我的书签
添加书签
移除书签07
理解你的价值创造过程
有些企业很难理解或想象大数据将如何助力它们的关键业务计划，特别是那些不知道能够利用大数据回答什么类型的问题或者做什么决定的企业。这一章将介绍几项预想技术和练习，帮助企业用户和信息技术部门明白大数据将在什么方面、用什么方式影响企业的关键业务价值创造过程。
预想练习将刺激企业用户进行头脑风暴，确认大数据可以在哪些特别的方面对业务产生影响。如果将这些预想的练习作为构思工作环境的一部分来执行的话，效果会特别好，在这种环境中群体动力和思想的分享可以推进思想的创造过程。
这些预想练习的运用有两个基本前提：
企业用户知道在它们的关键业务流程中，有哪些类型的问题是需要解答的。
企业用户知道在它们的关键业务流程中，有哪些类型的决策是需要思考的。
就像在第3章中讨论的，用户想要回答的问题很可能就是这几十年来企业一直想要回答的问题，例如，谁是我最有价值的客户？哪个是我最重要的产品？哪个是我举办过的最成功的活动（如图7–1所示）？
图7–1 大数据驱动下的价值创造过程
企业用户需要回答这些问题以便：
• 发掘影响营销和销售的新的赢利机会。
• 降低在采购、生产、库存、供应链、分销、营销、销售、服务和支持职能上的成本。
• 降低企业价值链中运营和财务方面的风险。
• 收集可以利用的新的关于客户、产品和运营的洞见，获得压倒竞争者的竞争优势，从产业中赚取更多的利润。
大数据让你可以利用新的数据源和新的分析能力回答这些关键的业务问题，挖掘对客户、产品和市场的新的认知。例如“谁是最重要的客户”这个问题，取决于“谁购买了最多的产品”（把你的产品销售数据按照降序排序，排在最顶端的就是你最重要的客户）。这个问题也可以理解为“谁是最能产生利润的客户”（综合销售量、回报、付款、产品利润、呼叫中心和佣金的数据计算出最能让你赢利的客户）。如今，谁是“最重要的客户”这个问题的答案，取决于“谁是最有影响力的客户”（根据来自多个社交媒体网站的数据决定每个客户的影响范围和受拥护程度，综合他们的每一个朋友带来的赢利以计算“影响力范围”的赢利能力）。就像你看到的，获得新数据之后，你回答之前三个问题的精准度会提高一个级别，不过这也会迅速地增加回答的复杂性。
大数据使你能够更加详尽地回答问题并做出决策，以挖掘关于客户、产品和运营的新的认知，运用这些认知回答关键的业务问题，例如“谁是最有价值的客户”、“哪个是最重要的产品”以及“哪个活动是最成功的”，你能够更加及时地、更加精确地回答这些问题。大数据帮助你进行微调并更快地确认大数据能够迅速产生业务价值的特殊业务领域和特殊业务流程。
大数据价值创造的四大驱动因素
我把这一章当作大数据MBA（工商管理硕士）的一堂导论课。我将要介绍很多MBA的概念来帮助企业展望大数据能够在哪些方面、通过什么途径影响企业的价值创造过程。
大数据的展望和价值创造过程的关键在于了解大数据的业务驱动因素。我们可以在企业的关键项目或流程中运用大数据业务的四大驱动因素（如表7–1所示），提供新的关于企业的洞见（围绕客户、产品、运营、市场等）并提高决策能力。让我们一个个地了解这四大驱动因素。
表7–1 大数据业务的四大驱动因素
驱动因素一：获取结构化数据
更详细的结构化数据（事务性数据）的获得，使业务用户能够更忠于事实地回答那些他们尝试回答的问题、做出要做的决策。举个例子，如果我能够获得并分析更详细的事务性数据，例如来自POS机交易、详细呼叫记录、无线射频识别、信用卡交易、股票交易、保险索赔以及医疗卫生读物的数据，我可以回答什么类型的问题、做出什么决策呢？
