大數(shù)據(jù)的營銷案例

大數(shù)據(jù)如何實施

我們的大數(shù)據(jù)大數(shù)據(jù)的營銷案例大數(shù)據(jù)如何實施我們的大數(shù)據(jù)大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例塔吉特：比父親更早知道女兒懷孕曾經(jīng)有一位男性顧客到一家塔吉特超市店中投訴，商店竟然給他還在讀書的女兒寄嬰兒用品的優(yōu)惠券。這家全美第二大零售商，會搞出如此大的烏龍？但經(jīng)過這位父親與女兒進一步溝通，才發(fā)現(xiàn)自己女兒真的已經(jīng)懷孕了。提問：為什么塔吉特能知道這個用戶懷孕了？必須有哪幾個關(guān)鍵環(huán)節(jié)A：用戶數(shù)據(jù)收集B：懷孕特征庫C：懷孕潛在用戶篩選塔吉特在和顧客溝通過程中采用了哪種營銷方式A：電子郵件B：直郵C：電話營銷D：數(shù)據(jù)庫營銷大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例塔吉特：比父親更早知道女大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例關(guān)鍵環(huán)節(jié)一：數(shù)據(jù)信息記錄一家零售商是如何比一位女孩的親生父親更早得知其懷孕消息的呢？每位顧客初次到塔吉特刷卡消費時，都會獲得一組顧客識別編號，內(nèi)含顧客姓名、信用卡卡號及電子郵件等個人資料。日后凡是顧客在塔吉特消費，計算機系統(tǒng)就會自動記錄消費內(nèi)容、時間等信息。再加上從其他管道取得的統(tǒng)計資料，塔吉特便能形成一個龐大數(shù)據(jù)庫，運用于分析顧客喜好與需求。每個ID號還會對號入座的記錄下你的人口統(tǒng)計信息：年齡、是否已婚、是否有子女、所住市區(qū)、住址離Target的車程、薪水情況、最近是否搬過家、錢包里的信用卡情況、常訪問的網(wǎng)址等等。Target還可以從其他相關(guān)機構(gòu)那里購買你的其他信息：種族、就業(yè)史、喜歡讀的雜志、破產(chǎn)記錄、婚姻史、購房記錄、求學記錄、閱讀習慣等等。乍一看，你會覺得這些數(shù)據(jù)毫無意義，但在AndrewPole和顧客數(shù)據(jù)分析部的手里，這些看似無用的數(shù)據(jù)便爆發(fā)了前述強勁的威力大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例關(guān)鍵環(huán)節(jié)一：數(shù)據(jù)信息記錄大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例關(guān)鍵環(huán)節(jié)二：數(shù)據(jù)模型建立AndrewPole想到了Target有一個迎嬰聚會(babyshower)的登記表。AndrewPole開始對這些登記表里的顧客的消費數(shù)據(jù)進行建模分析，不久就發(fā)現(xiàn)了許多非常有用的數(shù)據(jù)模式。比如模型發(fā)現(xiàn)，許多孕婦在第2個妊娠期的開始會買許多大包裝的無香味護手霜;在懷孕的最初20周大量購買補充鈣、鎂、鋅的善存片之類的保健品。最后AndrewPole選出了25種典型商品的消費數(shù)據(jù)構(gòu)建了“懷孕預測指數(shù)”，通過這個指數(shù)，Target能夠在很小的誤差范圍內(nèi)預測到顧客的懷孕情況，因此Target就能早早地把孕婦優(yōu)惠廣告寄發(fā)給顧客。大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例關(guān)鍵環(huán)節(jié)二：數(shù)據(jù)模型建立大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例關(guān)鍵環(huán)節(jié)三：建立和用戶溝通渠道那么，顧客收到這樣的廣告會不會嚇壞了呢？Target很聰明地避免了這種情況，它把孕婦用品的優(yōu)惠廣告夾雜在其他一大堆與懷孕不相關(guān)的商品優(yōu)惠廣告當中，這樣顧客就不知道Target知道她懷孕了大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例關(guān)鍵環(huán)節(jié)三：建立和用戶溝大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例Target取得的成就：根據(jù)AndrewPole的大數(shù)據(jù)模型,Target制訂了全新的廣告營銷方案，結(jié)果Target的孕期用品銷售呈現(xiàn)了爆炸性的增長。AndrewPole的大數(shù)據(jù)分析技術(shù)從孕婦這個細分顧客群開始向其他各種細分客戶群推廣，從AndrewPole加入Target的2002年到2010年間，Target的銷售額從440億美元增長到了670億美元。大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例Target取得的成就：大數(shù)據(jù)的營銷案例二、美國警察降低犯罪案例紐約的犯罪兇殺從1994年1561起下降到1177起車輛盜竊從95420下降到72679起到2009年，兇殺案下降到466起大數(shù)據(jù)的營銷案例二、美國警察降低犯罪案例紐約的犯罪兇殺從19大數(shù)據(jù)的營銷案例二、美國警察降低犯罪案例CompStat項目的工作人員每天通過電話和傳真向全紐約76個警區(qū)收集數(shù)據(jù)，再將數(shù)據(jù)統(tǒng)一錄入到CompStat，進行加總和分析。每周二、周四的早晨7點，布雷特就召集全部警區(qū)的指揮官開會。最新發(fā)生的案件以圓點的形式出現(xiàn)在各個轄區(qū)的地圖上，不同顏色代表著不同類型的犯罪，特定位置的成串圓點則表明那里發(fā)生了一系列的案件。各個指揮官在這些“績效指示燈”前面依次陳述自己轄區(qū)的情況、對策以及警力的調(diào)配——“數(shù)據(jù)和信息是執(zhí)法工作當中制定戰(zhàn)略和決策的基礎(chǔ)?！贝髷?shù)據(jù)的營銷案例二、美國警察降低犯罪案例CompStat項目大數(shù)據(jù)時代如何實施1、決策支持系統(tǒng)1947年，美國科學家西蒙提出，1978年因為商務決策過程的研究獲得諾貝爾經(jīng)濟學獎2、商務智能

