1月27日，江蘇省企業(yè)信息化協(xié)會總?cè)河瓉淼?0期“智造+V課堂”。本次課堂邀請了兮易控股董事長陳廣乾先生，給大家奉上了主題為“大數(shù)據(jù)在企業(yè)落地，增值收益實戰(zhàn)”的精彩培訓(xùn)。

嘉賓介紹

[[164039]]

陳廣乾  兮易控股董事長

如下是分享實錄：

我今天晚上主要跟大家匯報一下關(guān)于企業(yè)大數(shù)據(jù)應(yīng)用方面具體我們做過的案例，大概有幾個案例。在講這個案例以前，我是想把整個創(chuàng)業(yè)簡單的片子給大家先看一下。

我最后一個職業(yè)生涯是在江蘇昆山，好孩子中國商貿(mào)集團的總部是在昆山，我是好孩子中國商貿(mào)集團的CEO，一直工作到2013年，2013年的3月份創(chuàng)業(yè)，到今天為止差不多快三年的時間了。之所以離開好孩子CEO的崗位參加創(chuàng)業(yè)，主要是看到了互聯(lián)網(wǎng)，尤其是大數(shù)據(jù)的發(fā)展，從創(chuàng)業(yè)的過程當(dāng)中一直到去年年底，我們在大數(shù)據(jù)項目上總共差不多做了七個項目。案例呢，由于時間關(guān)系我不會全講，會講幾個面向B2C企業(yè)的案例，和一個B2B企業(yè)的案例。

在整個我們所做的大數(shù)據(jù)項目當(dāng)中，從第一張片子可以看到，我2015年的4月份參加了國家在貴陽舉辦的第一屆大數(shù)據(jù)國際博覽會，在國際博覽會下午峰會上我有一個發(fā)言，關(guān)于企業(yè)大數(shù)據(jù)應(yīng)用的發(fā)言，在那里我提到了其實2015年可能是中國企業(yè)大數(shù)據(jù)發(fā)展的元年，這個看起來還是比較準確，因為現(xiàn)在最近企業(yè)大數(shù)據(jù)的發(fā)展勢頭來勢比較猛。

我現(xiàn)在給大家放第二張片子，也就是我們?yōu)槭裁匆龃髷?shù)據(jù)，我們目前做的產(chǎn)品和架構(gòu)是什么。現(xiàn)在請大家詳細看一下這張PPT，這個是我整個所創(chuàng)業(yè)的兮易在整個大數(shù)據(jù)的定位，目前我們開發(fā)Saas平臺，最上端大家看到有一個互聯(lián)網(wǎng)轉(zhuǎn)型，2B的企業(yè)和2C的企業(yè)，有一個工業(yè)4.0。工業(yè)4.0我們開發(fā)了8 個板塊和48個具體的模塊，底層是我們開發(fā)的一些關(guān)于企業(yè)核心能力的基礎(chǔ)模塊。但是支撐這些底層的，就是我們的兮易大數(shù)據(jù)增值產(chǎn)品，這個里面目前我們正在開發(fā)的產(chǎn)品有關(guān)于企業(yè)2C用戶端會員管理，以及2B端的運營管理，和工業(yè)4.0服務(wù)的基礎(chǔ)產(chǎn)品。

現(xiàn)在再給大家看一張片子，現(xiàn)在這張片子是我們對整個中國大數(shù)據(jù)目前現(xiàn)狀的一個解讀，目前現(xiàn)狀看，其實我們看到百分點這家公司，這家公司已經(jīng)獲得幾輪融資了，目前他們做金融大數(shù)據(jù)做得比較好，而且是目前中國最大的第三方消費者偏好數(shù)據(jù)的平臺。最近又出來一個數(shù)據(jù)堂，目前我們大家公認的比較好的是阿里大數(shù)據(jù)，其實我目前看在互聯(lián)網(wǎng)數(shù)據(jù)上最好的數(shù)據(jù)產(chǎn)品是阿里的大數(shù)據(jù)，我這上面列舉了數(shù)據(jù)魔方的例子。

還有一個我想在這里說一下Uber，我最近看了一些文章說這個企業(yè)非常厲害，居然沒有一臺出租車，也沒有一個司機，就能夠控制著美國甚至全世界出租車行業(yè)。其實大家在評論這點的時候忽視了Uber在我看來是大數(shù)據(jù)的分析平臺，通過大數(shù)據(jù)算法所做的司機和出租車的撮合平臺目前是最好的。

但是呢，不管是阿里、Uber還是百分點，這些企業(yè)在我看來都主要是一些互聯(lián)網(wǎng)的企業(yè)，它們目前的大數(shù)據(jù)產(chǎn)品還主要面向互聯(lián)網(wǎng)數(shù)據(jù)的。其實我們大家知道，互聯(lián)網(wǎng)數(shù)據(jù)所有的數(shù)據(jù)節(jié)點都是有痕跡的，所以相對來說數(shù)據(jù)的鉆取、數(shù)據(jù)的采掘以及數(shù)據(jù)分析相對容易。

