0571-22931819
无忧保职场指南早报：IBM全球分析与优化服务中国区总经理谢国忠先生近期来到深圳，围绕;大数据中的商业价值和企业管理创新;发表了精彩演讲，他通过丰富的实例和大家分享了自己对大数据为企业带来的商业价值和机遇的思考，并针对;大数据与云计算;、;大数据与个人隐私;等问题与观众进行了精彩的互动交流。
大数据来了！;大数据预示信息化发展进入新阶段，是信息化新浪潮的结晶。;;大数据将成为企业的IQ。;这些论断说明企业利用大数据大有可为。盈利是企业永恒的主题，那么怎样运用大数据做企业营销创新呢？
大数据之要义：集合、分析：什么是大数据？大数据有哪些特性？
谢国忠：首先要了解数据。从结构上来分，世界上的数据可以分为结构化数据，凡是能够用二维表格表示的数据都叫结构化数据；半结构化数据，比如收件人、主题为结构化，内容为半结构化的邮件；以及非结构化数据，比如图片、视频音频、文本等。目前世界上有85%是非结构化数据。
在自媒体和社交网络发展的时代，企业面临的数据环境发生了改变：在传统的人财物、产供销、客户关系管理系统等大交易数据环境外，由社交网络、点击流、传感器、移动终端、物联网、地理位置信息、GPS信息等构成的大交互数据也需要引起重视。大数据就是把大交易数据和大交互数据融合起来做分析，帮企业找到潜在的商机，实现新的业务创意或发展新的业务亮点。大数据有四个特征。一，它是一个数据集合；二，规模越来越庞大，种类越来越多；三，数据移动变化速度非常快；四，数据带有不确定性。这四个特性给传统的分析工具和手段抓取、存储并分析带来困难。
：哪些技术创新推动或者加速了大数据应用？用什么工具可以帮助企业应用大数据？
谢国忠：数据可以还从两个维度来划分：从数据类型来切，包括结构化、半结构化和非结构化。从数据形态来切，包括动态和静态。综合来看，企业里的数据可以分成三类：第一类叫结构化的静态的数据，比如企业的人财物、产供销、ERP系统、客户关系管理系统等传统的系统；第二类是半结构化、非结构化的静态数据，包括研究报告、文本、客户中心的音频、视频，也包括社交网络数据、微博和外部的邮件数据。第三类是流动的数据，比如说网络点击流，点击访问网站产生了流动的数据，企业里有很多传感器传感的数据，还有地理位置的信息，保险行业谈的车联网信息（时间信息和空间信息），这种信息是动态的无时无刻都在变化的，所以称之为动态的海量信息。
不管承认与否，企业所面临的环境都有这三类数据，基于海量存储技术、实时处理技术、网络带宽、企业搜索等技术的更新和成本的降低，企业现在可以利用大数据。那么如何来利用呢？对结构化的静态数据，很多企业都已经在利用了，建立数据仓库的平台，做商业智能应用，如业务报表、数据挖掘、监管合规等。对半结构化或非结构化数据，可以建立一个非结构化的数据平台，做企业搜索和内容挖掘，处理自然语言、分析文本等，挖掘以后用来监控舆情、管理公司品牌以及精准营销。对流动的数据则建立流数据平台，做实时质量监控检测，实时的管理，实时的产品服务推荐。三类数据用三个平台满足不同要求。这三个平台可以互通，可以交互，可以利用，那这三个东西放在一起就是一个大数据的解决方案，就是一个大数据的平台。广义上的大数据包含这三部分，协同在一起叫大数据解决方案。这三个方面结合起来，尤其是非结构化/半结构化数据平台和流数据平台，应用后会带来产品的创新、流程的创新、服务的创新，或者客户体验的创新。进而带来企业管理的创新。
但应用这三个平台，需要了解、学会新的关键技术。第一个是流计算。应用流数据需要运用到流计算。因为数据是流动的，可以即时、不间断地通过摄像头、车载GPS系统或者企业的传感器抓取；同时是不落地的，它不存在磁盘上，是存在机器的内存里。存在内存里以后，在这个系统里就可以写很多业务规则，通过业务规则来判断并做实时的应用。
