今天本站小编来和大家聊聊关于数据分析基础及案例分享这个话题，这个话题的探讨数比较多，所以下面为大家分享几个热度比较高的相关话题，希望能够帮助到大家

有哪些大数据分析案例?

如下：

1. 大数据应用案例之：医疗行业

1）Seton Healthcare是采用IBM最新沃森技术医疗保健内容分析预测的首个客户

该技术允许企业找到大量病人相关的临床医疗信息，通过大数据处理，更好地分析病人的信息

在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过3000次的数据读取

通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施，避免早产婴儿夭折

它让更多的创业者更方便地开发产品，比如通过社交网络来收集数据的健康类App

也许未来数年后，它们搜集的数据能让医生给你的诊断变得更为精确，比方说不是通用的成人每日三次一次一片，而是检测到你的血液中药剂已经代谢完成会自动提醒你再次服药

2）大数据配合乔布斯癌症治疗

乔布斯是世界上第一个对自身所有DNA和肿瘤DNA进行排序的人

为此，他支付了高达几十万美元的费用

他得到的不是样本，而是包括整个基因的数据文档

医生按照所有基因按需下药，最终这种方式帮助乔布斯延长了好几年的生命

2. 大数据应用案例之：能源行业

1）智能电网现在欧洲已经做到了终端，也就是所谓的智能电表

在德国，为了鼓励利用太阳能，会在家庭安装太阳能，除了卖电给你，当你的太阳能有多余电的时候还可以买回来

通过电网收集每隔五分钟或十分钟收集一次数据，收集来的这些数据可以用来预测客户的用电习惯等，从而推断出在未来2~3个月时间里，整个电网大概需要多少电

有了这个预测后，就可以向发电或者供电企业购买一定数量的电

因为电有点像期货一样，如果提前买就会比较便宜，买现货就比较贵。通过这个预测后，可以降低采购成本。

2）丹麦的维斯塔斯风能系统(Vestas Wind Systems)运用大数据，系统依靠的是BigInsights软件和IBM超级计算机，分析出应该在哪里设置涡轮发电机，事实上这是风能领域的重大挑战

在一个风电场20多年的运营过程中，准确的定位能帮助工厂实现能源产出的最大化

为了锁定最理想的位置，Vestas分析了来自各方面的信息：风力和天气数据、湍流度、地形图、公司遍及全球的2.5万多个受控涡轮机组发回的传感器数据

这样一套信息处理体系赋予了公司独特的竞争优势，帮助其客户实现投资回报的最大化

3. 大数据应用案例之：通信行业—通过大数据分析挽回核心客户

法国电信-Orange集团旗下的波兰电信公司Telekomunikacja Polska是波兰最大的语音和宽带固网供应商，希望有效的途径来准确预测并解决客户流失问题

他们决定进行客户细分，方法是构建一张“社交图谱”- 分析客户数百万个电话的数据记录，特别关注 “谁给谁打了电话”以及“打电话的频率”两个方面

“社交图谱”把公司用户分成几大类，如：“联网型”、“桥梁型”、“领导型”以及“跟随型”

这样的关系数据有助电信服务供应商深入洞悉一系列问题，如：哪些人会对可能“弃用”公司服务的客户产生较大的影响?挽留最有价值客户的难度有多大?运用这一方法，公司客户流失预测模型的准确率提升了47%