我們兮易目前做的主要是聚焦線下傳統(tǒng)企業(yè)大數(shù)據(jù)的分析。在具體提到傳統(tǒng)企業(yè)大數(shù)據(jù)如何分析之前，我再給大家看一張圖，就關(guān)于整個我們傳統(tǒng)企業(yè)現(xiàn)在走到今天，在大數(shù)據(jù)分析的背景資料的現(xiàn)狀，給大家做一下分析。通過這張圖大家可以看到，在互聯(lián)網(wǎng)之前我們叫一代實體電商，這個時候我們傳統(tǒng)企業(yè)做得還可以，傳統(tǒng)企業(yè)店的形態(tài)其實都是通過品牌商到中間的渠道到門店再到消費者，這是第一代店。第二代店就是真正網(wǎng)絡(luò)的電商了，主要以阿里、京東為代表，這個對我們傳統(tǒng)企業(yè)是一個巨大的沖擊。現(xiàn)在目前從2014年開始，企業(yè)都開始了O2O的轉(zhuǎn)型，或者叫做全渠道的轉(zhuǎn)型，今年明顯能看到傳統(tǒng)企業(yè)O2O已經(jīng)有很大的發(fā)力。

比如說像好孩子商貿(mào)集團其實就開發(fā)了一個很強大的線上線下統(tǒng)一的應(yīng)用，線下對傳統(tǒng)渠道打通，而且也做的比較好，但是目前傳統(tǒng)企業(yè)O2O第三代主要還是開發(fā)一些微信，還有APP工具，使用的主要手段還是甩紅包、打折來吸引消費者下載我們的應(yīng)用。

但大家看我這張圖對右端叫3.0的高級階段，3.0的高級階段其實我認為APP不僅僅是唯一手段就是靠紅包和打折吸引消費者，其實我們在3.0更高級階段，其實應(yīng)該把我們的視角進入到一個真正洞察消費者的痛點，真正走入用戶，做深度傳播新的更高發(fā)展階段。在這里面其實小米、Uber做得比較好，一到深度洞察消費者，后面我提出四個基本先決條件，這四個基本先決條件，如果我們能夠走進消費者心理，未來沒有社會學(xué)、心理學(xué)和語言學(xué)的手段介入，我們很難在深度上跟消費者做心理和情感的溝通。那么大數(shù)據(jù)技術(shù)就需要進一步成熟，我們需要更深層對消費者360度的畫像，我們需要更成熟的智能語言的分析技術(shù)，和需要更成熟的其他涉及到大數(shù)據(jù)的分析技術(shù)。

在我們銷售系統(tǒng)里面，目前我們的銷售系統(tǒng)，像目前銷售自動化系統(tǒng)，還不足以能夠深度挖掘消費者，可能未來就走向智能的銷售系統(tǒng)，以及能夠更智能獲得大量新的智能終端設(shè)備，來全面獲取我們的銷售數(shù)據(jù)。另外，我們的溝通工具也需要進一步成熟，由我們的微媒、我們自媒體進一步深度發(fā)展，能夠360度溝通我們用戶。

為什么需要這樣做呢?我們再看一張片子，這張片子告訴我們?yōu)槭裁匆谶@個程度上更加用到大數(shù)據(jù)分析技術(shù)了呢，我們看到第一代基于我們渠道客戶的時候，我們主要的KPI就是sell out、sell in，就是我們到分銷，到經(jīng)銷商的庫存，以及經(jīng)銷商庫存轉(zhuǎn)化到門店，包括我們分銷的網(wǎng)格化等等，以及門店的終端陳列等等。在門店這個層面上，我們需要更多是零售數(shù)據(jù)了，這里面有客流數(shù)據(jù)，但是這些傳統(tǒng)的KPI我們過去的工具基本上可以解決。走到第三代基于用戶的時候，我們的KPI考核會發(fā)生很大變化，但是看右側(cè)的KPI，這里就出現(xiàn)了細分用戶群了，出現(xiàn)了老用戶數(shù)、新用戶數(shù)、用戶的轉(zhuǎn)化率，包括會員的復(fù)購率，用戶的購買品質(zhì)，你能鏈接到多少用戶，互動的用戶數(shù)以及互動的反饋，用戶的推薦，用戶的價值，用戶的流失，以及精準客群投入的產(chǎn)出。