对大多数企业来说，获取更详细的事务性数据可能是最简单可行的一个方法——利用它们收集到的事务性数据，也被称为暗数据。由于当今的技术限制和数据仓库成本，大多数业务用户只能获得有限的数据来支撑运营和管理报告。然而，大数据技术赋予了企业获得并分析所有精准的、详细的事务性数据的能力。所有具体的事务性数据的获得可以刺激业务用户的创造性思维，提出更多富有见解的假设问题，例如：
• 如果我们在产品类别、商店和部门的级别上进行预测并制订产品计划，支持更多的本地化，将产生怎样的潜在商业价值？
• 如果我们在客户类别、产品、邮编以及节假日（例如圣诞节、国庆节、情人节）等方面开发市场，支持更多根据节日做出的决策，将产生怎样的潜在商业价值？
• 如果我们通过不同附加条款、声明、日期，根据政策类型细分声明的类型，将产生怎样的潜在商业价值？
• 如果我们基于对ZIP+4编码、当地大事件和节假日的考虑，进行网络能力和网络利用的预测，将产生怎样的潜在商业价值？
正如你看到的，从多个商业维度出发，例如当地商店（特殊的折扣店、分店或零售店）、产品、一周中的某一天、一天中的某个时段、节假日、客户行为类型、客户人口类型以及其他的维度，更加精细地分析现有的事务性数据，可以奇迹般地提高你的企业挖掘具有可行性、实质性商机的能力。
驱动因素二：获取非结构化数据
企业将不断增加的非结构化数据与现有的详细的结构化事务性数据结合的能力，可能会彻底地改变从数据中得到的洞见的类型。非结构化数据为业务利益相关者提供新的指标和维度，用来挖掘新的关于客户、产品、运营以及市场的洞见。例如，获得内部的非结构化数据（例如客户评论、电子邮件、医生的医疗记录）以及外部的非结构化数据（例如社交媒体、手机、机器或传感器生成的数据）会有怎样的潜在商业影响？业务用户可以利用从非结构化数据和详细的事务性数据中得到的新指标、维度以及维度属性，更精准、更完整地分析并做出决策，解答以下问题：
• 如果我对客户的兴趣、爱好、参加的团体、组织有了新的认识，并将其运用到客户的获取、培养以及维护上，会有怎样的商业潜能？
• 如果将从传感器得到的业绩数据添加到产品制造、供应链、产品的预测维护模型上，会有怎样的商业潜能？
• 如果将第三方的非结构化数据（当地天气、经济新闻、当地事件）融入医院办公和病人治疗方面的决策，会有怎样的商业潜能？
• 如果将社交媒体数据纳入欺诈性索赔的分析，确认相关人群中异常的索赔申请，会有怎样的商业潜能？
驱动因素三：获取实时数据
提供实时（或低延迟性）数据的能力将改变游戏规则，带来新的变现机会。如今以批量处理为中心的数据平台的最大问题是，很多客户和市场机遇转瞬即逝——它们出现得快，消失得也快，让人来不及确认并采取行动。想想定位服务的商业可能性，使用这项服务可以让你在客户做购物决定时，及时与客户交流。换句话说，运用实时（或低延迟性）的关键数据源和业务指标，可以缩短从客户、产品或运营机遇出现到相关数据可供分析和决策之间的时间，这将产生怎样的商业潜能？如果能够基于短期业务、市场以及其他外部事件（例如你最喜欢的棒球队赢得了世界联赛、金融市场单日上涨4个百分点或者预测在接下来两天内会有毁灭性的飓风），更新你的客户、产品、风险和基于需求的运营分析模型，这将产生怎样的商业潜能？
获得实时（或低延迟性）的数据可以刺激创造性思维过程，这基于你能回答的问题和你能做的决策的时间性，例如：
• 在一分钟、一小时内做出关于客户获取、预见性维护或者网络优化的决策，这将带来怎样的业务价值？
• 在目前的市场、经济事件或当地事件（例如天气、交通、音乐会、职业足球赛）的基础上，更新基于需求的分析模型，这将带来怎样的业务价值？
• 根据社会用户群体的不寻常活动，持续更新欺诈类索赔模型，这将带来怎样的业务价值？
• 根据当地的医疗事故或突发疾病的情况，更新医院办公和存货的要求，这将带来怎样的商业潜能？
• 根据目前的天气、交通以及娱乐、体育活动的情况，更新你的货物分配安排以及发货计划，这将带来怎样的商业潜能？
