线上的购物车的概念源于线下商超的实体购物车，其主要作用是方便消费者在网站上购物，易于商品结算和抉择意向商品。购物车作为商品交易的中转站，全网每天有上亿用户在向购物车内添加中意的商品，顷刻间，就能产生过亿的销售额。
面对如此具大的流量，各家大厂都在惦记这个金矿。以往基于大数据的购物车营销，主要的产品形式为猜你喜欢和为你推荐，两者都是围绕用户的购物行为，用户商品爱好和用户画像属性展开，再经过大数据分析后，系统智能的推荐符合用户口味的商品。但是，这种营销方式是围绕购物车的商品或者用户画像推荐的其他商品，并非是对购物车内商品做营销策略，这种手段略微有点本末倒置了。
下文结合笔者的工作经历，讲述了如何基于购物车内商品，利用AI技术，设计一款购物车营销产品。
一、营销流程
商家端查看加购数据，如加购人数，加购件数，系统自动分析加购这部分人的画像数据，人群可以标签化
商家端根据自身需求，创建不同标签的人群的营销，例如可以选择新客户，老客户，15~25岁的用户群体，提供降价40元的服务
创建活动后，会触达给对应的覆盖人群。
第二天，商家端可以查看对应的营销数据。同时能够对比自然的转化率与促销后的转化率
二、商家端洞察购物车数据
购物车承载了所有的商品信息，包含商品名称，价格，店铺，促销，凑单和优惠券等。在进行大数据分析时，就需要把这些数据精分拆解清洗，提取有价值的部分。购物车的每件商品都可以看成一个实体，可能在不同的地点，不同的时间，有部分人把同一商品加进了购物车。这就说明这些群体是对这件商品感兴趣的，可能会下单，但却差些火候。也有部分人早早的就将商品加进了购物车，但却一直没有下单，临门却不入。 利用大数据技术，则可以把加购人群标签化，对不同标签的人群进行精准的营销策略，在一定程度上，能够提高购物车的转化。
如何进行呢?按照以下步骤：
商家加购数据盘点
产品需要考虑商家端和用户端。首先商家端需要了解自家的产品状况，销售情况，加购数据等，这样才能针对性的做营销策略。
商家端可以看到其店铺内的加购商品的人数，实时的计算某件商品，在多少人的购物车内，实时加购总件数，实时的库存。还能够查询到，这些商品的在未做干预的情况，自然的转化率情况(过去15天内加购该商品的消费者在昨日的转化率)。
列表中的商品按照加购人数从高到低排序，加购的人数越多代表这个商品越受欢迎。对加购人数多的商品进行营销干预，会起到更好的效果。当然，这里会把部分已经下架的，失效的商品自动的剔除掉。
画像部分把汇总所有用户的账户信息，画像纬度，从新客户，性别、消费层级、淘宝等级、地域5个纬度提供。画像将用户进行了标签化，利用这些标签，可以对其进行不同的营销动作。具体的分群策略可以看我的上一篇文章《基于大数据的会员任务营销，该怎么玩?》
商家可以单独对每个商品进行营销，根据自身品牌情况，投放给特定的人群，并进行低价，促销干预。
根据标签的选择，系统会根据用户在网站上的行为数据，提前预知已加购人群的转化比例，通过机器学习，能够自动过滤掉转化概率低的那部分用户群体。这里的计算规则是根据用户曾经是否购买过相同商品，或者是加入购物车是否是为了进行比价。
促销效果分析
通过用户分群能够了解你的客户群体特征，到底是什么样的人购买了你的商品或者对你的商品有意向，精准营销能够将这部分客户牢牢的抓在手里，用手段干预他们。对于商家来言，还需要效果分析数据。
圈定人数：活动覆盖的人群。系统能够计算符合活动标签和促销价格能够触达的人群
成交人数：活动开启后，提交订单的人数
触达人数：通过push和消息中心最终触达到的人群数量
成交金额：成交订单的总金额
