客户响应、营销过程、行业竞争做深入分析，为决策者提供真正的决策支持，特别是为每一个营销动作提供最佳的运作模型。 本课程从大数据的宏观知识背景开始，探讨如何将数据分析的技能应用于企业日常的销售运营当中。学习本课程您将可以掌握以下内容： 1. 了解大数据的概念，大数据包含哪些技术框架和工具 2. 大数据如何跟银行营销工作相结合 3. 数据挖掘的CRISP循环 4. 数据分析的工具介绍：例如指标分析的方法和统计学算法介绍 课程时间：1天，6小时/天 适合对象：市场分析人员及各销售管理岗 课程大纲： 一、大数据时代概述 “大数据”火了，但是大数据的应用已经有十几年的历史了，本节告诉你大数据是什么 1. 大数据的应用历史 2. 大数据的全景视图 3. 最热门的大数据工具有哪些 4. 企业的市场和营销部门应该具备哪些大数据的技能？ 5. CRISP方法论 案例演练：空降经理的烦恼，您来亲身体验一下数据分析的过程 二、构建企业的分析体系
本节介绍如何在企业内部实施大数据，利用大数据驱动企业的营销动作 1. 大数据如何与企业的营销结合 a) 营销动作和大数据的结合 b) 岗位的设置和技能要求 2. 分析模型的设计、实施工具 a) SPSS Clementine简介 b) SAS简介 c) SQL Analysis简介 d) Excel控件简介 3. 数据的收集和准备 a) 数据的来源 b) 原始数据转换为业务数据 三、基于关键指标的分析方法 指标分析是一种快速的企业绩效分析手段，是衡量企业健康状况的健康指标，本节介绍如何通过指标构建数据分析模型。 1. 案例思考：从一张报表说起 2. 传统的基于绩效考核指标分析的缺陷 3. 把KPI指标和管理理念相结合，搭建分析模型分析营销状况 4. 案例解析： a) 竞争力分析模型 b) 利润分析模型 四、时间序列分析 时间序列分析的目的是掌握销售过程中出现的趋势、规律，优化产品组合和销售管理。 1. 时间序列规律的三个方面 2. 如何识别周期，认识同比的风险 3. 趋势如何分析 4. 案例解析 a) 数据周期分析
剖析大数据分析方法论的几种理论模型 做大数据分析的三大作用，主要是：现状分析、原因分析和预测分析。什么时候开展什么样的数据分析，需要根据我们的需求和目的来确定。 作者：佚名来源：博易股份|2016-12-01 19:10 收藏 分享 做大数据分析的三大作用，主要是：现状分析、原因分析和预测分析。什么时候开展什么样的数据分析，需要根据我们的需求和目的来确定。 利用大数据分析的应用案例更加细化的说明做大数据分析方法中经常用到的几种理论模型。 以营销、管理等理论为指导，结合实际业务情况，搭建分析框架，这是进行大数据分析的首要因素。大数据分析方法论中经常用到的理论模型分为营销方面的理论模型和管理方面的理论模型。 管理方面的理论模型： ?PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等?PEST：主要用于行业分析 ?PEST：政治(Political)、经济(Economic)、社会(Social)和技术(Technological) ?P：构成政治环境的关键指标有，政治体制、经济体制、财政政策、税收政策、产业政策、投资政策、国防开支水平政府补贴水平、民众对政治的参与度等。?E：构成经济环境的关键指标有，GDP及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。?S：构成社会文化环境的关键指标有：人口规模、性别比例、年龄结构、出生率、死亡率、种族结构、妇女生育率、生活方式、购买习惯、教育状况、城市特点、宗教信仰状况等因素。
?T：构成技术环境的关键指标有：新技术的发明和进展、折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度、国家重点支持项目、国家投入的研发费用、专利个数、专利保护情况等因素。 大数据分析的应用案例：吉利收购沃尔沃 大数据分析应用案例 5W2H分析法 何因(Why)、何事(What)、何人(Who)、何时(When)、何地(Where)、如何做(How)、何价(How much) 网游用户的购买行为： 逻辑树：可用于业务问题专题分析
大数据分析对市场营销的影响 所谓大数据分析，是指数字信息量异常巨大，具有宏观性，而无法简单地使用人脑或计算机对其进行处理与分析。其内容丰富，信息繁杂，有用无用的数据均混作一团，相关管理人员与数据处理人员必须使用特定的分析手段与分析方式，以及明确的分析目标，来对其中蕴含的信息逐一挖掘出来。毫无疑问，大数据分析时代会推动企业市场营销战略制定规划的改革与再发展，从而使得市场营销战略的规划更加切合客户的需求，更精准地获悉市场整体动向。 1大数据与市场营销的定义与特点 1.1大数据的定义与特点 大数据实际上是指巨量数据的一个整体集合，无法在特定的空间时间范围内用常规的数据处理软件工具来进行管理、储存和处理，需要新的处理模式才能对其加以应用。目前，对于大数据的理解和应用只停留在概念层面，还未能对其有非常好的应用方案。它的特点是多、繁、杂，数据的增长速度快，所包含的信息量需要人为通过一些手段去进行甄别，其中包含许多无可避免的垃圾信息[1]。而大数据分析的工作便是通过这些手段将大数据进行处理，刨去里面的垃圾数据和垃圾信息，从而将有效的数据整理结合起来，才能通过有效数据信息的表象得出一个定论，为后续的战略制定等工作做出必要的铺垫。 1.2市场营销的定义与特点 市场营销是指企业进行的关于生产、流通、销售、售后以及其他等一切与市场有关的经营活动，前期的数据分析、市场调查、产品设
