『壹』 8個典型案例看懂零售巨頭的「大數據」戰略
8個典型案例看懂零售巨頭的「大數據」戰略_數據分析師考試
未來的零售分析要求零售商藉助集成式業務流程和信息系統，為客戶洞察提供支持，將客戶洞察發展成一種企業級的戰略能力，並根植於企業結構和企業文化中。在這種形勢下，零售商的所有業務職能部門在制定決策時，將把基於情景的客戶洞察作為一個重要依據。
分析公司 EKN 認為，為了真正實現以客戶為中心，零售商需要具備多項關鍵能力，而這些能力均由業務分析驅動。
全渠道集成。如果缺乏相關客戶洞察支持與客戶的互動，零售商將無法實現跨渠道無縫客戶體驗。零售商與客戶互動的聯絡點能為零售商提供豐富的客戶數據，因此，所有聯絡點也成為了零售商的最佳競爭利器。
個性化互動。與網上零售商相比，實體零售商具有兩大優勢：能與客戶進行個人接觸，以及擁有更豐富的歷史記錄和更多樣的客戶數據。如今，「個性化」購物體驗已成為人們津津樂道的話題，而如何巧妙地結合上述兩大優勢，即在行動中及時交付客戶洞察，將成為零售商打造「個性化」購物體驗的基礎。
持續的卓越運營。客戶洞察的應用並非僅局限於面向客戶的使用案例。事實上，如果零售商已經能夠在各個運營職能部門中更成熟地運用分析功能，那麼集成客戶洞察便是他們不容錯過的增量機會。
零售商用例
銷售
瑞士零售商 Globus 使用大數據內存計算和高級分析來獲取寶貴的銷售績效洞察。目前，他們能夠實時處理海量的產品數據，並在幾分鍾內分析不同時間范圍、店鋪和區域內數千種產品的銷售模式與促銷活動。該零售商還向其管理人員提供了這些洞察的訪問許可權，以便他們能夠更迅速地響應市場狀況。
美國零售商 Guess 使用高級分析向其高管提供暢銷產品和可用庫存的實時視圖。該零售商的分析解決方案基於大型客戶數據集，分析銷售額、細分目標客戶，並策劃促銷活動。
市場營銷
沃爾瑪的 Global.com 部門充分利用「快速的大數據」和社交分析，快速識別不斷變化的客戶喜好。該零售商的社交意識（Social Sense）項目能通過社交媒體確定商品的暢銷程度，並幫助顧客發掘潛在需求和感興趣的新產品。同時，藉助 ShoppyCat 工具，他們可根據 Facebook 用戶的愛好和興趣，為這些用戶推薦適合的產品。此外，Global.com 還使用社交基因組（Social Genome）技術，來幫助客戶為朋友挑選禮物。
塔吉特（Target）百貨公司利用預測分析程序，來推斷個體消費者是否具備成為該公司特定營銷活動優質客戶的特質。他們給每位顧客分配了一個獨一無二的客戶識別號碼。該號碼將客戶個人信息、購物行為和喜好整合到一個可跟蹤的實體內。塔吉特還專門成立了一個客戶營銷分析部門，致力於全面了解客戶，超越其他競爭對手，從而獲得競爭優勢。藉助動態數據倉庫（Active Data Warehouse），塔吉特可在整個企業的混合工作負載環境下，基於海量數據管理復雜的用戶查詢。
全渠道
英國零售商巴寶莉（Burberry）集成了旗下所有渠道，包括實體店、網上商店、移動終端以及各大社交網站。他們採用了創新技術和數據分析，用於分析來自所有數據源的數據，旨在實時識別個人客戶並建立客戶檔案。相比過去，巴寶莉的分析速度提高了 14,000 倍，以前需要 5 個小時的請求，現在 1 秒就能完成。不論店員處於什麼位置，他們都能在客戶踏入店內時立即識別客戶信息，了解他們過去的購買記錄，並提供個性化建議。