三、消费者端触达的逻辑
当然，商家举办的所有活动都需要最终触达消费者端。基于购物车的营销，他的触达方式最优解就是在购物车参加活动的单品上进行用户触达，但只有覆盖的用户才会覆盖的到。触达方式分为：
购物车icon触达
购物车展示“限时”icon提醒，实时的促销倒计时提醒。时间的提醒能够增强消费者购物的紧迫感，通过促销和时间感提升喧嚣转化
降价提示，具体降价金额用红字展示，着重提醒。
消息中心触达
当活动开启时，在消息中心会收到push的营销内容，该内容为实时发送给已覆盖的人群。点击消息内容会跳转至购物车。不过这种push触达的方式效果并不是很好，点开率较低。具体的触达方式也可以看我的上一篇文章《基于大数据的会员任务营销，该怎么玩?》
结语
购物车的玩法多种多样，应该结合自家产品和研发能力评估当前阶段需要做哪些改进。但核心的目标是一致的，尽可能多的将购物车商品全部转化为订单，带来实际的收益。
2020年，疫情和各种不确定因素给广告市场带来了巨大变化，广大品牌商家开始重新思考如何更好地把握市场新趋势，寻求新增长。京东11.11狂欢脚步临近，怎样借助营销手段实现更加精细的用户运营与高效的流量获取，从而实现加速增长？
京东集团副总裁、京东零售技术委员会主席、商业提升事业部总裁颜伟鹏发表演讲。
10月15日，2020京东广告营销峰会在北京举行，京东集团副总裁、京东零售技术委员会主席、商业提升事业部总裁颜伟鹏发布京东营销360全渠道战略三大升级举措：全渠道流量覆盖、全场景用户打通、用户运营模型升级，打造最懂用户的一站式营销品牌，帮助商家备战京东11.11，在京东这个品牌最大“加速场”中收获增长价值。
“京屏果”启动，助力品牌营销全渠道场景覆盖
户外场景始终是用户生活行为的重要一部分，随着户外媒体的迅速复苏，越来越多的广告主感知到户外场景的投放价值。峰会现场，京东集团副总裁、京东零售技术委员会主席、商业提升事业部总裁颜伟鹏博士，京东集团副总裁、京东零售市场营销部负责人邵京平，京东集团副总裁、京东零售大商超全渠道事业群新通路事业部总裁郑宏彦，京东集团副总裁、京东零售商业提升事业部全渠道广告业务负责人石立权共同启动京东营销360旗下全渠道线下场景营销品牌——京屏果，助力品牌释放全域声量。
京东营销360旗下全渠道线下场景营销品牌“京屏果"正式发布。
京屏果整合了社区、商超、出行、办公、生活服务五大场景资源，海量且优质的媒介资源支持能够实现线下场景全覆盖。颜伟鹏介绍，依托京东生态大数据，京屏果能通过京东DMP（数据管理平台）进行人群标签组合及洞察，并通过LBS（定位服务）定向媒介功能锁定高人群浓度点位，有效进行资源投放，从而帮助品牌商家实现受众的筛滤、圈选和精准触达。
针对品牌商家线下投放的顾虑，京屏果可实现投放前人群数据预估，让品牌主提前了解广告将触达的人群特性。京屏果线下广告用户数据资产还全面接入京东数坊，投放后京屏果会生成多维度数据报告，帮助广告主监测目标人群心智流转情况，判断消费者所处行为阶段及4A（认知Aware、吸引Appeal、行动Act、拥护Advocate）人群转化效能，经过京东数坊评估沉淀，这些可运营可复投的数据资产将全面支持品牌再营销，发挥更长效的价值。
京屏果对全渠道营销的意义还在于线下场景能够与线上营销展开联动，通过线下实景的单点或多点引爆，逐步引流发酵到线上的传播环境中，将进一步放大传播效果，引爆社交声场，实现全渠道全场景促进品牌用户增长，刺激销售转化。
JD GOAL首发，实现品牌全链路用户增长
