JD.com comparte nuevos conocimientos y aplicaciones de big data empresarial. microfilm de salida de computadora

El big data ha estado estrechamente relacionado con cada una de nuestras vidas diarias.

Pongamos un ejemplo de un escenario. Por ejemplo, cuando te despiertas por la mañana, descubrirás que la calidad de tu sueño de anoche no fue muy buena a través de los datos de tu reloj inteligente. Después de lavarme la cara y cepillarme los dientes por la mañana, caminé más de 1.000 pasos hasta el metro de Liudaokou para pasar mi tarjeta y tomar el metro. Dos paradas cuestan 3 yuanes para llegar al Parque Olímpico. Encontré en el metro que un par de zapatillas de baloncesto Nike que había buscado antes estaban en oferta. JD.COM envió proactivamente la información de este producto e inmediatamente realicé un pedido.

En este proceso, generé personalmente datos de sueño, datos de distancia recorrida, datos de consumo de tarjetas de metro, datos geográficos de punto de partida y destino de metro, datos de compras de JD.COM y datos de círculo de amigos de WeChat, así como un gran Los productores de datos producen tantos datos a la vez. Como consumidor de big data, cuando navegue por el centro comercial o la aplicación JD.COM en el futuro, el sistema puede recomendarme almohadas, zapatillas de baloncesto u otros productos relacionados con las zapatillas de baloncesto para mejorar mi inteligencia del sueño. También me lo recomiendo. Lo compraré porque lo comparto.

Después de que las empresas, especialmente las empresas de Internet, obtienen los datos que generamos, se agrupan, dividen y predicen mediante estadísticas matemáticas y algoritmos de minería para obtener datos más relevantes. A través de estos datos, cada uno de nosotros puede describirlos. una etiqueta. Como género, estado civil, aficiones, ingresos, si te gustan los deportes, sensibilidad a la promoción, etc. , obteniendo así muchos atributos de cada uno de nosotros, como atributos demográficos básicos, poder adquisitivo, características de comportamiento, redes sociales, características psicológicas, aficiones, etc.

Una vez que las empresas dominan estos datos, ¿cómo los utilizan? ¿Se utilizan estos datos para marketing, como marketing de precisión, publicidad de precisión y recomendación precisa de productos? ¿O utilizar estos datos para perfeccionar las operaciones y la gestión internas de la empresa? ¿O utilizar estos datos para mejorar los procesos de producción y guiar la investigación secundaria y el desarrollo de productos? Esto depende del nivel de práctica de big data empresarial. Una buena aplicación del big data realmente puede elevarlo a un nivel estratégico, pero no se puede utilizar bien. Big data es la guinda del pastel, no es opcional.

Según la idea de agrupación de la minería de datos, los datos empresariales se pueden dividir en datos internos y datos externos, y los datos internos se pueden dividir simplemente en datos financieros y datos de la cadena de suministro (el concepto de gran oferta). cadena). Por supuesto, el contenido empresarial de las empresas de diferentes sectores también es muy diferente. Por ejemplo, en la industria financiera, puede haber más aspectos financieros como inversión y financiación, gestión de efectivo y menos cadena de suministro, mientras que en la industria de fabricación o servicios de circulación, habrá más datos relacionados con la cadena de suministro.

Los datos financieros son principalmente estados financieros, especialmente los tres estados financieros principales: balance, cuenta de resultados y estado de flujo de efectivo. Luego está el libro mayor. La contabilidad en el libro mayor incluirá cuentas. Si las cuentas no son suficientes, también configuraremos una contabilidad auxiliar. La mayoría de las empresas también elaboran presupuestos todos los años, y la mayoría de los presupuestos también se formulan en torno a indicadores financieros, o los presupuestos comerciales se basan en presupuestos financieros. Por supuesto, una gran parte de la gestión financiera es la gestión del dinero.

Habrá más tipos de datos en la cadena de suministro, desde los proveedores hasta los consumidores, incluidos los datos de adquisiciones, almacenamiento, logística, producción, ventas y posventa. Por supuesto, podemos perfeccionar aún más cada vínculo.