利用數(shù)據(jù)倉庫、數(shù)據(jù)挖掘技術(shù)對客戶數(shù)據(jù)進行系統(tǒng)地儲存和管理，并通過各種數(shù)據(jù)統(tǒng)計分析工具對客戶數(shù)據(jù)進行分析，提供各種分析報告，如客戶價值評價、客戶滿意度評價、服務質(zhì)量評價、營銷效果評價、未來市場需求等，為企業(yè)的各種經(jīng)營活動提供決策信息。3、大數(shù)據(jù)時代標志著一個時代的來臨，一個概念，而不是真正的技術(shù)大數(shù)據(jù)(bigdata)，或稱巨量資料，指的是所涉及的資料量規(guī)模巨大到無法透過目前主流軟件工具，在合理時間內(nèi)達到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營決策更積極目的的資訊。大約從2009年開始，“大數(shù)據(jù)”才成為互聯(lián)網(wǎng)信息技術(shù)行業(yè)的流行詞匯。從產(chǎn)業(yè)角度，常常把這些數(shù)據(jù)與采集它們的工具、平臺、分析系統(tǒng)一起被稱為“大數(shù)據(jù)”。大數(shù)據(jù)時代如何實施1、決策支持系統(tǒng)大數(shù)據(jù)時代如何實施一、數(shù)據(jù)輸入到輸出的基本流程大數(shù)據(jù)時代如何實施一、數(shù)據(jù)輸入到輸出的基本流程大數(shù)據(jù)時代如何實施二、決策支持系統(tǒng)大數(shù)據(jù)時代如何實施二、決策支持系統(tǒng)大數(shù)據(jù)時代如何實施三、商務智能是什么

人們對商務智能的理解如同那七個印度盲人對大象的理解：有人認為它是高級管理人員信息系統(tǒng)（EIS），有人認為它是管理信息系統(tǒng)（MIS），有人認為它是決策支持系統(tǒng)（DSS）；有人說它是數(shù)據(jù)庫技術(shù)，有人說它是數(shù)據(jù)倉庫，有人說它是數(shù)據(jù)集市，有人說它是數(shù)據(jù)整合與清洗工具，有人說它是查詢和報告工具，有人說它是在線分析處理工具，有人說它是數(shù)據(jù)挖掘，有人說它是統(tǒng)計分析；有人把它當做分析性ERP,有人把它當做分析性CRM,有人把它當做分析性SCM,有人把它當做企業(yè)績效管理，有人把它當作平衡記分卡……

商業(yè)智能技術(shù)，它以數(shù)據(jù)倉庫（DataWarehousing）、在線分析處理（OLAP）、數(shù)據(jù)挖掘（DataMining）3種技術(shù)的整合為基礎(chǔ)，建立企業(yè)數(shù)據(jù)中心和業(yè)務分析模型，以提高企業(yè)獲取經(jīng)營分析信息的能力，從而提高企業(yè)經(jīng)營和決策的質(zhì)量與速度。

大數(shù)據(jù)時代如何實施三、商務智能是什么人們對商大數(shù)據(jù)時代如何實施三、商務智能四個產(chǎn)業(yè)鏈1、關(guān)系型數(shù)據(jù)庫

