新書推薦：
《
大国脊梁：漫画版
》
售價：NT$
374.0
《
跟着渤海小吏读历史：大唐气象（全三册）
》
售價：NT$
989.0
《
心智的构建：大脑如何创造我们的精神世界
》
售價：NT$
352.0
《
美国小史（揭秘“美国何以成为美国”，理解美国的经典入门读物）
》
售價：NT$
352.0
《
中国古代北方民族史丛书——东胡史
》
售價：NT$
576.0
《
巨人传（插图珍藏本）
》
售價：NT$
3289.0
《
地下（村上春树沙林毒气事件的长篇纪实）
》
售價：NT$
332.0
《
偿还：债务与财富的阴暗面
》
售價：NT$
347.0
|
| 編輯推薦： |
|
案例多：通过50多个经典行业案例，全方位图解大数据营销与运营方法。剖析深：知晓16个行业领域的引流技巧、运营手段和营销方法。
|
| 內容簡介： |
一家公司，如何运用大数据进行客户定位、营销推广、品牌传播？
一个行业，如何运用大数据进行产业分析、前景预测、商机挖掘？
本书将全面揭秘大数据价值挖掘、平台构建、营销定位、生活服务、社会互动、风险管理和未来应用，特别是对销售行业、餐饮行业、网络通信、交通能源、医疗领域、娱乐传媒、生产制造、企业管理、金融行业、旅游行业、游戏行业和房地产行业等影响力大的行业或领域进行剖析，帮助读者知晓赚钱公司的大数据是怎样玩转的！
书中内容零基础、全图解，通过12个行业应用挖掘+17章专题内容详解+400多张图片图解展示，深度剖析了大数据的商业分析、运营推广、营销技巧和实战案例，让您一书在手，轻松玩转大数据！
本书对象为对大数据分析、营销感兴趣的所有读者，特别是企业经营者、管理者、互联网营销岗位的工作人员等。
|
| 關於作者： |
|
十年专注，精品奉献！本团队组织者有着十多年图书行业策划经验，并由专注于金融、理财、营销、电商、微商等行业的几十位专业人士参与，他们中的成员大都是财经记者、银行金融理财师、财富顾问、互联网营销专家、电商和微商店主等。本团队组织者紧扣时代潮流趋势，力求为读者打造一系列精品理财、营销、金融类图书。由作者团队编写的新手理财系列、玩转电商营销 互联网金融系列图书，一经上市就受到读者的一致好评!
|
| 目錄：
|
目录
第1章 发展揭秘：全程破解大数据 1
1.1 相关了解，全面分析 2
1.1.1 大数据的发展历程 2
1.1.2 大数据的4大特征 4
1.1.3 大数据增长的结构类型 5
1.1.4 大数据发展的三大趋势 7
1.1.5 大数据视角下的世界 9
1.2 深入了解，营销获益 10
1.2.1 新型营销模式的形成 11
1.2.2 新型业务模式的发掘 12
1.2.3 存量客户的价值发掘 12
1.2.4 新客户资源的高效获取 13
1.3 核心建设，把握机遇 14
1.3.1 4G时代下的大数据
产业链 14
1.3.2 大数据营销机会的挖掘 15
1.4 商业智能，价值转型 16
1.4.1 大数据下的商业智能
概述 16
1.4.2 商业智能的大数据基础 17
1.4.3 商业智能的行业掘金 17
1.5 综合利用，未来曙光 19
1.5.1 必然走向的大数据 19
1.5.2 大数据时代的业界生态 19
1.5.3 大数据的未来应用 20
1.5.4 大数据未来的发展要求 21
第2章 价值获取：深度挖掘大数据 23
2.1 数据挖掘的相关知识 24
2.1.1 数据挖掘的基本概念 24
2.1.2 数据挖掘的商业解读 25
2.1.3 数据挖掘的具体计算 25
2.1.4 数据挖掘的一般过程 26
2.2 基础设施的建设与发展 27
2.2.1 云计算数据中心 28
2.2.2 存储服务器 28
2.2.3 全面虚拟化模式 29
2.2.4 虚拟化网络模式 30