當(dāng)大家看到這些指標(biāo)的時候我們會看到，這些指標(biāo)如果沒有跟用戶相關(guān)這些新的工具和平臺，沒有這些精準大數(shù)據(jù)分析，走向用戶，尤其深度走向用戶是很難實現(xiàn)的。那么這張片子就主要說明在我們跟用戶交互的時候，大家作為搞信息化搞IT的同事們看到，這個邏輯在這里面做了一個陳述。這個基本邏輯是這樣的，就是說我們跟用戶的溝通里面，現(xiàn)在相當(dāng)多的是手機，定位的軟件就是微信，我們有手環(huán)，定的可能是微博，我們未來的智能手表定位的可能是社區(qū)，我們智能家具可能定位著電商，以及我們大量企業(yè)都開發(fā)了跟用戶溝通的這種比較正的APP，未來我們可能有更多的終端，因此有更多的軟件。

那么大的結(jié)構(gòu)上來看，我們目前在跟用戶溝通上主要的一個系統(tǒng)，還是SCRM，和前端的用戶交互系統(tǒng)，我們叫做CIC。面對SCRM和CIC系統(tǒng)呢，其實我們拉到后端的就是需要做大數(shù)據(jù)的分析，通過大數(shù)據(jù)分析才能夠形成中間這個閉環(huán)，也是通過我們獲取數(shù)據(jù)來洞察用戶的痛點，然后形成我們產(chǎn)品和服務(wù)的創(chuàng)新，這個產(chǎn)品服務(wù)的創(chuàng)新又走向一個生態(tài)圈互動的場景，通過我們各種技術(shù)實現(xiàn)我們大數(shù)據(jù)分析，這個大數(shù)據(jù)又調(diào)過來解決用戶的痛點，這樣形成一個閉環(huán)，通過創(chuàng)造用戶的體驗，洞察用戶的需求，來實現(xiàn)我們對用戶精準營銷的解決方案。

好，我們再看下一張片，這張片子文字比較多，我做一下說明，右邊這張圖是我們在傳統(tǒng)企業(yè)，尤其是B2C企業(yè)互聯(lián)網(wǎng)轉(zhuǎn)型頂層結(jié)構(gòu)圖，這個頂層結(jié)構(gòu)圖最核心的，我提出一個三交的概念，交互、交易、交付，我們傳統(tǒng)企業(yè)做交易和交付是很成熟的，但是我們在轉(zhuǎn)型的過程當(dāng)中，可能越來越多面向于用戶的交互，用戶交互過程當(dāng)中，我們使用主要的平臺就是官網(wǎng)、官微和官博，通過這個平臺我們會實現(xiàn)我們品牌的人格化、品牌的故事化和品牌的時代化，通過這個品牌的傳播，通過對用戶的交互，我們會實現(xiàn)銷售的大數(shù)據(jù)，用戶的大數(shù)據(jù)，以及傳播層的大數(shù)據(jù)。

前臺開發(fā)的就是前臺的交互系統(tǒng)與用戶的交互系統(tǒng)，主要是各個企業(yè)開發(fā)的APP，微媒體的系統(tǒng)，以及客戶互動中心的CIC。中臺的交易系統(tǒng)主要是電商，線上電商，線下是各種前端的銷售體系，后臺主要是ERP和倉儲物流等等，通過三臺系統(tǒng)和前端的交互系統(tǒng)來實現(xiàn)用戶傳播和銷售的大數(shù)據(jù)。

這個大數(shù)據(jù)的獲取目的之一就是要形成我們產(chǎn)品開發(fā)，更好應(yīng)對我們消費者，這個就是我們所說的讓用戶找產(chǎn)品，在開發(fā)過程當(dāng)中，這里面提出四代開發(fā)內(nèi)容，其中第一代、第二代的開發(fā)都是傳統(tǒng)的從P0到P6，也就是從產(chǎn)品規(guī)劃到產(chǎn)品推市的一整套產(chǎn)品生命周期的過程。但是在第三代開發(fā)的時候已經(jīng)引入了基于消費和用戶體驗的大數(shù)據(jù)分析，但是這個還不夠，在開發(fā)的第四代，也就是產(chǎn)品研發(fā)或者產(chǎn)品全生命周期PMI的第四代，其實像做得比較好的類似于小米，目前有些企業(yè)也正在做，正在做的就是在整個研發(fā)立項，甚至一個創(chuàng)意階段，就已經(jīng)跟粉絲，跟業(yè)界大V產(chǎn)生了創(chuàng)意的互動，包括在企劃上、創(chuàng)意上、開發(fā)上的互動，這個互動對產(chǎn)品開很有好處，這是最新一代新的開發(fā)。新的開發(fā)之后，通過互動我們會積累更多產(chǎn)品交互的大數(shù)據(jù)，這個對產(chǎn)品的DNA爆款的形成是很有幫助的。