韓國零售商 NS Shopping 將移動渠道和社交渠道集成到零售環境中，並利用大數據分析，實時、集中地獲取所有渠道的客戶和產品數據。而公司的電子商務團隊和市場營銷團隊將利用這些數據，向顧客提供個性化的產品建議。
供應鏈
美國網上零售商亞馬遜基於非平穩隨機模型，構建了全新的供應鏈流程和系統。該方法能為訂單履行、尋源、產能和庫存決策提供鼎力支持。亞馬遜不僅開發了聯合和協調補貨的新演算法，還基於歷史需求、活動記錄和計劃、各履行中心的預測結果、庫存計劃、采購周期以及采購訂單，在 SKU 級別實施了全新的國家預測方案。
英國零售商樂購（Tesco）採用先進的建模工具，基於歷史銷售數據模擬配送倉庫的運作，從而達到優化庫存的目的。該零售商還組建了一個內部分析團隊，該團隊主要負責通過回歸測試掌握各要素之間的關聯，如天氣數據、特價優惠，及銷售模式等等。
以上是小編為大家分享的關於8個典型案例看懂零售巨頭的「大數據」戰略的相關內容，更多信息可以關注環球青藤分享更多干貨
『貳』 什麼是大數據，大數據的典型案例有哪些
隨著大數據時代的到來，大數據早已被逐步的運用在我們生活中的方方面面，那麼除了之前眾所周知的大數據殺熟事件，對於大數據你還了解多少呢？科學運用案例你又知道多少?今天就跟隨千鋒小編一起來看看。
洛杉磯警察局和加利福尼亞大學合作利用大數據預測犯罪的發生。
google流感趨勢(Google Flu Trends)利用搜索關鍵詞預測禽流感的散布。
統計學家內特.西爾弗(Nate Silver)利用大數據預測2012美國選舉結果。
麻省理工學院利用手機定位數據和交通數據建立城市規劃。
梅西百貨的實時定價機制，根據需求和庫存的情況，該公司基於SAS的系統對多達7300萬種貨品進行實時調價。
……
種種的案例實在是太多，或許我們永遠說不完一樣，所以我們就來看一看大數據被科學運用的一個經典案例：
「啤酒與尿布」的故事產生於20世紀90年代的美國沃爾瑪超市中，沃爾瑪的超市管理人員分析銷售數據時發現了一個令人難於理解的現象：在某些特定的情況下，「啤酒」與「尿布」兩件看上去毫無關系的商品會經常出現在同一個購物籃中，這種獨特的銷售現象引起了管理人員的注意，經過後續調查發現，這種現象出現在年輕的父親身上。
如果這個年輕的父親在賣場只能買到兩件商品之一，則他很有可能會放棄購物而到另一家商店，直到可以一次同時買到啤酒與尿布為止。沃爾瑪發現了這一獨特的現象，開始在賣場嘗試將啤酒與尿布擺放在相同的區域，讓年輕的父親可以同時找到這兩件商品，並很快地完成購物;而沃爾瑪超市也可以讓這些客戶一次購買兩件商品、而不是一件，從而獲得了很好的商品銷售收入，這就是「啤酒與尿布」 故事的由來。
當然「啤酒與尿布」的故事必須具有技術方面的支持。1993年美國學者Agrawal提出通過分析購物籃中的商品集合，從而找出商品之間關聯關系的關聯演算法，並根據商品之間的關系，找出客戶的購買行為。艾格拉沃從數學及計算機演算法角度提 出了商品關聯關系的計算方法——Aprior演算法。沃爾瑪從上個世紀 90 年代嘗試將 Aprior 演算法引入到 POS機數據分析中，並獲得了成功，於是產生了「啤酒與尿布」的故事。
其實大數據，其影響除了以上列舉的方面外，它同時也能在經濟、政治、文化等方面產生深遠的影響，大數據可以幫助人們開啟循「數」管理的模式，也是我們當下「大社會」的集中體現，三分技術，七分數據，得數據者得天下。
『叄』 大數據案例
亞馬來遜在大數據這塊領域當屬三大巨自頭之一，舉個例子吧