2.3 互联网数据库的营销应用 31
2.3.1 免费Wi-Fi的客户数据
搜集 31
2.3.2 用户头像的信息获取 32
2.3.3 Immersion的用户邮件
挖掘 33
2.3.4 LinkedIn社交数据的商业
分析 34
2.4 不同行业的大数据源 35
2.4.1 文本数据的用户情感分析 35
2.4.2 电网数据的用户需求分析 37
2.4.3 车载信息数据的风险评估
分析 37
2.4.4 遥测数据的活动状况分析 38
第3章 平台构建：大数据分布计算 41
3.1 分布式计算的相关概念 42
3.1.1 云计算系统的运行概述 42
3.1.2 分布式文件系统的数据
存储 43
3.1.3 分布式计算系统的优势 44
3.2 Hadoop分析技术 45
3.2.1 Hadoop的含义概述 45
3.2.2 Hadoop的4大特点 47
3.2.3 Hadoop的企业应用 47
3.2.4 Hadoop的拓宽应用 48
3.3 平台搭建与营销效果 50
3.3.1 大数据平台搭建 50
3.3.2 英特尔的云生态圈构建 51
3.3.3 公有云解决方案的应用
选择 54
3.3.4 云创存储的智能门户
平台 55
第4章 精准定位：大数据策略营销 57
4.1 做好细分，客户定位制胜关键 58
4.1.1 客户属性细分 58
4.1.2 精准定位的地位 59
4.1.3 目标客户群定位 60
4.1.4 企业客户细分 61
4.1.5 二次细分与动态调整 63
4.2 品牌传播，企业客户定位优选 64
4.2.1 企业品牌的基本含义 65
4.2.2 品牌定位的基本含义 66
4.2.3 品牌的客户定位策略 67
4.3 特征把握，行业客户定位技巧 69
4.3.1 零售行业的个体特色
定位 69
4.3.2 房地产行业的服务意识
定位 71
4.3.3 汽车行业的品牌塑造
定位 71
第5章 生活服务：日趋便捷的移动大数据 75
5.1 移动LBS的位置服务 76
5.1.1 移动LBS的定义和特点 76
5.1.2 移动LBS的生活服务
应用 78
5.1.3 移动LBS的未来发展 80
5.1.4 LBS的移动大数据营销 81
5.2 移动O2O的购物模式 84
5.2.1 移动O2O模式的基本
概念 84
5.2.2 移动O2O模式的发展
优势 85
5.2.3 移动O2O模式的商业
用途 87
5.2.4 O2O模式的移动大数据
营销 89
5.3 App的各类生活应用 90
5.3.1 App的基本概念 91
5.3.2 App的营销优势 93
5.3.3 App的移动大数据营销 93
5.4 二维码的扫码服务 96
5.4.1 二维码的相关应用与价值 96
5.4.2 二维码的营销优势 97
5.4.3 二维码的移动大数据营销 98
第6章 社交互动：全天候的移动大数据 103
6.1 微信的多样化互动 104
6.1.1 微信互动的营销条件 104
6.1.2 微信互动的营销含义 106
6.1.3 微信互动的营销模式 107
6.1.4 【案例】南航的微信互动
服务体验 111
6.2 移动微博的文本互动 112
6.2.1 微博互动的营销含义 113
6.2.2 微博互动的营销价值 113
6.2.3 微博互动的营销原则 114
6.2.4 微博互动的营销策略 115
6.2.5 【案例】京东的微博
引流营销 118
6.3 移动QQ的大范围沟通 119
6.3.1 移动QQ的营销平台 119
6.3.2 QQ互动的营销优势 120
6.3.3 QQ营销的数据应用 121
6.3.4 QQ营销的互动技巧 122
6.3.5 【案例】西瓜的QQ空间
创意营销 125
第7章 风险管理：大数据安全应用 127
