El enfoque correcto para extraer el valor de big data

El enfoque correcto para extraer el valor de big data

Cómo extraer el valor de los datos en combinación con formularios comerciales en datos masivos es la máxima prioridad de big data.

Si buscas un sinónimo de negocio de futuro, “big data” es sin duda uno de ellos.

El mercado de capitales y las empresas han comenzado a "apostar" por esto desde 2011 hasta ahora, el gran impulso del concepto de big data no se ha debilitado y las aplicaciones comerciales han ido surgiendo gradualmente en la industria. Caso típico. En 2000, sólo una cuarta parte de los datos mundiales se almacenaban en formato digital. Siete años después, más del 90% de los datos eran digitales. y la cantidad total de datos también está aumentando. Según la organización de investigación de mercado IDC, la tasa de crecimiento anual de los datos globales se mantendrá en alrededor del 50% en el futuro. Los datos globales totales en 2020 serán 22 veces mayores que los de 2011, superando los 40 ZB (equivalentes a 4 billones de GB). , China representará aproximadamente el 21% del mundo y el volumen de datos alcanzará los 8,6ZB.

Los diversos dispositivos de hardware inteligentes actuales, especialmente los teléfonos móviles sin los cuales nadie puede vivir todos los días, lo están digitalizando todo, pero esto no significa que todos los datos sean útiles si los datos no se pueden convertir en valor. Incluso si es así, no importa cuántos datos haya, es inútil. Además, desde una interpretación literal, big data significa una gran cantidad en términos de conceptos de pensamiento, pero también significa una diversificación de tipos de datos. “El formulario de descripción de datos no se limita a descripciones de texto, sino que también incluye gráficos, audio y vídeo y otras formas, desde datos estructurados en el pasado hasta datos no estructurados".

“Además, el big data es fluido y debe tener el concepto de línea de tiempo, es decir, el crecimiento de los datos es rápido, la velocidad de procesamiento es rápida, la puntualidad es alta y definitivamente no son datos estáticos; "Es valor, cómo combinar cantidades masivas de datos con formularios comerciales para extraer valor de los datos es la clave para el big data", dijo Tang Qing a "World Manager".

Cuatro áreas principales del análisis de big data

En opinión de Tang Qing, un punto muy importante para el desarrollo de una empresa es responder a la pregunta de toda la producción empresarial, es decir, cómo generar valor. Desde la perspectiva de los escenarios comerciales, es así como las empresas generan valor a través del análisis de datos en procesos comerciales clave. Desde el punto de vista del análisis, si el análisis parte de cantidades simples y pequeñas de datos, el efecto del análisis logrado será limitado, por lo que se debe realizar un análisis de datos a gran escala y el análisis debe realizarse de manera muy fluida; entorno de datos, llamado Hay dos niveles de flujo, uno es la diversificación de datos y el otro es la eficiencia del análisis de datos, lo que requiere que las empresas lleven a cabo una integración de datos efectiva.

Además, un punto muy importante es el análisis de múltiples tipos de datos, que implica el análisis de fuentes de datos y datos de texto, así como la ruta del cliente en el proceso de uso de productos y servicios. Tang Qing tomó como ejemplo la apertura de una tarjeta bancaria. Cuando un cliente abre una tarjeta bancaria, también debe realizar un seguimiento de su consumo, por ejemplo, si ha adquirido otros préstamos a plazos y otras vías de comportamiento. La razón por la que se llama análisis de tipos múltiples es que puede analizar datos de diferentes fuentes, como sus diversas relaciones sociales y su trayectoria de consumo.

“Desde la perspectiva del cliente, es muy importante preocuparse por la experiencia emocional del cliente, en lugar de tratarlo como una identificación”. Tang Qing enfatizó que hoy en día las empresas están muy socializadas. sobre quién está relacionado con el cliente, quién es la familia, el jefe y el colega del cliente, y quién puede influir en la decisión y el comportamiento de compra del cliente.

Para aprovechar el valor del big data, las empresas de big data necesitan saber quién es el cliente, cómo perfilarlo bien y capturar toda la información sobre este cliente y sus canales de información. Pero es más fácil decirlo que hacerlo. Tang Qing resumió tres desafíos principales, que también son desafíos que enfrentan todas las empresas de análisis de big data:

Primero, las capacidades comerciales, ¿comprende bien los escenarios en el campo empresarial? A la hora de analizar, ¿en qué escenario de negocio se deben realizar mejoras? Por ejemplo, en el caso de las tarjetas de crédito, ¿deberíamos analizar la pérdida de tarjetas o la venta cruzada en profundidad de tarjetas? También existen los riesgos de emisión de tarjetas y problemas crediticios temporales. ¿En qué escenario empresarial deberíamos analizarlos?

El segundo es la presión sobre los recursos humanos. Actualmente, todas las empresas se enfrentan a este problema, es decir, si pueden contratar talentos excelentes con salarios razonables.

El tercero es el conocimiento. ¿Cómo pueden las empresas tener buenos conocimientos a nivel operativo y de ejecución?

Observando las aplicaciones de big data de tres industrias típicas

Tang Qing tomó las tres industrias de servicios típicas de finanzas, aviación y entrega urgente como ejemplos para demostrar la aplicación de big data en el industria. Zhang Tianfeng, director del departamento de servicios de consultoría de la sede de Tianrui en Beijing y del equipo financiero del norte de China, también señaló en la entrevista que big data es en realidad un medio, y lo que es más importante es cómo hacer que big data sirva al negocio.

La industria financiera se enfrenta ahora al desafío de la transformación. En el pasado, los productos de esta industria debían mejorar la eficiencia de las empresas orientadas al cliente, como los bancos. Parece que se gana mucho dinero, pero ¿puede atraer clientes? Vamos, este es un gran desafío y hay que analizarlo desde la perspectiva del producto y del cliente. Tang Qing cree que a CITIC Bank le está yendo relativamente bien en la industria financiera en lo que respecta a la aplicación de big data. Anteriormente, la reunión del presidente de CITIC propuso el objetivo de una segunda transformación, que es centrarse en los clientes, optimizar todo el sistema de marketing. y realizar operaciones centradas en el cliente.