作者：于久贺
出版社：人民邮电出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
小数据 玩转数据与精准营销(互联网+时代企业管理实战系列)试读：
前言
当前，粗放式经营时代已经成为了过去，精细化经营时代正在来临，并将成为未来企业经营的一种潮流和趋势。进入大数据时代，越来越多的企业在关注并且实施精细化经营的过程中，也十分注重小数据的应用。
在过去，粗放式经营往往对用户进行粗略的分类，并且对用户的关注侧重点放在了感性的且仅限于表面的满意度上，对于用户的真实需求和需要方面给予的关注度远远不够；另外，粗放式经营对于市场变化并不敏感，对当前的热点缺乏预见性；粗放式经营模式没有注意对用户资料的收集、分析，为了维持和提高市场占有率，虽然增加了市场投入，但是对投入产出之间的不平衡并不清楚，没有办法保证企业效益。这样企业效益增长变得缓慢。在这种对目标市场没有清晰认识的情况下，企业极易受到竞争对手的攻击。
但是，大数据时代的精细化经营就大不相同了。基于大数据的精细化经营，考虑的是用户的价值有多大、用户的购买行为是什么、用户的购买态度是什么、用户的购买需求和要求是什么、推动用户需求和要求的背后原因是什么，通过对用户行为大数据和用户心理小数据的收集、分析，能够真正洞察到用户的真实需求和需要，之后把企业产品的价值主张与用户需求进行完美结合，这样企业和用户之间的关系就更加紧密，用户就会成为企业的忠实粉丝，这样不但挽留了用户，还增加了用户的黏性。这也正是大数据时代精细化经营的意义所在。
此外，大数据与小数据的结合，以互补的形式作用于精细化经营的应用之中，促进了精细化经营的实现。在大数据和小数据的共同作用下，精细化经营解决了粗放式经营所解决不了的问题，即到底谁是企业真正的目标用户、为企业用户提供什么样的产品、通过什么样的手段和渠道为用户提供产品，将这些基于大数据和小数据的精细化思想应用于企业重整经营业务环节之中，必将为企业的精细化经营带来更多的利润和价值。
本书将教你如何在大数据时代应用大数据和小数据来进行精准细分市场，冲击领域第一，组建数据分析团队，打造营销铁军，集中优势兵力，实现精细化经营。本书一共分为7章。
第1章概述大数据时代，未来的商业财富源于数据。
第2章详细阐述什么是小数据、小数据产生的原因以及未来的发展前景、小数据可视化、小数据的价值、小数据与大数据的区别等，帮助读者详细认识小数据。
第3章主要介绍在大数据时代，小数据在企业精细化管理中的各种应用。
第4章分析了小数据在探索市场精细化分以及精细化营销中的应用，并且讲述了小数据在电子商务企业和中小微企业精细化营销中的应用。
第5章讲述了大数据时代，小数据在精细化运营中的应用。
第6章分析了小数据思维在企业制定品牌营销策略中的应用。
第7章从各领域出发，通过对小数据在企业实现精细化经营中的应用案例进行分析，更加清晰、透彻地了解各领域是如何在精细化经营中玩转小数据的。
本书理论知识与实战经验兼备，可读性强，且通俗易懂。我希望本书可以帮助更多的企业在大数据时代学会利用小数据来推动精细化经营的实施；对于营销工作者而言，本书对其工作能力和业绩的提升也大有裨益。第1章未来的商业财富源于数据
对于很多企业主而言，财富是他们争相追求的主要目标，是生存和发展的唯一目标。或许在以前，这种思想还能够带领企业继续在市场中生存，但是在大数据时代，这种思想已经行不通了。所谓“得数据者得天下”，拥有数据，并合理利用这些数据中蕴含的价值，就可以坐拥天下，那么必将使市场中的绝大多数财富拥为己有。因此，我在这里可以毫不夸张地说，未来的商业财富掌握在拥有雄厚数据实力的企业手中。1.1 万物皆数据化，商业也不例外
当前，大数据成为当下的新晋话题，大数据的出现改变了企业的营销方式和人们的生活方式，更重要的是改变了人们看待世界的方式。人们用大数据来描述定义信息爆炸时代所产生的海量数据，诸多与其相关的技术发展和创新产品的命名也与大数据有关。
与此同时，物联网技术也得到了全面发展和应用，大量传感器、RFID[1]也被广泛应用到各种物品当中，从而给世界带来了巨大的变化，使得万物都得以数据化。换句话说，即万物的本质都是数据，而数据也将彻底改变我们所处的整个世界。
在这个万物皆数据的时代，所有的文字都变成了数据，所有的图片视频也都变成了数据，所有的方位也都变成了数据，所有的沟通也都变成了数据，万事万物都可用数据表示，商业也不例外。1.1.1 文字数据化
信息化进程加快，必然导致需要存储和传播的信息种类越来越丰富，越来越多元化。因此，传统的藏书楼、阅览室、图书馆势必不能胜任这一巨大的信息存储任务，在这种情况下，一种全新的数字图书馆就问世了，它通过一根网线就解决了人们的阅读需求。数字图书馆具有存储量大、占据空间小且图书不易损坏、信息方便查阅、同一信息可以多人同时查阅、信息查阅检索方便快捷、不受地域限制等特点。
我国国家图书馆为了全面实现图书馆的数字化，目前已经建成的非机构数据存储量达到了800TB。考虑到数据的安全性和稳定性，目前国家图书馆的数据大多是以光存储为主。一方面，光存储本身具备离线存储数据的功能，与我们通常使用的硬盘相比较则更加稳定，不易受到外界因素的破坏；另一方面，这与我国国家图书馆部署的大数据战略相契合。
考虑到我国未来图书馆的大数据战略，国家图书馆设计了一个“缩微中心”，即一个以胶片为存储介质的数据存储中心。缩微胶片通过相关技术手段，可以将胶片上的数据数字化，这样就可以十分便捷地与互联网进行对接，然后将数据用来传播利用。
但是，数字图书馆也有一定的局限性。当我们不知道在哪本书上可以找到所需信息的时候，数字图书显得束手束脚，我们唯有在浩瀚的信息中寻找自己所需要的片段，但是这种方法会比较耗时。这时候，数据化文本会为我们解决这个问题。谷歌为了实现数据化文本，专门研究和开发了这样的软件工具，该软件使用能识别数字图像的光学字符来识别文本的字、词、句以及段落，这样，以前的数字化图像就转化为了数据化文本，为我们阅读或者查找带来了很大的便利。