再給大家看一張圖，下面這張圖就是從前面產(chǎn)品開發(fā)大數(shù)據(jù)分析概念走到了后端智能制造，我在最近一篇微博里面也提出了這張圖，就是我們做的工業(yè)4.0 的核心結(jié)構(gòu)概念，這個核心結(jié)構(gòu)里面我們分成8個模塊，整個工業(yè)4.0的架構(gòu)分成8個模塊，第一個是滿足用戶個性化和多樣化需求的智能銷售系統(tǒng);第二個是智能用戶需求的交互與分析的系統(tǒng)，現(xiàn)在這兩個系統(tǒng)很顯然都是基于前端跟用戶交互的大數(shù)據(jù)才能形成。第三個系統(tǒng)就是整個工業(yè)4.0的核心，也就是我們的互聯(lián)網(wǎng)體驗和基于互聯(lián)網(wǎng)的iMES，也就是設(shè)計執(zhí)行系統(tǒng)，以及我們的設(shè)計系統(tǒng)，也就是實現(xiàn)協(xié)同設(shè)計，互動設(shè)計和用于環(huán)境的設(shè)計，以及用于成本的設(shè)計等等;第五個就是智能采購，這是可視化和模塊和供應(yīng)商的采購;第六個是智能生產(chǎn)系統(tǒng);第七個是智能物流系統(tǒng)；第八個是智能服務(wù)系統(tǒng)。

我拿這張圖的意圖是什么呢?其實搭建智能系統(tǒng)底層核心又走到了產(chǎn)業(yè)，我們叫做工業(yè)大數(shù)據(jù)，它的核心是工業(yè)大數(shù)據(jù)，沒有工業(yè)大數(shù)據(jù)在這里做底層的基礎(chǔ)，其實這八大智能模塊是難以實現(xiàn)的。

我們看一下這張圖就能說明一下我剛才說的含義了，這個就是我們開發(fā)的設(shè)想，第一張圖就是我們設(shè)想未來智能物流系統(tǒng)的一個結(jié)構(gòu)圖，如果我們未來需求大數(shù)據(jù)做得很好，如果我們能夠?qū)崿F(xiàn)準確的需求預(yù)測與訂單預(yù)測，如果我們可以實現(xiàn)全流程庫存的共享，如果我們能夠?qū)崿F(xiàn)整個從訂單端到端全流程可視。我這里舉個例子，400萬訂單需求，其實我們有可能通過200萬的現(xiàn)金可以滿足，因為在這個條件下，如果我們未來的缺貨率低于5%，未來我們的訂單預(yù)測的準確率高于 80%，未來我們的速度低于10天，中間的苦庫存也盡可能優(yōu)，在這些條件下，其實我們可以用一半的資金滿足400萬訂單，滿足安全庫存全部要求，其實我們可以成為物流銀行，因為有200萬資金像阿里巴巴的余額寶一樣存留起來。但是這張圖的核心，我剛才說的那么多如果，這個如果的先決表現(xiàn)就是基于從工廠到銷售到CDC、RDC到HUB一直到門店到最后一公里用戶全部流程的大數(shù)據(jù)分析，全部流程數(shù)據(jù)的可視化。

這是我們2013年做的第一個大數(shù)據(jù)項目，這其實是一個電商，這是中國很有名的一家電商，它的線上當(dāng)時是1700萬會員，線下傳統(tǒng)大概有8000多萬會員，我們是做的8000多萬會員分群的大數(shù)據(jù)分析。大家看的這張圖可以看到，原來做大數(shù)據(jù)分析以前，它的整個線上1700萬會員是沒有做分類的，每個月的郵箱營銷推送費大概是1750萬左右，但是整個用戶的點擊率，就是訪問訂單率連千分之一都不到，因為大部分都作為垃圾處理了，它沒有一個比較精準的分群。由于這家企業(yè)其實它雖然是個互聯(lián)網(wǎng)企業(yè)，但是我們從它的數(shù)據(jù)分析里面看到它整個數(shù)據(jù)積累質(zhì)量還是比較低，所以我們打的200多個標(biāo)簽里面最后用的標(biāo)簽其實連20個都不到，因為沒有數(shù)據(jù)做支撐。

即使在這種情況下，通過我們的算法，就是我們數(shù)據(jù)質(zhì)量高的時候，有對于高的算法，質(zhì)量相對低的時候，我們有相對低的算法，通過這些算法我們最后確定了7個大的分群，這就把大概1700萬線上會員縮小到了小的10幾萬，大的100多萬這樣一個分群，這種分群就能夠使它的整個推送比原來精準多了，至少是 7倍的精準。

在這個基礎(chǔ)上，我們開發(fā)了面向各種不同群體的銷售語言，對應(yīng)不同群體營銷語言，并且組織了針對不同群體營銷的策劃，這個效果比原來的效果要好得多。