4、大数据应用案例之：零售业—大数据帮零售企业制定促销策略

北美零售商百思买在北美的销售活动非常活跃，产品总数达到3万多种，产品的价格也随地区和市场条件而异

由于产品种类繁多，成本变化比较频繁，一年之中，变化可达四次之多

结果，每年的调价次数高达12万次

最让高管头疼的是定价促销策略

公司组成了一个11人的团队，希望透过分析消费者的购买记录和相关信息，提高定价的准确度和响应速度

定价团队的分析围绕着三个关键维度：

1）数量：团队需要分析海量信息

他们收集了上千万的消费者的购买记录，从客户不同维度分析，了解客户对每种产品种类的最高接受能力，从而为产品定出最佳价位

2）多样性：团队除了分析了购买记录这种结构化的数据外，他们也利用社交媒体发帖这种新型的非结构化数据

由于消费者需要在零售商专页上点赞或留言以获得优惠券，团队利用情感分析公式来分析专页上消费者的情绪，从而判断他们对于公司的促销活动是否满意，并微调促销策略

3）速度：为了实现价值最大化，团队对数据进行实时或近似实时的处理

他们成功地根据一个消费者既往的麦片购买记录，为身处超市麦片专柜的他/她即时发送优惠券，为客户带来便利性和惊喜

透过这一系列的活动，团队提高了定价的准确度和响应速度，为零售商新增销售额和利润数千万美元。

5、大数据应用案例之：网络营销行业（SEM）

很多企业在做SEM的过程中，都有这样的感触：每年都会花费大量的预算在SEM推广中，但是因为关键词投入产出无法可视化，常常花了很多钱却不见具体的回报

在竞争如此激烈的SEM市场中，企业需要一个高效的数据分析工具来尽可能地帮企业优化SEM推广，例如BDP，来帮企业节省不必要的支出，提升整体的经营绩效

企业可借助数据平台提供的网络营销整合解决方案，打通各个搜索引擎营销（SEM）、在线客服系统和CRM系统，营销竞价人员无需掌握复杂的编程技术，简单拖拽即可生成报表，观察每一个关键词的投入和产出，分析每一个页面的转化，有效降低投放成本

通过BDP实况分析数据，可以快速洞悉对手关键词的投放时段、地域及排名，并对其进行可视化的分析，实时监控自己和竞争对手的投放情况，了解对手的投放策略，支持自定义设置数据更新的时间点、监控频次和时段，及时调整策略

知已知彼，才能百战不殆

6、大数据应用案例之：电商行业

意料之外：胸部最大的是新疆妹子

曾经淘宝平台显示，中国女性购买最多的文胸尺码为B罩杯

B罩杯占比达41.45%，其中又以75B的销量最好，其次是A罩杯，购买占比达25.26%，C罩杯只有8.96%

虽然淘宝数据平台不能代表一切，但是结合现实来看，这个也具有普遍的代表性，只能感慨中国女性普遍size

在文胸颜色中，黑色最为畅销，黑色绝对是百搭，每个女性必备

从省市排名，胸部最大的是新疆妹子。这些数据都对于文胸店铺而言是很好的参考，为店铺的库存、定价、款式选择等策略都有奠定数据基础。

7、大数据应用案例之：娱乐行业

微软大数据成功预测奥斯卡21项大奖

2013年，微软纽约研究院的经济学家大卫?罗斯柴尔德（David Rothschild）利用大数据成功预测24个奥斯卡奖项中的19个，成为人们津津乐道的话题

今年罗斯柴尔德再接再厉，成功预测第86届奥斯卡金像奖颁奖典礼24个奖项中的21个，继续向人们展示现代科技的神奇魔力。

总的来说，大数据的终极目标并不仅仅是改变竞争环境，而是彻底扭转整个竞争环境，带来新机遇，企业需要应势而变

企业只有认识到这一点，使用合适的数据分析产品、聪明地使用和管理数据，才能在长期竞争中成为终极赢家

值得膜拜的三个数据分析案例

值得膜拜的三个数据分析案例今天给大家分享三个数据分析的经典案例，主要是学习其中的思路，当故事看吧，不要拘泥于文中故事的真实性

每个故事我简单的做一个点评吧1、数据分析大神 高手在民间这天，新上任的邢县长到小吃摊吃早餐，刚找个板凳坐下，就听炸油条的胡老头一边忙活一边唠叨：“大家吃好喝好哦，城管要来撵摊儿了，起码三天你们捞不着吃咱炸的油条了！”邢县长心里一惊：省卫生厅领导最近要来视察，昨天下午县里才决定明后两天开展突击整治，这老头儿怎么今天一早就知道了？哪料这件事还没弄明白，另一件事儿让县长脑袋里的问号更大了