7.1 五大风险，日益凸显 128
7.1.1 企业数据管理风险 128
7.1.2 用户隐私泄露风险 129
7.1.3 企业成本控制风险 130
7.1.4 网络数据安全风险 131
7.1.5 数据人才缺乏问题 131
7.2 七大误区，问题丛生 132
7.2.1 项目噱头应用误区 132
7.2.2 成果过分夸大误区 133
7.2.3 项目盲目跟风误区 134
7.2.4 软件万能认识误区 134
7.2.5 项目应用僵化误区 135
7.2.6 数据量偏重的误区 135
7.2.7 他人经验轻忽误区 135
7.3 三大板块，管理优化 135
7.3.1 三大硬件设备管理 135
7.3.2 两类软件管理 137
7.3.3 两项认识调整 138
第8章 完整记录：销售行业的大数据攻略 139
8.1 大数据时代下的销售行业 140
8.1.1 大数据下的智能零售
形成 140
8.1.2 大数据下的零售业挑战
产生 141
8.1.3 大数据下的零售业商业
价值 141
8.2 锁定客户的大数据实体零售 143
8.2.1 实体零售的信息化趋势 143
8.2.2 【案例】精准定位的
"上品折扣" 144
8.2.3 【案例】服务转型的
富士通 145
8.2.4 【案例】构建大数据
战略的朝阳大悦城 146
8.3 大数据领域的电商零售方针 147
8.3.1 金麦奖的实体零售方案
探索 147
8.3.2 【案例】阿里巴巴的大数据
营销变革 149
8.3.3 百度视频的大数据建模 150
8.4 大数据的广告营销引导 152
8.4.1 广告投放的一般法则 152
8.4.2 【案例】投放精准的
"泰一指尚" 153
8.4.3 【案例】亚马逊的RTB
广告模式 154
第9章 市场定位：特色餐饮的大数据策略 155
9.1 大数据与餐饮行业的相关知识 156
9.1.1 餐饮业市场的大数据
需求 156
9.1.2 餐饮业发展的大数据
作用 158
9.1.3 餐饮业经营的大数据
应用 159
9.1.4 餐饮业管理的大数据
挑战 160
9.2 餐饮行业的大数据特色营销
案例 162
9.2.1 【案例】活力舒化：大数据
和微博双助力 162
9.2.2 【案例】美团美食：LBS
与大数据双联合 163
9.2.3 【案例】海底捞订餐：
大数据与App双选择 165
9.2.4 【案例】食谱：大数据
与创意双营销 166
第10章 信息累积：网络通信的大数据变革 167
10.1 大数据与信息行业的相关知识 168
10.1.1 信息行业转变的大数据
环境 168
10.1.2 信息行业发展的大数据
前景 170
10.1.3 信息行业营销的大数据
方案 170
10.1.4 移动互联网的大数据
分析 171
10.2 互联网企业的大数据营销 172
10.2.1 【案例】PPTV聚力：
大数据智能推送 172
10.2.2 【案例】大众点评：
大数据智能展现 173
10.2.3 【案例】世纪佳缘：
大数据智能判断 174
10.3 通信行业的大数据应用手段 175
10.3.1 【案例】中国移动：
大数据信息化战略 175
10.3.2 【案例】中国联通：
大数据标准化进程 177
10.3.3 【案例】湖南电信：
大数据综合化推进 177
第11章 智能监控：交通能源的大数据效益 179
11.1 大数据与交通行业的相关知识 180
11.1.1 交通行业的城市发展
难题 180
11.1.2 交通行业的大数据应用 181
11.1.3 交通行业的大数据优势 183
11.1.4 交通行业的大数据挑战 184
11.2 交通行业的大数据营销利器 185
11.2.1 【案例】数据交流，