亞馬遜在客人購物的時候，購物頁面總是充滿了推薦物品，TA為客戶推薦的產品絕不是一個巧合。亞馬遜的推薦引擎完全是基於客戶在過去一段時間的購買行為所做的：客戶的購物車中所收藏的商品、客戶喜歡的商品、其它用戶瀏覽或購買的商品。利用大數據技術對以上數據進行分析，為每位客戶定製了專屬的個人主頁。
因為利用該策略，公司在其第三財政季度期間銷售增長27%，達到了131.8億美元，而去年同期的銷售額則為96億美元。
如果你還需要進一步了解，可以去前瞻產業研究院看看，裡面有挺多資料的
『肆』 簡述身邊大數據成功案例並且用了哪些大數據的數據達到什麼效果
隨著大數據時代的到來，大數據早已被逐步的運用在我們生活中的方方面面，那麼除了之前眾所周知的大數據殺熟事件，對於大數據你還了解多少呢？科學運用案例你又知道多少?今天就跟隨千鋒小編一起來看看。
洛杉磯警察局和加利福尼亞大學合作利用大數據預測犯罪的發生。
google流感趨勢(Google Flu Trends)利用搜索關鍵詞預測禽流感的散布。
統計學家內特.西爾弗(Nate Silver)利用大數據預測2012美國選舉結果。
麻省理工學院利用手機定位數據和交通數據建立城市規劃。
梅西百貨的實時定價機制，根據需求和庫存的情況，該公司基於SAS的系統對多達7300萬種貨品進行實時調價。
……
種種的案例實在是太多，或許我們永遠說不完一樣，所以我們就來看一看大數據被科學運用的一個經典案例：
「啤酒與尿布」的故事產生於20世紀90年代的美國沃爾瑪超市中，沃爾瑪的超市管理人員分析銷售數據時發現了一個令人難於理解的現象：在某些特定的情況下，「啤酒」與「尿布」兩件看上去毫無關系的商品會經常出現在同一個購物籃中，這種獨特的銷售現象引起了管理人員的注意，經過後續調查發現，這種現象出現在年輕的父親身上。
如果這個年輕的父親在賣場只能買到兩件商品之一，則他很有可能會放棄購物而到另一家商店，直到可以一次同時買到啤酒與尿布為止。沃爾瑪發現了這一獨特的現象，開始在賣場嘗試將啤酒與尿布擺放在相同的區域，讓年輕的父親可以同時找到這兩件商品，並很快地完成購物;而沃爾瑪超市也可以讓這些客戶一次購買兩件商品、而不是一件，從而獲得了很好的商品銷售收入，這就是「啤酒與尿布」 故事的由來。
當然「啤酒與尿布」的故事必須具有技術方面的支持。1993年美國學者Agrawal提出通過分析購物籃中的商品集合，從而找出商品之間關聯關系的關聯演算法，並根據商品之間的關系，找出客戶的購買行為。艾格拉沃從數學及計算機演算法角度提 出了商品關聯關系的計算方法——Aprior演算法。沃爾瑪從上個世紀 90 年代嘗試將 Aprior 演算法引入到 POS機數據分析中，並獲得了成功，於是產生了「啤酒與尿布」的故事。
其實大數據，其影響除了以上列舉的方面外，它同時也能在經濟、政治、文化等方面產生深遠的影響，大數據可以幫助人們開啟循「數」管理的模式，也是我們當下「大社會」的集中體現，三分技術，七分數據，得數據者得天下。
『伍』 大數據洞察有哪些特色，大數據營銷案例，大數據企業
特色案例分析：
1、浪潮GS助力廣安集團一豬一ID強化食品安全
作為輻射全國的農牧企業集團，多年來廣安集團一直企業信息化進程與企業發展需求不匹配的問題。2013年，廣安集團引入浪潮GS，採用單件管理系統，通過一豬一ID對其成長周期進行全過程監控，促使食品安全可追溯，實現飼養流程精細化、集約化管理，使每年飼料節約了2成左右，為廣安的智慧企業養成之路奠定了基礎。
2、華為大數據一體機服務於北大重點實驗室