今年的特殊环境，让线上消费的优势更加凸显。而在存量时代下，必须要找到能更加精细化运营用户，激发用户长效价值的手段。为此，京东营销360推出业内第一个以大数据驱动的品牌用户增长方法论——JD GOAL。
颜伟鹏介绍，从4A消费者资产管理体系沉淀用户资产到全新的JD GOAL，代表着京东营销360用户精细化运营能力的不断升级。JD GOAL模型整体分为4大链路环节，即Targeting Group靶向人群，Osmosis渗透增长，Advancing价值增长，Loyalty忠诚增长。
JD GOAL品牌用户增长方法论。
这一模型能够帮助品牌精准定位核心战场人群，并在这些靶向人群组中找出提升品牌4A渗透及4A转化效率提升的机会点，再通过整体分析品牌CLV（用户终生价值预测）分布分层触达，提升机会点上靶向人群的长期用户价值，搭建由高价值用户构成的私域品牌会员池，提升用户对品牌的忠诚度，完成“谁买我-来买我-多买我-只买我”的全链路用户增长。
因此，JD GOAL不但适用于新品上市阶段探寻市场机会点，延伸目标人群，拉动新客增长，推进跨类目拉新，也适合营销过程中高价值人群识别触达、需求挖掘及低价值客户有效唤醒，更可以在后期维护忠诚用户增长和留存能力提升，充分满足品牌全场景用户运营的各类需求，促进品牌人群资产高效转化。
针对市场新环境下的趋势与机遇，京东营销360依靠数据产品的持续优化迭代与技术能力升级，以全渠道数据整合、全方位营销能力、全链路精细运营，帮助和指导品牌商家更好的突破数字化浪潮下的各类经营困局和挑战。即将到来的京东11.11，升级后的京东营销360将帮助品牌商家赢得更大规模的业绩增长。
大数据攻略案例分析及结论
我们将迎来一个“大数据时代”。与变化相始终的中国企业，距离这场革命还有多远？而追上领先者又需要多快的步伐？
｛研究结论｝
怎样才能用起来大数据？障碍如何解决?中国企业家研究院对10多家在大数据应用方面的领先企业进行了采访调研，更多家企业进行了书面资料调研，我们发现：
■ 当前中国企业的大数据应用可以归类为：大数据运营、大数据产品、大数据平台三大=领域，前两者更多是企业内部的应用，后者则在于用大数据来繁荣整个平台企业群落的生态。
■ 大数据营销的本质是一个影响消费者购物前心理路径的问题，而这在大数据时代前很难做到。
■ 对于传统企业而言，要打通线上与线下营销，实现新的商业模式，如O2O等，离不开大数据。
■ 虽然大数据应用往往集中于大数据营销，但对于一些企业，大数据的应用早已超越了营销范畴，全面进入了企业供应链、生产、物流、库存、网站和店内运营等各个环节。
■ 对于大部分企业，由于数据分析人员与业务人员之间的彼此视角与思考方向不同，大数据分析和运营之间存在脱节情况，这是大数据无法用于企业运营最大的阻力
■ 对于大多数互联网公司来说，大数据量、大用户量是一个相互促进，强者越强的循环过程。
■ 对于大型互联网平台，大数据已经成为其生态循环中的血液，对于这些企业，最重要
的不是如何利用大数据改进自身运营，而是利用大数据更好地繁荣平台生态。
■ 对于平台企业，它们的大数据策略正逐渐从大数据运营，向运营大数据转变，前者和
后者的差别在于，前者只是运营改进的动力，而后者则成为企业实现未来战略的核心资源。
我们都已被反复告知：我们将迎来一个“大数据时代”。
大数据应用，将和云计算、3D打印这些技术变革一样，颠覆既有规则，并成为先行企业的制胜关键。
与变化相始终的中国企业，距离这场革命还有多远？而追上领先者又需要多快的步伐？
来自于互联网、移动互联网、物联网传感器、视频采集系统的数据正海量增长，汇成大数据的海洋，相伴的是海量数据存储、分析技术的突破性发展，所有这一切都给企业的应用带来了无限可能性。