一旦将文字转变为数据，那么其中所体现的价值是相当惊人的。我们既可以利用数据化的文字进行阅读，也可以通过数据分析工具对其进行分析。谷歌作为大数据公司也同样知道其中隐藏的巨大价值，因此就用数据化的文本来改进其机器翻译服务。1.1.2 方位数据化
目前，人们出行已经习惯于用手机查找地理位置和路线，并且喜欢依据导航来驾车，但是地图里的方位信息都是如何精确地复刻在地图里的，地图又是如何对地理位置的变化做出实时调整的呢？
其实，手机地图和导航能够如此神奇，还得归功于大数据，需要采集和制作底层地图数据才能完成。
对于地图厂商来讲，底层数据才是地图的核心。如果没有数据的话，即便是拥有再好的服务也是无济于事的。高德地图的数据都来自高德数据生产基地，在这里完成数据采集和制作等一系列流程。高德地图数据生产链包括数据的发现、数据的采集、数据的处理和数据的发布。首先在信息发现阶段，高德地图主要利用包括情报搜索平台、卫星影像自动识别、用户使用反馈以及浮动车等多种方式来搜索信息。接着是进行实地数据采集，高德地图采用两种方式：一种是车采，用来记录道路的行驶规则、方向、限速、路口形状、行车引导线等信息，数据采集车配有全景摄像头、激光扫描仪和测距传感器等，不同的设备都具有不同的功能，待各种数据采集完成之后就将数据信息实时传送到车载数据系统里；另一种是步采，用来收集详细的地理位置兴趣点信息，包括楼宇、商场、影院、学校等，采集员利用一部具备设想功能以及搭载数据采集系统的采集器，步行到达需要采集的地点，拍照、记录等就可以完成采集，并根据实际情况对采集的数据进行选择处理。
从高德地图的制作流程上不难发现，无论是采集还是处理，每个环节的工作都离不开数据的支持，人们在使用导航的时候也离不开系统对数据信息的充分分析，以此有效判断路况的实时变化，由此可见，方位已经被数据化了。
毋庸置疑，当下数据化实时位置信息已经在人们的日常生活中有了极为广泛的运用，且效果极为显著，也正是依赖于这些地理位置数据信息的收集、分析，无线运营商的移动互联网的服务水平才有了很大的提升，也使得广大用户的出行安全有了强有力的保障。
全球知名的UPS快递公司当前就是多效利用地理位置数据来展开快递工作。为了能够使总部及时跟踪那些出现晚点的车辆的位置以及预防故障的发生，UPS快递公司在其货车上全部安装上了传感器、无线适配器和GPS。同时，这些设备也给公司的监督管理员进行车辆行车路线的管理工作带来了极大的便利。通过将地理位置数据化后，UPS的驾驶员们较以前每年少跑近4828万千米的路程，不但降低了油耗，还降低了二氧化碳的排放量，更重要的是提升了工作效率和安全性能。
近几年，数据化实时位置信息的应用是十分广泛的。例如，众多无线运营商也开始通过收集用户的位置数据化信息来提升移动互联网的服务水平。并且，这方面的数据还被更多地应用在其他方面。另外，第三方也开始注意到数据化实时位置信息的巨大潜在价值，利用这些数据来为其提供全新的服务。一些智能手机的应用程序就是利用其定位功能来收集用户的位置信息的。
总之，收集而来的用户方位数据信息可以为人们带来更大的商业价值。根据对某一手机使用者的居住地点和他每天要去的地方进行数据预测，就可以为他提供更加符合其需求的定制型广告；通过方位数据可以预测交通情况，许多数据服务商利用位置数据为城市提供实时交通信息。这些是过去人们不能想象的，但是方位数据告诉你，这些都已经成为了现实。1.1.3 沟通数据化
人与人之间进行沟通，如今已经不再是传统的语言沟通，互联网的出现使得人与人之间的沟通升华到了一个更高的层次，那便是社交网络沟通。借助社交网络平台不但可以寻找到新朋友、维持老朋友，更重要的是可以将人们的日常生活元素转化为其他用途的数据。知名的社交网络平台Facebook目前拥有超过15.5亿用户，这些用户每天上传大量图片、视频、文字等数据信息。与此同时，Facebook本身也拥有大量的数据信息，但是这些数据信息往往仅被看作信息，而并没有被定义为数据。随着Facebook拉开了其搜索产品背后的一些技术细节的帷幕，“社交图谱”诞生了，以往的图片、视频等信息才被正式鉴定为数据。由此，这便意味着，用户在Facebook上进行社交活动时，人与人之间的沟通都与数据有关，实现了沟通的数据化。
当然，沟通数据化的潜在价值应用于实际情况中也是非常多见的。像Facebook就是一个应用沟通数据化进行商业营销的典型例子。当前一些消费者信贷领域的创业公司已经与Facebook联手开发社交图谱为依据的信用评分。如知名的信贷评分系统FICO，利用15个变量预测单个借贷者是不是具有一定的偿还债务的能力。一家高额风险投资的创业公司统计发现一条非常显著的规律，那就是：个人是否具备偿还债务的能力或者能够偿还债务的可能性，实际上与其朋友是否具备偿还债务的能力或者能够偿还债务的可能性成正比关联关系。这里实际上印证了古人的一句话：物以类聚，人以群分。由此看来， Facebook也可以成为下一个FICO。从这个调查统计中，我们不难发现社交媒体上产生的大量数据实际上也具备一定的商业价值，可以实现商业的腾飞，这样的价值远远高于Facebook上的图片、文档的上传和分享所给人带来的巨大价值。
实际上，只要我们善于观察，就不难发现诸多这样的沟通数据的价值应用实在是举不胜举。在沟通过程中，无论是想法、情绪（犹豫、快乐、生气、害怕等）都可以被数据化，并且在具体案例中应用。在以前，这些都是没法实现的事情。1.1.4 万物数据化
随着互联网、云计算、物联网技术的不断发展，再加上智能设备层出不穷，对于一些事物，我们都能够从其表面发现其本质，这也就是人类生活行为数据化的体现。万事万物数据化可以换个角度理解为我们身处在一个数字网格之中，这个环境会产生海量的信息，在这个数据和信息的海洋中，不论是人还是物都可由数据表示。
诚然，无论是文字、方位、沟通还是其他所有的万事万物都离不开数据，在这个万物皆数据化的时代，数据就是资源，就是财富。1.1.5 商业数据化