經過大量的前期調查，比較和分析准備工作，北大重點實驗室選擇了華為基於高性能伺服器RH5885V2的HANA數據處理平台。HANA提供的對大量實時業務數據進行快速查詢和分析以及實時數據計算等功能，在很大程度上得益於華為RH5885 V2伺服器的高可靠、高性能和高可用性的支撐。
3、神州數碼助張家港市更」智慧」
在張家港實踐的城市案例中，市民登錄由」神州數碼」研發的市民公共信息服務平台後，只要憑借自己的身份證和密碼，即可通過該系統平台進行240餘項」在線預審」服務、130餘項」網上辦事」服務等，還可通過手機及時查看辦事狀態。相比於以前來說，市民辦事的時間最少可以節省一半以上。
4、中科曙光助同濟大學科研領域再創新高
為了滿足爆炸式增長的用戶和數據量，同濟大學攜手中科曙光，在全面整合雲計算平台和現有資產的基礎上，採用 DS800-F20存儲系統、Gridview集群管理系統，以及Hadoop分布式計算平台構建出了業內領先的大數據柔性處理平台，使得同濟大學在信息學科及其交叉學科研究領域邁上一個新台階。
5、中國電信基於物聯網的智能公交解決方案
中國電信提出了基於物聯網的智能公交應用整體解決方案。該方案緊密結合公交行業特點，涵蓋了全球眼視頻監控系統、GPS定位調度系統、無線數據採集系統等技術，是基於物聯網技術的公交行業車輛監控調度管理綜合性解決方案。中國電信智能交通系統利用物聯網技術，提高了公交系統中的人(乘客、司乘人員、管理人員)、公交設施(道路、場站等)和公交車輛等之間的有機聯系，從而最佳地利用了交通系統的時空資源，通過信息資源的合理開發、利用和整合，提高了公交行業運行效率，改善了服務質量，為應對重大突發事件提供了必要的手段，在公交公司的科學運營管理、安全監控等方面發揮了重要的作用，物聯網的應用已成為公交業務發展的必然趨勢。
6、明略數據為稅務部門構建的可視化涉稅分析平台
稅務系統的數據在很長時間內大量來自於納稅人的申報行為數據和報表數據，面向稅務工作人員的是割裂的不同業務系統，信息本身被業務消解為固定的邏輯和處理形式。明略數據為稅務部門構建的可視化涉稅分析平台定位為面向稅務部門的數據服務產品。產品充分利用明略底層大數據平台相關技術，數據挖掘建模技術及明略稅務行業研究專家對稅源管理專業化，風險控制精細化，決策分析智能化的理解，搭建以分析預測為核心的數據應用平台，以幫助稅務部門征管工作更有效、更全面、更精細化的展開。
7、悠易互通汽車行業大數據經驗助奧迪品薦二手車
2015年，奧迪品薦二手車項目通過悠易互通程序化購買平台進行為期5個月的推廣活動，傳播受眾主要以男性以及已有奧迪車主為主，悠易互通規劃的投放策略是，首先，通過人群標簽及關鍵詞，對精準受眾人群進行全網競價;其次，對以上競價成功人群進行優化召回，分析以提高下一輪競價成功率;根據悠易互通汽車行業大數據經驗，消費者的行為路徑為」興趣-認知考慮-轉化」，程序化購買可以通過人群召回的方式將流失人群引導到下一環節，從而促進轉化可能。最終投放結果顯示，悠易互通通過以上策略高效達成客戶KPI，曝光量超過預估13%，點擊量超過KPI 26%，注冊量高達163%。
8、東風風神大數據」動」悉全系目標受眾，打破傳統促銷方式
派擇科技應用底層行為數據管理平台Action DMP支招東風風神全系營銷推廣活動， Action DMP實現全網用戶行為元數據、應用元數據、場景元數據的實時無損解析，精準捕獲各車型目標受眾;通過分析用戶行為場景，了解他們的觸媒習慣，展開品牌與用戶定製化溝通，其中也包括個性化創意載體與溝通渠道組合。項目最終CPL成本較目標降低40%。
9、智子雲大數據挖掘助蘇寧易購訪客」回心轉意」之路