许多企业希望将大数据用起来，带动企业的经营，但不知从哪里着手。它们不惜重金投资大数据信息系统、分析系统，聘请更多的人才，希望能从这个新趋势中获益，不过却无奈地发现，大数据仍然停留在云端，没有带来多少实际收益。它们找不到大数据与业务结合的突破口。而一些真正将大数据应用于实战的企业，却在应用过程中困难重重：大数据无法与业务结合；没有收集、分析海量数据的能力；经营人员缺少应用大数据的动力；数据来源鱼龙混杂难以使用……
中国企业家研究院对当前中国企业大数据应用的状况进行了归纳分类，以帮助企业了解实际应用大数据时的困局难点，并提供领先企业的典型案例以资借鉴。
表1
表2
大数据运营—企业提升效率的助推力
对于大多数企业而言，运营领域的应用是大数据最核心的应用，之前企业主要使用来自生产经营中的各种报表数据，但随着大数据时代的到来，来自于互联网、物联网、各种传感器的海量数据扑面而至。于是，一些企业开始挖掘和利用这些数据，来推动运营效率的提升。大数据运营应用中，大数据的应用分为三类：用于企业外部营销、用于内部运营，以及用于领导层决策。
一、大数据营销
大数据营销的本质是影响目标消费者购物前的心理路径，它主要应用在三个方面：1、大数据渠道优化，2、精准营销信息推送，3、线上与线下营销的连接。在消费者购物前，通过各种方式，直接介入其信息收集和决策过程。而这种介入，是建立在对于线上与线下海量用户数据分析的基础之上。相比传统狂轰滥炸或等客上门的营销，大数据营销无论在主动性和精准性方面，都有非常大的优势。它是目前主要的大数据应用领域。
大数据营销不仅仅是用大数据找出目标顾客，向其发布促销信息，它还可以做到：
实现渠道优化。根据用户的互联网痕迹进行渠道营销效果优化，就是根据互联网上顾客的行为轨迹来找出哪个营销渠道的顾客来源最多，哪个来源顾客实际购买量最多，是否是目标顾客等等，从而调整营销资源在各个渠道的投放。例如东风日产，它利用对顾客来源的追踪，来改进营销资源在各个网络渠道如门户网站、搜索和微博的投放。
精准营销信息推送。精准建立在对海量消费者的行为分析基础之上，消费者网络浏览、搜索行为被网络留下，线下的购买和查看等行为可以被门店的POS机和视频监控记录，再加上他们在购买和注册过程中留下的身份信息，在商家面前，正逐渐呈现出消费者信息的海洋。
一些企业通过收集海量的消费者信息，然后利用大数据建模技术，按消费者属性（如所在地区、性别）和兴趣、购买行为等维度，挖掘目标消费者，然后进行分类，再根据这些，对个体消费者进行营销信息推送。比如孕妇装品牌十月妈咪通过对自己微博上粉丝评论的大数据分析，找出评论有“喜爱”相关关键词的粉丝，然后打上标签，对其进行营销信息推送。京东商城副总经理李曦表示：“用大数据找出不同细分的顾客需求群，然后进行相应的营销，是京东目前在做的事情。”小也化妆品将自身网站作为收集消费者信息的雷达，对不同消费者推荐相应的肌肤解决方案，创始人肖尚略希望在未来，大数据营销能替代网站的作用，真正成为面向顾客的前端。
打通线上线下营销。一些企业将互联网上海量消费者的行为痕迹数据与线下购买数据打通，实现了线上与线下营销的协同。比如东风日产，线上与线下的协同营销方式为：其门户网站带来订单线索，而通过这些线索，服务人员进行电话回访，从而推动顾客在线下交易。在此过程中，东风日产记录了消费者进入、浏览、点击、注册、电话回访和购买各个环节的数据，实现了一个横跨线上线下，以大数据分析为支持的，营销效果不断优化的闭环营销通路。而国双科技，衡量某一地区线下促销活动的效果，就是看互联网上，来自这个地区对于促销内容的搜索量。一些企业，通过鼓励线下顾客使用微信和Wi-Fi等可追踪消费者行为和喜好的设备，来打通线上与线下数据流，银泰百货计划铺设Wi-Fi，鼓励顾客在商场内使用，然后根据Wi-Fi账号，找出这个顾客，再通过与其它大数据挖掘公司合作，以大数据的手段，发掘这个顾客在互联网的历史痕迹，来了解这个顾客的需求类型。