一天，他照例到胡老头这儿吃油条

没想到，老头居然又在发布消息：“上面马上要来青天大老爷了！谁有什么冤假，就去县府宾馆等着吧！”邢县长又是吃惊，又是恼怒

省高院的工作组星期三要来清查积案，这个消息昨天晚上才在常委会上传达，这老儿咋这么快就知道了呢？让他更吃惊的是，这老家伙不但对大领导们的行程了如指掌，就连派出所要突击检查娱乐场所这样的绝密行动，他都知道得清清楚楚

一个大字不识的老头儿，居然能知道这么多政府内部消息，毫无疑问，定是某些政府工作人员保密意识太差，嘴巴不紧

于是，他立即召开会议，把那些局长、主任狠批了一通

与会领导个个低着头、不敢出声

还是公安局长胆大，忍不住问道：“邢县长，这胡老头儿的事是您亲眼所见，还是道听途说来的？”邢县长声色俱厉地一拍桌子：“都是我亲耳听到的！我问你，你们城关派出所今天晚上是不是要清查娱乐城？”公安局长一脸尴尬，楞在那里

邢县长气恼地当即下令：“你亲自去查查这老头儿到底什么背景，明天向我汇报！”公安局长赶紧换上便装，立马跑到胡老头那儿进行暗访

没想到，老家伙正在向大伙儿发布新闻：“城关镇的镇长最近要倒霉了

大伙等着瞧，事儿不会小的……”公安局长一听，很是诧异

于是，他运了口气，腆着笑脸，装傻卖呆似的问道：“你咋知道的？难道你儿子是纪委书记？”胡老头呵呵一笑：“我咋知道的？那孙子以前吃我的油条，都是让司机开专车来买，这两天一反常态，竟然自己步行来吃，还老是一脸愁容

那年他爹死，都没见他那么难受过

能让那孙子比死了爹还难受的事，除了丢官儿，还能是啥？”局长听了，暗自吃惊，这老头儿还真有两下子

于是他不动声色继续问道：“那昨天派出所清查娱乐城，你是咋知道的？”胡老头又是一笑：“你没见那几家娱乐城一大早就挂出了停业修缮的牌子？人家有眼线，消息比咱灵通！”“那卫生厅领导来视察，你是咋知道的？”胡老头儿说：“除了上面来人检查，你啥时见洒水车出来过？”

最后，局长问了个他最想不通的问题：“上次省高院的工作组来指导工作，你咋那么快就得到消息了呢？”胡老头撇了撇嘴说：“那就更简单了

俺邻居家有个案子，法院拖了八年不办

那天，办案的法官突然主动来访，满脸笑容问长问短，还再三保证案子马上解决

这不明摆着上面来了人，怕他们上访嘛！”局长佩服得五体投地，连忙一路小跑赶回去，把情况向邢县长汇报

县长听了，大动肝火，马上再次召开会议，做了四个小时的训话：“同志们，一个炸油条的都能从一些简单现象中，看出我们的工作动向，这说明了什么？说明我们存在太多的形式主义

这种恶习不改，怎么能提升政府形象？从今天开始，哪个部门再因为这种原因泄密，让那老头‘未卜先知’，我可就不客气！”次日一早，邢县长又来到胡老头儿这儿吃油条，想验证一下开会的效果

没想到胡老头居然又在发布最新消息：“今天，上面要来大领导了，来的还不止一个！”邢县长这一惊，真是非同小可

下午，市长要陪同省领导来检查工作，自己昨晚才接到通知，这老头咋又提前知道了？邢县长强压怒火，问胡老头：“你说要来大领导，到底有多大呢？”胡老头儿头也不抬地回答：“反正比县长还大！”邢县长又问：“你说要来的不止一个，能说个准数吗，到底来几个？”胡老头儿仰起头想了想，确定地回答：“四个！”邢县长目瞪口呆，上级领导还真是要来四个！他心里怦怦直跳，又问：“胡……胡师傅，这些事儿你是怎么知道的？而且知道的这么准确