行车安全 185
11.2.2 【案例】信息服务，
丰田畅通 186
11.2.3 【案例】数据救援，
安联智能 187
11.3 能源行业的大数据开发与应用 188
11.3.1 电力行业的大数据应用 189
11.3.2 【案例】谷歌的漂浮数据
中心 190
11.3.3 【案例】UPS的物流数据
中心 191
第12章 高效服务：医疗领域的大数据价值 193
12.1 大数据时代下的医疗营销 194
12.1.1 医疗领域的大数据
价值 194
12.1.2 医疗领域的大数据
应用 195
12.1.3 医疗领域的大数据
前景 196
12.1.4 医疗领域的大数据
挑战 197
12.2 医疗领域的营销大数据 198
12.2.1 医疗领域的大数据
增长 198
12.2.2 医疗领域的大数据
关系 199
12.2.3 医疗领域的大数据
方案 200
12.3 医疗领域的大数据应用案例 201
12.3.1 【案例】"南湘雅"的
临床大数据系统 201
12.3.2 【案例】"好大夫在线"
的大数据定位 203
12.3.3 【案例】康诺云的大数据
医疗服务 204
第13章 迅速反应：娱乐传媒的大数据冲击 205
13.1 大数据时代下的娱乐传媒 206
13.1.1 娱乐传媒的大数据
意义 206
13.1.2 娱乐传媒的大数据
挑战 208
13.1.3 娱乐传媒的大数据
策略 209
13.2 娱乐传媒的大数据营销应用 211
13.2.1 娱乐传媒的大数据
趋势 211
13.2.2 娱乐传媒的大数据商业
模式 212
13.3 娱乐传媒的大数据营销案例 213
13.3.1 【案例】新影数讯的
大数据分析 213
13.3.2 【案例】《小时代》的
大数据分析 214
13.3.3 【案例】《纸牌屋》的
大数据变革 215
第14章 供需调控：生产制造的大数据支撑 217
14.1 大数据与生产制造业的相关
知识 218
14.1.1 生产制造业的大数据
挖掘 218
14.1.2 生产制造业的大数据
冲击 220
14.1.3 生产制造业的大数据
应用 221
14.1.4 制造业的大数据商业
智能 222
14.2 生产制造业的大数据价值体现 224
14.2.1 【案例】可口可乐的
大数据昵称捕捉 225
14.2.2 【案例】长虹的大数据
家电战略 226
14.2.3 【案例】欧派电动车的
大数据服务 227
14.2.4 【案例】长安汽车的
大数据制造应用 228
第15章 对内经营：企业管理的大数据战略 229
15.1 大数据与企业管理的相关知识 230
15.1.1 企业管理的大数据内部
重塑 230
15.1.2 企业管理的大数据
方法 231
15.1.3 企业管理的大数据
智能 232
15.1.4 企业管理的大数据应用
关键 232
15.1.5 企业管理的大数据
要点 233
15.2 企业管理的大数据应用 235
15.2.1 【案例】智慧商贸进销存的
企业管理 235
15.2.2 【案例】汉庭酒店的
大数据预算管理 236
15.2.3 【案例】机场的大数据
预测管理 238
15.2.4 【案例】国药集团的
大数据平台 240
第16章 线上线下：金融行业的大数据竞争 241
16.1 大数据时代下的金融行业 242
16.1.1 金融行业的大数据变革
理念 242
16.1.2 金融行业的大数据应用
途径 244
16.1.3 金融行业的大数据趋势 245
16.1.4 金融行业的大数据挑战 246
16.2 银行业的大数据营销应用案例 246
16.2.1 【案例】工商银行的
大数据方案 247
16.2.2 【案例】招商银行的
大数据战略 248