（銷售記錄、用戶購買記錄，提供報表）2、數(shù)據(jù)倉庫

（數(shù)據(jù)系統(tǒng)整合，收集，清洗）3、多維分析

（不同維度之間的剖析，自定義）4、數(shù)據(jù)挖掘（靈魂，產(chǎn)生價值的地方）5、展示：可視化界面大數(shù)據(jù)時代如何實施三、商務智能四個產(chǎn)業(yè)鏈1、關(guān)系型數(shù)據(jù)庫 （商業(yè)智能技術(shù)體系（BI——BusinessIntelligence）在線分析處理技術(shù)（OLAP：OnlineAnalyticalProcessing）數(shù)據(jù)挖掘技術(shù)（DataMining）數(shù)據(jù)倉庫技術(shù)（DataWarehousing）數(shù)據(jù)整合集成各系統(tǒng)的歷史數(shù)據(jù)，建立面向主題的企業(yè)數(shù)據(jù)中心數(shù)據(jù)分析靈活、動態(tài)、快速的多維分析、隨機查詢、即席報表知識發(fā)現(xiàn)通過數(shù)學模型發(fā)現(xiàn)隱藏的、潛在的規(guī)律，以輔助決策更加全面、深入的分析形成知識庫指導決策、再分析三、商務智能體系大數(shù)據(jù)時代如何實施商業(yè)智能技術(shù)體系（BI——BusinessIntellig大數(shù)據(jù)時代如何實施四、關(guān)系型數(shù)據(jù)庫關(guān)系型數(shù)據(jù)庫就是由二維表及其之間的聯(lián)系組成的一個數(shù)據(jù)組織，關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)結(jié)構(gòu)就是一張二維表，以表格（關(guān)系）的形式存放數(shù)據(jù)典型的商業(yè)訂單條目數(shù)據(jù)庫會包括一個用列表示的描述一個客戶信息的表格：名字、住址、電話號碼，等等。另外的一個表格會描述一個訂單：產(chǎn)品、客戶、日期、銷售價格，等等報表：是關(guān)系型數(shù)據(jù)庫時代將數(shù)據(jù)轉(zhuǎn)化為信息的主要手段但是報表是需要事先由開發(fā)人員定制的比如：2013年5月份的廢單報表大數(shù)據(jù)時代如何實施四、關(guān)系型數(shù)據(jù)庫關(guān)系型數(shù)據(jù)庫就是由二維表及大數(shù)據(jù)時代如何實施五、數(shù)據(jù)倉庫我們可以從多個菜市場，挑選我們做需要的蔬菜，肉類等。當然，我們處在一個選擇的過程。如果菜不新鮮，我們完全可以不要它.大數(shù)據(jù)時代如何實施五、數(shù)據(jù)倉庫我們可以從多個菜市場，挑選我們大數(shù)據(jù)時代如何實施六、多維分析OALP什么叫多維：沃爾瑪2011年在北京的銷量是多少?這就是地區(qū)和時間兩個維度交叉百度投放：在2013年5月份廣東產(chǎn)生多少個口語計劃的注冊？其驚艷之美在于可以根據(jù)用戶自己的需要隨時創(chuàng)建萬維動態(tài)報表，報表的定制權(quán)由后臺開發(fā)人員直接轉(zhuǎn)移到前端的用戶其代表：國雙的動態(tài)分析大數(shù)據(jù)時代如何實施六、多維分析OALP什么叫多維：普通鉆取是改變維的層次，包括上卷（rollup）與下鉆（drilldown）。上卷是從維的細節(jié)層向顆粒較大高層鉆取，以便宏觀把握數(shù)據(jù)的匯總情況；下鉆是從維的高層向顆粒較小的細節(jié)層鉆取，以便觀察數(shù)據(jù)明細情況。舉例來說：某電信運營商在分析2003年總體話務量時發(fā)現(xiàn)全年話務量為100億分鐘，這除了說明全年的總體話務量情況，不能說明任何問題。現(xiàn)在分析人員想進一步了解2003年各個月份的話務量情況，就必須針對時間維度進行下鉆操作，以看到顆粒較細的月份數(shù)據(jù)。反之就必須進行上卷鉆取。六、多維分析—普通鉆取網(wǎng)絡營銷的大數(shù)據(jù)時代六、多維分析—普通鉆取網(wǎng)絡營銷的大數(shù)據(jù)時代穿透鉆取是指從一個模型鉆透到另一個模型。舉例來說：某電信運營商發(fā)現(xiàn)本月通話時長下降5%，經(jīng)過下鉆發(fā)現(xiàn)是IP的本月通話時長下降了20%帶動了整個通話時長下降3%，為了找到IP的通話時長下降的具體原因就需要鉆取到面向IP業(yè)務的分析主題，詳盡分析通話時長下降原因。這種跨越模型的鉆取就稱為穿透鉆取。舉例：網(wǎng)絡營銷部廣告投放這個月的注冊比上個月少了20%注冊，通過下鉆發(fā)現(xiàn)是騰訊比上個月下降80%，為了找到騰訊的原因必須鉆取到涉及到騰訊下降的其他原因（流量？