Además, creo que cualquiera que realice producción y comercialización a puerta cerrada no debería tomar la iniciativa de referirse a datos externos, incluidas las políticas nacionales, el entorno económico, las condiciones del mercado de valores, los competidores y los precios de las principales materias primas. , etc.

En cuanto a la arquitectura general de big data, la mayoría de las empresas deberían implementar un sistema de BI o un sistema de automatización de informes. Si estos sistemas son planificados y construidos por la Parte B, el diagrama de arquitectura del esquema del sistema que desarrollan durante el proceso de planificación o implementación no tiene más de tres niveles, y como máximo cuatro niveles.

De abajo hacia arriba, la capa de metadatos de primer nivel o capa de fuente de datos son los datos, finanzas, cadena de suministro, recursos humanos, presupuesto, etc. de nuestro sistema de aplicaciones comerciales.

La segunda capa se llama capa de almacenamiento de big data, que recopila fuentes de datos de cada capa en un almacén de datos y luego pasa a la tercera capa, la capa del modelo de análisis, para establecer un modelo de análisis basado en el almacén de datos. Algunas soluciones incluso omiten directamente la capa del modelo de análisis y van directamente al último nivel de la capa de visualización de datos para mostrar los datos en el modelo de análisis. Según los muchos años de experiencia del autor, una forma organizativa de este tipo puede denominarse como máximo un sistema de BI, pero no un sistema de big data.

JD.COM big data no es un sistema o producto único. Las aplicaciones de big data de JD.COM se han integrado en todos los sistemas de aplicaciones empresariales. Nuestra plataforma de recopilación de big data recopila automáticamente todos los datos en la plataforma Hadoop en tiempo real y de forma regular sin afectar la eficiencia y la experiencia del cliente del sistema o producto. Con la plataforma de big data como núcleo, los resultados del procesamiento, procesamiento, análisis y minería se distribuyen a varios sistemas comerciales y productos de datos, como centros comerciales, ventas, brújulas de datos, navegación, etc. La siguiente imagen es solo como referencia:

A nivel de aplicación de big data empresarial, no todas las empresas son JD.COM y no todas las empresas son empresas de Internet. No todas las empresas deben estar respaldadas por big data. ¿Pueden las empresas también utilizar aplicaciones de datos pequeños y al mismo tiempo satisfacer sus propias necesidades comerciales? La respuesta es sí, las aplicaciones de big data también se pueden dividir en niveles y cada nivel satisface las necesidades de las empresas para diferentes niveles de datos. Está dividido aproximadamente en cinco niveles y cada nivel es gradual.

1. Monitoreo empresarial

Esta es la etapa inicial de la aplicación de big data, que es la etapa tradicional de DW/BI. En esta etapa, la empresa implementa una solución de inteligencia empresarial (BI), que es esencialmente un sistema de informes automatizado para monitorear las operaciones del negocio existente.

El monitoreo empresarial, a veces también llamado gestión del desempeño empresarial, se refiere al uso de métodos de análisis básicos por parte de las empresas para proporcionar alertas tempranas de que las operaciones comerciales son inferiores o superiores a lo esperado y enviar automáticamente informes relevantes a las empresas y entidades correspondientes. personal de gestión. Información de alerta temprana. De acuerdo con las reglas de alerta temprana formuladas anteriormente, el personal de gestión empresarial puede comprender de antemano la situación empresarial, realizar alertas tempranas y ayudarlos a tomar algunas medidas y medios específicos y previsibles para cortar los problemas de raíz.