计等工作实际上也属于市场营销，前期工作与后期工作均是为市场效力，让产品更好地适应市场，让企业市场营销的整体战略更好地顺应时代需求，让消费者更加满意。市场营销的特点在于，它具有整体性、全局性、指导性、可调性，并且微观宏观的层面都均需考虑到，也可以根据时间的发展要求对市场营销进行一定程度的调整。因此，它也具有可调性。市场营销能够加强企业内部的专业分工，让企业的输出更好的同市场接轨，同社会接轨。 2大数据分析时代带来市场营销上的转变 2.1从传统的单向营销变为双方实时反馈的跟进式营销 传统的市场营销中，往往只是企业进行单向的市场营销。即在产品设计之前就进行好市场调查预测、数据分析、产品设计等，在经过分析阶段的万全准备后，才将产品投放入市场。但是产品投放入市场后，客户、消费者对产品的反应和态度并不能得到实时的、有效的反馈。企业往往对产品需要做阶段性的调查，花费大量人力物力，并再通过调查结果重新调整市场营销战略，这从产品投放到第一次反馈调查中所花费的时间是极其宝贵的，因为万一初始的产品定位就出现方向性错误，那么到了第一次反馈调查时发现，就需要更多精力、时间、金钱去调整定位，而这种调整的支出甚至会使产品在市场的整体收效入不敷出，因为木已成舟。但是如若不作调整，产品的投入便达不到预期所想。大数据的出现，使得以前这种单向的市场营销逐渐向实时反馈的跟进式营销方向转变。在电商企业中，这一点显得尤为明显。数据均为实时更新，可以看到各时间段、各群体等方面对产品的整体
商业银行大数据分析营销 课程背景： 移动互联网时代，要求银行业者将移动电商重要性提升到战略层面，更要求银行业者做到所有的服务和行为都可以量化，从而对业务发展形成全方位视角，提升决策质量和业绩表现。 课程目标： 1.结合案例、深入研讨、学习互联网银行的现状和趋势 2.对利用互联网思维、大数据进行银行服务的体系建设提出了实施建议 课程时间：6小时 课程对象：适合了解互联网金融思维，本质和金融大数据的各级银行骨干人员 课程特点： 1. 案例贯穿课程始终，从案例中，让学员认识互联网和大数据思维，转变理念。 2. 重点结合金融行业，剖析如何利用大数据。 主训导师：上海蓝草咨询 课程大纲： 引言部分 移动互联网的大幕已经拉开， 这是一场变革颠覆的盛宴， 无论你是否准备好， 任何人都无处可逃......
第一讲没有互联网，没有大数据 一、互联网金融 1.互联网金融颠覆传统银行业务 2.传统金融三个核心业务的突破 3.互联网银行 4.影子银行与P2P 5.互联网金融监管 6.互联网精神推动金融行业发展 二、商业银行战略的转移和变化 1.过往经济模式下的银行经营、管理逻辑 2.商业银行传统模式的终结 3.2016年中国银行业发展五大变化 4.客户金融需求深刻变化 5.发展普惠金融创新，丰富金融市场层次和产品 三、大数据思维 1.用户思维：得屌丝者得天下 2.简约思维：专注，少即是多
3.极致思维：服务即营销 4.迭代思维：精益创业，快速迭代 5.流量思维：免费是为了更好的收费 6.社会化思维：口碑营销 7.大数据思维：DT是为了别人满意 8.平台思维：打造多方共赢的生态圈 9.跨界思维：跨界分金 第二讲金融大数据 一、何谓大数据 1.4V特性 2.数据与大数据区别 3.大数据典型代表 二、大数据分析 1.数据的收集和准备 2.具备哪些大数据技能 3.数据分析的八个极致模型 4.CRISP 三、大数据带来的变革和价值
企业大数据采集、分析与管理 系 统 设 计 报 告
目录 一、市场需求信息挖掘 (4) 1. 获取市场需求信息 (4) 2. 市场需求信息分析 (4) 二、工厂成本归集 (4) 1. 基于集成化系统的成本数据采集 (4) 2. 产品成本归集和核算 (5) 三、智能车间大数据采集、分析 (8) 1. 制造车间数据采集 (8) 2. 车间整体状态及计划执行情况分析 (11) 四、业务流程审批及进程监控 (11) 1. 业务流程管控 (12) 2. 采购、订单、物料管理与数据分析 (14) 3. 财务分析与统计 (16) 4. 需求、设计、工艺、制造各环节信息管理 (17) 5. 移动端APP (18) 五、质量信息管理与追溯 (18) 1. 质量信息管理 (18) 2. 供应商评价优选 (19) 六、无纸化OA系统及图档管理 (19) 1. 无纸化OA办公系统 (19) 2. 图纸及技术文档安全管理 (20)
企业大数据采集、分析与管理系统设计报告智能制造是制造业转型升级、向中高端制造业迈进的重要举措。离散制造型企业，其本身具有零件种类多、加工工序复杂、生产过程不确定因素众多、工厂透明度不高、部门间存在信息孤岛等特点。本系统从清晰的状态感知、实时数据分析与展示、决策精准执行与审批、全生命周期产品信息管理、无纸化OA及图档管理五大方面着手解决企业痛点，可以实现产品全生命周期生产过程管理、产品成本管理、信息共享管理和项目远程管理，帮助企业打造透明的、全过程可控的、高感知度的、高柔性的智慧工厂。