頁面轉(zhuǎn)化率？）。六、多維分析—穿透鉆取網(wǎng)絡營銷的大數(shù)據(jù)時代六、多維分析—穿透鉆取網(wǎng)絡營銷的大數(shù)據(jù)時代切片與切塊是指選擇某一/些維度的具體類別，分析該類別的數(shù)據(jù)關(guān)于其他維的情況。舉例來說：某煙草公司分析發(fā)現(xiàn)2012年全年煙草銷售為10億元，現(xiàn)在想了解2012年中華（軟）這種規(guī)格的卷煙在第一季度的銷售情況，就必須針對時間維度選擇第一季度，針對卷煙規(guī)格維度選擇中華（軟），通過這樣的切塊的方式可以觀察相關(guān)維度的具體類別（如本例中的中華（軟）在第一季度）的數(shù)據(jù)狀況，分析這些數(shù)據(jù)得出有效的信息，以針對這些具體類別進行針對性的決策。當僅針對一個維度進行切塊時稱為切片。六、多維分析—切片與切塊網(wǎng)絡營銷的大數(shù)據(jù)時代六、多維分析—切片與切塊網(wǎng)絡營銷的大數(shù)據(jù)時代大數(shù)據(jù)時代如何實施六、多維分析OALP大數(shù)據(jù)時代如何實施六、多維分析OALP大數(shù)據(jù)時代如何實施六、多維分析大數(shù)據(jù)時代如何實施六、多維分析大數(shù)據(jù)時代如何實施六、多維分析討論：通過上圖我們可以看到哪些維度的數(shù)據(jù)1、某月東北冰箱2、西北電器總和3、6月西北產(chǎn)品銷量大數(shù)據(jù)時代如何實施六、多維分析討論：通過上圖我們可以看到哪些大數(shù)據(jù)時代如何實施六、多維分析和數(shù)據(jù)倉庫關(guān)系大數(shù)據(jù)時代如何實施六、多維分析和數(shù)據(jù)倉庫關(guān)系大數(shù)據(jù)時代如何實施七、數(shù)據(jù)挖掘描述性數(shù)據(jù)挖掘預測性數(shù)據(jù)挖掘基本目標以數(shù)據(jù)統(tǒng)計和分析為目的數(shù)理統(tǒng)計求和、平均、方差等各種報表和即席查詢多維分析關(guān)聯(lián)分析關(guān)聯(lián)規(guī)則序列模式聚類分析相似特征挖掘分類識別基本目標以未來預測和模擬為目的分類分析分類函數(shù)分類模型回歸分析線性回歸非線性回歸決策樹神經(jīng)網(wǎng)絡時間序列移動平均數(shù)據(jù)挖掘啤酒和尿布的故事大數(shù)據(jù)時代如何實施七、數(shù)據(jù)挖掘描述性數(shù)據(jù)挖掘預測性數(shù)據(jù)挖掘基大數(shù)據(jù)時代如何實施七、數(shù)據(jù)挖掘案例啤酒和尿布的故事“啤酒與尿布”的故事產(chǎn)生于20世紀90年代的美國沃爾瑪超市中，沃爾瑪?shù)某泄芾砣藛T分析銷售數(shù)據(jù)時發(fā)現(xiàn)了一個令人難于理解的現(xiàn)象：在某些特定的情況下，“啤酒”與“尿布”兩件看上去毫無關(guān)系的商品會經(jīng)常出現(xiàn)在同一個購物籃中，這種獨特的銷售現(xiàn)象引起了管理人員的注意，經(jīng)過后續(xù)調(diào)查發(fā)現(xiàn)，這種現(xiàn)象出現(xiàn)在年輕的父親身上。當然“啤酒與尿布”的故事必須具有技術(shù)方面的支持。1993年美國學者Agrawal（個人翻譯--艾格拉沃）提出通過分析購物籃中的商品集合，從而找出商品之間關(guān)聯(lián)關(guān)系的關(guān)聯(lián)算法，并根據(jù)商品之間的關(guān)系，找出客戶的購買行為。艾格拉沃從數(shù)學及計算機算法角度提出了商品關(guān)聯(lián)關(guān)系的計算方法——Aprior算法（關(guān)聯(lián)模型）。沃爾瑪從上個世紀90年代嘗試將Aprior算法引入到POS機數(shù)據(jù)分析中，并獲得了成功，于是產(chǎn)生了“啤酒與尿布”的故事大數(shù)據(jù)時代如何實施七、數(shù)據(jù)挖掘案例啤酒和尿布的故事“啤酒與尿大數(shù)據(jù)時代如何實施八、可視化界面啤酒和尿布的故事大數(shù)據(jù)時代如何實施八、可視化界面啤酒和尿布的故事大數(shù)據(jù)時代如何實施八、可視化界面啤酒和尿布的故事大數(shù)據(jù)時代如何實施八、可視化界面啤酒和尿布的故事數(shù)據(jù)處理業(yè)務層：輸出數(shù)據(jù)輸入即時查詢OLAP分析數(shù)據(jù)挖掘企業(yè)數(shù)據(jù)模型、多維數(shù)據(jù)模型