驱动因素四：预测性分析的整合
将预测性分析或高级分析融入关键的业务流程，可能转变业务用户正在尝试回答的每一个问题以及试图做出的每一个决定。这实际上是将一整套全新的词汇介绍给业务的相关利益者——例如预测、评分、评论、优化。这些新词汇可以帮助业务用户展望一整套全新的问题，思考预测可能发生的事或者推荐某个特别的行动将带来怎样的潜在业务影响，思考不同的决策将产生什么影响。
将预测性分析融入关键业务流程，让业务用户接受这些新词汇，可以为关键问题给出更多的预测性答案，例如：
• 利用预测性分析优化网络运营、营销成本以及雇员决策，会带来怎样的商业潜能？
• 利用预测性分析预测定价、路径或供应商变动的财务影响，会带来怎样的商业潜能？
• 利用预测性分析给客户在欺诈、维护、向上销售和对外推荐的可能性等方面评分，会带来怎样的商业潜能？
• 利用预测性分析给病人在治疗反馈和重新入院的可能性这两方面进行评分，会带来怎样的商业潜能？
• 利用预测性分析给合作商在产品质量、发货和服务可靠性这些方面进行评分，会带来怎样的商业潜能？
• 利用预测性分析预测网络负载（根据经济情况和当地事件）或预测新产品介绍的效果（根据消费者信心和产品类别动态），会带来怎样的商业潜能？
• 利用预测性分析推荐下一个最佳提议、改善客户满意度、加强客户维护或者强化预防性疾病治疗，会带来怎样的商业潜能？
大数据展望工作表
你可以借助表7–2将大数据业务的四大驱动因素运用到企业的针对性商业项目或业务流程中。大数据展望工作表刺激了业务用户的创造性思维，展望了它们运用大数据业务驱动因素后可以回答的问题类型。
表7–2 大数据展望工作表
接下来我们会举几个例子，借助大数据展望工作表看如何把大数据业务的四大驱动因素运用到一些真实世界的情境中。
大数据业务驱动：预测性维护案例
第一个案例来自铁路业。一家铁路公司正试图预测能源和列车的维护保养，以符合精密机车调度系统的要求。精密机车调度系统的目标是避免列车失控和铁路事故。铁路公司可以使用同样的信息进行预测性维护，以优化列车和引擎的保养安排。针对的商业项目将会是：
预测性维护：预测引擎和列车的保养情况，以避免列车失控和铁路事故，改进列车和引擎的保养安排。
驱动因素一
获取更多的、详细的事务性数据将对商业项目产生怎样的潜在影响？这可能包括：
• 利用列车的详细信息（年限、制造商、状态、位置）、使用历史（运营里程、道路类型、使用率）以及保养记录（上次服务的日期、服务类型、服务历史），对列车的维护保养情况（列车需要维护的可能性）进行评分。
• 结合多个维度（包括服务区域、列车的车龄、列车的制造商、道路类型、服务年限和维修工队）的考量，预测趋势并监督单个列车和整体列车的维护活动。
• 确认合适的、可以用来监督并预测列车性能和可靠性的维护性关键绩效指标。
驱动因素二
获得新的内外部非结构化数据将对商业项目产生怎样的潜在影响？这可能包括：
• 利用列车关键零部件的传感器数据（球轴承、耦合器、车轴、车轮、车厢）来改进列车的维护预测能力。
• 利用外部天气（湿度、温度、冰）和季节数据（轨道上的落叶、积雪）来预测产品在压力情境下的性能。
• 利用维修工人的评估来确认列车的性能认知或维护保养问题。
驱动因素三
获得实时的、低延迟性的数据将对商业项目产生怎样的潜在影响？这可能包括：
• 将实时的传感器数据和当地的天气数据结合，以支持基于需求的列车维护方面的评估。
• 利用列车的评估、零部件的存货可得性、维修工人的技术、位置以及日程来优化列车的维护日程，减少维修零件的库存成本。
驱动因素四
预测性分析（预测、评分、推荐和优化）将对商业项目产生怎样的潜在影响？这可能包括：