二、大数据用于内部运营
相比大数据营销，大数据在内部运营中的应用更深入，对于企业内部的信息化水平，以及数据采集和分析能力的要求更高。本质上，是将企业外部海量消费者数据与企业内部海量运营数据联系起来，在分析中得到新的洞察，提升运营效率。（详见P96表5：大数据在内部运营中的应用）
表5
三、大数据用于决策
在大数据时代，企业面对众多新的数据源和海量数据，能否基于对这些数据的洞察，进行决策，进而将其变成一项企业竞争优势的来源？同大数据营销和大数据内部运营相比，运用大数据决策难度最高，因为它需要一种依赖数据的思维习惯。
已有少数企业开始尝试。比如国内一些金融机构在推出一个金融产品时，会广泛分析该金融产品的应用情况和效果、目标顾客群数据、各种交易数据和定价数据等，然后决定是否推出某个金融产品。
但是，中国企业家研究院在调研中发现，目前中国企业当中，大数据决策的应用非常之少，许多企业领导者进行决策时，仍习惯于凭借历史经验和直觉。
大数据产品——企业利润滋长的新源泉
大数据除了用于运营外，还能够与企业产品结合，成为企业产品背后竞争力的核心支持或者直接成为产品。提供大数据产品的企业分为两类，直接提供大数据产品的企业，以及将大数据作为产品和服务核心支撑的企业。前者主要为大数据产业链中提供数据服务的参与者，包括数据拥有者、存储企业，挖掘企业、分析企业等，后者则主要是那些以大数据为产品核心支撑的企业，它们大多是互联网企业，其产品和服务先天就有大数据基因，这些企业包括搜索引擎、在线杀毒、互联网广告交易平台以及众多植根于移动互联网之上，为用户提供生活和资讯服务的APP等。
表3
表4
一、大数据作为产品核心支持
它们主要在以下几方面使用大数据：
1、提供信息服务。很多互联网企业通过对海量互联网信息和线下信息的整合和分析，为个人和企业提供信息服务，典型的如百度、去哪儿、一淘、高德地图、春雨医生等等。在美国，一些互联网企业甚至根据大数据提供更深度的预测信息服务，美国科技创新公司farecast，通过分析特定航线机票的价格，帮助消费者预测机票价格走势。
2、分析用户的个性化需求，借此提供个性化产品和服务，或者实现更精准的广告。典型的有移动社交工具陌陌、百度、腾讯、广告交易平台品友互动以及一些互联网游戏商。这种应用往往先是收集海量用户的互联网行为数据，将用户分类，根据不同类型的用户，提供个性化的产品，或者提供个性化的促销信息。比如网易等门户网站推出了订阅模式，让使用者按照个人喜好方便地定制和整合不同来源的信息。
3、增强产品功能。对于很多互联网产品，如杀毒软件、搜索引擎等等，海量数据的处理能够让产品变得更聪明更强大，如果没有大数据，产品的功能就大大减弱。比如奇虎360公司的360杀毒软件，凭借每天海量的杀毒处理，建立了庞大的病毒库，这使它能够更快地发现病毒，而一些小的杀毒软件公司则无法做到这一点。
4、掌控信用状况，提供信贷服务。阿里巴巴上汇集了海量中小企业的日常资金与货品往来，通过对这些往来数据的汇总与分析，阿里巴巴能发现单个企业的资金流与收入情况，分析其信用，找出异常情况与可能发生的欺诈行为，控制信贷风险。