數(shù)據(jù)倉庫RDBMS：關(guān)系數(shù)據(jù)庫外部數(shù)據(jù)源操作環(huán)境層數(shù)據(jù)倉庫層業(yè)務層大數(shù)據(jù)時代如何實施數(shù)據(jù)處理業(yè)務層：輸出數(shù)據(jù)輸入即時查詢OLAP分析數(shù)據(jù)挖掘企業(yè)選擇題：每題8分*5

數(shù)據(jù)倉庫是數(shù)據(jù)庫嗎？ A：不是B：是商務智能里包含哪幾個重要版塊？ A：OLAPB:數(shù)據(jù)倉庫C：數(shù)據(jù)挖掘

大數(shù)據(jù)給企業(yè)帶來的好處是？ A：了解用戶隱私B：提供決策支持C：營銷針對性D：提升效率你認為下面哪些企業(yè)在大數(shù)據(jù)方面有潛力做的很好，選2個 A:阿里集團B：麥當勞C:沃爾瑪簡答題：每題15分*4假如2季度廣東區(qū)域網(wǎng)絡業(yè)績很差，為什么？請寫分析思路選擇題：每題8分*5

大數(shù)據(jù)的營銷案例

大數(shù)據(jù)如何實施

我們的大數(shù)據(jù)大數(shù)據(jù)的營銷案例大數(shù)據(jù)如何實施我們的大數(shù)據(jù)大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例塔吉特：比父親更早知道女兒懷孕曾經(jīng)有一位男性顧客到一家塔吉特超市店中投訴，商店竟然給他還在讀書的女兒寄嬰兒用品的優(yōu)惠券。這家全美第二大零售商，會搞出如此大的烏龍？但經(jīng)過這位父親與女兒進一步溝通，才發(fā)現(xiàn)自己女兒真的已經(jīng)懷孕了。提問：為什么塔吉特能知道這個用戶懷孕了？必須有哪幾個關(guān)鍵環(huán)節(jié)A：用戶數(shù)據(jù)收集B：懷孕特征庫C：懷孕潛在用戶篩選塔吉特在和顧客溝通過程中采用了哪種營銷方式A：電子郵件B：直郵C：電話營銷D：數(shù)據(jù)庫營銷大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例塔吉特：比父親更早知道女大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例關(guān)鍵環(huán)節(jié)一：數(shù)據(jù)信息記錄一家零售商是如何比一位女孩的親生父親更早得知其懷孕消息的呢？每位顧客初次到塔吉特刷卡消費時，都會獲得一組顧客識別編號，內(nèi)含顧客姓名、信用卡卡號及電子郵件等個人資料。日后凡是顧客在塔吉特消費，計算機系統(tǒng)就會自動記錄消費內(nèi)容、時間等信息。再加上從其他管道取得的統(tǒng)計資料，塔吉特便能形成一個龐大數(shù)據(jù)庫，運用于分析顧客喜好與需求。每個ID號還會對號入座的記錄下你的人口統(tǒng)計信息：年齡、是否已婚、是否有子女、所住市區(qū)、住址離Target的車程、薪水情況、最近是否搬過家、錢包里的信用卡情況、常訪問的網(wǎng)址等等。Target還可以從其他相關(guān)機構(gòu)那里購買你的其他信息：種族、就業(yè)史、喜歡讀的雜志、破產(chǎn)記錄、婚姻史、購房記錄、求學記錄、閱讀習慣等等。乍一看，你會覺得這些數(shù)據(jù)毫無意義，但在AndrewPole和顧客數(shù)據(jù)分析部的手里，這些看似無用的數(shù)據(jù)便爆發(fā)了前述強勁的威力大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例關(guān)鍵環(huán)節(jié)一：數(shù)據(jù)信息記錄大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例關(guān)鍵環(huán)節(jié)二：數(shù)據(jù)模型建立AndrewPole想到了Target有一個迎嬰聚會(babyshower)的登記表。