一、市场需求信息挖掘 1. 获取市场需求信息 市场需求信息能从多方面反映市场活动的方向，是企业指定经营战略、进行市场竞争的重要依据。本系统在每次客户发起询价时，会要求填写详细的需求信息。通过语义网（Semantic Web），对需求信息进行特征抽取和模糊聚类，进行分类存储，并构建适合企业自身的“市场需求指标库”。 2. 市场需求信息分析 将市场信息转化为企业决策，必须经过复杂的数据处理过程。对市场需求信息大数据聚类之后的各簇，建立统一的预测模型，通过时间序列模型、多元线性回归、最小二乘支持向量机等方法，对行业发展趋势做出预测，并将结果进行图表化展示。 二、工厂成本归集 1. 基于集成化系统的成本数据采集 功能：要素耗费的初次分配、生产成本的分配、辅助生产成本的分配、制造费用的分配。 随着信息化的发展，企业采用了基于集成化的成本数据采集方式如图所示，该采集方式将库存管理、财务管理、资源管理和质量管理等系统之间数据传递和采集，获取成本的相关信息。
大数据对企业管理决策影响分析 随着云计算技术的快速普及，加之物联网、移动互联网应用的大规模爆发，人类进入了大数据时代。大数据的数据集远远超出了目前典型数据库管理系统获取、存储、管理和分析的能力。研究机构Gartner将大数据定义为需要新处理模式才能具有更强的决策力、洞察 发现力和流程优化能力的海量、高增长率和多样化的信息资产；国际数据公司(IDC)认为大数据是从海量规模数据中抽取价值的新一代技术和架构；IBM将大数据定义为4个V即大量化(Volume)、多样化(Variety)、快速化(Velocity)及产生的价值(Value)。针对大数据的特征挖掘其价值并作出决策，成为企业在大数据环境下进行决策的重要依据。2012年1月达沃斯世界经济论坛将大数据作为主题之一，探讨了如何更好地利用数据产生社会效益；2012年5月联合国“Global Pulse”特别分析了发展中国家面对大数据的机遇和挑战，并倡议运用大数据促进全球经济发展；2012年3月美国奥巴马政府发布“大数据研究和发展倡议”，正式启动大数据发展计划，随后英国、加拿大、澳大利亚、法国、日本等30多个国家也相继启动了大数据计划；Google、IBM、EMC、惠普、微软和阿里巴巴、百度等国内外公司正在积极抢占大数据技术市场。大数据应用领域包括客户关系管理、市场营销、金融投资、人力资源管理、供应链管理和卫生保健、教育、国家安全、食品等各个行业，已成为一个影响国家、社会和企业发展的重要因素。在互联网时代，基于数据判断、决策成为国家、企业和个人的基本技能。大数据的出现改变了企业决策环境，并将对企业的传统决策方式产生巨大影响。 1、大数据对管理决策环境的影响 1.1大数据下数据驱动的决策方式 目前人类每年产生的数据量已经从TB(1024GB=1TB)级别跃升到PB(1024TB=1PB)、 EB(1024PB=1EB)乃至ZB(1024EB=1ZB)级别。美国互联网数据中心指出，全球已有超过150 亿台连接到互联网的移动设备，互联网上的数据每年增长50%，每两年便翻一番，而目前世界上90%以上的数据是最近几年才产生的，随着数据的急剧增长，大数据时代已经到来。大数据下的决策依赖于大量市场数据，如何有效地收集和分配数据、可靠智能地分析和执行数据成为企业未来面临的挑战。基于云计算的大数据环境影响到企业信息收集方式、决策方案制定、方案选择及评估等决策实施过程，进而对企业的管理决策产生影响。舍恩伯格指出，大数据的“大”，并不是指数据本身绝对数量大，而是指处理数据所使用的模式“大”：尽可能地收集全面数据、完整数据和综合数据，同时使用数学方法对其进行分析和建模，挖掘出背后的关系，从而预测事件发生的概率。数据驱动型决策(data-driven decision making)是大数据下决策的特点。研究表明，越是以数据驱动的企业，其财务和运营业绩越好。大数据是个极丰富的数据集，数据是知识经济时代重要的生产要素，是经济运行中的根本性资源。数据生产信息，信息改善决策，进而提高生产力。可以预期，未来决定、评价企业价值的最大核心在于数据，数据积累量、数据分析能力、数据驱动业务的能力将是决定企业价值的最主要因素。 1.2大数据下决策方式应用现状 MIT沙龙主编与IBM商业价值协会通过对100个国家30多个行业的近3000名公司执行者、管理者和数据分析工作者进行调查，基于调查结果为公司提供了5条建议，其中提出对于每个机会，企业需要从问题而不是数据开始，所以应该先定义满足商务目标的问题，然后识别那些可以解答问题的数据。枟经济学家枠杂志2010年的一项调查显示，经营大数据已成为企业管理的热门话题，但大数据的应用目前还处于初级阶段。2013年3月IBM的大数据调研白皮书枟分析：大数据在现实世界中的应用枠显示“大数据”将带来蓬勃商机，