• 利用预测性分析，结合存货的可获得性、存货的位置以及天气（温度）的预测，优化维修工人的日程安排，减少列车停工维修的时间。
• 使用归因分析建模，结合维修工人、维护历史、列车制造商、服务领域、道路类型及其他方面的多维度信息预测维护的效果。
大数据业务驱动：客户满意度案例
接下来的案例和大多数公司都有关，不管公司处在B2C（商家对客户）行业还是B2B（商家对商家）行业。在这个案例中，你将分析一个汽车制造商如何利用对客户和产品的新认知预测经销商的服务质量对客户满意度的影响。针对的商业项目将会是：
客户满意度优化：监督、评分并奖励出色的经销商，以提高客户的忠诚度并预测保修的责任与费用。
驱动因素一
获得更多的、详细的事务性数据将对商业项目产生怎样的潜在影响？这可能包括：
• 利用详细的零部件订单、存货以及返回的数据来确认产品质量的趋势，标注经销商、市场、零部件以及车辆中潜在的零部件短缺，这可能会影响汽车的维护安排，进而影响客户的满意度。
• 从售后服务的调查中获取合适的衡量客户满意度的关键绩效指标，监督经销商的业绩并标注产品性能存在的问题和趋势。
驱动因素二
获得新的内外部非结构化数据将对商业项目产生怎样的潜在影响？这可能包括：
• 整合从内部的客户互动渠道（例如呼叫中心、消费者评论以及电子邮件）得到的客户评论，确认反复出现的产品及服务质量问题。
• 利用社交媒体数据和来自网站、手机应用以及博文评论的数据，与行业和竞争对手的业绩比较，评估公司产品和服务的质量。
• 利用经销商维修车间的记录、经销商的社交媒体资源以及制造商的社交媒体资源确认重复出现的零部件及车辆的性能问题、消极服务和产品性能趋势。
驱动因素三
获得实时的、低延迟性的数据将对商业项目产生怎样的潜在影响？这可能包括：
• 每天监督社交媒体网站，结合产品类别和所在地（城市、邮政编码），观察自己、竞争企业和整个行业的积极和消极服务峰值。
• 监督社交媒体网站，观察自己和竞争企业的服务表现的变化。
驱动因素四
预测性分析（预测、评分、推荐和优化）将对商业项目产生怎样的潜在影响？这可能包括：
• 将社交媒体数据和内部的消费者评论结合，对公司的经销商的客户满意度进行评分（通过车辆、模式、经销商以及所在地）并追踪经销商的满意度变化。
• 分析社交媒体数据以监督有竞争力的经销商的满意度和情绪问题，以便推荐有竞争力的“赢回市场”方案。
• 将社交媒体的服务质量与人员安排关联起来，以便预测某个服务人员对整体客户满意度的影响。
大数据业务驱动：客户微分类案例
最后这个案例与有兴趣加强客户互动和营销活动效果的B2C公司有关。比如，企业从无数的非结构化的客户互动中挖掘出有关客户和产品的洞见，利用这种洞见将原本的粗略客户分类转变为无数的细分客户分类。例如从消费者评价、呼叫中心记录、电子邮件和社交媒体的帖子中，企业可以对客户的兴趣、爱好、参加的团体和组织产生强有力的认知，这将显著地提高每一个客户细分的相关性和表现。利用这些更准确的客户细分，企业可以通过更精准的营销活动促进更多的目标客户互动。
拿这个案例来说，针对的商业项目将会是：
客户细分：增加客户类别的数量，以便加强客户资料管理，客户分类，目标客户锁定，客户的获取、培养（交叉销售和向上销售）、维护以及推广。
驱动因素一
获取更多的、详细的事务性数据将会对商业项目产生怎样的潜在影响？这可能包括：
• 将详细的POS机事务性数据与市场购物篮分析、客户人口统计资料以及客户的行为数据结合，根据人口统计（年龄、性别）、行为类别、地理位置、产品类别以及季节性进行客户类型的细分。
• 添加第三方的消费者数据扩充客户的细分类别，使其包括收入水平、健康水平、受教育水平、家庭规模、心理统计数据和在线行为。
驱动因素二
获取新的内外部非结构化数据将对商业项目产生怎样的潜在影响？这可能包括：