16.2.3 【案例】花旗银行的
大数据服务 249
16.3 金融行业其他领域的大数据
应用 250
16.3.1 【案例】纽交所的大数据
系统 250
16.3.2 【案例】基金业的大数据
预判 251
16.3.3 【案例】保险业的大数据
风险控制 251
第17章 广泛发展：其他行业的大数据应用 253
17.1 大数据时代下的旅游行业 254
17.1.1 旅游行业的大数据发展
趋势 254
17.1.2 【案例】黄山游客大数据
引流 256
17.2 大数据时代下的游戏行业 257
17.2.1 游戏行业的大数据关联
指导 258
17.2.2 【案例】EA游戏体验的
大数据改进 258
17.3 大数据时代下的房地产行业 262
17.3.1 房地产行业的大数据
营销 262
17.3.2 【案例】万科地产的
大数据战略 264
|
| 內容試閱：
|
前言
? 写作驱动
互联网和移动互联网的快速发展使海量数据得以产生，这些数据的分析、价值挖掘和应用给社会各行业带来了更多发展机会，引领它们走向"大数据 互联网"时代环境下经济发展的春天，开启一个数据化、智能化、信息化的新时代。
本书是以大数据为核心、以营销为根本出发点的专著，以图解的方式全面、深入地诠释大数据的主要特征、发展过程、价值挖掘、平台构建、营销定位、生活服务、社交互动、风险管理和行业应用，特别是结合了每一个与营销相关的行业内容，如大数据影响、发展趋势、应用策略、挑战、商业模式等，围绕相关内容全面解析了诸多行业的大数据应用。
本书紧扣大数据，采用集理论、案例和技巧于一体的结构框架，从横向行业线和纵向理论线全面剖析大数据见下图，让您轻松懂得怎样利用大数据创造价值，开拓新的市场空间，焕发企业活力。
? 本书特色
1 技巧丰富，包含100多种营销方法。本书巧妙地将100多种大数据分析、营销知识与运营方法嵌入行业案例中，生动形象地通过案例，将营销手段与运营方法表述出来，让读者能够快速吸收、全面掌握大数据营销与运营的相关事宜，成为行家里手。
2 实践性强，渗透近20个行业领域。行业涉及销售、餐饮、网络、通信、交通、能源、医疗、娱乐、传媒、生产、制造、企业管理、金融等人们生活与工作的各个领域。列举大量案例，进行透彻的讲解和分析，使读者只需一本书就通晓整个行业产业的大数据营销与运营方法。
3 易于理解，构建350多个逻辑图解。对案例大数据进行专业的剖析，从大数据应用的方法、应用方法的好处等方面，通过形象的逻辑图解，将大数据营销手段与运营方法进行详细分析，从而推动读者进入和玩转大数据新时代！
? 图解提示
本书是侧重大数据实际应用的实战专著，采取了全图解的方式进行分析。书中的350多个图解能够帮助读者快速掌握重点和了解核心知识，为降低读者的阅读成本作出了努力。但是，需要注意的是，读者需要在阅读过程中注意其逻辑关系，以便更好、更快地理解本书内容，从而感受阅读的知识性和趣味性。
? 作者分工
本书由海天电商金融研究中心编著，参与编写的人员有周玉姣、刘胜璋、刘向东、刘松异、刘伟、卢博、周旭阳、袁淑敏、谭中阳、杨端阳、李四华、王力建、柏承能、刘桂花、柏松、谭贤、谭俊杰、徐茜、刘嫔、苏高、柏慧等人，在此一并表示感谢。
海天电商金融研究中心
第1章 发展揭秘：全程破解大数据
大数据这一IT新技术的兴起是互联网发展的结果，也是各行业日趋互联网化的重要表现。
全新IT时代下的大数据有其独特的魅力，吸引着人们去了解和探究。本章将带领读者一步步深入了解有关大数据的发展与影响的相关知识。
1.1 相关了解，全面分析
在互联网迅速发展的时代背景下，社会信息类数据量剧增，由此带来的数据累积效应明显。更重要的是，它带来了数据资产方面企业竞争的加剧，各行业的互联网化和大数据趋势日益明显。顾名思义，大数据即大量、海量的数据。本节将从5个方面对大数据的相关知识进行了解，具体如图1-1所示。