AndrewPole開始對這些登記表里的顧客的消費數(shù)據(jù)進行建模分析，不久就發(fā)現(xiàn)了許多非常有用的數(shù)據(jù)模式。比如模型發(fā)現(xiàn)，許多孕婦在第2個妊娠期的開始會買許多大包裝的無香味護手霜;在懷孕的最初20周大量購買補充鈣、鎂、鋅的善存片之類的保健品。最后AndrewPole選出了25種典型商品的消費數(shù)據(jù)構(gòu)建了“懷孕預測指數(shù)”，通過這個指數(shù)，Target能夠在很小的誤差范圍內(nèi)預測到顧客的懷孕情況，因此Target就能早早地把孕婦優(yōu)惠廣告寄發(fā)給顧客。大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例關(guān)鍵環(huán)節(jié)二：數(shù)據(jù)模型建立大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例關(guān)鍵環(huán)節(jié)三：建立和用戶溝通渠道那么，顧客收到這樣的廣告會不會嚇壞了呢？Target很聰明地避免了這種情況，它把孕婦用品的優(yōu)惠廣告夾雜在其他一大堆與懷孕不相關(guān)的商品優(yōu)惠廣告當中，這樣顧客就不知道Target知道她懷孕了大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例關(guān)鍵環(huán)節(jié)三：建立和用戶溝大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例Target取得的成就：根據(jù)AndrewPole的大數(shù)據(jù)模型,Target制訂了全新的廣告營銷方案，結(jié)果Target的孕期用品銷售呈現(xiàn)了爆炸性的增長。AndrewPole的大數(shù)據(jù)分析技術(shù)從孕婦這個細分顧客群開始向其他各種細分客戶群推廣，從AndrewPole加入Target的2002年到2010年間，Target的銷售額從440億美元增長到了670億美元。大數(shù)據(jù)的營銷案例一、未卜先知懷孕案例Target取得的成就：大數(shù)據(jù)的營銷案例二、美國警察降低犯罪案例紐約的犯罪兇殺從1994年1561起下降到1177起車輛盜竊從95420下降到72679起到2009年，兇殺案下降到466起大數(shù)據(jù)的營銷案例二、美國警察降低犯罪案例紐約的犯罪兇殺從19大數(shù)據(jù)的營銷案例二、美國警察降低犯罪案例CompStat項目的工作人員每天通過電話和傳真向全紐約76個警區(qū)收集數(shù)據(jù)，再將數(shù)據(jù)統(tǒng)一錄入到CompStat，進行加總和分析。每周二、周四的早晨7點，布雷特就召集全部警區(qū)的指揮官開會。最新發(fā)生的案件以圓點的形式出現(xiàn)在各個轄區(qū)的地圖上，不同顏色代表著不同類型的犯罪，特定位置的成串圓點則表明那里發(fā)生了一系列的案件。各個指揮官在這些“績效指示燈”前面依次陳述自己轄區(qū)的情況、對策以及警力的調(diào)配——“數(shù)據(jù)和信息是執(zhí)法工作當中制定戰(zhàn)略和決策的基礎(chǔ)?！贝髷?shù)據(jù)的營銷案例二、美國警察降低犯罪案例CompStat項目大數(shù)據(jù)時代如何實施1、決策支持系統(tǒng)1947年，美國科學家西蒙提出，1978年因為商務決策過程的研究獲得諾貝爾經(jīng)濟學獎2、商務智能