• 挖掘社交媒体数据，对客户的社会认知进行了解，包括客户的兴趣、爱好、社团和社交关系，在此基础上创建更加丰富的客户细分模型。
• 利用移动数据创建特定地理位置或特定商店的客户细分。
驱动因素三
获取实时的、低延迟性的数据将对商业项目产生怎样的潜在影响？这可能包括：
• 在奥斯卡、奥运会或飓风这样的重大事件之后立即重新计算客户细分模型。
• 当消费者的营销活动依然活跃时，每天更新获取的客户的向上销售和交叉销售的评分和倾向。
驱动因素四
预测性分析（预测、评分、推荐和优化）将对相应的商业项目产生怎样的潜在影响？这可能包括：
• 使用预测性分析，结合POS机事务性数据、市场购物篮分析、客户忠诚度、社交媒体数据以及移动数据，进行评分并预测最具潜力的细分的客户类别。
• 利用跨媒体归因建模，优化在最高的潜在客户类别中的媒体费用。
• 在给定某个公司的受众、产品特点和销售目标后，推荐最佳的需要锁定的客户类型。
大数据展望工作表是一个有用的工具，可以帮助商业用户展望大数据可以在哪些方面、通过什么途径来助力它们的关键商业项目。它运用大数据的四大驱动因素挖掘新的商业洞见，得到更加及时、更加完整、更加精准、更加频繁的商业决策。
迈克尔·波特的价值创造模型
另一种展望技巧需要用到迈克尔·波特（Michael Porter）的价值创造模型，这个模型不仅著名，而且有充分的文档记载。
波特的价值创造模型很像大数据展望工作表，它提供了另一种业务价值评估的技巧，你可以利用它确认大数据将在哪些方面、通过什么方式影响你的企业的价值创造过程。
迈克尔·波特的五力分析
下文是维基百科对迈克尔·波特的五力分析模型的定义（如图7–2所示）。
波特的五力模型由迈克尔·波特在1979年于哈佛商学院提出，提供了一个行业分析和公司战略制定的框架。它借鉴了产业组织经济学，认为存在着决定竞争规模和程度的五种力量并因此产生了市场的吸引力。吸引力是指整个行业的赢利能力。一个吸引力不足的行业是指这五种力的结合将会降低这个行业的整体赢利水平。一个非常没有吸引力的行业将是一个接近“完全竞争”的行业，这个行业中的所有企业能获得的利润都降为正常利润。
图7–2 波特的五力分析模型
五力分析模型提供了一个立足全行业的、站在行业外审视的角度来看待企业的竞争性动力因素。这“五力”（或五大竞争驱动因素）是指：
- 同业竞争者的竞争程度，包括这个行业内竞争企业的数量和规模、整体的行业规模、关键的行业趋势及方向、整个行业固定成本与可变成本的比例、提供的产品和服务的范围以及竞争差异化战略。
2.供应商的议价能力，包括供应商的品牌美誉度、供应商的地理覆盖范围、产品和服务的质量、关键客户关系的深度以及投标大范围的产品和服务的能力。
购买者的议价能力，包括购买者的选择和偏好、购买者的数量和规模、转换的频率和相关的转换成本、产品或服务对购买者的产品价值和产品差异化的重要性、批量购买折扣、保证按时生产和产品及服务的可获得性。
产品和技术的发展，包括替代品和替代服务的价格和质量、受市场分布和来源变化影响的脆弱性、流行趋势、立法和政策的影响以及合规风险。
新进入市场者的威胁，包括进入壁垒、地理和文化因素、目前产品定位的深度和弹性、新进入者的财务可行性和战略可行性、新进入者在这个市场生存下去的难度。
迈克尔·波特的价值链分析
下文是维基百科对迈克尔·波特的价值链分析法的定义（如图7–3所示）。
价值链是指一家公司在某一行业中运营的一系列环节。业务单位是指在适合构建价值链的层面上，而不是在部分或企业的层面上。产品按顺序经过价值链的每一个环节，每经过一个环节产品的价值就增加一些。整条价值链赋予产品的新增价值，超过了各个独立环节的价值总和。
图7–3 波特的价值链分析