大数据模式下的精准营销 于大部份营销者来说，网站再定向(onsite retargeting)是其中一个最重要的营销手段，所谓网站再定向的意思是对曾访问您网站的用户进行宣传，在他们浏览网络时向其展示广告。此手段之所以重要是因为在第一次接触中真正转化为购买的只占2%，而没有产生购买就离开网站的人群体高达98%。网站再定向的威力在于它能够帮助你吸引很多的潜在客户，由于这些用户之前已经访问了您的网站一次，这意味着他们确实对您的产品和服务感兴趣。当你不断向这些用户显示相关的广告，将能够吸引他们回访并完成购买。理论上，网站再定向技术听起来完美，但执行起来，却可能让很多广告主走入死胡同，因为它只能够覆盖到旧有的访客，而无法接触新访客。对于广告主来说，网站再定向是一把双刃刀，它虽然能带来绝佳的ROI，却由于覆盖度不足，会在无形中扼杀销售机会。 其实无论是广告数据或购买行为数据，网络都能记录下来，而网络的实时记录特性，让它成为当下广告主实现定位营销的不二之选。随着技术不断革新，广告主精细化定位的需求也不断得到满足。在随后的篇幅中，我们会简单地对比几大定位技术，并通过电商案例分析来讨论如何让这些数据技术协同起来，促成客户从浏览广告到掏钱购买的转化，实现广告主的收益最大化。 大数据—定向的基础 网络营销的精细化定位潜力只有在大数据的支持下才能完全发挥出来。图中的数据金字塔划分出了数据的四个层级。最底层是广告表现数据，是关于广告位置和其表现的信息。
具体而言，就是广告位的尺寸、在网页的位置、以往的点击率、可见曝光(viewable impr ession)等指标。 再上一层就是受众分类数据。如今，市场上的数据提供商可以通过用户的线上和线下的行为，来收集到广告受众的兴趣、需求等数据。这些不会涉及个人真实身份的信息会被分析，并划分为不同的群組，例如性价比追求者、网购达人等。有了受众分类数据，广告主可以在互联网上按自己的需求和品牌的特性来投放。受众分类数据的针对性更强，也能带来比单纯依赖广告表现数据更好的点击率与转换率，因为它提供了消费者行为和偏好等宝贵信息。 第三层是搜索动机数据。搜索再定向是个用于发掘新客户的技术。它的出现让我们能够发掘出那些很可能会购物的用户，因为他们已经开始搜索与广告主产品相关的信息了。那些具有高商业价值的数据可以进一步被筛选出来，广告主可以将具有高购买意愿的人们再定向到自己的产品信息上来。 而位居数据金字塔顶端的是站内客户数据，这指的是用户在广告主网站上的用户行为数据，包括了用户浏览的页面，下载的信息，以及加入购物车的商品等数据。网站用户通常是那些已经了解过品牌并且对公司也熟悉的一群人。 对于广告主来说，金字塔四层的数据都独具价值。举例而言，广告表现数据是每个广告主都首先会关注的信息，因为这些信息在大多数广告管理平台和广告交易平台都能轻易获得的。同时，那些与用户需求和偏好相关的数据，能够助力广告主更好地实现精细化营销。因此，要想针对性地影响消费者购买路径的每个过程，我们就需要把这四层的数据分析整合，才能制定一个更全面的营销方案。
大数据企业架构讨论
案例研究：智慧交通
大数据实时处理和分析
目的：提高城市交通的科学管理和组织服务水平
业务目标
传感 器
? 压力传感器 ? 速度传感器 ? 生物传感器 ? 温度、湿度……
RFID
? 射频天线扫描 ? 电子标识
? 智能交通数据的有力支撑 ? 智能交通公共信息服务的实时传递和快速反 应的应急指挥 ? 智能交通业务联动快速应对变化 ? 可视化事件跟踪
摄像 头
挑战
? 高速拍照 ? 高清摄像头
? 近千万辆轿车、轨道交通、快速公交系统 ? 高并发事件及数据流的实时处理 ? 海量非结构化大数据的组织与分析
智能交通整体规划架构
信息服务
用户服务
政府
企业
公共
个人
ITS智能交通物联网平台
城市综合信息管理平台 铁路综合管理平台 水运综合管理平台
应用层/ 信息处理
公路可视化综合信息平台
公共交通运营管理平台
雷达测速 通信 监控 GIS 信号 电警 车次号识别 ETC CBTC 紧急救援 接处警 卡口 视频监控 PIS 事件检测 交通诱导 BRT 路径识别 信号控制 旅行时间 出行者信息系统 电子站牌 智能停车场 公交调度管理
车地双向实时无线通信网数传电台 政府专网 Internet
网络层/ 信息传输
GPRS/CDMA/3G/Wi-Fi/WiMax光纤TCP/IP
感知层/ 信息采集
交通行业
3
大数据处理及分析理论方法技术 （一）大数据处理及分析建设的过程 随着数据的越来越多，如何在这些海量的数据中找出我们需要的信息变得尤其重要，而这也是大数据的产生和发展原因，那么究竟什么是大数据呢？当下我国大数据研发建设又有哪些方面着力呢？ 一是建立一套运行机制。大数据建设是一项有序的、动态的、可持续发展的系统工程，必须建立良好的运行机制，以促进建设过程中各个环节的正规有序，实现统合，搞好顶层设计。 二是规范一套建设标准。没有标准就没有系统。应建立面向不同主题、覆盖各个领域、不断动态更新的大数据建设标准，为实现各级各类信息系统的网络互连、信息互通、资源共享奠定基础。