图1-1 大数据的内容
1.1.1 大数据的发展历程
大数据的产生是互联网发展和信息数据化的结果。在新的时代背景下，数据不断发展和累积，如图1-2所示。
图1-2 数据的累积
在这一发展环境下，多样性、海量的数据在人们生活中随时产生并存在，而这些数据化的信息若要加以综合利用，必须对其进行处理，大数据技术应运而生。其实关于数据的处理，早在1890年就已经出现，发展至今，已经形成了系统化和专门化的IT新技术，其发展历程如表1-1所示。
表1-1 大数据技术的发展历程
年 份
人物机构
事 件
1890
美赫尔曼霍尔瑞斯
发明了一台用于读取数据的电动器，由此引发了全球范围内的数据处理新纪元
1961
美国国家安全局NSA
采用计算机自动收集、处理超量的信号情报，并对积压的模拟磁盘信息进行数字化处理
1997
美迈克尔考克斯
和大卫埃尔斯
提出了"大数据问题"，认为超级计算机生成大量不能被处理和可视化的信息，超出各类存储器的承载能力。这是人类史上第一次使用"大数据"这个词
2009
印度身份识别管理局
扫描12亿人的指纹、照片及虹膜，分配12位的数字ID号码，并将这一数据汇集到生物识别数据库中
2009
data.gov网站
该网站拥有超过4.45万的数据量集，利用网站和智能手机应用程序，实现对航班、产品召回、特定区域内失业率等信息的跟踪
2011
IBM
在智力竞赛节目中，其沃森计算机系统打败了人类挑战者， 被称为"大数据计算的胜利"
随着IT产业的迅速发展，在新兴的IT供应商主导下，已有的计算机规范被重新定义，由此引起了以云计算、物联网为代表的新技术变革，大数据也是如此。
数据量的暴增是大数据产生的前提，而全球智能手机和移动设备的激增则是数据量爆炸的重要原因，如图1-3所示。
图1-3 数据量爆炸的原因
由图1-3可以看出，数据处于迅速增长的趋势下。在这一社会基础上，在以"一切都被记录，一切都被数字化"为核心理念的数据化的发展趋势下，"大数据"应运而生，如图1-4所示。
图1-4 大数据的产生
综上所述，所谓"大数据"，即在传统数据库软件工具条件下，在一定时间内，对其内容无法进行挖掘、管理和分析处理的数据集合。
1.1.2 大数据的4大特征
大数据，总的来说，其特征可以用一个字来概括--大。从这一总特征入手，根据"大"这一修饰语在数据方面的大量、发展快的含义而言，大数据的基本特征主要表现在4个方面，具体内容如图1-5所示。
图1-5 大数据的基本特征
可见，相较于单纯强调体量的海量数据，大数据具有非常明显的特征，即上述所示的4个基本特征，又称为"4V"特征，即体量Volume大、种类Variety多、密度Density低和速度Velocity快。
基于上述特征的大数据具有不同于互联网的革命性发展，其正以巨大的力量改变世界，成为企业、机构等的强大的信息资产，如图1-6所示。
图1-6 大数据时代下的信息资产
1.1.3 大数据增长的结构类型
数据量急剧增长导致的数据量大是大数据的主要特征，在海量的数据中，其结构的复杂性可想而知；反过来，大数据的结构又体现了其突出的增长趋势。关于大数据增长的结构类型，具体如图1-7所示。
图1-7 大数据增长的结构类型
由图1-7可以看出，大数据的增长大多表现为不是结构化的数据类型，具体表现如图1-8所示。
图1-8 大数据增长日益趋向非结构化
相对于不是结构化的数据增长类型而言，结构化数据明显较少。关于结构化数据，具体内容如图1-9所示。
图1-9 结构化数据
上面所述大数据结构的复杂性，必然导致其在进行大数据处理时的技术和方法方面具有选择性，如图1-10所示。
图1-10 大数据的分析和处理
1.1.4 大数据发展的三大趋势