”胡老头儿淡淡一笑：“这还不容易？我早上出摊儿，见县府宾馆的保安都戴上了白手套，一个个如临大敌，肯定是上面来人了

再看看停车场，书记、县长的车都停在了角落里，肯定是来了比他们大的官儿

再仔细看看，书记、县长停的车位是5号、6号，说明上面来了四个领导

你信不信？当官儿的和咱老百姓不一样，上厕所都要讲究个级别、排个先后顺序呢！”邢县长听罢，张着塞满油条的大嘴，一动不动，好像僵化了似的…（本故事来自于网络）启示：与其说高手来自于民间，还不如说生活是我们数据分析的基本素材，善于观察、善于整理关联信息才是我们做数据分析人员应该掌握的基本技能

可是啊，很多人忽略了我们身边的生活常识，不去思考，人云亦云，就像网上的这个全国离婚率排行榜数据，很多人首先不是思考数据的准确性，而是感叹世风日下

想想吧，在你的生活圈子中，每3对夫妻就有1对离婚的吗？如果答案为“是”，我只能说，贵圈真乱！哈哈哈2、林彪的数据挖掘本领1948年辽沈战役开始之后，在东北野战军前线指挥所里面，每天深夜都要进行例常的“每日军情汇报”：由值班参谋读出下属各个纵队、师、团用电台报告的当日战况和缴获情况

那几乎是重复着千篇一律的枯燥无味的数据：每支部队歼敌多少、俘虏多少；缴获的火炮、车辆多少、枪支、物资多少….司令员林彪的要求很细，俘虏要分清军官和士兵，缴获的枪支，要统计出机枪、长枪、短枪；击毁和缴获尚能使用的汽车，也要分出大小和类别

经过一天紧张的战斗指挥工作，人们都非常疲劳

整个作战室里面估计只有定下这个规矩的司令员林彪本人、还有那个读电报的倒霉参谋在用心留意

1948年10月14日，东北野战军以迅雷不及掩耳之势，仅用了30小时就攻克了对手原以为可以长期坚守的锦州并全歼了守敌十余万之后，不顾疲劳，挥师北上与从沈阳出援的敌精锐廖耀湘基团二十余万在辽西相遇，一时间形成了混战

战局瞬息万变，谁胜谁负实难预料

在大战紧急中，林彪无论有多忙，仍然坚持每晚必作的“功课”

一天深夜，值班参谋正在读着下面某师上报的其下属部队的战报

说他们下面的部队碰到了一个不大的遭遇战，歼敌部分、其余逃走

与其它之前所读的战报看上去并无明显异样，值班参谋就这样读着读着，林彪突然叫了一声“停！”他的眼里闪出了光芒，问：“刚才念的在胡家窝棚那个战斗的缴获，你们听到了吗？”大家带着睡意的脸上出现了茫然，因为如此战斗每天都有几十起，不都是差不多一模一样的枯燥数字吗？林彪扫视一周，见无人回答，便接连问了三句：“为什么那里缴获的短枪与长枪的比例比其它战斗略高”？“为什么那里缴获和击毁的小车与大车的比例比其它战斗略高”？“为什么在那里俘虏和击毙的军官与士兵的比例比其它战斗略高”？人们还没有来得及思索，等不及的林彪司令员大步走向挂满军用地图的墙壁，指着地图上的那个点说：“我猜想，不，我断定！敌人的指挥所就在这里！”随后林彪口授命令，追击从胡家窝棚逃走的那部分敌人，并坚决把他们打掉