另外一个是内容计算。首先是文本分析，即自然语言处理，对文本进行分词、提取关键词、统计词频等。通过文本分析可以把一个原始文档变成一个有业务含义的文档，比如对;根据最新的财务报表，IBM公司每股收益增长了10.1%。;这句话做自然语言处理，经过语言监测、属于识别、词形还原、管理识别等步骤后，可以发现这句话中的业务含义。然后是内容挖掘，即在自然语言处理的基础上进行情感分析和关联分析。举一个关联分析的例子：有一位董事长秘书突然看到新闻说日本大地震核电站泄露，然后去买了核设备检测公司的股票，第二天就涨了8%。他想到了大地震核电站泄露，核电站泄露肯定要做核的检测，核检测必须有核检测设备，是哪个厂商、哪一个上市公司生产的，他判断这个核设备检测的公司过两天肯定会上涨。他做的是这个词的关联性分析，并且在第一时间抓住了这个机会，当中国大妈买盐的时候他去买股票，所以他赚了。
精确定义客户 维护品牌形象
：企业营销部门怎样面对大数据风暴？
谢国忠：有一个很重要的前提是营销部门的思维方式、应用模式需要做一些改变。原来我的业务部门说要做一个报表，要看一个KPI，业务部门把这个需求提出来，最后写代码把报表开发出来，开发完以后每个季度都要。这是传统的结构化、重复分析的做法。大数据来了以后我们将使用迭代搜索性的、探索性的方法。IT人员搭载一个创意平台，通过科技部门去社交网络、视频音频将相关数据全部放进来。业务部门就可以使用这个数据了，比如说风险部门可以根据风险的需要贴标签、写关键词、分析业务需求，做产品精准的营销和品牌的推广，这种需求可以不断地去迭代。未来会将这两种方法结合使用，所以我们的思维模式必须要做一些改变。
：自媒体时代，人人都是传播者，客户用手中的移动电子设备及时解读产品，企业品牌面临着被误读的危机。企业要怎样应用大数据来应对这种危机？
谢国忠：第一个，应用大数据可以作舆情分析。所谓的舆情分析通过爬虫把外面的信息爬回来放到这个平台里，放完了以后做做中文的分词，会做关联的分析，会做一些观点或话题的建立，把话题建立以后做舆情分析，然后做公司深一步的分析，做品牌的分析、服务质量的分析、产品评价和市场的动态跟踪。关键点是怎么到外面去抓数据？一种途径是通过爬虫去爬外部网站，但需要控制爬的内容多少和节奏，不能违法。另一种途径是跟第三方合作，比如跟新浪、腾讯谈判，把交互的信息做数据导入。
举个例子，花旗银行怎么做舆情分析？基于美国银行、花旗银行、汇丰银行等六家美国最大企业的数据，一是做深入度分析，花旗银行分析了诉讼、欺诈、盗用破产、准备金、流动性和危机处理等很多纬度；二是做客户情感的对比，通过正面评价、负面评价的数据来监控客户和银行的关系；三是会做关系的预警，怎样预测和应对负面评价，及时处理品牌管理危机。
第二个应用场景叫客户自身，是针对客服的。现在客户做产品查询或客户投诉有很多种渠道和途径，把这些信息集中起来放到一个平台里，然后做语义分析、字典查找、模式匹配，同时建立一个自动规则，当这个客户打电话过来的时候就能自动判断是什么问题和需求，该怎么应对。通过这个解决方案能发现四个目标：第一是发现隐藏的位置；第二做预测导向，知道我的话述提前怎么说；第三，很多客户打电话投诉其实是产品的诉求，可能是产品的销售机会；第四是可以提高客户的忠诚度。
第三个应用场景最广泛，就是客户信用评级体系的建立。阿里巴巴阿里金融就是成功运用的案例。阿里把两类数据（客户的信用数据和客户的行为数据）拿到以后做一个网络数据模型、建立一套信用体系，通过这个信用体系对商城商户做一个评估，阿里除了建一个评分体系以外做了金融创新等很多业务创新，原理就是客户背后的信用评级体系用大数据的方法建立的方式。
了解客户需求 精准营销产品
：企业怎样运用大数据进行营销？
谢国忠：首先一个应用是360度的全景客户识图，是把传统的客户识图和社交网络上的客户识图关联起来，主要是为营销服务。客户在社交网络网站的一些数据，比如在论坛上发表得言论，他的倾向、情绪表现和客户的熟社会圈、社交圈，将其进行归类，基本属性、客户实践、产品性质、社交网络圈等等刻画出来就形成这个客户在外面网络的统一识图。有了这个统一识图可以做客户群的微细分，然后企业可以做营销活动的管理，做信誉风险的管理和竞争对手的分析等。最理想的状态是把外部网络数据跟企业的交易数据对应起来，关键是把外面网络数据和银行的交易帐户关联起来。