随着人们对大数据的了解，关于"大数据"的认知超出了其数据形式本身的范畴，已经作为一种企业必要的元素和企业应用联系起来。从这一方面来说，大数据的发展呈现以下三大明显趋势。
1. 数据作为一种企业资产存在
在信息时代，数据不是作为单纯的数字形式存在于人们的认知框架中，而是经济生产中独立的生产要素，随之而来的是其在社会环境下意义的改变，如图1-11所示。
图1-11 "数据"含义的改变
在"数据"含义发生改变的大环境下，目前的互联网三巨头的发展对"数据"这一名词做了完备的诠释，具体内容如图1-12所示。
上述三巨头在互联网行业方面发展迅速并有着独特领域的发展优势。可以说，它们引领着行业的发展方向，相对于其他行业而言，有着压倒性的发展优势。
2. 新兴产业的垂直整合
任何一种新兴产业的发展，往往首先需要在纵向上尽力整合社会资源才能有所发展和成就。一味地寻求在横向上进行拓宽的发展方式是不可取的，其结果将是流于表层的混合发展；从市场前景方面来说，是不长久的。
图1-12 互联网的三巨头
新兴企业只有在取得一定的成就，即公司产品成熟之后才有能力实现在水平分工上的资源整合，优势也逐渐向横向上的企业发展改变倾斜，如图1-13所示。
图1-13 产品市场格局
信息产业作为一种新兴产业，其行业垂直整合趋势明显，这也是移动大数据环境下大数据效应改变产品市场格局的重要表现。
3. "四位一体"的泛互联网化
泛互联网化，即互联网在社会中的泛化以及社会各要素与互联网的融合，如图1-14所示。
在泛互联网化形势下，大数据、终端、应用和平台4个方面成为盈利的主要来源。其中，泛互联网化是大数据获得的重要渠道，反过来，大数据的发展也促进社会进一步向泛互联网化迈进。
图1-14 泛互联网化的表现
1.1.5 大数据视角下的世界
随着大数据时代下数据量的增长和数据类型的不断扩展，在这一时代环境下的社会也正在发生着变化。
从大数据的产生来说，其涉及范围非常广泛，具体内容如图1-15所示。
图1-15 大数据产生的世界视角
从大数据的影响来说，其范围同样非常广泛，具体内容如图1-16所示。
大数据这一丰富矿藏的开采，是企业把握巨大商机的前提。其中，处于大数据时代前沿的互联网企业，如后PC时代的三大巨头--Facebook、谷歌、亚马逊正在成为大数据的拥有者和使用者。
图1-16 大数据影响的世界视角
由此可见，从大数据这一视角来看，它能够判断企业的兴衰成败，具体内容如图1-17所示。
图1-17 大数据视角下的企业兴衰
1.2 深入了解，营销获益
大数据丰富的数据源产生了海量的数据，而这些数据是商业市场发展所需要的信息来源的基础，换言之，大数据为商业市场的发展提供了巨大的机遇，具体如图1-18所示。
图1-18 大数据利用的营销影响与价值
1.2.1 新型营销模式的形成
在大数据时代环境下，商业市场有着与传统市场完全不同的营销模式。基于大数据信息源条件下的盈利方式和经营策略的不同，形成了6种商业新型营销模式，如图1-19所示。
图1-19 大数据环境下的新型商业营销模式
1.2.2 新型业务模式的发掘
大数据的商业应用不仅表现在对现有产品和业务的优化上，还表现在对新业务的发掘上。其中，与我们生活息息相关的零售业、能源行业和健康领域较为明显，具体内容如图1-20所示。
图1-20 大数据商业应用下的新型业务模式
1.2.3 存量客户的价值发掘
在现在的市场营销策略中，新增客户资源的开发是市场人员更关注的目标，但是有资料显示，一家公司，80%的利润实际上是来自20%的现存客户。因此，营建老客户的忠诚度对市场营销来说是十分必要的举措。
大数据的完整记录包含的信息能够为发掘存量客户的价值、营建客户忠诚度提供必要的支撑，如图1-21所示。
图1-21 大数据支撑下的存量客户价值挖掘