各部队要采取分割包围的办法，把失去指挥中枢后会变得混乱的几十万敌军切成小块，逐一歼灭

司令员的命令随着无线电波发向了参战的各部队….而此时的廖耀湘，正庆幸自己刚刚从偶然的一场遭遇战中安全脱身并与自己的另外一支部队汇合

他来不及休息就急于指令各部队尽快调整部署，为下一阶段作准备

可是好景不长，紧追而来的解放军迅速把他的新指挥部团团围住，拼命攻击，漫山遍野的解放军战士中，不断有人喊着：“矮胖子，白净脸；金丝眼镜湖南腔，不要放走廖耀湘！”把对方指挥官的细节特征琢磨到如此细微，并变成如此威力巨大的顺口溜，穿着满身油渍伙夫服装的廖耀湘只好从俘虏群中站出来，无奈的说“我是廖耀湘”，沮丧的举手投降

廖耀湘对自己静心隐蔽的精悍野战司令部那么快就被发现、打掉，觉得实在不可思议，认为那是一个偶然事件，输得不甘心

当他得知林彪是如何得出判断之后，这位出身黄埔军校并留学法国著名的圣西尔军校，参加过滇缅战役，在那里把日本鬼子揍得满地乱爬的新六军军长说，“我服了，败在他手下，不丢人

”取得这场重要战役胜利的其中一个关键因素，居然出于获胜方的统帅夜半时分，对一份普通遭遇战之后的战报的数据分析，来源于他“从红军带兵时起，身上有个小本子，上面记载着每次战斗的缴获、歼敌数量”的优良军事素养