三是搭建一个共享平台。数据只有不断流动和充分共享，才有生命力。应在各专用数据库建设的基础上，通过数据集成，实现各级各类指挥信息系统的数据交换和数据共享。 四是培养一支专业队伍。大数据建设的每个环节都需要依靠专业人员完成，因此，必须培养和造就一支懂指挥、懂技术、懂管理的大数据建设专业队伍。 （二）大数据处理分析的基本理论 对于大数据的概念有许多不同的理解。中国科学院计算技术研究所李国杰院士认为：大数据就是“海量数据”加“复杂数据类型”。而维基百科中的解释为：大数据是由于规模、复杂性、实时性而导致的使之无法在一定时间内用常规软件工具对其进行获取、存储、搜索、分享、分析、可视化的数据集合。 对于“大数据”（Bigdata）研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决
图2.1：大数据特征概括为5个V （三）大数据处理及分析的方向 众所周知，大数据已经不简简单单是数据大的事实了，而最重要的现实是对大数据进行分析，只有通过分析才能获取很多智能的，深入的，有价值的信息。那么越来越多的应用涉及到大数据，而这些大数据的属性，包括数量，速度，多样性等等都是呈现了大数据不断增长的复杂性，所以大数据的分析方法在大数据领域就显得尤为重要，可以说是决定
互联网营销与大数据分析大数据营销，依托大数据技术的基础大数据营销是基于多平台的大量数据行大数据营销衍 生于互联网上，应用于互联网广告行业的营销方式。依托多平台的大数据采集，以及大数据技业，又作用于互联网行业。给品牌企业带来更能够使广告更加精准有效，术的分析与预测能力，高的投资回报率。大数据营销的核心在于让网络广告在合适的时间，通过合适的载体，以合适的方式，投给合适的人。 大数据营销是指通过互联网采集大量的行为数据，首先帮助广告主找出目标受众，以此对广告投放的内容、时间、形式等进行预判与调配，并最终完成广告投放的营销过程。 大数据营销，随着数字生活空间的普及，全球的信息总量正呈现爆炸式增长。基于这个趋势之上的，是大数据、云计算等新概念和新范式的广泛兴起，它们无疑正引领着新一轮的互联网风潮。 多平台化数据采集：大数据的数据来源通常是多样化的，多平台化的数据采集能使对网民行为的刻画更加全面而准确。多平台采集可包含互联网、移动互联网、广电网、智能电视未来还有户外智能屏等[1]?。数据 [2]?：在网络时代，网民的消费行为和购买方式极易时效性强调在短的时间内发生变化。在网民需求点最高时及时进行营销非常重对此提出了时间营销策略，AdTime要。全球领先的大数据营销企业 它可通过技术手段充分了解网民的需求，并及时响应每一个网民当前
的需求，让他在决定购买的“黄金时间”内及时接收到商品广告。 个性化营销：在网络时代，广告主的营销理念已从“媒体导向”向“受众导向”转变。以往的营销活动须以媒体为导向，选择知名度高、浏览量大的媒体进行投放。如今，广告主完全以受众为导向进行广告营销，因为大数据技术可让他们知晓目标受众身处何方，关注着什么位置的什么屏幕。大数据技术可以做到当不同用户关注同一媒体的相同界面时，广告内容有所不同，大数据营销实现了对网民的个性化营销。性价比高：和传统广告“一半的广告费被浪费掉”相比，大数据营销在最大程度上，让广告主的投放做到有的放矢，并可根据实时性的效果反馈，及时对投放策略进行调整。 关联性：大数据营销的一个重要特点在于网民关注的广告与广告之间的关联性，由于大数据在采集过程中可快速得知目标受众关注的内容，以及可知晓网民身在何处，这些有价信息可让广告的投放过程产生前所未有的关联性。即网民所看到的上一条广告可与下一条广告进行深度互动。 大数据营销的实现过程： [3]?大数据营销并非是一个停留在概念上的名词，而是一个通过大量运算基础上的技术实现过程。虽然围绕着大数据进行的话题层出不穷，且在大多数人对大数据营销的过程不甚清晰。事实上，国内的全球领先的大很多以技术为驱动力的企业也在大数据领域深耕不辍。． 率先推出了大数据广告运营平台——云图。据AdTime数据营销平台 介绍，云图的云代表云计算，图代表可视化。云图的含义是将云计算
互联网营销与大数据分析 大数据营销 大数据营销是基于多平台的大量数据，依托大数据技术的基础上，应用于互联网广告行业的营销方式。大数据营销衍生于互联网行业，又作用于互联网行业。依托多平台的大数据采集，以及大数据技术的分析与预测能力，能够使广告更加精准有效，给品牌企业带来更高的投资回报率。 大数据营销的核心在于让网络广告在合适的时间，通过合适的载体，以合适的方式，投给合适的人。 大数据营销是指通过互联网采集大量的行为数据，首先帮助广告主找出目标受众，以此对广告投放的内容、时间、形式等进行预判与调配，并最终完成广告投放的营销过程。 大数据营销，随着数字生活空间的普及，全球的信息总量正呈现爆炸式增长。基于这个趋势之上的，是大数据、云计算等新概念和新范式的广泛兴起，它们无疑正引领着新一轮的互联网风潮。 多平台化数据采集：大数据的数据来源通常是多样化的，多平台化的数据采集能使对网民行为的刻画更加全面而准确。多平台采集可包含互联网、移动互联网、广电网、智能电视未来还有户外智能屏等数据[1]。 强调时效性[2]：在网络时代，网民的消费行为和购买方式极易在短的时间内发生变化。在网民需求点最高时及时进行营销非常重要。全球领先的大数据营销企业AdTime对此提出了时间营销策略，它可