現(xiàn)在這個是我們做的又一個用于C端大數(shù)據(jù)分析，這家公司是有2700萬會員，我們是整個對會員打了1300多個標(biāo)簽，我簡單說一下這個方法論，在這個項目里面，上面有一列，大家看一下，P01叫做基礎(chǔ)，P02叫做接觸，P03叫做意向，P04叫做眼光，P05叫做優(yōu)惠，P06叫做選款，這個什么意思呢?所謂P就是process，就是這家公司的核心業(yè)務(wù)，其實不管大數(shù)據(jù)也好，小數(shù)據(jù)也好，數(shù)據(jù)表征主要是業(yè)務(wù)，所以我們要對業(yè)務(wù)首先進行比較清晰的梳理，對于業(yè)務(wù)要有深刻的認識，你不對業(yè)務(wù)有深刻認識是沒有辦法做大數(shù)據(jù)分析的，就是我常說的，你即使是邀請一個人大統(tǒng)計系畢業(yè)的，北大統(tǒng)計學(xué)畢業(yè)出身的，他馬上也做不了大數(shù)據(jù)業(yè)務(wù)，為什么呢?因為他對業(yè)務(wù)沒有一個很清楚的了解是做不了大數(shù)據(jù)分析的。

比如說我們問一個學(xué)統(tǒng)計學(xué)的大學(xué)生，庫存周轉(zhuǎn)天數(shù)是35天意味著什么?大學(xué)生很難知道這個庫存周轉(zhuǎn)35天，這個業(yè)務(wù)有沒有競爭力，所以它的先決條件就是我們要對業(yè)務(wù)進行透徹的分析。這個業(yè)務(wù)透徹分析里，任何一家公司業(yè)務(wù)都是非常復(fù)雜的，所以我們分析的主要是給這家公司帶來銷售收入，帶來盈利，造成成本端到端的梳理，所以這家公司我們梳理了14個核心業(yè)務(wù)的端到端的流程，就是大家看到的從P01到P04，這14個核心業(yè)務(wù)的流程就構(gòu)成了這家公司一年 50多個億的銷售收入。

那么左側(cè)這個縱向圖，就是我們通常對于用戶，尤其是對會員大數(shù)據(jù)分析的基本緯度，下面就這個具體項目呢，我再給大家拷幾張片子做一個更詳細的說明。大家看這張片子就更有意思了，這張片子是我們做項目基本的方法論，大家看右側(cè)有一個標(biāo)簽分層，我們其實把整個對C2端，對會員大數(shù)據(jù)分析分成八層，大家可以看到第一個緯度是地理的緯度，什么叫地理緯度呢?這里面有一個解說，比如說省會城市、住宅、購買地址、商圈、交通、店的檔位，這些都屬于地理位置。人口特征就是年齡、性別、職業(yè)、收入、教育程度，包括在這個項目里人的驗光記錄，驗光屬性的特征，這屬于人口特征。再往上走就是像購買行為、價值潛力、使用場合、需求動機，這里都有具體說明。從底往上走，大家看到越往上走數(shù)據(jù)獲取難度越大。

其實我們或許一個用戶的地理信息呢，以及他的年齡相對來說還是容易，獲取用戶的成本信息以及購買行為信息就相對難了，再往上走，比如說獲取他的需求動機，他的態(tài)度、個性，甚至說他的生活方式，這些信息就更難了，過去在沒有互聯(lián)網(wǎng)，尤其是移動互聯(lián)網(wǎng)條件下，我們越往上走的數(shù)據(jù)幾乎獲取不到，所以過去大數(shù)據(jù)分析的深度是很有限的。

根據(jù)這八個層次，我們做了一個標(biāo)簽的分層，最右邊那些就是具體的標(biāo)簽分層，這八個緯度變成到這個項目里面具體的標(biāo)簽分層就有了這個企業(yè)具體特點了，比如說在功能需求上，我們驗光上，除了一個視覺的健康以及實像兩個基本需求之外，其實我們有可能還有病理的需求，像年齡大的可能產(chǎn)生眼睛的老化、青光眼、白內(nèi)障，這就屬于病理的需求。還有其他功能性的需求，還有產(chǎn)品特性的需求，還有特定的適應(yīng)性的需求，這些都是需求動機。由于這個企業(yè)數(shù)據(jù)保密原因，所以我們就到了第二層為止。

左邊這兩個實際上是KPI，因為對于老板來說他其實不在乎你是大數(shù)據(jù)還是小數(shù)據(jù)，快數(shù)據(jù)還是慢數(shù)據(jù)，老板在乎我給你錢做數(shù)據(jù)分析，我要的是效益的改善，在具體項目里就是要的是老會員的活躍，沉睡會員的覺醒，流失會員的回歸，以及會員的復(fù)購率，以及客單價，這些是通過我們大數(shù)據(jù)分析來完成的。所以在我們大數(shù)據(jù)方法論上看的第一步其實是KPI定義相關(guān)標(biāo)簽的設(shè)計與差距分析，這是我們做的第一步。這之前我們還有一個第零步，也就是項目的開端，我們要有一個大數(shù)據(jù)先驗的分析模型，根據(jù)先驗的分析模型，根據(jù)KPI定義，我們第二步再做數(shù)據(jù)的清洗和整合。第三步要基于現(xiàn)有客戶的價值做分群，第四步要開展?fàn)I銷活動，第五步要對營銷活動提出來一個具體的銷售效果，然后持續(xù)改進。大數(shù)據(jù)的算法就在第二步和第三步之間，具體的算法模型是在第二步第三步之間實現(xiàn)的。