Hay dos puntos clave en esta etapa. El primero es el diseño de reglas de alerta temprana. Los métodos comúnmente utilizados incluyen el método de referencia (comparación durante el mismo período, comparación de actividades de marketing similares, comparación entre pares) o el método de indicadores (desarrollo de marca, satisfacción del cliente, desempeño del producto, análisis financiero). El método de análisis de indicadores consiste en seleccionar indicadores razonables. Por supuesto, elegir indicadores razonables aquí es más fácil de decir que de hacer. De hecho, se necesita pensar mucho para hacer esto. Déjame darte un ejemplo que encontré antes. En ese momento, se trataba de un diseño de solución para una empresa de fabricación discreta. Un indicador muy importante de su evaluación de desempeño en la gestión de inventario es la tasa de rotación de inventario o los días de rotación de inventario, que es un indicador muy normal y de uso común. Sin embargo, hay una gestión de inventario entrante y saliente falsa en esta unidad, lo que hace que la tasa de rotación del inventario se vea muy buena. Más tarde, después de considerar el uso del índice de movimiento a ventas y el índice de inventario a ventas como indicadores, combinamos los indicadores de inventario y los indicadores de ventas para evitar esto. El propósito de este ejemplo es ilustrar que cuando realizamos un seguimiento empresarial, la selección de indicadores es muy importante. No solo puede reflejar de forma precisa y justa las condiciones operativas de este negocio, sino también evitar el fraude humano.

2. Business Insight

Business Insight significa que el sistema no solo proporciona informes de datos, sino que también proporciona informes "inteligentes" o paneles de control "inteligentes". Necesitamos predecir y desenterrar aún más algunos datos desconocidos a través del análisis multidimensional anterior basado en datos históricos.

Por ejemplo, cuando estaba trabajando en un proyecto para una cadena hotelera en Hangzhou, necesitábamos hacer algo más interesante basándonos en los datos de los hoteles en los que el hotel invirtió en todo el país. Por ejemplo, necesitamos predecir un hotel de nueva inversión en función de la inversión en renovación de hoteles previamente invertidos, las tasas de ocupación actuales de diferentes grados, la tasa de ocupación y la tasa de rotación del departamento de catering del hotel, los ingresos operativos, los costos y los competidores en las ciudades locales. , etc. retorno de la inversión y período de recuperación. Además, existe el método de análisis DuPont comúnmente utilizado en el análisis financiero. En pocas palabras, el análisis de DuPont es un modelo que analiza exhaustivamente el desempeño financiero de toda la empresa desde una perspectiva financiera. El principio básico es que la cima es ROE. Para el ROE, podemos descomponerlo en ROA × multiplicador de capital, y el ROA se puede descomponer en tasa de ventas netas × tasa de rotación de activos, y luego descomponerlo nuevamente, y finalmente se convierte en una estructura de árbol llena de indicadores financieros. Debido a que estos indicadores financieros se calculan a través de partidas de los estados financieros, materias contables y contabilidad auxiliar, existe una relación lógica muy urgente entre ellos. De esta forma, se pueden calcular algunos medios técnicos para lograr predicciones simuladas. Por ejemplo, al realizar el presupuesto o la planificación del próximo año, si desea ajustar algunos indicadores financieros por adelantado, también se vincularán otros indicadores relacionados, como aumentar el beneficio neto en un 65.438+0%, los ingresos por ventas, los gastos de marketing, la gestión, etc. . Esto nos ayuda a predecir el futuro y hacer mejores planes y presupuestos.

Por supuesto, todavía hay muchas cosas que se pueden predecir en esta etapa, como la industria minorista.

La mayoría de las categorías de ventas tienen un ciclo de ventas y podemos predecir las ventas en función del ciclo de ventas. También puede dirigirse con precisión a grupos objetivo para marketing dirigido basándose en respuestas históricas de los usuarios a diferentes métodos de marketing, gastos de marketing, productos de marketing y efectos de marketing, mejorando así la eficiencia del marketing y reduciendo los costos de marketing.

3. Optimización empresarial

La optimización empresarial sigue siendo muy atractiva para la mayoría de las empresas y también es un objetivo en el que muchas empresas piensan día y noche. La etapa de implementación se puede llevar a cabo paso a paso; al menos las empresas tienen la capacidad de incorporar tecnología analítica en las operaciones comerciales. El siguiente es un caso que hemos realizado anteriormente para una empresa tradicional. Como la mayoría de empresas, esta empresa también cuenta con un sistema ERP. En el proceso de adquisiciones, podemos introducir modelos de desempeño de proveedores. Por supuesto, este modelo de desempeño del proveedor puede tener en cuenta muchos factores, como la calidad del suministro, la eficiencia del suministro, la tasa de defectos, el servicio posventa y muchos otros factores. Al comprar, el comprador puede seleccionar de forma independiente los proveedores adecuados basándose en el modelo de desempeño del proveedor. Aquí hay un ejemplo. Además, los precios de mercado de las principales materias primas se pueden conectar a la interfaz de adquisiciones en tiempo real, de modo que los gerentes de adquisiciones puedan comprender el ciclo de adquisiciones y organizar planes de adquisiciones de manera razonable.