全球知名的咨询公司麦肯锡最早提出了大数据的概念：“大数据是指其大小超出了典型数据库软件的采集、存储、管理和分析等能力的数据集”，并认为“数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和应用促使了新一波生产率增长和消费者盈余浪潮的到来。”
麦肯锡的这句话实际上不难看出，在这个万物皆数据化的时代，与生产率增长和消费者盈余相关的商业也必将被数据所代表。这也正是数据价值的全新用途。既然在大数据时代，商业也被数据代表了，那企业的营销就必然与数据有着不可割舍的关系。
沃尔玛公司可以说是在零售业领域中第一个意识到商业被数据代表的时代即将来临的企业。发现了大数据优势之后，沃尔玛就非常迅速地利用计算机建立了自己的数据库，以及大数据工具Retail Link。沃尔玛利用这个工具将其生产链、经营链和销售链都捆绑在一起，使得供应商、零售商在尽可能短的时间里就能清楚地了解到沃尔玛的销售状况以及库存量，并根据了解到的情况及时作出决策，从而使得管理和营销成本大幅降低，而且还将沃尔玛的员工和供应商紧密联系到一起，使得工作效率有了很大的提升。其实，总结一下沃尔玛的营销策略，不难发现，沃尔玛其实是巧用数据库和数据处理来提高数据在各部门、各体系的关联性，用数据来维系企业的各个经营管理环节。这样，就使得生产到管理到销售整个供应链环节都能更加紧密地联系在一起，使得生产效率和利润大幅度提升。
另外，再从影视行业来看，很多电影票房大卖，也是与大数据有直接关系的，例如，《小时代》连拍了4部，每部都能够获得高票房，关键是片方明白一个道理：营销电影需要策略，需要精准的市场打法，这正是大数据带来了精准化营销，《小时代》系列才能够屡创票房新高的原因。《小时代》的投资方乐视影业在进行投资前，就已经对同名原著在网商的点击量、读者的身份特征等数据进行了调查并进行分析和整理，将观众分成了核心圈、第二圈、第三圈3个部分；此外，还对以往观众对同类影片播放后的反映等做了数据分析。最后，乐视影业利用所用调查、分析、整理出来的数据说服了院线排片。
由此可见，在这个万物数据化的时代，整个商业也被数据代表了。1.2 数据最有话语权，无数据不营销
在以前，我们想方设法地想得到数据，如今数据无处不在，一些表面看似无关紧要的数据，一旦将其串联起来，就能带来巨大的商业价值和展现魅力。更重要的是，在过去，我们是有需要的时候才会想起用数据来论证方法的可靠性、可行性，而如今我们可以利用数据对未来可能发生的事情进行预测，这正体现了数据的权威性，也使得数据成为最有话语权的“权威者”。数据可以说在任何一个领域都具有极高的话语权，尤其是商业领域，可谓是达到了无数据不营销的境界。
我们来看一下数据话语权在商业营销中心的应用价值。1.2.1 对用户群体进行细分
通常，企业在进行营销的时候都会将用户群体按照其属性、行为、需求、偏好、价值等进行细分，并根据不同用户细分的特点提供有针对性的产品、服务和销售模式。然而，这些用户群体细分也都与数据有关，数据决定了细分类型。
我在日常的工作中发现，利用数据细分用户，站在数据挖掘的角度来看，可以将细分过程分为事前和事后两部分。所谓事前数据挖掘实际上就是对目标值的预测，而事后数据挖掘则是发现未知领域或具有不确定性的目标。事前常用的算法有决策树[2]、线性回归[3]，事后常用的算法有聚类分析[4]、对应分析[5]等。
利用大数据进行用户细分的步骤具体如图1-1所示。（1）用户特征细分。将用户按照特征细分，要充分掌握每个用户的社会和经济背景相关的数据信息，包括所处区域、年龄、性别、经济收入、受教育程度、个人生活形态、购买动机、品牌忠诚度等方面的数据；然后根据所收集到的数据进行分类和整合，实现用户特征细分。（2）用户价值区间细分。每个用户都可以给商家带来不同层次的价值，有的用户可以持续不断地为商家带来巨额利益，而有的用户则可能价值贡献极小。因此就要根据用户的消费情况，如用户影响力、用户利润贡献、用户忠诚度、推荐成交量等各方面的数据，通过分析之后来细分用户价值区间，例如，将用户分为大用户、重要用户、普通用户、小用户等，从而锁定高价值用户，达到让20%的用户产生80%的利润的目的。图1-1 利用大数据进行用户细分的步骤（3）用户共同需求细分。将用户进行细分之后，将最有价值的用户作为最终的目标用户，然后收集这些用户的需求数据，并进行归纳，以用户需求为向导来精确定义业务流程，为每个细分市场提供更加能够满足用户需求的营销组合方式以及产品。（4）选择细分的聚类技术。企业根据不同的数据情况和需要，在进行用户细分的时候选择不同的聚类算法，常用的聚类算法有神经网络等。对收集到的数据进行转换，使其能够支持数据模型的格式，通常将这个过程称为数据的初始化和预处理。（5）评估细分结果。在对用户进行细分之后，并不是所得到的每个细分群体都是非常有价值的群体，这时候就需要对其分别进行检测，检测的主要目的包括：业务相关性是否极高？可理解性是否容易特征化？是否利于开展独特的宣传活动？等等。
大数据可以帮助企业有效地进行用户细分，之后对每位用户进行量体裁衣，提供有针对性的产品和服务，这是能够提高企业精细化营销的有效途径。1.2.2 模拟实际环境
大数据可以用来模拟实际环境，从而更好地发掘用户新的需求和提高企业投入的回报率。现在，很多企业在生产产品的时候都会装有传感器，利用虚拟与现实相结合的方式模拟实际环境、感知用户需求以及自然技能等。自然技能实际上就是人的头部、眼睛、手或其他部位的动作，由计算机来处理与参与者的动作相对应的数据，并对用户的输入动作做出实时响应，将数据分别反馈给用户的感觉器官。
当前，美国已经在这方面取得了非常可喜的成绩。美国正在利用大数据技术来模拟、解读并且有效演示气候的变化情况。大数据在气候方面的研究领域，主要是借助传感器（包括太空中的遥感卫星和地面传感器）来收集大量的数据信息来实现的。利用这些传感器可以为气象中心实时提供地球上的天气、植被、海洋、冰层、降水、风力等许多变量信息。之后通过对这些数据建立仿真模型，利用仿真模型来预测未来的天气情况，甚至可以预测到未来几十年到几百年的气候情况。利用这种基于大数据信息的仿真模型，可以达到很高的垂直分辨率，这也就意味着可以在大气层中进行更多的建模，同时，如果出现预测偏差，还可以在几分钟或者几小时内做到准确修复和矫正，并且利用大数据的可视化效果通过图像的方式呈现给观众。