（本故事来源于黄勇－丰沃华的博客）启示：林彪问的三个问题其实就是根据自己的数据库做的对比、细分、溯源

我们很多人把数据分析完全交给机器了，忘了我们自己的大脑也是一台紧密的数据分析机器

数据的积累、数据的挖掘，分析、归纳、整理，是数据分析师所必须俱备的基本素养，没有它，你永远是匹夫之勇

3、蛋挞与曼城队2011年夏天，曼城队助理教练大卫·普拉特决定利用数据分析来解决球队在表现方面遇到的一个棘手难题

普拉特发现，尽管球队阵容中拥有多名高大强壮的球员，但他们的角球得分情况却不尽如人意

在征求了俱乐部内部数据分析师的意见后，该队增加了对内旋角球（球转向守门员方向）的使用

战术转变产生了惊人的效果

在整个赛季中，曼城队依靠角球打入15个进球，成为英超角球得分效率最高的球队，其中2/3的进球采用的是内旋角球

这一实践为数据驱动型决策提供了强有力的支撑

但是，还有一个附加因素需要考虑：主教练曼奇尼最初对数据的实际价值持怀疑态度

事实上，早在两年前，曼奇尼曾就球队角球的使用情况咨询过俱乐部的数据分析师

分析师回应，他依靠直觉偏爱采用的战术——外旋角球（球飞向远离守门员的方向）从数据统计上看并不理想

曼奇尼选择相信自己的直觉而非数据分析的导向性建议

因为直觉告诉他，球旋向远离门将的方向减小了门将触球的概率，同时增加了进攻队员冲顶时争到头球的概率

但当曼奇尼发现两种变数存在某种联系的时候，直觉却模糊了他对两者关联程度的判断能力

换句话说，外旋角球和进球数可能存在着某种关联，但数据表明，内旋角球和进球数存在着更为直接的因果关系

这一案例研究为我们改善商业决策带来哪些启示？一家美国零售商最近发现，两种不同变数之间存在着某种有趣的联系

当天气变冷，肉桂葡式蛋挞的销量上升500%——并非所有的葡式蛋挞，只是肉桂这一个品种

面对这种零星数据，零售商要做出抉择

每当预测天气即将转冷时，应该储备多少肉桂葡式蛋挞？还有一家零售商发现，羊奶干酪打折似乎能促进红酒的销售

希望减小红酒库存的时候，是不是应考虑羊奶干酪打折这种方法？这两个问题的答案取决于大数据分析的核心问题：弄清相关性与因果关系之间的区别

人类善于发现事物的相关性——这是进化的特征——但是却在发掘直接相关事物的关系时显得有些笨拙

将相关性误解为因果关系所做出的决策是危险的，可能会遭受惨败，因为你所期待看到的影响可能并不会发生

最近的一项研究显示，某国的巧克力销量与诺贝尔奖的人均比例之间呈现明显的相关性

各国是不是都该鼓励公民增加巧克力的消费来提高获得诺贝尔奖的人数呢？为有效利用大数据，相关性分析应仅作为一个出发点去考虑

如果两个变量存在关联，我们该如何应对？当然，政府在推行“巧克力替代教育”的政策之前，应当首先考虑一下其他因素

比方说，看看那些获得诺贝尔奖人数较多的国家相对教育水平和研究预算，与巧克力消费相比，这两个变量与获诺奖的因果关系显然更大

同样，那些葡式蛋挞和羊奶干酪的零售商们在拥有十足把握以前，需要对他们的假设进行验证

比如说，在确定因果关系存在以前，考察一些商店肉桂葡式蛋挞的“库存积压”情况；或者采取打折销售羊奶干酪的方式，看看红酒销量是否真的增加

事物之间可能存在着一些简单的因果关系，但公司需要清楚每种因果关系都可能产生意想不到的结果

肉桂葡式蛋挞销量的增加是否意味着其他产品销量的减少？红酒销量的增加是否也意味着啤酒销量的减少或者牛排销量的增加？影响现代供应链的因素很多，而且还在不断增加：天气、社交媒体、特价商品、食品安全新闻等，都会影响消费者的行为，以及零售商应该购置多大规模的存货

这基本上就是一个混沌系统，完全准确地预测将来要发生的事情是不可能的

但模型越完善，预测就越准确，预测越准确，行动结果就越理想

数据分析就像一幅印象派油画

当你退后观察，并把各个部分视作一个整体时，这幅画的意境才开始浮现，近距离观察是无法理解其中内涵的

这可以帮助我们解释为什么曼城队的新角球战术不太可能会长久取得良好的结果

实施从外旋角球到内旋角球的简单战术转变：多开点内旋球，少开点外旋球，这一简单的战术转变，亦会忽略了每场比赛中每次出现破门机会时的某些独特变数

（这部分来源：商业价值）结尾：很多人把数据分析看的很难，其实数据分析存在于我们生活工作的每个角落

给大家几条建议：1、多观察、善积累、勤思考

2、不懂业务就不要做数据分析

3、分析工具不要贪多，精通1-2个工具就行了

4、数据分析是良心工程（自己理解）

我们该如何进行数据分析之入门篇

我们该如何进行数据分析之入门篇

本篇目的主要是把“产品健康度”监控相关的指标(描述性指标，告诉我们是什么)做一个系统的梳理，希望能够帮助刚刚入行或准备入行的朋友，快速熟悉游戏运营分析相关的指标含义及应用场景

关于渠道优化、运营活动分析、流失分析、用户行为分析等具体案例分析会在“进阶篇”中跟大家分享。

在这里还是要重申一个观点：

1、数据分析的本质是一种意识，一种以客观事实为导向进行产品管理和客户管理的意识;

2、数据分析师本质上是一个产品分析师，只是在分析的过程中从数据的角度进行切入而已;

3、数据分析的价值在于数据应用，没有业务理解和对各部门作业流程的详细了解，是无法对数据作出分析和解释的;不熟悉业务的数据分析师只能称为“数据取数员";

对移动游戏数据这块, 我一般喜欢用经典的“水池图”来做说明;

作为CP，无论我们从什么角度做数据分析，最终还是希望能够帮助我们更好的实现最终目的：赚到更多的￥

从一个庸俗易懂的公式出发：

Revenue = AU * PUR *ARPPU

统计周期内的收入流水 = 统计周期内的活跃用户规模 * 活跃用户付费比例 * 平均每付费用户付费金额;

因此，我们要做的事情是：“最大化活跃用户规模，并在此规模之上最大化用户付费转化及付费强度”.