通过技术手段充分了解网民的需求，并及时响应每一个网民当前的需求，让他在决定购买的“黄金时间”内及时接收到商品广告。 个性化营销：在网络时代，广告主的营销理念已从“媒体导向”向“受众导向”转变。以往的营销活动须以媒体为导向，选择知名度高、浏览量大的媒体进行投放。如今，广告主完全以受众为导向进行广告营销，因为大数据技术可让他们知晓目标受众身处何方，关注着什么位置的什么屏幕。大数据技术可以做到当不同用户关注同一媒体的相同界面时，广告内容有所不同，大数据营销实现了对网民的个性化营销。 性价比高：和传统广告“一半的广告费被浪费掉”相比，大数据营销在最大程度上，让广告主的投放做到有的放矢，并可根据实时性的效果反馈，及时对投放策略进行调整。 关联性：大数据营销的一个重要特点在于网民关注的广告与广告之间的关联性，由于大数据在采集过程中可快速得知目标受众关注的内容，以及可知晓网民身在何处，这些有价信息可让广告的投放过程产生前所未有的关联性。即网民所看到的上一条广告可与下一条广告进行深度互动。 大数据营销的实现过程： 大数据营销[3]并非是一个停留在概念上的名词，而是一个通过大量运算基础上的技术实现过程。虽然围绕着大数据进行的话题层出不穷，且在大多数人对大数据营销的过程不甚清晰。事实上，国内的很多以技术为驱动力的企业也在大数据领域深耕不辍。全球领先的大数
大数据可视化理论及技术 （一）大数据可视分析综述 可视分析是大数据分析的重要方法。大数据可视分析旨在利用计算机自动化分析能力的同时，充分挖掘人对于可视化信息的认知能力优势，将人、机的各自强项进行有机融合，借助人机交互式分析方法和交互技术，辅助人们更为直观和高效地洞悉大数据背后的信息、知识与智慧。主要从可视分析领域所强调的认知、可视化、人机交互的综合视角出发，分析了支持大数据可视分析的基础理论，包括支持分析过程的认知理论、信息可视化理论、人机交互与用户界面理论。在此基础上，讨论了面向大数据主流应用的信息可视化技术——面向文本、网络(图)、时空、多维的可视化技术。同时探讨了支持可视分析的人机交互技术，包括支持可视分析过程的界面隐喻与交互组件、多尺度/多焦点/多侧面交互技术、面向Post-WIMP的自然交互技术。最后，指出了大数据可视分析领域面临的瓶颈问题与技术挑战。
（二）大数据分析工具 大数据是一个含义广泛的术语，是指数据集，如此庞大而复杂的，他们需要专门设计的硬件和软件工具进行处理。该数据集通常是万亿或EB的大小。这些数据集收集自各种各样的来源：传感器，气候信息，公开的信息，如杂志，报纸，文章。大数据产生的其他例子包括购买交易记录，网络日志，病历，军事监控，视频和图像档案，及大型电子商务。 在大数据和大数据分析，他们对企业的影响有一个兴趣高涨。大数据分析是研究大量的数据的过程中寻找模式，相关性和其他有用的信息，可以帮助企业更好地适应变化，并做出更明智的决策。大数据分析的常用工具通常有以下介绍的几种。 4.2.1Hadoop Hadoop是一个能够对大量数据进行分布式处理的软件框架。但是Hadoop是以一种可靠、高效、可伸缩的方式进行处理的。Hadoop是可靠的，因为它假设计算元素和存储会失
企业大数据案例分析
目录 1中国联通大数据平台 (4) 1.1项目概述 (4) 1.2项目实施情况 (5) 1.3项目成果 (10) 1.4项目意义 (11) 2恒丰银行大数据平台 (12) 2.1项目概述 (12) 2.2项目实施情况 (15) 2.3项目成果 (21) 2.4项目意义 (21) 3华通CDN运营商海量日志采集分析系统 (24) 3.1项目概述 (24) 3.2项目实施情况 (24) 3.3项目成果 (28) 3.4项目意义 (28) 4案例总结 (30)
1中国联通大数据平台 联通XX公司公司按照工信部的的要求（见《工业和信息化部、国务院国有资产监督管理委员会关于开展基础电信企业网络与信息安全责任考核有关工作的指导意见》和《工业和信息化部办公厅关于印发<2013年省级基础电信企业网络与信息安全工作考核要点与评分标准>的通知》），于2013年启动IDC/ISP日志留存系统的建设，其中XX 公司侧的集中留存系统软件由联通研究院负责开发。为了满足海量数据条件下的处理效率的要求，XX公司侧集中留存系统软件除研究院自主开发外，基于Hadoop的数据存储部分计划进行外包，通过软件技术服务，来进行系统优化和维护支撑。 1.1项目概述 目前，联通XX公司公司全国IDC出口的访问日志预计两个月产生的数据量约20 PB至30PB，每秒写入大概6千万至7千万条数据，在如此巨大的数据量下，原有Ter adata和Oracle已经不能满足快速读写的性能要求了。同时为了实现快速检索以及分析处理的性能要求，需要引入分布式大数据平台，利用分布式文件存储系统，提高数据的存储入库能力，利用Hadoop/HBase架构克服磁盘I/O瓶颈导致的数据读写延迟；基于联通IDC出口流量详单数据进行快速存储和检索以及分析处理，同样要求数据处理平台具备快速读写的高性能。 中国联通公司全国IDC日至留存项目对分布式集群的要求非常高： (1)日志数据量非常大，存储的总日志数据量将达到20PB-30PB。 (2)要求集群的数据吞吐量非常高，每秒的日志写入量将达到6千万至七千万条，