第二个应用叫客户微关系营销和客户标签化。企业现在已经不满足只知道客户的这姓名、手机号码、购买记录，更进一步的是贴标签，这个客户对什么感兴趣，对数码、旅游、财经感兴趣；这个客户的需求是什么、应用场景是什么，他正在租房、买数码相机或单反相继，我们把需求的标签给他；还可以做客户的人格指数建模，对客户的人格特征进行判断，这个客户是感性的还是理性的，是脾气暴躁的还是文静的；同时还挖掘客户的微关系，同事关系圈、家庭关系圈、喜好关系圈、网上互粉的关系圈、的关系圈等等，如果能找到这种微关系，营销手段和营销效果包括口碑是大大不一样的。如果外面的帐户和企业内部帐户没办法做到一对一的关联，还有一个粗放的做法是通过标签和外面的京东、阿里巴巴、淘宝、苏宁做一个关联，怎么关联？其实电商网站和搜索网站里面有很多标签，跟外面的合作可以通过标签关联起来做客户群体的发现，做品牌的推广，效果会很好。要实现客户微关系营销和客户标签化，必须学会挖掘客户微关系，有两个手段：
第一个是企业里的内部数据再利用，同时利用外部社交网络的数据拓展发现微关系。比方说金融机构，在客户的银行登记信息找到客户的社会属性关系，通过转帐、汇款、留言、帐户往来挖掘金融需求的关系群体，客户消费习惯里有很多地理位置信息，这些微关系通过内部的数据再利用和文本分析就可以找到。再加上社交网络的微关系。完善后会形成一个客户完整的关系图，如营销手段就可以做到基于客户关系的业务拓展，基于客户关系延伸到更多的客户。
第二个手段是客户的标签化。首先，把客户需求由枯燥的数字转为定性的描述，结合客户基本资料、行为数据、购物数据、帐户数据、业务数据，定性化、抽象化，变成一个标签。二是把这个标签存起来；三是维护这个标签。比如这个客户通过客服打一个电话过来，基于标签就能判断他有什么需求，同时抓住产品购买诉求。
内部优化 服务客户
：客户自身和微关系运用在有助营销的同时也提升了客户体验，那有没有具体的案例来说明大数据可以帮忙企业通过内部的优化来提高客户体验满意度呢？
谢国忠：有的。第一个案例是上海地铁，利用视频信息、客流分析做内部网点的优化。地铁里人来人往，地铁里摄像头把人的轨迹录下来，这种影像资料原来是一个监控，我们研究院和上海地铁合作把影像数据做了仿真，一直在流动的。通过这个影像资料，我们发现在某个点是一个瓶颈，后来我们跟地铁说这个地方不行，全堵在这个地方，这个地方应该做改进，地铁采纳了我们的建议，做了改进以后人流得到很多改善。
第二个案例是中远，物流供应链的优化。现在的供应链叫绿色供应链，因为物流行业很多是运输大户，节能减排是一个很重要的指标。中远全国有一万多物流车辆，700多艘集装箱和船舶，GPS每十秒钟传送一次信息，一百多个配送中心、三百多个业务网点，物流供应链特别庞大。基于这种情况，通过采集中远所有车辆的信息、地图信息，车辆行驶轨迹、网络，进行实时监控，IBM把物流供应链做大数据的分析和处理，优化它的网络、路、行驶车辆和船舶调度、库存，最终达到的效果是全网碳排量减少12.6%，也就是说每年可以减少十万吨的二氧化碳，或者说可以节省44万吨的汽油，运输成本降低了23.4%，库的成本降低到22.8%。
第三个案例是利用天气大数据做可再生能源的应用。这个案例是IBM和华北电网国家可再生能源的试点工程做的项目，利用局部的天气预报精确预测帮助风电进行闭网。国家规定如果风力发出来的电要闭网必须要可预测的，如果预测不准是不允许闭网的，目前在中国风力发电闭网的概率大概是30%-60%之间。解决方案就是基于高性能的计算平台同时采用大数据的处理技术提供更精度的定时定点定量的天气预报，比普通的天气预报精度要多很多，目前做到风力发电的预报准确度达到92%。
全国十三五规划明确全民参保计划，将在2020年前基本实现。全民参保是政策指向也是新的市场空间，无忧保坚定信念承担起企业的社会责任，努力做国家全民参保计划的践行者。 小编有话说：谢谢这么优秀的你来看文章，有什么想对小编说的尽管来吧，大家的支持就是我们的动力，欢迎大家踊跃发表疑问，欢迎吐槽，社保生态圈群：248069515
标签： 企业