利用大数据来模拟实际环境，与传统的产品生产有以下的本质区别，如图1-2所示。（1）多感知性：除计算机通常所具有的视觉感知以外，大数据还赋予了听觉、触觉、运动、味觉、嗅觉等诸多方面的感知功能。（2）存在感：在模拟用户实际购买使用的环境中，能够真真切切地感受到用户的存在，并达到了真假难辨的程度。（3）交互性：模拟用户在使用产品的环境下，产品的可操作性可以在模拟环境中得到反馈。（4）自主性：模拟环境中的产品按照现实世界的情况来自主运作。图1-2 大数据在模拟实际环境中的应用特点
基于大数据的作用，这些特点在模拟实际环境中更加凸显。大数据在模拟产品运营的不同阶段都有所应用。
首先，在产品设计阶段，为了让产品更加符合消费者的需求，企业通常会收集产品使用情况和用户反馈数据，然后将产品放在模拟实际环境中，结合收集到的数据进行观察和分析。这个模拟环境就是利用大数据搭建的，通常借助头盔显示器和数据手套等与产品进行交互。这样就可以通过用户反馈的数据明确了解真正的需求，从而发现不足之处，再进行修改和完善，使产品达到最优化的效果。
其次，在制造设计阶段，通过计算机中收集的数据来模拟产品的装配过程，对装配结果数据进行对比分析和评估，模拟装配代替了实物装配，有效地完善了产品装配的工艺，与此同时也缩短了产品研发的周期，避免了原材料的浪费，降低了研发成本。
再次，在产品测试阶段，在模拟实际环境的情况下，产品的测试不需要在生产实体模型后进行测试，而是在产品开发的不同阶段就可以对数字化产品进行测试，从多层次、多角度对其进行数据测试和修改。
最后，在产品推广运营和用户体验阶段，利用模拟网购与产品推广运营以及用户需求数据相匹配，检测产品是否能够达到用户的预期。
自我国《中国制造2025》战略颁布以来，全国加大了仿真技术在生产制造中的应用。因此，仿真技术也成为当下工业制造智能化、信息化转型过程中的首个创新体现。仿真技术为验证产品质量方面提供了方便。产品质量直接影响产品使用的安全性，更会影响到用户的人身安全，因此，诸多产品设计都会在安全方面进行认证。在汽车进行正面撞击实验的过程中，为了极大地降低试验成本，通常要用到仿真技术，如通过C-NCAP100%正碰分析、C-NCAP 40%偏置碰分析、追尾碰撞分析、行李位移乘员防护装置性能分析等来模仿整个实验的过程，以获得真实、精准的数据，进行查漏补缺。这样既省去了物理样机测试所需的物质和时间成本，又能够优化生产流程，极大地提高生产效率。
大数据时代，企业生产运营方式发生了巨大的改变，数据的模拟实境在产品设计、生产规划、生产实施、用户体验等各个环节，都是按照用户需求数据有所应用，一方面可以通过模型模拟来判断不同变量的情况下何种方案投入回报最高，另一方面也充分体现了用户需求数据的最高话语权，体现了现代企业无数据不营销的特点。1.2.3 提高回报率
在商业运营中，企业利用大数据在各个部门之间进行分享，还可以提高整个管理链条和产业链条的投入回报。大数据分析能力强的部门可以通过云计算、互联网和内部搜索引擎，把大数据成果与大数据分析能力比较薄弱的部门分享，帮助其利用大数据分析技术创造更大的商业价值。
2015年9月，全球领先的大数据分析和营销应用服务供应商Teradata公司联合麦肯锡公司发布了一项全球性报告，该报告深入揭示了当前六大行业大数据分析计划的实施情况，并且清晰地展现出大数据计划对企业文化与实践的影响，揭示该大数据计划所面临的挑战，更重要的是对大数据投资的商业价值给予了极大的肯定。该报告是通过用《福布斯观察》设计的问卷调查的方式，面向全球领先企业的316位数据分析师以及IT高级决策者进行调查得出的结论，这些受访者中绝大多数人对大数据分析不仅进行了大量的投资，而且从中获益显著，即获得了极大的投资回报。在所有的大数据投资类型中，大约90%的企业投资达到了中高级水平，大约有1/3的企业认为他们的投资是非常有必要和重要的。另外约2/3的受访者认为大数据分析计划已经对企业营收产生了重大的实质性影响。
的确，我根据在这方面的调查，发现大数据分析技术帮助企业逐步实施大数据项目的影响力是显而易见的，也是让人振奋的。企业对大数据分析技术进行投资，所获得的实质性影响是非常巨大的，因此获得的回报也是相当可观的，可以说大数据分析是企业获得竞争优势最重要的一条途径。
数据微观察《福布斯观察》杂志社是福布斯传媒（Forbes Media）旗下的战略研究和思想领导力实践部门。该杂志以及Forbes.com网站所涵盖的福布斯综合媒体资源每月能够为覆盖全球大约7500万商业决策者提供建设性服务。《福布斯观察》利用福布斯社区的高管专属的数据库，面向全世界的企业高管、资深营销专家、小企业业主以及有志成为领导的人们，对他们所关注的诸多具有研究性的话题，以及与财富创造和管理相关的问题与趋势等全方位展开思想洞察。
但是，要想通过大数据获得最大的回报率，还需要做到以下4点，如图1-3所示。
首先，高层的全力支持是至关重要的。高层是否支持企业利用大数据分析技能来提升回报率，在整个企业的发展过程中起到决定性作用。没有高层的资金和技术支持，很难扫清障碍以及获得企业竞争优势，回报率更无从谈起。
其次，聘请有经验的大数据专家。目前，数据科学家是非常短缺的，企业要想从大数据分析着手、发掘大数据的巨大商业价值，离不开数据科学家的帮助，因此，聘请有经验的数据科学家是企业提升回报率非常有必要的一步。
再次，技术要达到成熟阶段。当前，大数据分析还处于初级阶段，只有训练有素的数据科学家大力研发大数据分析技术，企业才能更加灵活地运用数据解决更多的问题。图1-3 大数据获得最大回报率的4点要求