蘇寧易購期望通過智子雲的VRM模型對到站/進APP的流失訪客進行精細劃分，並藉助DSP精準定向能力跨屏鎖定目標人群，找迴流失訪客。首先，建立數據倉庫;其次智子雲個性化推薦引擎Rec-Engine;智子雲智能動態出價引擎Delta-Engine;智子雲全網跨屏LBS定向引擎Loc-Engine不但支持多屏、跨屏投放，還能從訪客轉化率、媒體、地理位置、時段、設備類型、設備號等多個維度建立訪客轉化率預測模型和商品推薦模型;最後，重定向投放，針對每一個到訪訪客計算廣告點擊率和到站轉化率，然後通過自動聚類演算法將訪客人群分檔打分，對不同分值的人群，在綜合媒體環境、競價成功率等因素後，進行實時差異化出價。最終，本次活動找回蘇寧易購的流失訪客9,572,163次，並促成36,748個直接有效訂單;最終投資回報率>3。
10、 「優衣·幸運·穿回家」優衣庫2016春節場景營銷OxO
2016年，優衣庫中國推出了」優衣·幸運·穿回家」的春節主題活動，融入」LifeWear服適人生」品牌理念。結合大數據分析規模化的消費者共性，合適的移動媒介精準傳播，藉助自媒體傳播，連接到店體驗。制定優質的移動媒介策略，結合自媒體、網路廣告、社交媒體平台、零售店和微信支付，精準覆蓋受眾，，一系列線上活動讓優衣庫品牌和冬春裝產品形象直達人心，有效地將線下用戶帶到線上參與互動並積極分享，實現OxO導流，收獲了比較理想的品牌營銷和銷售增長效果。
『陸』 有沒有好的零售數字化轉型案例
在生活中確實有很多的零售數字化轉型的案例，但是案例的話更需要你自己的就實際操作，你自己需要詳細的操作也過程。
『柒』 有沒有一個有具體數據的大數據營銷案例
百事可樂利用大數據分析簽約吳莫愁
「百事可樂選擇吳莫愁做代言，是通過大數據的內高容性能分析得出的結果。」事實上，吳莫愁一出道便頗具爭議，但從大數據來分析，這些爭議僅限於每位觀眾對她不同的感覺，而不是她自身的緋聞。在查看這些數據後，百事公司發現，吳莫愁具有相當高的美譽度，並且個性鮮明、帶有很強的新生代印記，這成為百事選擇吳莫愁的另一個要素。
通過大數據分析促成的這筆簽約，也讓雙方獲得雙贏的結果。在成功代言百事廣告的2013年，吳莫愁躋身「年度華語女歌手吸金榜」第一位，同時，「吳莫愁代言百事」的相關檢索量快速攀升，從而帶動了百事品牌關注度的增長。
參考：
『捌』 目前大數據在哪些行業有案例或者說應用
大數據應用的關鍵，也是其必要條件，就在於"IT"與"經營"的融合，當然，這里的經營的內涵可以非常廣泛，小至一個零售門店的經營，大至一個城市的經營。以下是關於各行各業，不同的組織機構在大數據方面的應用的案例，在此申明，以下案例均來源於網路，本文僅作引用，並在此基礎上作簡單的梳理和分類。
大數據應用案例之：醫療行業
Seton Healthcare是採用IBM最新沃森技術醫療保健內容分析預測的首個客戶。該技術允許企業找到大量病人相關的臨床醫療信息，通過大數據處理，更好地分析病人的信息。
在加拿大多倫多的一家醫院，針對早產嬰兒，每秒鍾有超過3000次的數據讀取。通過這些數據分析，醫院能夠提前知道哪些早產兒出現問題並且有針對性地採取措施，避免早產嬰兒夭折。
它讓更多的創業者更方便地開發產品，比如通過社交網路來收集數據的健康類App。也許未來數年後，它們搜集的數據能讓醫生給你的診斷變得更為精確，比方說不是通用的成人每日三次一次一片，而是檢測到你的血液中葯劑已經代謝完成會自動提醒你再次服葯。
大數據應用案例之：能源行業