利用數(shù)據(jù)倉庫、數(shù)據(jù)挖掘技術(shù)對客戶數(shù)據(jù)進行系統(tǒng)地儲存和管理，并通過各種數(shù)據(jù)統(tǒng)計分析工具對客戶數(shù)據(jù)進行分析，提供各種分析報告，如客戶價值評價、客戶滿意度評價、服務質(zhì)量評價、營銷效果評價、未來市場需求等，為企業(yè)的各種經(jīng)營活動提供決策信息。3、大數(shù)據(jù)時代標志著一個時代的來臨，一個概念，而不是真正的技術(shù)大數(shù)據(jù)(bigdata)，或稱巨量資料，指的是所涉及的資料量規(guī)模巨大到無法透過目前主流軟件工具，在合理時間內(nèi)達到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營決策更積極目的的資訊。大約從2009年開始，“大數(shù)據(jù)”才成為互聯(lián)網(wǎng)信息技術(shù)行業(yè)的流行詞匯。從產(chǎn)業(yè)角度，常常把這些數(shù)據(jù)與采集它們的工具、平臺、分析系統(tǒng)一起被稱為“大數(shù)據(jù)”。大數(shù)據(jù)時代如何實施1、決策支持系統(tǒng)大數(shù)據(jù)時代如何實施一、數(shù)據(jù)輸入到輸出的基本流程大數(shù)據(jù)時代如何實施一、數(shù)據(jù)輸入到輸出的基本流程大數(shù)據(jù)時代如何實施二、決策支持系統(tǒng)大數(shù)據(jù)時代如何實施二、決策支持系統(tǒng)大數(shù)據(jù)時代如何實施三、商務智能是什么

人們對商務智能的理解如同那七個印度盲人對大象的理解：有人認為它是高級管理人員信息系統(tǒng)（EIS），有人認為它是管理信息系統(tǒng)（MIS），有人認為它是決策支持系統(tǒng)（DSS）；有人說它是數(shù)據(jù)庫技術(shù)，有人說它是數(shù)據(jù)倉庫，有人說它是數(shù)據(jù)集市，有人說它是數(shù)據(jù)整合與清洗工具，有人說它是查詢和報告工具，有人說它是在線分析處理工具，有人說它是數(shù)據(jù)挖掘，有人說它是統(tǒng)計分析；有人把它當做分析性ERP,有人把它當做分析性CRM,有人把它當做分析性SCM,有人把它當做企業(yè)績效管理，有人把它當作平衡記分卡……

商業(yè)智能技術(shù)，它以數(shù)據(jù)倉庫（DataWarehousing）、在線分析處理（OLAP）、數(shù)據(jù)挖掘（DataMining）3種技術(shù)的整合為基礎(chǔ)，建立企業(yè)數(shù)據(jù)中心和業(yè)務分析模型，以提高企業(yè)獲取經(jīng)營分析信息的能力，從而提高企業(yè)經(jīng)營和決策的質(zhì)量與速度。

大數(shù)據(jù)時代如何實施三、商務智能是什么人們對商大數(shù)據(jù)時代如何實施三、商務智能四個產(chǎn)業(yè)鏈1、關(guān)系型數(shù)據(jù)庫