最后，数据能够得到充分利用。很多企业在投资大数据项目的时候，并没有结合特定的、可预见的业务应用，从而使得IT部门积累了大量数据，这些数据中有很多是可以帮助数据科学家和商业分析师为企业服务的，然而却被闲置，没有起到其应有的作用。
小米是一家基于大数据的互联网企业。小米在整个运行过程都离不开大数据的支持，一方面，小米董事长雷军非常重视大数据的使用，全面支持企业运转的每个环节充分利用大数据的价值，在产品研发之前就对粉丝需求数据进行全方位的收集，并经过分析、整理，按照粉丝需求数据进行生产，尽全力将产品做到极致美。不但如此，小米还聘请了专业的数据分析师，对当前的用户需求、市场走向、竞争者动态等进行全方位的数据收集，为企业制定具体的、精准的营销决策打好基础。这也是小米能够从起步晚的智能手机行业中一跃而起，成为当前国内首屈一指的企业，并成为众多企业效仿的典型代表。
小米的成功源于其对大数据的充分利用，将大数据的价值最大化地应用于企业的发展过程中。如果能够像小米这样做到以上几点，并正确运用大数据分析技术，企业获得巨大回报率则是轻而易举的事情。1.2.4 管理用户关系
一个企业，尤其是一个刚走上创业道路并初入正轨阶段的企业，如何才能提高其现有用户的价值，如何做好用户人文关怀、留住用户、提高复购率、争取老用户、发展新用户、培养和管理忠诚用户，这些都是企业管理者非常关注的问题，解决这些问题的关键就是用户关系管理。
大数据具有4个特点，简称4V，Volume（大量，数据体量巨大，计算量也大）、Velocity（高速，数据收集、处理、分析的速度非常快）、Variety（多样，数据来源多样，包含多种类型数据）、Value（价值，数据价值密度低，整体价值很高），如图1-4所示。图1-4 大数据的特点
我们不妨先看一些与大数据和用户关系管理有关的实例。
比萨店在用户要求购买海鲜比萨的时候，店主会根据用户以往的用户体验、家庭情况、个人收入等诸多方面的数据进行分析，然后为用户倾情推荐一款更加符合用户需求的小一号蔬菜比萨，这款比萨得到了用户的极大认可，比萨店的服务也得到了极大的夸赞。
沃尔玛通过对数据的挖掘，发现了一个惊人的现象，那便是，尿不湿和啤酒两个看似没有任何关系的两种商品之间其实存在着十分微妙的紧密关系：太太让先生去超市给孩子买尿布的时候，先生会顺便去买两瓶啤酒来犒劳自己。这就将尿不湿和啤酒的关系体现了出来。
这两个例子虽然是老生常谈了，但却极具代表性。从中我们不难发现，运用大数据管理用户关系，最重要的就是数据统计分析。
基于用户关系管理的数据分析，可以帮助企业实时处理数据、预测分析、指导下一步决策，让企业更加了解用户需求、识别和利用有利的商业机会，提高产品决策的效率，从而能够更加贴合用户的需求，赢得用户的芳心。但是，在利用数据分析进行用户关系管理的时候，需要注意以下几点。
首先，建立全面、准确的数据库。仅仅知道用户的姓名、联系方式是远远不够的，这只是用户信息的皮毛，要想深知用户需求，还需要全方位挖掘用户的购买喜好、购买习惯等各方面的数据，全面、准确地进行细分，将细分后所得的数据整合起来，建立起庞大的用户数据库。这样就方便企业更加容易地管理用户关系。
其次，实现精细化管理。企业精细化营销的重要环节之一就是精细化管理，如果能够借助用户关系管理，让用户的每一个需求和问题都能够很好地解决，对每一个数据都能分析彻底，保证对每一位用户服务到家，那么企业精细化运营自然水到渠成。
最后，挖掘更有价值的数据。对数据进行深入分析的目的是为了建立更具指导意义的战略活动，以及获得更有价值的数据信息。利用用户关系管理系统来挖掘有价值的数据，企业可以利用这些数据提升产品质量、服务效率，从而让更多的创新产品满足更多用户的需求。
基于用户关系管理的数据分析，在企业运营中的话语权也是不容小觑的，充分利用数据分析技术实现企业高效运营，是企业获取财富的有效手段。1.2.5 个性化精准推荐
通常，运营商内部会根据收集的用户个人喜好数据信息，来推荐相应的产品、业务、服务等，这就是我们这里讲的个性化精准推荐。
个性化精准推荐概括起来就是通过寻找“人—场景—商品”这3个维度的相关性，并以此来提供“人—场景—商品”的最佳组合。
大多数人认为，个性化精准推荐就是细分市场和精准营销，但我在这里告诉大家，实际上并不是如此，细分市场和精准营销虽然可以将潜在用户分为多个群体，与传统的毫无目的性地给用户推荐产品、服务等相比较，的确是进步了很多，但是这并没有真正达到给用户量身定做的目的，因此，可以说，个性化精准推荐是细分市场和精准营销的极致。
通常，个性化精准推荐可以分为两类，一类是基于内容的推荐，另一类是协同过滤的推荐，如图1-5所示。图1-5 个性化精准推荐的类型
1.基于内容的推荐
简单来讲，基于内容的推荐就是通过机器学习产生相应的规则模型，然后利用模型来预测用户在特定场景下对商品的偏好程度。该方法的主要理论依据是信息检索、信息过滤。例如，在电影推荐中，基于内容的推荐首先分析用户曾经看过的、打分比较高的电影的共性，包括演员、导演、剧情类别等，之后再为这些用户推荐与其感兴趣的电影内容相似度极高的其他电影。
首先，要根据统计的相应的内容材料，确定样本集的正例和负例。
例如，如果想给用户推荐电影《寻龙诀》，就要先确定哪些人是看过《寻龙诀》的，这些人即是正例；哪些人是没有看过的，这些人是负例。
其次，要利用学习算法，通常用到的基于内容的推荐的学习算法有：决策树算法、线性分类算法等。在使用学习算法的时候，要根据相应的数据特点和商业场景需求来定。
以决策树算法为例。决策树顾名思义就是以树形的方式建立模型，通过对对象属性和对象值之间的映射，在树上的每个节点上对该对象进行判断，其分支表示符合节点条件的对象，树叶节点则表示对象所属的预测结果。
图1-6是一棵用来预测贷款用户是否具备贷款能力的决策树。从图中，我们可以看出，贷款用户的属性主要有3个：是否有房、是否结婚、月均收入。每一个内部节点都表示一个属性判断条件，叶子节点则表示该用户偿还贷款的能力。例如，用户A没有房，没有结婚，月均收入为5500元，利用决策树来判断，用户A符合右侧分支（拥有房产为“否”）；接下来判断用户A是否结婚，用户A符合左侧分支（是否结婚，为“否”）；最后判断月均收入是否大于5000元，用户A符合左边分支（月均收入大于5000元），因此，可通过一步步推测，判断用户A具有偿还贷款的能力。