智能電網現在歐洲已經做到了終端，也就是所謂的智能電表。在德國，為了鼓勵利用太陽能，會在家庭安裝太陽能，除了賣電給你，當你的太陽能有多餘電的時候還可以買回來。通過電網收集每隔五分鍾或十分鍾收集一次數據，收集來的這些數據可以用來預測客戶的用電習慣等，從而推斷出在未來2~3個月時間里，整個電網大概需要多少電。有了這個預測後，就可以向發電或者供電企業購買一定數量的電。因為電有點像期貨一樣，如果提前買就會比較便宜，買現貨就比較貴。通過這個預測後，可以降低采購成本。
維斯塔斯風力系統，依靠的是BigInsights軟體和IBM超級計算機，然後對氣象數據進行分析，找出安裝風力渦輪機和整個風電場最佳的地點。利用大數據，以往需要數周的分析工作，現在僅需要不足1小時便可完成。
大數據應用案例之：通信行業
XO Communications通過使用IBM SPSS預測分析軟體，減少了將近一半的客戶流失率。XO現在可以預測客戶的行為，發現行為趨勢，並找出存在缺陷的環節，從而幫助公司及時採取措施，保留客戶。此外，IBM新的Netezza網路分析加速器，將通過提供單個端到端網路、服務、客戶分析視圖的可擴展平台，幫助通信企業制定更科學、合理決策。
電信業者透過數以千萬計的客戶資料，能分析出多種使用者行為和趨勢，賣給需要的企業，這是全新的資料經濟。
中國移動通過大數據分析，對企業運營的全業務進行針對性的監控、預警、跟蹤。系統在第一時間自動捕捉市場變化，再以最快捷的方式推送給指定負責人，使他在最短時間內獲知市場行情。
NTT docomo把手機位置信息和互聯網上的信息結合起來，為顧客提供附近的餐飲店信息，接近末班車時間時，提供末班車信息服務。
大數據應用案例之：零售業
"我們的某個客戶，是一家領先的專業時裝零售商，通過當地的百貨商店、網路及其郵購目錄業務為客戶提供服務。公司希望向客戶提供差異化服務，如何定位公司的差異化，他們通過從 Twitter 和 Facebook 上收集社交信息，更深入的理解化妝品的營銷模式，隨後他們認識到必須保留兩類有價值的客戶：高消費者和高影響者。希望通過接受免費化妝服務，讓用戶進行口碑宣傳，這是交易數據與交互數據的完美結合，為業務挑戰提供了解決方案。"Informatica的技術幫助這家零售商用社交平台上的數據充實了客戶主數據，使他的業務服務更具有目標性。
零售企業也監控客戶的店內走動情況以及與商品的互動。它們將這些數據與交易記錄相結合來展開分析，從而在銷售哪些商品、如何擺放貨品以及何時調整售價上給出意見，此類方法已經幫助某領先零售企業減少了17%的存貨，同時在保持市場份額的前提下，增加了高利潤率自有品牌商品的比例。
『玖』 企業大數據實戰案例
企業大數據實戰案例
一、家電行業
以某家電公司為例，它除了做大家熟知的空調、冰箱、電飯煲外，還做智能家居，產品有成百上千種。在其集團架構中，IT部門與HR、財務等部門並列以事業部形式運作。
目前家電及消費電子行業正值「內憂外患」，產能過剩，價格戰和同質化現象嚴重；互聯網企業涉足，顛覆競爭模式，小米的「粉絲經濟」，樂視的「平台+內容+終端+應用」，核心都是經營「用戶」而不是生產。該公司希望打造極致產品和個性化的服務，將合適的產品通過合適的渠道推薦給合適的客戶，但在CPC模型中當前只具備CP匹配（產品渠道），缺乏用戶全景視圖支持，無法打通「CP（客戶產品）」以及「CC（客戶渠道）」的匹配。
基於上述內外環境及業務驅動，該公司希望將大數據做成所有業務解決方案的樞紐。以大數據DMP作為企業數據核心，充分利用內部數據源、外部數據源，按照不同域組織企業數據，形成一個完整的企業數據資產。然後，利用此系統服務整個企業價值鏈中的各種應用。