具體的分析模型，我們再看一張圖，這張圖是我們具體分析的一張圖了，從這張圖截圖看下來，原來的這家2700萬會員近乎沒有做任何分群，我們其實在這個分群中，由于我們分析方法的成熟，由于數(shù)據(jù)質(zhì)量比前一個有很大的提升，其實我們對2700萬會員做了細的一個群。這里給大家看一個具體的分群，45歲到50歲這個年齡已經(jīng)開始要形成眼疾病了，這個眼疾病有幾種表現(xiàn)，有可能是斜視、弱視，有可能眼表面的疾病，有可能形成白內(nèi)障，這種疾病在哪些場合下形成的?到底有什么感受?45歲到50歲這個群體具體活動的場所、場景都是什么，他是在社交上更多，還是開車上更多，休閑活動更多呢，這些活動對于他視力有什么要求呢?這個眼睛到底應(yīng)該怎么解決呢?以及這類人群里面都是哪些具體的職業(yè)，職業(yè)有什么變化，等等，這些過去都完全沒有。經(jīng)過我們畫像，以及畫像做的分群，已經(jīng)做的比以前細多了，而且我們有一個基本的定義，也就是我們把兩年半以內(nèi)就來配一次眼鏡的作為活躍客戶，兩年半到四年之間配一次眼鏡的作為睡眠客戶，四年還沒有來配眼鏡的，這個客戶基本上流失了，而且這個配眼鏡還是配太陽鏡還是配近視鏡還是老花鏡呢，都有一些具體的聚類分群。

我們再看下一張片子，這個就是針對我們具體的聚類分群，我們開發(fā)的用于前端手機的大數(shù)據(jù)分析產(chǎn)品，這個在實際效果中比較好。比如說拿我的例子來說，原來驗光可能是七到八個緯度，有時候驗光寫在一張紙上，這張紙是輸?shù)较到y(tǒng)里還是隨手扔掉，我們也不知道，這種驗光之后可以接收到52個緯度的信息，而且在你結(jié)束驗光以后幾乎一分鐘之內(nèi)就可以收到。

這個信息里面的緯度，對我們用戶來講就可能會造成用戶的感動，為什么?比如說拿年齡大的來說，這上面就可以看得到，你哪一天到我們這兒驗光了，而且驗光的52個緯度信息，我們可以從手機上看到，看到有些視覺緯度到危險期的時候，短信上，手機的網(wǎng)頁上可以做提示，比如說你可能接近輕微青光眼的前期了，這種情況下會主動推送很多服務(wù)，比如說三個月之內(nèi)再給你免費做一次驗光，看看你這個視覺是不是變壞，這樣除了配鏡子以外，還要做一下健康的檢查。

這個對前端來說客戶就是比較滿意，而且客戶比較感動，這個我們在一個城市做試點的時候知道這個試點的效果還是比較好，但這個后臺就是做了大量的工作，大家看這張圖看出來，后臺推送手機短信，后臺有一個很大的CIC客戶互動中心，交互中心，交互中心會把這些數(shù)據(jù)都聚類起來，在后端是一個CM系統(tǒng)，然后底層有一個大數(shù)據(jù)分析的體系，這些體系的建設(shè)，而且內(nèi)部數(shù)據(jù)全部要打通，所有門店上的數(shù)據(jù)，驗光師上面的數(shù)據(jù)，以及交易上來的數(shù)據(jù)要全部打通，才能實現(xiàn)前端讓用戶感動的數(shù)據(jù)服務(wù)。

還有一個案例我要簡單說一下。這個項目我就簡單說到這兒，我們再看一個更大范圍內(nèi)的大數(shù)據(jù)分析的例子，這個不是一個店，這是一個大的購物中心，這個是我們所做的對于到購物中心128家店3月2號那一天十幾萬人消費者所有行為軌跡的分析，這一大型購物中心主要形成了一個用戶定義，形成了一個消費偏好，消費動機，消費行為，商戶對購物中心貢獻度，做了這幾個緯度的數(shù)據(jù)分析，靠這一天幾萬十幾萬人整個WIFI數(shù)據(jù)地址，他的整個軌跡數(shù)據(jù)，再配合紅外的數(shù)據(jù)，再輔助以門店的POS數(shù)據(jù)所做的綜合消費行為的分析。

