![](https://s4.itho.me/sites/default/files/shu_zhai_zhu_tu_0417.jpg)
要解決企業在大數據時代面臨的挑戰與威脅,我們首先必須面對「數據終將成為企業核心資產」的事實。基於這個事實,我們首先要確保數據能隨時在線上,因為大數據應該是當你需要時可以立即使用,所以數據一定要在線上,不能只存在於線下。
大數據要成為企業核心資產的前提是,數據必須具有足夠的流通性,在這之前,要確保從數據擁有方一直到最終使用方之間的過程有著非常好的利益關係,這樣,數據流通或共享的價值鏈才會成立。
如何透過數據去解決企業的核心問題,答案其實很簡單,就是從工作流程中尋找,因為如果工作流程缺乏效率,或是存在資源過度耗損的問題,往往也是組織的問題所在。而大數據的起點,是基於數據和待解決問題之間的對應關係。在多數情況下,我之所以能夠預測未來,往往是因為以前發生過類似的事件,而我又能盡量完整地把它們記錄下來,當同類事情發生的次數越多,我預測一件事情的準確性就會提高。
當我們面對組織內部的實際問題時,在組織問題和數據獲取之間通常會遇到以下幾種可能性:
● 這個狀況或問題不常發生,因為發生的機會極少,所以我們沒有機會獲得足夠的數據去應變或做出對應的預測。
● 我們遭遇的問題可能並不是低概率事件,但是沒有人知道或意識到要去收集這樣的數據(可能因為這些數據的處理與應用成本很高)。
● 企業內部確實有一些數據,但這些數據很零散、格式不標準,散落在企業的不同部門,需要懂得梳理數據的人去管理並應用。
● 企業內部有數據,但是被壟斷,或是被控制在不開放的環境中。
至此,你應該已經注意到,大數據的使用與積累,是互相促進的閉環系統,斷點越少,數據流通越順暢。這個閉環系統的選擇,是數據專案成敗的關鍵,要考慮的問題也超出了數據本身,同時涉及企業文化、組織架構,所以我一般給企業的意見是,爭取最高領導者的支持必不可少,因為企業數據化的進程如建羅馬一樣,並非一日之功。
找客戶靠數據,不靠運氣
零售業的朋友對搜尋引擎行銷可謂既愛又恨,懷疑透過這種方式,是否真的能做到精準行銷。對出口公司來說,獲取企業級別的客戶更是難上加難,如何才能精準地找到目標企業呢?我曾經做過這樣的嘗試(那時還沒有大數據概念),我發現,可以從曾經參加過交易會的企業買家網站上,快速收集到他們的購買意向數據,經過分析,自動配對出有購買意向的準買家名單。
最近我發現,已經有公司開始用類似的方法解決企業採購問題了。Lattice Engines 這家從事B2B(企業對企業)銷售預測的數據分析公司,發布了一款新產品,可以用兩個關鍵字概括這個產品的方向:「意向」和「預測」。他們聚焦在整合企業客戶的意向數據,以及預測客戶需求上。
Lattice Engines 擅長幫客戶在已有的數據庫中尋找潛在需求,並識別客戶資訊,包括企業是否獲得新的資金,是否成立新的辦公室,是否購買了新的伺服器、儲存系統等等。
在獲取新客戶這個方向上,Lattice Engines 協助客戶在他們原有數據庫之外發現新對象。它增加一層新的信號,稱為Prospect Discovery,透過抓取相關產品的搜索資訊,以及社交網站上發布的相關內容等,幫客戶發現新的潛在購買對象。比如,他們會留意企業的意向數據,透過追蹤目標企業,發現某公司的員工正在關注某一個產品。
這些數據可能來自部落格、LinkedIn 上的交流,以及專業文獻,進而預測目標公司可能會採取什麼樣的採購決策、現金周轉速度等。Lattice Engines 的數據供應商會專門收集專業內容的下載情況和交易會的註冊情況等數據,以便更好地分析企業的需求。