En la industria minorista, todos sabemos que existe una fuerte correlación entre productos, usuarios y usuarios, usuarios y productos, como en los ejemplos de la cerveza y los pañales, el chocolate y los condones. Aquí podemos hablar un poco de cómo lo hacen la mayoría de empresas de comercio electrónico. Al comprar estos productos en los registros, podemos conocer la relación entre cada dos productos. Esta relación no es igual. Por ejemplo, los usuarios que compran teléfonos móviles normalmente también compran fundas para teléfonos móviles, y es posible que las personas que compran fundas para teléfonos móviles no necesariamente compren teléfonos móviles. Esto muestra que los teléfonos móviles y las fundas para teléfonos móviles están relacionados, y es una relación fuerte. La relación entre fundas de teléfonos móviles y teléfonos móviles es débil y el coeficiente se utiliza para explicar la fuerza de la relación. Entonces, con esta relación entre mercancías y mercancías, formamos un modelo de mercancías. Según este modelo de producto, podemos recomendar mejor los productos que los usuarios han buscado, comprado, recopilado y revisado. Después de hablar de productos, hablemos de usuarios. Los usuarios pueden descubrir la relación entre usuarios a través de comportamientos de navegación, comportamientos de búsqueda, comportamientos de comentarios y comportamientos de compra similares. En función de la relación de comportamiento entre los usuarios, puedes recomendar algunos productos que otros usuarios que están muy relacionados con él pueden comprar o interesarles. Esta también es una práctica común utilizada por muchas empresas de Internet en recomendaciones publicitarias, recomendaciones de productos y recomendaciones de información promocional.

4. Rentabilidad de los datos

La rentabilidad de los datos es lo que solemos llamar monetización de los datos. Una forma de rentabilidad de los datos es la productización de los datos. Actualmente, existen muchas empresas de servicios de datos que pueden recopilar datos sobre juegos móviles, uso de aplicaciones, comportamiento del usuario, etc., realizar monetización a través de su tecnología de análisis y extracción de datos y luego generarlos a través del comportamiento de productos o servicios. Además, los fabricantes de teléfonos móviles, como Xiaomi y Huawei, tienen cientos de millones de usuarios activos y disponen de datos de primera mano sobre el comportamiento de los usuarios en sus teléfonos móviles, incluidos datos de pago. Hay muchos aspectos que se pueden lograr, lo que los limita son sus ideas. Además, cada vez más fabricantes tradicionales han digitalizado sus productos. Por ejemplo, los automóviles + big data se han convertido en Tesla, y el hogar + big data se han convertido en hogares inteligentes. Por supuesto, aquí hay muchos ejemplos.

5. Reinvención empresarial

La reinvención empresarial debe ser la etapa más alta del modelo de madurez del big data. En esta etapa, algunas empresas esperan transformar sus modelos de negocio en nuevos servicios en nuevos mercados mediante el análisis de los patrones de uso de los clientes, los comportamientos de rendimiento de los productos y las tendencias generales del mercado, como JD.com. Los nuevos negocios de COM, JD Finance y JD Intelligence. Además, podemos usar nuestra imaginación. ¿Qué negocios de BAT se desarrollan en base a los principales datos comerciales? ¿Podemos pensar en muchos?

No hay muchas empresas en China e incluso en el mundo que realmente tengan big data. Tenemos suerte de contar con big data en toda la cadena de valor del comercio electrónico. ¿Cómo explotar esta mina de oro? Sólo nuestros propios pensamientos nos limitan.

Lo anterior es el contenido relevante compartido por el editor sobre la nueva comprensión y aplicación de JD. Intercambio de big data empresarial de COM. Para obtener más información, preste atención a Global Ivy para compartir más información.