大家從這張圖里能夠看到，在我們分析的125家商戶當(dāng)中，中間這個節(jié)點，就是大家去的最多的那個節(jié)點，給這個購物中心帶來最大貢獻的一個節(jié)點是一家 coldstone的店，最差的一家店是叫做(品拉照相)的店，coldstone的店對購物中心的貢獻比購物中心向它收的租金大幾倍甚至十幾倍，所以通過這個大數(shù)據(jù)分析，我們引導(dǎo)購物中心不僅僅通過傳統(tǒng)的收租金的一種方式，所以這種購物中心的費用收取模式的變革實際上是依據(jù)大數(shù)據(jù)分析的。

我再簡單說最后一個案例，這個案例是我們在做大數(shù)據(jù)分析項目里面比較艱難的一個案例，就是我們一個很新的嘗試，目前分析的領(lǐng)域還主要是面向終端用戶，這個已經(jīng)走到了B2B了，走到了B2B一個企業(yè)內(nèi)部的運營了，如果說前面對用戶的分析主要拉伸他的銷售，這個分析主要是要節(jié)約運營成本。

這是一家工程機械的企業(yè)，這個企業(yè)看到原來在我們前幾個項目來核心業(yè)務(wù)的梳理，端到端的梳理只有一條線，從前拉到后，這個企業(yè)里面，我們核心有五條線，因為這個企業(yè)的工程機械銷售還是比B2C的企業(yè)復(fù)雜得多，因為它不是一個簡單的現(xiàn)款現(xiàn)貨完成銷售的閉環(huán)，其實工程機械賣出去以后，銷售的一半還沒有結(jié)束，其實大量的業(yè)務(wù)流程是在后市場，服務(wù)、維修、退換貨，以及更重要的是整個租賃，以及風(fēng)控的環(huán)節(jié)。

我們整個對這家公司的業(yè)務(wù)，通過五個主業(yè)務(wù)緯度，對它的售前、售后、后市場風(fēng)控，進行了五個緯度業(yè)務(wù)數(shù)據(jù)的解讀，找到了520個業(yè)務(wù)的斷點，520 個業(yè)務(wù)斷點做了很多分類，對每個分類進行了大量的算法模型，通過算法模型找到了能夠讓它經(jīng)營斷點，這個斷點其實對于企業(yè)老板來說就是流血點，能夠讓流血點止血的一整套大數(shù)據(jù)分析和新的運營管理的解決方案。這個解決方案，我們的分析過程當(dāng)中，這些業(yè)務(wù)斷點一年造成了這家公司經(jīng)營損失大概1500多萬，通過我們數(shù)據(jù)分析所形成新的運營改善的方案，經(jīng)過去年實戰(zhàn)已經(jīng)有了2000多萬回收，這2000多萬業(yè)務(wù)經(jīng)營的改善，實際上就是凈利，這家公司的董事長對于這個項目是感到非常的驚喜，因為沒有想到他這么多年建的系統(tǒng)，其實系統(tǒng)是能夠看到數(shù)的，但是過去一直缺乏這么一個數(shù)背后的，能夠帶來業(yè)務(wù)改善的分析方法。

最后一張片子，我說一下我們大數(shù)據(jù)分析模型，這張片子其實是很有意義的，由于我們在傳統(tǒng)企業(yè)大數(shù)據(jù)分析走的相對早，而且我們在每做一個項目的時候都在積累我們的分析方法，因為很多項目其實對于我們來說也是很大的挑戰(zhàn)，所以我們逐漸開發(fā)出了一套“8+1”板塊，大概有48個組件，250多個模板的這么一整套大數(shù)據(jù)分析增值分析的模型，由于還不可能無償向大家開放，所以我們這里舉個例子。在我們一級結(jié)構(gòu)，就是大數(shù)據(jù)分析模型從第零步，一直到第八步，二級就是分成的板塊，比如說第六步，就是大數(shù)據(jù)挖掘算法測試開發(fā)和發(fā)布，第七步就是交互設(shè)計與系統(tǒng)開發(fā)的SaaS，第八步就是上線內(nèi)測公測，集成、連條、持續(xù)運營，這涉及到系統(tǒng)。在第六步的第三個層級，就是模塊的層級，大家看到有這么七個模塊，到底怎么去端到端的梳理業(yè)務(wù)，建立關(guān)鍵的閘口點，以及結(jié)合用戶的業(yè)務(wù)策略，來制定從業(yè)務(wù)角度考慮的數(shù)據(jù)的重要緯度，因為數(shù)據(jù)并不是同等的，我們把數(shù)據(jù)前后可能分成五個緯度，最重要的緯度拿五個星來表示，然后比如再往下走一步，就是調(diào)度引擎會根據(jù)配置的任務(wù)進行作業(yè)的調(diào)度形成相關(guān)的數(shù)據(jù)，然后做數(shù)據(jù)的標(biāo)準化的變量選擇與轉(zhuǎn)換，這都是比較技術(shù)的語言了。復(fù)雜數(shù)據(jù)模型到多重算法的技術(shù)建模，這個說老實話我也不懂，這是我們大數(shù)據(jù)分析團隊，尤其是大數(shù)據(jù)科學(xué)家他們專業(yè)的任務(wù)。對應(yīng)的模板大家看就是下面有一張對應(yīng)的模板，這是我們整個大數(shù)據(jù)分析方法，這個方法使我們對各種類型的企業(yè)，尤其對2C的企業(yè)，在你企業(yè)積累了相當(dāng)?shù)臄?shù)據(jù)，而且不知道怎么用的情況下，這是一個很大的幫助。