【最大化活跃用户规模】：如果我们把当前的活跃用户看做一个水池，要想提升水池内的含水量，我们可以有几种做法：

1.开源：让更多的水注入，导入更多用户;通过市场推广：

1.1拓展新渠道;

1.2增加推广费用，提高渠道导入、媒体广告导入量;

1.3自有资源与其它APP换量;

1.4口碑管理、增加市场认知度和认同度，提高自然导入量;

2.节流, 减少水池的出水量，降低用户流失;

2.1.通过运营活动、版本更新 提高用户的游戏参与度(玩的更久)

2.2.通过老玩家召回的活动，唤醒沉默用户;可以想象成，水池中的部分水分被蒸发，并没有真正的离开流走，可以再通过降雨的方式重新回到水池中;

【最大化用户付费转化及付费强度】：在维持水池水量的同时，我们可以通过各种养殖和捕捞的方式(游戏内的消费埋点、促销、充值活动等)打到更多的鱼;

当然，价值挖掘 和 用户规模的维护 并不是完全割裂开的，过度的追求高ARPPU也有可能导致用户的流失增加;这是一个相辅相成的过程;

综上所述，移动游戏数据分析指标可以分解为3个模块：

1、市场推广相关指标(包括：激活、上线、各节点转化率、成本指标、渠道质量等)，它的任务是帮助我们进行“渠道优化”和“产品优化”，最小化用户获取成本，实现更多的新增导入;

2、用户活跃 & 留存相关指标(包括：DAUMAU、AT(日均使用时长)、日、周、月留存、回归率等)，它的任务是帮助我们在宏观数据表现层面，快速判断产品存在的问题，并对运营活动及产品改进给予“方向性”指导;

3、用户付费相关指标(包括：LTV、PUR(活跃用户付费比)、ARPPU(每付费用户付费强度)、充值结构、充值时段等)，它的任务也是帮助我们在宏观数据表现层面明确产品盈利能力，并对运营活动及产品改进给予“方向性”指导

以上是小编为大家分享的关于我们该如何进行数据分析之入门篇的相关内容，更多信息可以关注环球青藤分享更多干货

大数据攻略案例分析及结论

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

在具体操作中，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

数据分析的案例

沃尔玛经典营销案例：啤酒与尿布“啤酒与尿布”的故事产生于20世纪90年代的美国沃尔玛超市中，沃尔玛的超市管理人员分析销售数据时发现了一个令人难于理解的现象：在某些特定的情况下，“啤酒”与“尿布”两件看上去毫无关系的商品会经常出现在同一个购物篮中，这种独特的销售现象引起了管理人员的注意，经过后续调查发现，这种现象出现在年轻的父亲身上

在美国有婴儿的家庭中，一般是母亲在家中照看婴儿，年轻的父亲前去超市购买尿布

父亲在购买尿布的同时，往往会顺便为自己购买啤酒，这样就会出现啤酒与尿布这两件看上去不相干的商品经常会出现在同一个购物篮的现象

如果这个年轻的父亲在卖场只能买到两件商品之一，则他很有可能会放弃购物而到另一家商店， 直到可以一次同时买到啤酒与尿布为止

沃尔玛发现了这一独特的现象，开始在卖场尝试将啤酒与尿布摆放在相同的区域，让年轻的父亲可以同时找到这两件商品，并很快地完成购物；而沃尔玛超市也可以让这些客户一次购买两件商品、而不是一件，从而获得了很好的商品销售收入，这就是“啤酒与尿布” 故事的由来