（銷售記錄、用戶購買記錄，提供報表）2、數(shù)據(jù)倉庫

（數(shù)據(jù)系統(tǒng)整合，收集，清洗）3、多維分析

（不同維度之間的剖析，自定義）4、數(shù)據(jù)挖掘（靈魂，產(chǎn)生價值的地方）5、展示：可視化界面大數(shù)據(jù)時代如何實施三、商務智能四個產(chǎn)業(yè)鏈1、關(guān)系型數(shù)據(jù)庫 （商業(yè)智能技術(shù)體系（BI——BusinessIntelligence）在線分析處理技術(shù)（OLAP：OnlineAnalyticalProcessing）數(shù)據(jù)挖掘技術(shù)（DataMining）數(shù)據(jù)倉庫技術(shù)（DataWarehousing）數(shù)據(jù)整合集成各系統(tǒng)的歷史數(shù)據(jù)，建立面向主題的企業(yè)數(shù)據(jù)中心數(shù)據(jù)分析靈活、動態(tài)、快速的多維分析、隨機查詢、即席報表知識發(fā)現(xiàn)通過數(shù)學模型發(fā)現(xiàn)隱藏的、潛在的規(guī)律，以輔助決策更加全面、深入的分析形成知識庫指導決策、再分析三、商務智能體系大數(shù)據(jù)時代如何實施商業(yè)智能技術(shù)體系（BI——BusinessIntellig大數(shù)據(jù)時代如何實施四、關(guān)系型數(shù)據(jù)庫關(guān)系型數(shù)據(jù)庫就是由二維表及其之間的聯(lián)系組成的一個數(shù)據(jù)組織，關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)結(jié)構(gòu)就是一張二維表，以表格（關(guān)系）的形式存放數(shù)據(jù)典型的商業(yè)訂單條目數(shù)據(jù)庫會包括一個用列表示的描述一個客戶信息的表格：名字、住址、電話號碼，等等。另外的一個表格會描述一個訂單：產(chǎn)品、客戶、日期、銷售價格，等等報表：是關(guān)系型數(shù)據(jù)庫時代將數(shù)據(jù)轉(zhuǎn)化為信息的主要手段但是報表是需要事先由開發(fā)人員定制的比如：2013年5月份的廢單報表大數(shù)據(jù)時代如何實施四、關(guān)系型數(shù)據(jù)庫關(guān)系型數(shù)據(jù)庫就是由二維表及大數(shù)據(jù)時代如何實施五、數(shù)據(jù)倉庫我們可以從多個菜市場，挑選我們做需要的蔬菜，肉類等。當然，我們處在一個選擇的過程。如果菜不新鮮，我們完全可以不要它.大數(shù)據(jù)時代如何實施五、數(shù)據(jù)倉庫我們可以從多個菜市場，挑選我們大數(shù)據(jù)時代如何實施六、多維分析OALP什么叫多維：沃爾瑪2011年在北京的銷量是多少?這就是地區(qū)和時間兩個維度交叉百度投放：在2013年5月份廣東產(chǎn)生多少個口語計劃的注冊？其驚艷之美在于可以根據(jù)用戶自己的需要隨時創(chuàng)建萬維動態(tài)報表，報表的定制權(quán)由后臺開發(fā)人員直接轉(zhuǎn)移到前端的用戶其代表：國雙的動態(tài)分析大數(shù)據(jù)時代如何實施六、多維分析OALP什么叫多維：普通鉆取是改變維的層次，包括上卷（rollup）與下鉆（drilldown）。上卷是從維的細節(jié)層向顆粒較大高層鉆取，以便宏觀把握數(shù)據(jù)的匯總情況；下鉆是從維的高層向顆粒較小的細節(jié)層鉆取，以便觀察數(shù)據(jù)明細情況。舉例來說：某電信運營商在分析2003年總體話務量時發(fā)現(xiàn)全年話務量為100億分鐘，這除了說明全年的總體話務量情況，不能說明任何問題?，F(xiàn)在分析人員想進一步了解2003年各個月份的話務量情況，就必須針對時間維度進行下鉆操作，以看到顆粒較細的月份數(shù)據(jù)。反之就必須進行上卷鉆取。六、多維分析—普通鉆取網(wǎng)絡營銷的大數(shù)據(jù)時代六、多維分析—普通鉆取網(wǎng)絡營銷的大數(shù)據(jù)時代穿透鉆取是指從一個模型鉆透到另一個模型。舉例來說：某電信運營商發(fā)現(xiàn)本月通話時長下降5%，經(jīng)過下鉆發(fā)現(xiàn)是IP的本月通話時長下降了20%帶動了整個通話時長下降3%，為了找到IP的通話時長下降的具體原因就需要鉆取到面向IP業(yè)務的分析主題，詳盡分析通話時長下降原因。這種跨越模型的鉆取就稱為穿透鉆取。舉例：網(wǎng)絡營銷部廣告投放這個月的注冊比上個月少了20%注冊，通過下鉆發(fā)現(xiàn)是騰訊比上個月下降80%，為了找到騰訊的原因必須鉆取到涉及到騰訊下降的其他原因（流量？頁面轉(zhuǎn)化率？）。六、多維分析—穿透鉆取網(wǎng)絡營銷的大數(shù)據(jù)時代六、多維分析—穿透鉆取網(wǎng)絡營銷的大數(shù)據(jù)時代切片與切塊是指選擇某一/些維度的具體類別，分析該類別的數(shù)據(jù)關(guān)于其他維的情況。舉例來說：某煙草公司分析發(fā)現(xiàn)2012年全年煙草銷售為10億元，現(xiàn)在想了解2012年中華（軟）這種規(guī)格的卷煙在第一季度的銷售情況，就必須針對時間維度選擇第一季度，針對卷煙規(guī)格維度選擇中華（軟），通過這樣的切塊的方式可以觀察相關(guān)維度的具體類別（如本例中的中華（軟）在第一季度）的數(shù)據(jù)狀況，分析這些數(shù)據(jù)得出有效的信息，以針對這些具體類別進行針對性的決策。當僅針對一個維度進行切塊時稱為切片。六、多維分析—切片與切塊網(wǎng)絡營銷的大數(shù)據(jù)時代六、多維分析—切片與切塊網(wǎng)絡營銷的大數(shù)據(jù)時代大數(shù)據(jù)時代如何實施六、多維分析OALP大數(shù)據(jù)時代如何實施六、多維分析OALP大數(shù)據(jù)時代如何實施六、多維分析大數(shù)據(jù)時代如何實施六、多維分析大數(shù)據(jù)時代如何實施六、多維分析討論：通過上圖我們可以看到哪些維度的數(shù)據(jù)1、某月東北冰箱2、西北電器總