5、实现智能匹配。婚恋网站、交易平台等，利用大数据可以进行精准而高效的配对服务。网易花田会挖掘用户行为数据，比如点击哪些异性的页面，发表什么样的评论，建立用户兴趣模型，从而挖掘到用户所期待另一半的类型，然后主动推荐与对方匹配度比较高的人选。2010年，阿里巴巴尝试性地推出“轻骑兵”服务，由阿里巴巴将中国各产业集群地的供应商与海外买家的个性采购需求进行快速匹配，所凭借的，就是对供应商的海量交易数据信息的整合与挖掘。
大数据作为产品核心支撑的关键在于用户量。对于大多数互联网公司来说，用户量越多，收集的数据越多，凭借更多的数据，其产品与商业模式会不断改进，进而带来更多的用户。
二、大数据直接作为产品
对一些企业，大数据直接成为了产品，这些产品包括海量数据、分析、存储与挖掘的服务等，目前大数据产业链正在形成过程中，出现了一批开放、出售、授权大数据和提供大数据分析、挖掘的公司和机构，前者主要是一些拥有海量数据的公司，将数据服务作为新的盈利来源。如大型的互联网平台、民航、电信运营商、一些拥有大数据的政府机构等等，后者主要包括一些能够存储海量数据或者将海量数据与业务场景结合，进行分析和挖掘，或者提供相关产品的公司，如IBM、SAP、拓而思、天睿公司。它们为大数据应用者们提供海量数据存储、数据挖掘、图像视频、智能分析等服务以及相关系统产品。
大数据平台——企业群落繁荣的滋养剂
相对企业本身对大数据的应用，大数据平台更多是利用大数据来搭建企业生态。一些拥有庞大数据资源的大型互联网平台，已变为包含海量寄生者的生态系统。在这个生态系统中，它们将海量用户互联网行为痕迹和分析提供给平台上的企业，用于它们改善经营，推动整个平台生态繁荣，在这一过程中，它们也收取数据服务费。阿里巴巴就是一个典型的例子，从数据魔方、黄金策到聚石塔，阿里巴巴不断地为平台上中小电商提供数据产品和服务。
而百度已建成了包括百度指数、司南、风云榜、数据研究中心和百度统计在内的五大数据体系平台，帮助其营销平台上的企业了解消费者行为、兴趣变化，以及行业发展状况、市场动态和趋势、竞争对手动向等信息。
而当大数据从企业内部运营的动力，变成平台企业的产品和服务时，平台企业也在经历着一个从大数据运营到运营大数据的阶段。数据从运营的支持工具，变成了生产资料。此前平台们的关注点，更多的是如何用好现有的大数据。而未来，它们的关注点则更多是如何将大数据这个生产资料管理好、经营好，如何更好地为平台上的企业服务。这就涉及到收集的数据质量怎样？格式标准是否统一？数据作为一种原材料，其精细化程度如何？是否符合平台上企业应用的具体场景？是平台上企业拿来就能用的，还是还需要平台上的企业再加工？
为解决这些问题，各个平台在积极地努力。比如阿里巴巴建立了数据委员会，在统一数据格式标准、从源头上保证数据的质量，采集和加工出精细化的数据，确保其能符合平台企业的应用场景等方面，不遗余力地尝试。尤其在大数据精细化方面，阿里巴巴更是作为其大数据战略的重点。这方面，腾讯目前也在加快步伐。比如新版腾讯网出现了“一键登录”的提示，用户可以在上面通过一些细分标签，订阅自己关注的内容。实际上，这也是腾讯收集更精细化的用户兴趣数据的一个有效手段。
Tips
大数据实战手册
将大数据应用于内部运营中时，企业会遇到一些常见问题
1企业如何获取与分析数据？
互联网是大数据的一个主要来源，一些线下的传统企业很难获得。但它们可以：
a 和拥有或能抓取海量数据的平台、企业以及政府机构合作。比如淘宝上的电商就购买淘宝收集的海量数据中与自身运营相关的部分，用于自身业务。再如卡夫通过与IBM合作，在博客、论坛和讨论版的内容中抓取了47.9万条关于自己产品的讨论信息，通过大数据分析出消费者对卡夫食品的喜爱程度和消费方式。