数据信息智慧 ——大数据应用勾勒“心理地图” 大数据，是指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。目前，大数据已经不再局限于数据大这个简简单单的事实了，而最重要的现实是对大数据进行分析，只有通过分析才能获取更多智能的，深入的，有价值的信息。从各种各样类型的数据中，快速获得有价值的信息，从而在基于一定的数据支撑条件下作出有效的预测预判。 心理学，是一门研究人类及动物的行为与心理现象的学科，研究涉及知觉、认知、情绪、人格、行为和人际关系等许多领域。心理学一方面尝试用大脑运作来解释个人基本的行为与心理机能，另一方面也尝试解释个人心理机能在社会行为与社会动力中
的角色。在分析人或动物目前的状态，而预判可能的下一步行为，作出及时判断，避免不必要事情的发生或者助推有利情况的发展。 从其定义上看，二者之间差距甚远，毫无关联性可言，但在我们的现实应用中，二者却又紧密而不可分，心理学理论指导着大数据的分析和应用。 众所周知，我们所获得的最原始的数据，是不能拿来直接应用的，原始数据没有实际使用价值。比如前一段的MH370失联事件，中国虽高度重视，动用了最新的高分一号来搜寻，但是仍旧毫无进展，原因在于卫星收获的数据是原始数据，不能被直接利用，不能被转化为信息。 数据越多，不一定就代表信息越多，信息需具备可资讯性，信息有助于我们对进一步的发展作出关键的判断和决策。由庞大的数据中提炼的信息对我们并不一定是有价值的、可利用的，因此，需将其转化为“智慧”。信息的可破译性、关联性和新颖性完全展现在我们面前，方可称为“智慧”的信息。 大数据的应用“智慧”的展现可由以下几方面体现：
1对1培训及咨询、百度文库官方认证机构、提供不仅仅是一门课程，而是分析问题，解决问题的方法！管理思维提升之旅！ （备注：具体案例，会根据客户行业和要求做调整） 知识改变命运、为明天事业腾飞蓄能上海蓝草企业管理咨询有限公司 蓝草咨询的目标：为用户提升工作业绩优异而努力，为用户明天事业腾飞以蓄能！蓝草咨询的老师：都有多年实战经验，拒绝传统的说教，以案例分析，讲故事为核心，化繁为简，互动体验场景，把学员当成真诚的朋友！ 蓝草咨询的课程：以满足初级、中级、中高级的学员的个性化培训为出发点，通过学习达成不仅当前岗位知识与技能，同时为晋升岗位所需知识与技能做准备。课程设计不仅注意突出落地性、实战性、技能型，而且特别关注新技术、新渠道、新知识、创新型在实践中运用。 蓝草咨询的愿景：卓越的培训是获得知识的绝佳路径，同时是学员快乐的旅程，为快乐而培训为培训更快乐！目前开班的城市：北京、上海、深圳、苏州、香格里拉、荔波，行万里路，破万卷书！ 蓝草咨询的增值服务：可以提供开具培训费的增值税专用发票。让用户合理利用国家鼓励培训各种优惠的政策。报名学习蓝草咨询的培训等学员可以申请免费成为“蓝草club”会员，会员可以免费参加（某些活动只收取成本费用）蓝草club 定期不定期举办活动，如联谊会、读书会、品鉴会等。报名学习蓝草咨询培训的学员可以自愿参加蓝草企业“蓝草朋友圈”，分享来自全国各地、多行业多领域的多方面资源，感受朋友们的成功快乐。培训成绩合格的学员获颁培训结业证书，某些课程可以获得国内知名大学颁发的证书和国际培训证书（学员仅仅承担成本费用）。成为“蓝草club”会员的学员，报名参加另外蓝草举办的培训课程的，可
第一章 1.试述信息技术发展史上的3次信息化浪潮及具体容。 2.试述数据产生方式经历的几个阶段 答：运营式系统阶段，用户原创容阶段，感知式系统阶段。 3.试述大数据的4个基本特征 答：数据量大、数据类型繁多、处理速度快和价值密度低。 4.试述大数据时代的“数据爆炸”的特性
答：大数据时代的“数据爆炸”的特性是，人类社会产生的数据一致都以每年50%的速度增长，也就是说，每两年增加一倍。 5.数据研究经历了哪4个阶段？ 答：人类自古以来在科学研究上先后历经了实验、理论、计算、和数据四种式。 6.试述大数据对思维方式的重要影响 答：大数据时代对思维方式的重要影响是三种思维的转变：全样而非抽样，效率而非精确，相关而非因果。 7.大数据决策与传统的基于数据仓库的决策有什么区别 答：数据仓库具备批量和周期性的数据加载以及数据变化的实时探测、传播和加载能力，能结合历史数据和实时数据实现查询分析和自动规则触发，从而提供对战略决策和战术决策。 大数据决策可以面向类型繁多的、非结构化的海量数据进行决策分析。 8.举例说明大数据的基本应用 答：
9.举例说明大数据的关键技术 答：批处理计算，流计算，图计算，查询分析计算 10.大数据产业包含哪些关键技术。 答：IT基础设施层、数据源层、数据管理层、数据分析层、数据平台层、数据应用层。
11.定义并解释以下术语：云计算、物联网 答：云计算：云计算就是实现了通过网络提供可伸缩的、廉价的分布式计算机能力，用户只需要在具备网络接入条件的地方，就可以随时随地获得所需的各种IT资源。 物联网是物物相连的互联网，是互联网的延伸，它利用局部网络或互联网等通信技术把传感器、控制器、机器、人类和物等通过新的方式连在一起，形成人与物、物与物相连，实现信息化和远程管理控制。 12.详细阐述大数据、云计算和物联网三者之间的区别与联系。