那麼問題來了，該公司的數據分散在不同的系統中，更多的互聯網電商數據分散在各大電商平台，無法有效利用，怎麼解決？該公司的應對策略是：1）先從外部互聯網數據入手，引入大數據處理技術，一方面解決外部互聯網電商數據利用短板，另一方面可以試水大數據技術，由於互聯網數據不存在大量需要內部協調的問題，更容易快速出效果；2）建設DMP作為企業統一數據管理平台，整合內外部數據，進行用戶畫像構建用戶全景視圖。
一期建設內容：技術實現上通過定製Spark爬蟲每天抓取互聯網數據（主要是天貓、京東、國美、蘇寧、淘寶上的用戶評論等數據），利用Hadoop平台進行存儲和語義分析處理，最後實現「行業分析」、「競品分析」、「單品分析」 三大模塊。
該家電公司大數據系統一期建設效果，迅速在市場洞察、品牌診斷、產品分析、用戶反饋等方面得到體現。
二期建設目標：建設統一數據管理平台，整合公司內部系統數據、外部互聯網數據（如電商數據）、第三方數據（如外部合作、塔布提供的第三方消費者數據等）。
該公司大數據項目對企業的最大價值是將沉澱的數據資產轉化成生產力。IT部門，通過建設企業統一的數據管理平台，融合企業內外部數據，對於新應用快速支持，起到敏捷IT的作用；業務部門，通過產品、品牌、行業的洞察，輔助企業在產品設計、廣告營銷、服務優化等方面進行優化改進，幫助企業進行精細化運營，基於用戶畫像的精準營銷和個性化推薦，幫助企業給用戶打造極致服務體驗，提升客戶粘性和滿意度；戰略部門，通過市場和行業分析，幫助企業進行產品布局和戰略部署。
二、快消行業
以寶潔為例，在與寶潔中國市場部的合作中發現，並不是一定要先整合內外部數據才能做用戶畫像和客戶洞察。寶潔抓取了主流網站上所有與寶潔評價相關的數據，利用語義分析和建模，掌握不同消費群體的購物喜好和習慣，僅僅利用外部公開數據，快速實現了客戶洞察。
此外，寶潔還在渠道管理上進行創新。利用互聯網用戶評論數據進行社群聆聽，監控與寶潔合作的50個零售商店相關的用戶評論，通過線上數據進行渠道/購物者研究並指導渠道管理優化。
實現過程：
1、鎖定微博、大眾點評等互聯網數據源，採集百萬級別消費者談及的與寶潔購物相關內容；
2、利用自然語言處理技術，對用戶評論進行多維建模，包括購物環境、服務、價值等10多個一級維度和50個二級維度，實現對用戶評論的量化；
3、對沃爾瑪、屈臣氏、京東等50個零售渠道進行持續監控，結果通過DashBoard和周期性分析報告呈現。
因此，寶潔能夠關聯企業內部數據，更有效掌握KA渠道整體情況，甚至進一步掌握KA渠道的關鍵細節、優勢與劣勢，指導渠道評級體系調整，幫助制定產品促銷規劃。
三、金融行業
對於消費金融來說，家電、快消的案例也是適用的，尤其是精準營銷、產品推薦等方面。這里主要分享徵信風控方面的應用。顯然，互聯網金融如果對小額貸款都像銀行一樣做實地考察，並投入大量人力進行分析評判的話，成本是很高的，所以就有了基於大數據的批量的信用評分模型。最終目的也是實現企業畫像和企業中的關鍵人物畫像，再利用數據挖掘、數據建模的方法建立授信模型。宜信的宜人貸、芝麻信用等本質上就是這個架構。
在與金融客戶的接觸中發現，不論銀行還是金融公司，對外部數據的需求都越發迫切，尤其是外部強特徵數據，比如失信記錄、第三方授權後的記錄、網路行為等。
以上是小編為大家分享的關於企業大數據實戰案例的相關內容，更多信息可以關注環球青藤分享更多干貨