b 建立自己在互联网上的平台，比如朝阳大悦城利用自己的微信、微博等平台收集消费者评论数据。
c 许多传统企业没有分析海量数据的能力，此时它们可以和大数据分析和挖掘公司合作，目前市场上已经有天睿公司、IBM、百分点、华胜天成等一批提供大数据分析和挖掘服务的公司，它们是传统企业进行大数据分析可以借助的力量。
2 如何避免大数据应用时的部门分割？
对于许多企业，其信息流被各部门彼此分割，数据难以互通，对于这种情况下，大数据的共享和汇集就只是一个泡影，更难以实现大数据的深度应用。
要打通部门之间信息分割的局面，首先要建立统一的、集中的数据系统。就像立白信息与知识总监王永红所说的，“要真正用好大数据，企业要采用大集中的信息系统。”从更深入的角度来谈，企业信息流的部门分割，更在于企业部门之间的分割，比如有一些企业的营销按照渠道分割，导致对于顾客的大数据收集和分析效果大打折扣。
IBM智慧商务技术总监杨旭青认为，“很多时候由于组织结构问题，大数据分析有效性大大降低了。”这就需要组织与流程层面的重新设计，在这方面，阿里巴巴的部门负责人轮岗制度，对于打破部门壁垒无疑是一剂好药。而一些企业为了打破部门分割，建立了矩阵型的组织结构，强化部门间的横向合作，这些无疑为大数据的汇集、共享与应用创造了良好条件。
3 如何让业务人员重视大数据的应用？
解决这个问题，一方面在于一把手对整个企业数据文化的倡导，比如1号店董事长于刚就要求业务人员无论在开会，还是汇报工作时，都以数据说话，而马云更是将大数据提升到了战略高度。
另一方面，也在于数据部门的带动，阿里巴巴数据委员会负责人车品觉分享了经验，“因为运营部门的业务人员很难看到大数据的潜力，可以首先从一些对业务见效快，见效显著的数据项目出发，通过一两个项目的成功，调动对方的积极性，然后再逐步一个个地引导。”
4 为何大数据工作与运营需求脱节？
这往往是由于数据人员与业务人员视角、专业知识不同而导致的。大数据人员做了很多努力，但是业务人员却认为这些努力无关痛痒。如何解决这个问题？
有的企业从组织设计上发力，将大数据纳入业务分析部门的管理之下，用业务统驭数据。对于朝阳大悦城，由主要负责战略和经营分析的部门来管理大数据工作，其中的大数据分析人员则作为支持人员。在负责人张岩看来，大数据要靠商业法则指导，关键是找到业务需求的点，然后由数据分析和挖掘人员实现。在具体 *** 作中，大悦城对微信的数据挖掘，挖掘什么样的关键词，由业务分析人员确定，而具体挖掘则由数据部门做；有的企业从流程设计上着手，推动业务部门与数据部门人员之间的沟通，建立数据人员工作与效果挂钩的考核机制。
例如阿里巴巴根据数据挖掘的成效（比如带来的商品转化率的提升）来考核数据挖掘师，考核数据分析师则看其分析结果能否出现在经营负责人的报告中。从数据部门自身角度则需要降低运营部门使用数据的障碍和门槛，比如立白集团的数据人员会努力尝试向运营部门提供更易懂、更生动的图形化数据分析界面，在立白老板办公室上，就有一份“客户运营健康体检表”，让老板对全国经销商的当月销售情况一目了然。再如阿里巴巴开发的无线Bi，让经营人员在手机上也可以看到大数据分析结果，拿车品觉的话说，“以数据之氧气包围经营人员。”
以上是小编为大家分享的关于大数据攻略案例分析及结论的相关内容，更多信息可以关注环球青藤分享更多干货
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）