1.2.4 新客户资源的高效获取
大数据在利用其信息资源营建老客户的忠诚度的成功应用基础上，可进而扩展为通过它来开发新的客户资源。在这方面，主要有如图1-22所示的两个途径。
图1-22 获取新的客户资源的途径
1.3 核心建设，把握机遇
在互联网环境下，各行各业的数据量均经历了几何级数的增长。在这些海量数据中，无数机遇充斥其中，企业纷纷进行大数据挖掘，找寻商业机遇。
1.3.1 4G时代下的大数据产业链
世界网络经历了一个由1G到4G的发展过程。下面以不同阶段的主要服务为例进行分析，具体内容如图1-23所示。
图1-23 主要服务内容
除了主要服务内容的更新之外，还有不同阶段的典型业务也是随着发展的进步而进步的。例如，1G时代的业务主要集中于语音通话功能，4G时代则包括语音通话、短信、彩信、数据流量、视频传输、云端游戏等方面功能。
在大数据产业链的商机把握上，4G引发了一场大数据采集、传输与应用端的大革命，具体内容如图1-24所示。
图1-24 大数据产业链的具体内容
当今信息时代，大数据应用获得了必备的发展条件，具体内容如图1-25所示。
图1-25 信息时代的大数据应用
1.3.2 大数据营销机会的挖掘
在大数据整个产业链上，关于企业对其营销机会的挖掘和掌握，具体内容如图1-26所示。
图1-26 企业基于大数据的营销机会挖掘
由图1-26可知，在这一大数据产业链中，每一个环节都是成就企业营销的机遇，如目前兴起的机遇，数据分析的营销咨询就是其中的典型。
针对掌握有大量数据源的企业而言，在大数据的信息挖掘与分析方面更是有着广阔的商业前景，电信运营商就是其中的一类，如图1-27所示。
图1-27 电信运营商的数据挖掘营销前景
基于大数据信息的应用方面，大数据的数据量庞大、数据类型的丰富与多样性以及数据来源极为广泛三个方面的优势，决定了其信息更具有综合性和科学性，
因而其中所蕴含的商业价值更值得借鉴，这将极大地影响未来的商业决策。
利用大数据平台的数据信息，相关企业可以提高洞察力并做出正确决策，从而获得竞争优势，特别是互联网从业者，如图1-28所示。
图1-28 大数据信息应用的商业机遇
1.4 商业智能，价值转型
在大数据时代下，商业智能进一步发展和推进，由此带来了商业价值方面的变化。那么，这些变化具体是怎样发生的呢，它又将对社会产生怎样的影响？请拭目以待吧！
1.4.1 大数据下的商业智能概述
商业智能Business
Intelligence，BI是一个基于商业经营决策依据来说的概念，它通过对企业现有数据的整合，能够快速、准确地提供数据信息并提出决策依据。关于商业智能的具体内容，如图1-29所示。
图1-29 商业智能的特点和发展前景
1.4.2 商业智能的大数据基础
商业智能是一个用来处理数据并将其转换成知识和结论，从而辅助决策者做出决定的工具。从中可以看出，数据是商业智能解决方案中的最基础的部分，具体内容如图1-30所示。
图1-30 大数据基础的商业智能分析
在商业智能的作用下，大数据的应用发挥了其自身极大的价值，未来或将引领管理信息化的发展，如图1-31所示。
图1-31 大数据下的商业智能作用
1.4.3 商业智能的行业掘金
在大数据环境下，企业发展与商业智能实现了完美结合。从这一方面来说，大数据在与商业智能存在差异的同时，又是对商业智能的完美补充，具体内容如图1-32所示。
图1-32 大数据商业智能大数据BI分析
企业信息化是大数据商业智能的一个重要表现，并逐渐由运营层面向决策层面发展。在这一发展过程中，商业智能的行业价值掘金也在发生变化，如图1-33所示。
图1-33 企业的商业智能掘金分析
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
