您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识
怎么简单理解“大数据”及其应用?
数据,用户,疫情怎么简单理解“大数据”及其应用?
发布时间:2019-02-08加入收藏来源:互联网点击:
其实大数据的应用范围非常广,不单单限于互联网行业,在其他诸如金融,制造业,交通物流方面也都有非常大的应用价值。
1. 大数据让借贷款更加放心
在金融行业中,以借贷款为例。在贷款前,贷款借出方会先利用大数据对借款人进行贷前审核,以此来保障贷后的还款率。
借出方从各个渠道合法收集借款人的标签信息,如学历,职业,薪资状况,历史借还款情况等(据说一个用户的标签维度可以达到7000个)。海量数据被放入反欺诈模型,还款能力模型,身份验证模型等数个中做训练,最终得出是否通过本次贷款申请,贷款的额度,贷款人的还款意愿等评估信息。
借款人数据收集的越多,标签维度越细,数据越真实,则审核效果越全面。
2. 大数据让广告营销更高效
广告作为互联网行业最常见的变现手段之一,大数据赋能广告营销,让广告从惹人恼转变为广告即内容,广告即服务。
曾几何时,你会发现日常生活中看到的广告居然那么懂你。点开淘宝,你最爱的商品被推荐在Banner首页;打开微信朋友圈,映入眼帘的是你正想要做的汽车保养;打开百度搜索,你前两天看的别墅信息赫然出现。
这一切的实现都得益于大数据赋能广告。
在广告投放前期,通过大数据手段大量的整合、分析数据,包括用户的浏览习惯、消费行为、浏览记录、对广告的点击数量等,并从中挖掘出有效的信息;构建全面的用户画像,结合广告业务,精准定位目标用户,保证广告定向投放。
在广告投放的中后期,通过实时数据反馈,结合用户所处地域,时间的变化,动态优化广告素材,调整广告的呈现方式与广告的展览位置,让同一个用户在不同的场景下享受不一样的广告服务,实现一人千面,增加广告营销效果,提升广告主KPI。
3. 大数据赋能零售
新零售时代,客户的需求无时无刻不在变化,大数据赋能零售,让零售在人,货,场上进行变革。
零售商可以借助大数据对未来市场需求进行预测,抢先一步对库存进行管理。在流量高发的前期,及时补足库存,提升商品供应率;在流量散去的前期,及时去库存,避免库存积压。
借助大数据分析用户地域分布情况,商店流量,消费者习惯等那个,在合适的地区开设商店,建造仓库。在物流发货时,从数据出发,合理规划运输路劲,降低运输成本。
利用数据还可以统一上下游供应链交互,解决数据不对成问题,减小牛鞭效应,提升供应链中每个环节的利用效率。
总结
数据一直都在,大数据变革的只是方式。大数据并不神秘,神秘的是对未知数据的探索与利用。
回答于 2019-09-11 08:43:50
什么是大数据呢?
大数据(Big Data)概念是1998年由SGI首席科学家John Masey在USENIX大会上提出的。他当时发表了一篇名为Big Data and the Next Wave of Infrastress的论文,使用了大数据来描述数据爆炸的现象。但大数据真正得到业界关注,则是其后多年的事情了。其中大数据最重要的发酵素则是2003-2006年Google发布的GFS、MapReduce和BigTable三篇论文。
大数据是指海量数据或巨量数据,其规模巨大到无法通过目前主流的计算机系统在合理时间内获取、存储、管理、处理并提炼以帮助使用者决策。
大数据有哪些特征呢?
大数据的5V特征,即Variety (多样化)、Volume (大量化)、Velocity(快速化)、Value (价值密度低)、Veracity(真实性)。其中,Variety表示来源多和格式多,数据可以来源于搜索引擎、社交网络、通话记录、传感器等等,这些数据要么以结构化形式存储,要么以非结构化数据存储;Volume表示数据量比较大,从TB级别,跃升到PB级别。尤其是在移动互联时代,视频、语言等非结构化数据快速增长;Velocity表示数据存在时效性,需要快速处理,并得到结果出来,这一点也是和传统的数据挖掘技术有着本质的区别;Value表示大量不相关信息,不经过处理则价值较低,属于价值密度低的数据。Veracity(真实性)数据质量因数据来源以及记录方式等影响因素的不同,会出现较大的差异,而这种差异性会极大程度地影响数据分析的精确性
大数据处理流程是怎么样的呢?
一般的大数据处理流程都有以下几个过程:数据采集、数据存储、数据处理、数据展现。如下图所示。
简而言之,大数据就是数据量非常大、数据种类繁多、无法用常规归类方法应用计算的数据集成。
有了这么多的大数据,我们如何使用呢?
通过不同渠道采集来的数据,经过对数据清洗后,那接下来就是应用大数据的时候了。根据我们的需求目标定义不同的数据模型,通过数据模型对数据进行筛选,获得我们需要的数据。那么在我们日常工作中有哪些常用的大数据模型呢?今天我们主要分析几个常用的模型做简单的介绍。供大家参考。
1、行为事件分析
行为事件分析法:顾名思义主要通过事件的行为来分析,获得有效的数据。目前主要是用来来研究某行为事件的发生对企业组织价值的影响以及影响程度。那么我们的企业可以借此来追踪或记录的用户行为或业务过程。比如用户注册、浏览产品详情页、购买、提现等,通过研究与事件发生关联的所有因素来挖掘用户行为事件背后的原因、交互影响等。
在日常工作中,运营、市场、产品、数据分析师根据实际工作情况而关注不同的事件指标。如最近三个月来自哪个渠道的用户注册量最高?变化趋势如何?各时段的人均充值金额是分别多少?上周来自北京发生过购买行为的独立用户数,按照年龄段的分布情况?每天的独立 Session 数是多少?诸如此类的指标查看的过程中,行为事件分析起到重要作用。
行为事件分析法具有强大的筛选、分组和聚合能力,逻辑清晰且使用简单,已被广泛应用。行为事件分析法一般经过事件定义与选择、下钻分析、解释与结论等环节。尤其是电商公司通过前期的用户行为数据的采集,在促销活动中就可以有目的的区域性,定制性用户广告投放。通过精准的用户行为数据分析,可获得更高精准用户的转化率。
2、漏斗分析模型
漏斗分析是一套流程分析,它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。其实企业经营中经常使用到,最简单的应该是我们销售部门的销售项目漏斗。销售管理者通过项目漏斗来分析接下来重点项目跟进和赢单概率。销售漏斗也是一种数据分析模型。
漏斗分析模型在电商平台也是广泛应用。主要在流量监控、产品目标转化等日常数据管理工作中。例如在一款产品服务平台中,直播用户从激活APP开始到花费,一般的用户购物路径为激活APP、注册账号、进入直播间、互动行为、礼物花费五大阶段,漏斗能够展现出各个阶段的转化率,通过漏斗各环节相关数据的比较,能够直观地发现和说明问题所在,从而找到优化方向。对于业务流程相对规范、周期较长、环节较多的流程分析,能够直观地发现和说明问题所在。
上一篇:如何短期提升整体颜值呢?
下一篇:返回列表
相关链接 |
||
网友回复(共有 0 条回复) |