- 118 - 第13期 2018年7月No.13July，2018 随着我国电子商务和移动支付的快速发展，手机已成为人们生活中必不可少的工具。除了常规的通信功能外，手机还可以进行购物、支付、娱乐、学习和交流等。因此，选择一个什么样的手机已经成为广大消费者注重要考虑的问题。移动终端的普及，让数据分析随地可行。大数据营销使得营销行动目标明确、可追踪、可衡量、可优化，从而造就了以数据为核心的营销闭环，营销行动得到良性循环[1]。1 对数据进行描述性统计分析 以网络上某一品牌手机为例，进行数据分析，调查用户 的基本行为特征对手机购买的影响以及如何影响[2] 。首先对数据进行量化处理，进而建立主成分分析模型，得到影响用户购买手机的主要成分；最后，建立多项Logistic 回归模型，运用SPSS 对数据进行处理，计算出各个因素对影响购买手机的权重，用以研究各个因子是如何影响是否购买手机的[3]。研究消费者的基本属性和个人偏好对购买手机的影响，从而得出精准营销策略[4]。1.1 主成分分析模型 首先，分析用户的个人偏好，发现并不是所有偏好都与用户对手机的购买有所关联，因此，建立主成分分析模型对用户的基本属性特征以及个人偏好进行主成分分析处理。 运用SPSS 软件对表格数据进行主成分分析处理，可得结果如表1所示。 已知表1中合计项为主成分，则可知主成分为年龄、性别、学历、职业、网络购物指数、网络活跃指数。1.2 多项Logistic 回归模型 Logistic 回归分析的因变量应是分类变量，并且包含顺序变量和名义变量。不论是哪一种变量都要用数字来表示其取值。自变量是数据型的连续变量，也可以使顺序型分类变量。如果是名义变量，则需转化成哑变量来解决。 二值变量的Logistic 回归模型：假设因变量y 是一个取值 为1和0二值变量（binary variable ）， x 是一个影响y 的危险因子（risk factor ）。令在x 条件下y =1的概率是P =P (y =1|x )，则有表达式： exp() (1)11exp()x x e x p p y x e x αβαβαβαβ+++==== +++ （1） 多元L ogistic 回归模型表达式如下： 11221122exp()(1) 1exp()k k k k x x x p p y x x x x αβββαβββ++++===+++++ （2） 首先，对主成分分析模型计算出的主要因子进行集成处理，利用SPSS 软件进行多项Logistic 回归分析，将用户是否购买手机设为因变量y ，性别、年龄、学历、职业、网络购物指数和网络活跃指数为自变量x i (i =1,2,…,6)，得出模型拟合信息与拟合优度（见表2—3）。 唐志晶，孙景浩，王执政，伍玉通，周书冉 （河南师范大学，河南 新乡 453007） 摘 要：随着互联网技术的发展，企业对手机的营销方面表现得更加重视。现如今，借助大数据技术挖掘出用户在手机使用 方面的热度，精准掌控消费者群体的喜好变迁，使得在消费者的需求不断增大的同时，品牌营销的策略也在不断变化。随着我国电子商务和移动支付的快速发展，手机已成为了人们生活时必不可少的工具。文章采用深度学习算法，构造主成分分析、多项Logistic 等模型，应用于各种类型的用户，将所得结果进行定量分析，提出合理化建议。关键词：精准营销；个人偏好；主成分分析模型；多项Logistic 模型无线互联科技 Wireless Internet Technology 基于大数据分析的精准营销 作者简介：唐志晶（1996— ），女，河南鹤壁人，本科生；研究方向：计算机科学与技术。
《营销管理与大数据分析》课程教学大纲 课程名称：《营销管理与大数据分析》 课程性质：内训 教学时数：学时6-12小时（1-2天） 课程简介：在互联网时代，完成销售目标要借助于大数据的管理和科学的分析，再也不能简单的拍脑袋，本课程注重目标销量的管理、新客户的开 发和对老客户的维护及客户需求的深挖，结合大数据的分析使销量 的完成更有保障。 教学要求：采用课堂讲授与课堂讨论相结合的方式，课堂讲授要求理论联系实际，运用大量实践案例和教学实例，深入浅出、旁征博引，讲师同 时配备课堂练习、现场互动以消化老师的课程内容。 教学纲要： 第一章：销售目标有效制定技能提升 一、销售目标制定的前提 1.市场分析STP法运用 2.内部营销调研 3.外部营销调研 4.SWOT分析 5.盘点公司客户资源 二、销售目标制定的六大策略组合 1、产品线策略设计 讨论：如何打造产品的差异化 2、价格策略设计 案例：某企业的定价策略
3、行业渠道策略设计 案例：某企业的渠道多元化 4、促销策略设计 模板：基于人性的促销设计准则 工具：促销评估十大标准表 三、落地实施模板参考 1、A企业销售目标书 2、B月度营销指导书 3、C企业营销执行细案 4、制定计划的smart法则 5、制定计划的5W2H 6、案例：工作周报/月报的分析 第二章：销售目标落地执行、检核及考评 一、销售目标落地执行的氛围 1、责任第一，承担使命 2、要放下包袱，克服畏惧 3、空杯归零，埋葬过去辉煌业绩 4、保持高昂的斗志和必胜的信念 案例分析：某企业区域目标超额达成之谜工具：营销目标宣誓模板 二、销售目标落地，应该做什么？ 1、达成目标依靠平时打好基础 ?市场研究：总把控 ?行业细化：列菜单 ?客户拜访：做服务