最后，要确定模型的特征变量。这就得先从每一个场景下的商品中提取相应的特征数据，再统计样本中每个人对于场景中的商品的喜好程度，来向用户进行推荐。
大悦城里有许多产品，包括服装、包包、鞋子等，那么每个店铺所提供的数据资料，包括用户交易量、购买量、进店浏览量等，形成了庞大的数据阵型。对影响店铺商品销量高低的因素进行分析，发现女性服装、包包、鞋子的销量均超过男士服装、包包、鞋子等的销量，并且这些服饰、包包、鞋子大多属于韩国品牌，而经过收集和分析所得到的销量数据以及产品品牌数据就是大悦城商品销量的特征数据。接下来对进入大悦城的用户进行样本调查，通过分析这些样本用户对于大悦城中某件或某些、某类商品的喜好程度，然后结合大悦城的整个店铺商品的销售场景，为进店的女性用户提供韩国类品牌的服饰、包包、鞋子方面的推荐，可以让更多的女性消费者能够及时、快速地找到自己所需要的商品。图1-6 贷款能力预测
这种推荐方法可以应用于不同场景中，针对不同商品构建不同的模型，从而判断用户属于哪个商品的目标用户，进而可以判断其需求，对其进行个性化精准推荐。
2.协同过滤
协同过滤是个性化精准推荐中的另一种方法，也是当前全球炙手可热的一项技术。协同过滤实际上是通过分析用户的兴趣，在用户群中找到与指定用户具有相似兴趣的用户，综合这些具有相似兴趣的用户的某一信息评价，形成系统对该指定用户对此信息的喜好程度预测。（1）基于用户的协同过滤
这种过滤要求要有足够的用户社会属性数据。基于用户的协同过滤推荐的原理是根据所有用户对某件商品或物品的喜好程度，发现与当前用户口味和偏好相似的“邻居”用户群。通常，该种推荐的计算是采用“K邻居”法，然后基于K邻居的历史编写好信息，对当前用户进行推荐。
假设有甲乙丙丁4个用户；共有5件商品：A、B、C、D、E。用户与物品之间的关系如表1-1所示。表1-1 用户与物品之间的关系
为了便于分析用户之间的相似度，以及方便计算，通过了建立物品—用户倒排表，如表1-2所示。表1-2 物品与用户之间的关系
从上表中我们看到，用户甲与用户乙同样喜欢商品A，用户乙同时也喜欢商品C，那么基于这样的用户关系，我们就可以推断用户丁很可能也喜欢商品C，这时候，我们就可以为用户丁推荐商品C。
小甲对于电影《寻龙诀》没有任何相关数据信息，然而通过推断就可以找到与小甲社会属性相似的小乙，根据对小乙对《寻龙诀》的偏好程度，可以对小甲偏好《寻龙诀》的程度进行预测。（2）基于物品的协同过滤
这种过滤通常应用于电商业务中。
基于项目的协同过滤推荐其实和基于用户协同过滤推荐的基本原理有些类似，只是前者讲的是利用所有用户对物品或者信息的偏好，发现物品与物品之间的相似性，然后根据用户的历史偏好信息将类似的物品推荐给用户。具体原理如图1-7所示。图1-7 基于项目协同过滤推荐的基本原理
说明：假设用户甲喜欢物品A、物品C，用户乙喜欢物品A、物品B和物品C，用户丙喜欢物品A，从3位用户的历史喜好可以发现物品A和物品C有一定的相似性，喜欢物品A的用户都会喜欢物品C，根据这些数据推断出用户丙很有可能同样喜欢物品C，因此就将物品C推荐给了用户丙。
小甲和电影《寻龙诀》没有任何相关数据信息，然而通过利用数据分析可以找到与《寻龙诀》具有相同或相似特征的电影《盗墓笔记》，根据收集到的小甲对于《盗墓笔记》的偏好程度，来判断小甲对于《寻龙诀》的偏好程度。
所以说，为用户推荐什么，如何实现个性化精准推荐，还得数据说了算，这也是当下企业、商家营销的特点。1.3 数据分析决定和改变企业命运
企业在运营的过程中，每天都会产生巨量的数据，这些数据虽然看上去并没有任何关联，但实际上却有着深层次的密切关系，这些数据对于企业的经营管理、发展决策等都有十分重要的作用和意义，可以说，这些数据可以决定并改变企业的命运。1.3.1 数据分析决定企业命运
大数据时代的到来，使得数据分析成为企业运营的重要内容，数据分析对于企业经营管理所发挥的巨大作用和价值是不可小觑的，如图1-8所示。图1-8 数据分析决定企业命运
1.数据分析发挥监督作用
每一个企业在运营过程中都会产生大量的数据，如果能将这些数据收集起来，并全面、准确地进行分析，就可以根据其中有价值的数据了解市场和自身的经济运营情况及态势。熟悉数据的口径范围、来龙去脉，可以更好地监督检查和了解企业运营政策的实施情况，可以监督发展规划和生产经营的完成情况，以及生产经营责任制和各项重要经济指标的完成情况等。当然，要想充分发挥数据的监督作用，关键还是要通过数据分析来实现。
隆力奇公司在生产过程中对大数据监督作用的发挥可谓是到了极致。隆力奇公司采用的是多渠道的智能订单管理系统平台，可以实现实时抓取数据，直接导入并高效地集中和处理海量多源订单，进入系统后可以将订单进行合并处理，也可以将订单拆分进行逆向操作。将订单合并的好处是可以使得生产计划、物料需求等有一个很好的规划，并且可以有效地提高生产效率。
另外，隆力奇公司通过设备的传感器将日常设备运行过程中所产生的数据进行实时显示，如果与预先设置好的参数有所不同，系统就会发出警报，便于操作人员进行维修。
不但如此，对于在线质量监控，隆力奇公司利用称重式灌装监测、360度视觉监测系统等对产品进行严格质检，如果发现成型产品与预期产品数据不相匹配，没有达标，设备将会对其进行自动剔除，与此同时还会将该时段的次品率记录在案，又便于管理者定位监控重点，进一步提高产品质量。
2.数据分析实现企业管理科学化
很多商业活动，看上去是杂乱无章的，但是看事情不能只看表面，要深入本质观察其内在特点，这样就必然会发现这些杂乱背后其实有非常规律的运作和发展。在新的经济体系下，大数据充斥着整个企业运营过程，企业经济从结构的变革到经济效益的提高其实都是有规律可循的。这时候，数据分析就在企业发展中派上了用场，企业可以利用其自身丰富的数据优势，分析研究，可以透过现象深入本质来发现管理中的不足之处，进而加以改进和完善，从而有效提升管理水平，实现企业管理的科学化。