价值链分析包括两个部分的活动——基本活动和支持性活动。基本活动可能是我们最熟悉的，包括产品或服务从原材料到最终面向消费者的销售和支持这个过程中必要的步骤和流程。基本活动是指：
• 进货后勤，包括构成最终产品或服务的原材料的确认、采购、获取、供应商管理。
• 生产作业，包括最终产品或服务的设计、存货管理和制造。注意：任何融入产品或服务的技术都包含在这个环节中。
• 发货后勤，包括最终产品和服务的物流配送。
• 销售，包括市场营销、销售规划、促销、广告、销售和渠道管理，使最终消费者购买完整的产品或服务。
• 服务，包括消费者购买产品或服务之后的支持和维护工作。
第二种活动比较陌生，但是对于支持产品和服务的延展性同样重要：
• 采购，是指支持维护、修理以及运营所需的材料和服务的获得。
• 技术开发，是指重要的支持性技术，不仅包括信息技术，也包括其他技术。整合在产品里的技术属于运营环节。
• 人力资源管理，是指人员的招募、雇用、开发以及辞退。
• 基础设施，是指实体的基础设施，例如建筑物、办公室及仓库。
价值创造过程：推销案例
举一个真实世界的案例，你将会学到如何运用这三个不同的价值创造技巧（大数据展望工作表、波特价值链分析以及波特五力分析）确认大数据业务的四大驱动因素能够在哪些方面影响企业的关键商业目标。假设你是Foot Locker的总经理，Foot Locker是在男女运动鞋类和服装行业保持领先地位的零售商，拥有网络商店和实体店。在Foot Locker的2010年年度报告中，公司总裁清楚地提到了公司主要的商业目标：
……成为运动鞋服行业内品牌定位清晰的有力制造商。
也就是说，Foot Locker正寻求通过利用创新和产品类型定位清晰的品牌形象（就像耐克和安德玛），提高商店的客流量、销售额以及整体的赢利能力，报告中其他的战略重点也是为了实现这个目标：
• 开发一个吸引人的服装分类。
• 将我们的商店和网站打造成购物天堂。
• 提高我们所有资产的生产能力。
对于那些不从事零售业的读者来说，营销就是在与客户互动（比如客户路过一家实体店、浏览网站或使用智能手机的应用软件）时，对产品的定价、推销、包装以及摆放。市场营销运用零售业的4P——包装、摆放、推销以及定价来提高单个产品和整个市场购物篮的销售额和利润。营销的目的是通过合理码放来突出产品特色、推销产品以及给产品定价——无论是单个产品还是组合产品（比如袜子和鞋子），提高消费者对产品的购买量。每次路过一家实体店、访问一个零售网站或是打开智能手机上的零售应用，你都会接触到各种各样的营销手段，它们吸引你的注意力并且引诱你购买产品。
大数据展望工作表：营销案例
让我们从大数据展望工作表开始。你可以运用大数据业务的四大驱动因素，在工作表提供的框架内集思广益，讨论大数据可以在哪些方面影响Foot Locker在营销部分的关键商业目标。正如上文所说，市场营销包括各种各样的策略和技巧。然而，基于这次练习的目的，你只需思考你可以通过什么方法加强对客户的剖析和分类，以此来提高Foot Locker在商店和网上的营销效果，这可以通过交叉销售、向上销售以及市场购物篮的收入和利润率来衡量。
驱动因素一
你将如何利用POS机产生的详细的事务性数据改进你的客户分类？
• 你可以将POS机产生的详细的事务性数据和Foot Locker的客户忠诚度数据结合，根据单个客户和整个市场的购买行为与产品趋势，将客户的细分项从50个增加到500个。
• 你可以针对高度细分的客户种类，打造更加细分的、突出重点的营销活动，并且根据赛季的不同（例如大学篮球的疯狂三月、橄榄球的超级碗、足球的世界杯）、城市及邮政编码的级别来推动有针对性的营销活动。
• 你可以根据当时的体育赛季（棒球、足球、篮球）和当地球队的比赛，对消费者进行基于当地特色的分类。