我昨天接觸了一個做游戲的一家公司，這家公司其實也積累了大量的數(shù)據(jù)，尤其是VIP會員的數(shù)據(jù)，但是為什么會員會上來打游戲，或者為什么這段時間不來，或者是哪些會員流失了，因為他的VIP會員是他銷售的90%，現(xiàn)在完全很茫然，完全不知道到底背后是哪些原因造成他們這些行為，所以現(xiàn)在他們對我們大數(shù)據(jù)分析模型方法很感興趣，這就是一個具體的例子。

我今天的介紹，關(guān)于大數(shù)據(jù)分析，如何給企業(yè)帶來實際，或者銷售收入的增長，這里面表明為會員復(fù)購率的增長，或者是對一個企業(yè)運營成本的節(jié)約，這是節(jié)約的效率，一個是開源一個節(jié)流，我做了兩個案例分析，在分析以前對整個大數(shù)據(jù)提出了我的看法，所以我今天跟各位的交流就說到這里，首先謝謝各位，歡迎下面繼續(xù)討論。

今天會議的主持，我集中關(guān)于大數(shù)據(jù)落地匯報就說到這里。

問答精選：

提問：我們是快消品廠家，目前主要是通過第三方平臺做toc，這方面可以做第三方平臺的大數(shù)據(jù)分析嗎?

回答：有一位朋友提到了，他們是快銷品廠家，目前用的第三方的平臺，我想問一下第三方平臺是不是指淘寶天貓的平臺?如果是淘寶天貓平臺，其實關(guān)鍵在于你能不能獲取到天貓的數(shù)據(jù)，以我過去參與電商的經(jīng)歷，你是很難獲取到天貓的數(shù)據(jù)，因為淘寶天貓本身就有大數(shù)據(jù)產(chǎn)品，他們本身就是靠這個賺錢的。

提問：當(dāng)業(yè)務(wù)部門還熱衷于傳統(tǒng)模式運營，不接受數(shù)據(jù)分析運營時怎么辦?

回答：這個說明現(xiàn)在這個傳統(tǒng)企業(yè)活得還不錯，其實分析不分析，對他來說銷售很好，毛利很高，這個時候他沒有痛點或者你還沒有找到他的痛點，對用戶還沒有洞察的需求，其實也無所謂大數(shù)據(jù)分析。業(yè)務(wù)部門熱衷于傳統(tǒng)模式的運營是因為傳統(tǒng)模式還能夠給業(yè)務(wù)帶來利潤。業(yè)務(wù)不會天生對大數(shù)據(jù)感興趣。還是找到業(yè)務(wù)的痛點：1.要么大數(shù)據(jù)如何對業(yè)績提升做出貢獻;2.要么對成本降低做出貢獻;業(yè)務(wù)嘗到甜頭后，自然會感興趣。畢竟業(yè)務(wù)對大數(shù)據(jù)技術(shù)是不精通的。

提問：大數(shù)據(jù)分析，在對于質(zhì)量提升方面有什么案例嗎?

回答：有一位朋友提到了對于大數(shù)據(jù)分析對質(zhì)量的提升，這個實際上項目是沒有具體做過，但是因為我過去在企業(yè)管理里面長期是對全面質(zhì)量管理感興趣，其實我個人認為，其實基于質(zhì)量的全流程質(zhì)量追溯，尤其責(zé)任追溯，從前端質(zhì)量的投訴一直到后面門店，或者是銷售，或者是制造，以及到供應(yīng)商的供應(yīng)這一連串質(zhì)量的追溯，其實這里面如果這個數(shù)據(jù)能實現(xiàn)閉環(huán)的話，其實我是建議這個質(zhì)量追溯的大數(shù)據(jù)分析模型還是很有意義的。

而對于這個模型，我的想象只要對每一個追溯的節(jié)點，你數(shù)據(jù)都能夠獲取，包括這個數(shù)據(jù)獲取我個人想象是多維度的，比如從質(zhì)量檢測儀器上獲取的數(shù)據(jù)，從計量儀器上獲取的數(shù)據(jù)，包括從質(zhì)量管理組織獲取的數(shù)據(jù)，包括索賠的數(shù)據(jù)，以及供應(yīng)商分批次質(zhì)量問題數(shù)據(jù)，如果這些都獲取來的情況下，其實完全可以建立一個比較精準的大數(shù)據(jù)分析模型，這個方法其實我們可以做深入的溝通。