京东通过对各个购物频道上的交易数据、出入货数据、逆向物流数据、用户浏览日志等数据全面进行收集，并将这些数据全部汇集起来，建立了自己的大数据平台。京东的这个数据平台可以支持不同的数据集市，分布式数据集市就是其中一种。该数据集市[6]在汇总、存储、查询等任务上形成大数据分析层，主要针对风控、精准营销、运营优化等方面建模，利用这些模型来进行管理，实现了企业管理的科学化。
3.数据分析有利于制定重要决策
通过对数据进行分析，企业就可以判断前期经营过程中哪些投资没有获益，属于浪费掉的投资，这样就可以帮助企业更好地增加营收额或者降低成本，从而使得投入产出比达到最优化。企业利用数据分析可以制定出更加明智的决策，即将数据转化为信息，通过对信息进行分析从而获得独到的见解，制定出可以对企业商业业绩的策略和行动计划产生巨大影响的决策。
宝洁公司的决策层和销售部等都有对应的商业智能负责人来负责相应的数据分析，决策层和相关部门根据分析结果制定出相应的策略，按照策略严格执行。如决策部在对数据进行分析并和总裁定期通过邮件、会面、电话、会议等方式进行沟通之后，会根据总裁提出的问题向总裁提出最佳的执行方案，并按照方案步骤严格执行；根据执行效果对执行方案进行不断的完善和改进，从而保证公司运行处于最佳状态。
总之，对于一个企业来讲，良好的运营机制离不开监督、管理和决策，这三方面决定企业的发展命脉。当下是大数据时代，企业的监督、管理、决策也都与数据息息相关，也正是基于良好的数据分析，这三者才能够更好地为企业服务，决定企业的发展方向。1.3.2 数据分析改变企业命运
我们都知道，商业活动中，最重要的问题就是了解用户需求的问题。只有深入了解用户需求，才能更加贴近消费者，对消费者需求进行高效的判断。
传统企业是如何了解用户需求的呢？以服装销售企业为例，想要获得用户的购买意愿，往往统计哪件衣服是用户关注最多的，哪件是用户试穿次数最多的，通常是通过安装摄像头并进行样本选择的方式来进行。这样的方式既耗时又耗费资金，获得的结果还不一定准确。
互联网盛行的大数据时代，所有这一切都不一样了，获取用户需求就成了轻而易举的事情。企业可以通过互联网在搜索引擎中对用户在网页的停留时间、点击次数、收藏品类、成交次数，以及购物车商品的类型等数据加以收集，同时对所有样本进行分析，可以近乎零成本地达到预想的目的，如图1-9所示。数据是最有说服力的，所以所获得的用户需求也必然比传统方式更加精准。图1-9 用户收藏和成交指数
不言而喻，长此以往，传统的获取用户需求的方式必然会导致企业判断偏差加大，进而做出并不适合企业发展的市场运营决策，最终在巨大市场的激烈竞争中一步步被淘汰。然而利用大数据预测消费者需求，则结果大不相同，可以说，大数据在很大程度上决定了企业的命运。
诚然，在这个优胜劣汰的年代，过去曾经是第一，并不代表企业永远能够独领风骚。
诺基亚公司就是一个例子，诺基亚公司在几年前还是全球手机行业中的佼佼者，然而在2013年上半年的时候，一份数据报告显示，各公司在市场中的份额是三星为22.5%、联想为10.7%、华为为9.9%、酷派为9.5%、中兴为8.9%、苹果为7.7%、诺基亚为3.1%。到了2013年9月，诺基亚公司轰然倒下，在手机市场上消失得无影无踪，一个重要的原因就是诺基亚公司忽略了数据及其应用的重要性。虽然诺基亚公司曾是手机市场中的霸主，但是固守功能、不加思变，忽视向数据业务和智能化的转型，最终日渐式微，消失殆尽。
放眼望去，诺基亚公司可谓是被大数据打败的巨头，然而诺基亚公司并不是第一个也不是最后一个，爱立信、惠普等诸多曾经硬件过硬的手机品牌都毁于对大数据潮流的迟钝。因此，传统企业利用大数据转型才能扭转被淘汰的命运。如今，诺基亚公司将重新审时度势，抓住时机重新布局大数据，以期重返市场。
无独有偶，2013年1号店也遇到了企业业绩下滑、生存岌岌可危的困局。随后1号店对众多细节一进行排查，最终找到了问题的根源。1号店领导层从购物车产品数量增多到购买产品数量减少的情况中发现了两者之间的相关性。借着大数据，1号店已经收获不少。例如，1号店已经在帮商家分析商品之间的相关度，并以之为依据制定营销策略；1号店发现当可口可乐和奥利奥之间的相关度特别高的时候，就可以推荐商家做联合营销。如今，1号店已经能够完全掌握大数据的采集、分析、整理、处理技能，建立起了属于自己的数据库，并建立了自己的商业智能团队，通过建立用户的行为模型，为用户提供更加精准化的服务，如图1-10所示。如今1号店已经成为当前大数据营销企业中一颗光华耀眼的明珠。图1-10 1号店大数据云平台
由此可见，数据分析犹如一颗起死回生的良药，企业唯有充分、灵活地利用大数据的思维、价值，才能够改变企业的发展命运，并撬动企业优势，进一步提升市场竞争实力。1.4 一场数据变革带来一次财富聚集
人类每一次文明的跃迁都会带来一场巨大的变革，进而会带来一次财富的聚集，因而，人们追逐财富的脚步从未停止，这也正成为人类文明跃迁的驱动力，成为巨大变革发生的原动力。
如今，随着时代的发展，人类经济已经发展到了信息技术的创新时代，由此带来的巨大社会影响，已经使得人类科技的焦点不再是传统工业，而是转向信息技术，因此整个世界的风向标从原来的物理维度转向了数字维度，而大数据则是商业变革中的关键所在。大数据所蕴含的巨大潜在价值将在商业模式和决策上掀起一股商业革命的飓风，由此也会带来一次巨大的财富聚集，如图1-11所示。图1-11 大数据变革带来财富聚集
首先，“产品+服务”是大数据商业变革的必然。在大数据时代，传统的商业模式将被个性化商业模式所取代，这是未来商业发展的必然趋势。个性化商业模式的基础就是大数据应用，未来商业的发展方向必然是“产品+服务”模式，通过对可流转性数据以及消费者行为以及个人偏好的数据进行分析，从而挖掘每一位消费者的不同兴趣和爱好，进而提供专属于消费者的个性化产品和服务，这将代表着一种全新的财富聚集方式，即“产品+服务”。