驱动因素二
你将如何整合像社交媒体数据这样的非结构化数据和结构化事务性数据，改进你的客户分类？
• 你可以挖掘社交媒体数据来确认客户与体育相关的兴趣、爱好、社团和社交关系，创造更丰富、更有针对性的营销模式。
• 你可以分析社交媒体数据的来源，基于对客户情绪的分析，确认哪个营销活动是成功的，哪个不是。
• 你可以从智能手机的手机应用上获得数据，针对不同的地理位置、商店以及运动进行客户细分。
驱动因素三
你将如何利用实时数据改进你的客户分类？
• 只要营销活动还在继续，你就可以根据不同类型的客户对营销活动的反应（例如到了周末，篮球爱好者的反应会超出计划的50%，但是年轻的足球爱好者的反应会低于计划的20%），每天更新客户获取方面的向上销售评分和交叉销售评分（下一个最佳方案）。
• 你可以在重大的地方性运动盛会后（例如旧金山巨人队获得了美国职业棒球联赛的冠军，或者金州勇士队在过去的10年中首次进入篮球季后赛），立即重新计算营销模型。
• 你可以整合地方性的运动盛会，细微调整正在进行中的营销活动（例如利用当地的职业棒球队在季后赛中的表现）。
驱动因素四
你将如何使用预先的或预测性的分析方法改进你的客户分类？
• 你可以开发分析性的模型来监督并鉴别目前营销活动的表现，在给定一个营销活动的受众、产品和销售目标的情况下，筛选出最佳的目标客户类型。
• 你可以开发跨媒体的归因模型，优化营销活动在电子邮件、网站、手机和店内活动方面的花销。
图7–4展示了大数据展望工作表将如何收集在集体讨论客户分类时产生的不同想法。当你探索大数据驱动因素对其他营销技巧（例如产品定价、产品包装、产品促销以及产品摆放）的影响时，你仍需要进行集体讨论。
图7–4 大数据展望工作表（营销案例）
迈克尔·波特的价值链分析法：营销案例
接下来我们将运用迈克尔·波特的价值链分析模型分析Foot Locker在营销方面的商业项目。你将使用价值链分析模型来确认大数据业务的四大驱动因素将如何影响Foot Locker在营销方面的商业项目（如图7–5所示）。
在进货后勤环节，你可以利用综合的数据源，实时地了解POS机的状况以便未雨绸缪，主动通知供应商潜在的存货短缺或存货过剩，提高你的营销计划的有效性。
在生产作业环节，你可以综合实时POS机数据和存货数据预测营销需求，管理商品的降价促销并确认销售缓慢的产品以及滞销品，管理商店里以及网站上的存货，提高营销计划的有效性。
在发货后勤环节，你可以利用大数据的分析方法提高营销计划的有效性，例如：
• 利用社交媒体数据和移动数据挖掘消费者对营销活动和产品的情绪，这将影响正在进行的营销活动的库存级别。
• 使用分析沙盒来模型化由事件造成的对物流的影响，例如区域内的大联盟棒球赛或主要的旅游路线上计划之外的建筑作业。
在销售环节，你可以对搜索、摆放、手机和社交媒体进行转换归因分析，优化网页的展示以及手机上广告的摆放，购买关键字搜索并加快信息的传输，提高营销计划的有效性。
图7–5 大数据业务的四大驱动因素如何影响商业项目
在服务环节，你可以结合社交媒体数据和客户的忠诚度数据，在有关客户的流失、欺诈、向上销售/交叉销售以及净推荐值方面打造更频繁、更高保真度的评分体系，提高营销计划的有效性。图7–6总结了这些技巧。
图7–6 价值链分析（营销案例）
波特的价值链分析提供了一种以业务为中心的方法，思考大数据可能对企业内部价值创造过程产生的影响。这种由内而外的企业价值评估的视角会刺激你和业务方面的利益相关者的合作，帮助他们展望大数据将来发挥可能性的区域。
迈克尔·波特的五力分析：营销案例
最后，我们将采用波特的五力分析模型来剖析Foot Locker商业营销项目。我们将使用由外而内的五力分析模型确认大数据业务驱动因素将如何影响Foot Locker的营销效果（如图7–7所示）。