在大數據時代,我們已然可以利用無處不在的數據來預測商業需求。Lattice Engines 正是利用各種管道公布的資訊來預測商業需求,並根據這類數據為企業推薦合適的供應商,我們可稱之為企業級的推薦引擎。
企業「用」數據的三大竅門
用數據這門學問就像武功,臺上一分鐘,臺下十年功。行情好的時候不養數據,市場差的時候就更難臨時抱佛腳。
平日養數據大有好處,這些數據不僅可能成為企業戰略分析的關鍵,而且對某個關鍵數據盲點的突破,有可能成為企業的必殺技。這裡,我就跟大家分享企業用數據的三個竅門:
方法1:AAR 原則鎖定客戶
首先,企業應該確定,誰是你的目標客戶,透過哪些管道可以找到這些人;當這些客戶進來後,他們的成長軌跡是怎樣的;這些客戶對你是否滿意,他們是否會離開。這就是我經常使用的AAR 原則:
● 第一個A 是acquire(獲取)—如何用最有效的方法獲取核心客戶。
● 第二個A 是activate(活躍)—如何讓獲取的客戶快速成長,變得活躍、有黏性。
● R 即retention(保留)—如何防範核心客戶流失。
數據可以貫徹這三個階段的始終,既可以幫你找出核心客戶,也可以告訴你什麼服務和價格能讓他們變成忠誠客戶,同時還可以用數據模型預測客戶未來的需求,甚至是他們離開的機率。當企業充分掌握客戶當前狀態的數據之後,就可據此進行預測,發現問題馬上糾正,這就是懂得用數據的企業所做的事情。
例如,當你發放折價券時,是否想過,什麼時候應該讓客戶當次使用,什麼時候要留待下次使用?企業亂發折價券或經常打折,不但太博愛,還會讓客戶養成「無折不買」的習慣。
方法2:行為數據比結果數據更有價值
企業一般關注的重點是交易數據,比如一天有多少客流量、多少交易額,卻忽略了這些交易背後的原因。當把客戶的行為數據(交互行為)和交易數據相互關聯時,企業才會知道用什麼產品吸引什麼客戶最有效、什麼價格能讓這些客戶活躍起來、怎樣能讓他們對這個平臺更感興趣,我們甚至可以預測到客戶流失的蛛絲馬跡。
客戶的行為數據不一定能產生交易,但可以讓我們更了解他,讓我們知道他為什麼會買,或者為什麼不會買。透過行為數據去發現客戶如何做決策,是個重要課題,即使是負面數據也可能有正面作用。
在互聯網世界,這些可以相互關聯的數據其實是唾手可得的。如果不知道哪些數據有價值,也不知道哪些數據可以交叉分析,產生價值,著實是一種浪費,相當於將魚翅當粉絲。
方法3:從小處著手
假如中小企業希望充分使用數據,我的建議是,從結構化的、已有的數據開始,一步一步開展。中小企業要有清晰的具體目標—希望數據幫自己做什麼、數據能解決什麼問題。
必須謹記,我們面對的是消費者,數據的收集、整合、決策、回饋,都必須從消費者出發,以人為中心,這樣才不至於太分散,盲目地「為了數據而數據」。另外,企業不應把客戶看成一個整體,因為解決客戶的一般性需求,不等於了解客戶的特殊需求。在大數據的驅動下,批量生產的個性化或許並非遙不可及。(摘錄整理自本書第7章)
書名 數據的商戰策略
車品覺/著
天下雜誌出版
售價:380元
作者簡介
車品覺
數據化思考第一人,未來趨勢觀察家。最早將大數據運營與管理引入電商,豐富的數據實戰經驗,對大數據未來趨勢有著獨到的見解。在2010年至2016年,先後任職於支付寶、淘寶,並擔任阿里巴巴集團副總裁及首任數據委員會會長。現為紅杉資本中國專家合夥人。
熱門新聞
2024-08-28
2024-08-26
2024-08-30
2024-08-26
2024-08-27
2024-08-24