其次，电子商务是大数据商业变革的结果。电子商务是传统商业活动电子化、网络化的结果，它的发展必然离不开信息网络技术手段的支持。计算机的出现，使原来存储成本较高的局面得到了扭转，因此，中小微企业也有了利用IT技术来挖掘、收集数据的能力，并且可以将数据分析技术运用于电子商务活动过程中，这也正是诸如淘宝、京东、亚马逊、当当网等诸多电子商务网站不断涌现的重要原因之一。基于大数据的挖掘、收集、分析、整合等技术，电子商务能够更加精准地、动态地了解用户需求，并且有针对性地给用户提供更加准确的推荐信息，让用户的产品和服务需求的满意程度达到最大化。
纵观天猫每年的销售额：
2009年，天猫销售额仅为0.5亿元；
2010年，数字提高到了9.36亿元；
2011年，“双11”的销售额达到了33.6亿元；
2012年，交易额一跃为191亿元；
2013年，交易额突破了352亿元；
2014年，交易额又到了一个全新的高度，为571亿元；
2015年，飞跃到了更高一层，为912亿元。
交易额涨幅越来越明显的原因就在于，淘宝拥有的大数据分析平台对淘宝的发展起到了巨大的推动作用。正如马云所讲的：“做淘宝不止卖货，而是为了获得更多的数据。”其实，也正是淘宝拥有的庞大数据资源成就了每年“双11”惊人的交易额。
再次，智能化商业是大数据商业变革的产物之一。智能化商业在商业系统的基础上实现了智能化，但是，归根到底，智能化商业时代是基于企业即时数据管理的时代，智能化商业时代是离不开数据支撑的。数据全面而系统、动态而即时，企业可以及时评估团队乃至职业经理人的工作方向及状态，通过智能手机，不受时间、空间的限制，可以随时调阅企业的运营数据，甚至可以利用一部手机对任何一个店面进行巡视，因此使得生意尽在“掌”中。智能化商业系统在本地化、动态商业数据的基础上形成了数据链信息，可以通过数据信息的支撑，高效地反向倒推管理生产、重构产业轴线，因此，大数据是智能化商业经济增长的巨大原动力。
最后，微商的出现也是大数据商业变革的产物。微商的背后其实是大数据在统筹全局。在这个大数据爆炸的年代，微商数量井喷。很多微商只争朝夕，完全将长远利益视而不见，对于这类微商而言，他们没有聘请第三方帮助进行数据管理，更没有掌握每次交易背后所产生的数据的价值和意义，因此，这些微商的命运必将是短暂的、朝不保夕的。但那些能够将目光放得长远一些的大规模微商，则更加注重大数据的统筹。
一方面，通过会员行为数据分析，生成报表，实现精准营销。消费者不论是利用APP还是微信购物，从浏览到交易结束都会产生大量的数据，这些数据有利于微商从各个细枝末节清楚地了解到用户的停留时间、浏览次数、交易金额以及用户地域分布等信息，微商可以将这些信息转化为数据报表，有利于进行精准营销。
另一方面，后台数据管理规范化，实现线上线下信息同步。O2O推行的重点在于能够实现线上线下信息的融合，并且达到统一化、规范化的目的。目前零售业企业的营销体系主要分为两类：直营体系、直营+代理加盟体系。对于直营体系的企业来讲，所有的门店和微店的数据实现统一管理其实并不是难事，中间不会存在信息泄露问题，即便是有利益冲突也是非常容易解决的，因此实现线上线下的数据信息的同步是一件易事。但是针对直营+代理加盟体系而言，直营和代理之间会存在用户资源流向的问题，解决这些问题的关键还是需要建立透明的利益分享机制。通过获取所有新增用户地址的经纬度，及时关联与该位置最近的门店信息，将该用户的信息（如姓名、联系方式、家庭住址等）与该门店绑定。企业可以自己设定适合自身发展需求的分享规则，将一部分营业额分配给所属门店或渠道，从而实现利益共享，提高了导购对微商城推广的积极性，同时也解决了代理加盟商转型的后顾之忧。
因此，我们不难发现，大数据的这场商业变革，无论对“产品+服务”模式的诞生，还是对电子商务的出现，抑或是智能化商业、微商的形成，都给经济发展带来了一次巨大的财富聚集。大数据所带来的这次商业革命飓风的作用和价值是相当巨大的。[1].RFID（Radio Frequency Identification），即射频识别技术，又称无线射频识别，是一种通信技术，可通过无线电信号识别特定目标并读写相关数据，而识别系统无需与特定目标之间建立机械或光学接触。[2].决策树（Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。[3].线性回归，是利用数理统计中的回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。[4].聚类分析的目标就是在相似的基础上收集数据来分类。[5].对应分析也称关联分析，是近年新发展起来的一种多元相依变量统计分析技术，通过分析由定性变量构成的交互汇总表来揭示变量间的联系。[6].数据集市（Data Mart），也叫数据市场，是一个从操作的数据和其他的为某个特殊专业团体服务的数据源中收集数据的仓库。第2章大数据时代，小数据不容小觑
如今，大数据的火热程度无异于盛夏的温度一样。大数据已然成为一个非常时髦的词汇，已经达到了人人、处处、时时都与其息息相关的程度。但是，我们必须看清的是，人类继农业社会和工业社会之后，已经一步步走进了一个崭新的“知业社会”。这个社会非常注重数据信息和智慧的深度开发。然而，数据无论大小，时髦与否，如利用得当都能够促进知业社会的成长与发展，这是毋庸置疑的。因此，大数据时代，小数据的存在和价值也是不容小觑的。2.1 大数据VS小数据
大数据时代，似乎随处可以听到人们谈论大数据、研究大数据，很多都是有关企业利用大数据分析进行营销，企业利用大数据体系构建运营体系等，但是对小数据的谈论寥寥无几。大数据时代，小数据的存在究竟有多大意义呢？会对人类社会的发展、对商业的发展起到什么样的作用？小数据与大数据相比，究竟有什么优势？2.1.1 什么是小数据
马云曾说过：“用数据倾听用户的心跳。”数据已经成为企业挖
试读结束[说明：试读内容隐藏了图片]