在同业竞争者的竞争程度这部分，你可以在营销效果项目中运用大数据获得竞争优势，你可以通过以下方式：
• 在搜索广告、展示广告、社交媒体广告以及移动广告中使用跨媒体的转换归因分析，在跨渠道定价、摆放以及促销效果方面赢得胜利。
• 利用A/B测试挖掘关于营销信息和摆放的洞见，促进类别市场份额的上升并提高购物行为产生赢利的能力。
在购买者议价能力这部分，你可以在营销效果项目中运用大数据挖掘对市场、产品以及消费者的独特认知，与购买者和购买者联盟日渐增长的议价能力抗衡，包括：
• 利用对社交媒体网站的情绪分析确认并量化各细分类的消费者的营销趋势以及洞见，以改进对消费者的分类、锁定目标、定价以及产品包装的效果。
• 利用实时的关于消费者的销售数据、客户关系管理数据、网站互动及手机互动数据优化正在进行的营销活动的目标设定，提高网上消费者的变现率（例如提高转化率以及向上销售和交叉销售的效率）。
• 利用推荐引擎改善消费者体验（通过净推荐评分、重复购买和忠诚度来衡量），优化营销利润并减少商品减价促销。
在供应商议价能力这部分，你可以在营销效果项目中运用大数据，得到对市场、产品和消费者独到的见解，与供应商日渐增长的议价能力抗衡，包括：
• 利用详细的POS机数据和存货数据，比竞争者更迅速地确认热门商品，以锁定供应商的库存和优厚的条款与条件。
• 利用详细的POS机和无线射频识别技术产生的数据，比竞争者更快地退回滞销品，最小化产品的促销降价以及存货持有成本。
图7–7 波特五力分析（营销案例）
在产品和技术创新这部分，你可以在营销效果项目中运用大数据确认产品和技术可以在哪些领域使买家或供应商锁定优势或创造新进入市场者的进入门槛，包括：
• 为你的关键合作伙伴和供应商提供一种“软件即服务”的仪表盘和预测性分析平台，让它们利用营销方面的数据和洞见最小化采购、存货以及配送的成本。
• 综合利用营销数据和预测性分析能力，向你的关键渠道商和分配合作商提供对供应链和存货的调整意见。
在新入市场者这部分，你可以使用大数据在新进入者站稳脚跟前识别并抢占商机。例如持续地监控社交媒体数据和手机数据，观察营销趋势，预先制止新的市场进入者。
波特的五力分析提供了一种以业务为中心的方法，研究你的大数据项目的潜在可能性，思考它将如何影响那些定义你的市场地位的作用力和参与者。这种由外而内的业务价值评估的视角促进了信息技术和业务人员的合作，帮助他们展望大数据可能应用的领域，获取对企业大数据项目的早期支持。
小结
本章提供了几种详细、实用的技巧，利用大数据影响你的价值创造过程。本章介绍了大数据业务的四大驱动因素：
获取更多具体的、结构化的事务性数据（暗数据）。
获取内部以及外部的非结构化数据。
获取实时或低延迟性的数据。
将预测性分析融入你的关键业务过程中。
通过几个不同行业的通用案例的练习，你理解了大数据业务的四大驱动因素是如何影响商业的。
本章接下来介绍了一种可用于头脑风暴的大数据展望工作表，可以将大数据业务的四大驱动因素运用到某个特定的商业项目中。我们举了几个商业案例——预测性维护、客户满意度、客户的类别细分，在这些案例中你可以运用大数据业务的四大驱动因素确认大数据能够在哪些方面影响一个企业的价值创造过程。
接着，我们介绍了迈克尔·波特的价值链分析法和五力分析法，你可以运用这两个价值创造框架确认大数据业务的四大驱动因素将如何被运用到某一个商业项目中。
最后，我们举了一个现实的案例，是关于Foot Locker如何利用大数据的四大驱动因素和三个不同的价值创造模型——大数据展望工作表、波特的价值链分析以及波特的五力分析法提高营销活动效率的。
总的来说，我希望本章给你的感觉就像大数据MBA课程的一堂介绍课。