当然“啤酒与尿布”的故事必须具有技术方面的支持

1993年美国学者Agrawal提出通过分析购物篮中的商品集合，从而找出商品之间关联关系的关联算法，并根据商品之间的关系，找出客户的购买行为

艾格拉沃从数学及计算机算法角度提 出了商品关联关系的计算方法——Aprior算法

沃尔玛从上个世纪 90 年代尝试将 Aprior 算 法引入到 POS机数据分析中，并获得了成功，于是产生了“啤酒与尿布”的故事

Suncorp-Metway使用数据分析实现智慧营销Suncorp-Metway是澳大利亚一家提供普通保险、银行业、寿险和理财服务的多元化金融服务集团, 旗下拥有5个业务部门，管理着14类商品，由公司及共享服务部门提供支持,其在澳大利亚和新西兰的运营业务与900多万名客户有合作关系

该公司过去十年间的合并与收购,使客户群增长了200%,这极大增加了客户群数据管理的复杂性,如果解决不好,必将对公司利润产生负面影响.为此,IBM公司为其提供了一套解决方案,组件包括:IBM Cognos 8 BI、IBMInitiate Master Data Service谀IBM Unica

采用该方案后，Suncorp-Metway公司至少在以下三项业务方面取得显著成效：1、显著增加了市场份额，但没有增加营销开支；2、每年大约能够节省1000万美元的集成与相关成本；3、避免向同一户家庭重复邮寄相同信函并且消除冗余系统，从而同时降低直接邮寄与运营成本

由此可见，Suncorp-Metway公司通过该方案将此前多个孤立来源的数据集成起来，实现智慧营销，对控制成本，增加利润起到非常积极的作用

数据分析帮助辛辛那提动物园提高客户满意度辛辛那提动植物园成立于1873年，是世界上著名的动植物园之一，以其物种保护和保存以及高成活率繁殖饲养计划享有极高声誉

它占地面积71英亩，园内有500种动物和3000多种植物，是国内游客人数最多的动植物园之一，曾荣获Zagat十佳动物园，并被《父母》（Parent）杂志评为最受儿童喜欢的动物园，每年接待游客130多万人

辛辛那提动植物园是一个非营利性组织，是俄亥州同时也是美国国内享受公共补贴最低的动植物园，除去政府补贴，2600万美元年度预算中，自筹资金部分达到三分之二以上

为此，需要不断地寻求增加收入

而要做到这一点，最好办法是为工作人员和游客提供更好的服务，提高游览率

从而实现动植物园与客户和纳税人的双赢

借助于该方案强大的收集和处理能力、互联能力、分析能力以及随之带来的洞察力，在部署后，企业实现了以下各方面的受益：·帮助动植物园了解每个客户浏览、使用和消费模式，根据时间和地理分布情况采取相应的措施改善游客体验，同时实现营业收入最大化

·根据消费和游览行为对动植物园游客进行细分，针对每一类细分游客开展营销和促销活动，显著提高忠诚度和客户保有量

.·识别消费支出低的游客，针对他们发送具有战略性的直寄广告，同时通过具有创意性的营销和激励计划奖励忠诚客户

· 360度全方位了解客户行为，优化营销决策，实施解决方案后头一年节省40,000多美元营销成本，同时强化了可测量的结果

·采用地理分析显示大量未实现预期结果的促销和折扣计划，重新部署资源支持产出率更高的业务活动，动植物园每年节省100,000多美元

·通过强化营销提高整体游览率，2011年至少新增50,000人次“游览”

·提供洞察结果强化运营管理

例如，即将关门前冰激淋销售出现高潮，动植物园决定延长冰激淋摊位营业时间，直到关门为止

这一措施夏季每天可增加2,000美元收入

·与上年相比，餐饮销售增加30.7%，零售销售增加5.9%

·动植物园高层管理团队可以制定更好的决策，不需要 IT 介入或提供支持

·将分析引入会议室，利用直观工具帮助业务人员掌握数据

到此，本话题已经为大家介绍完毕，如果觉得不错的话，可以分享本篇文章【数据分析基础及案例分享】给好友，希望对你有所帮助。