Casos prácticos de big data empresarial

1. Industria de electrodomésticos

Tomemos como ejemplo una determinada empresa de electrodomésticos que no solo fabrica aires acondicionados, refrigeradores y ollas arroceras de renombre. , pero también fabrica hogares inteligentes con decenas de productos. En su estructura de grupo, el departamento de TI, RRHH, finanzas y otros departamentos operan en forma de unidades de negocio.

Actualmente, las industrias de electrodomésticos y electrónica de consumo están experimentando "problemas internos y externos", exceso de capacidad, guerras de precios y una grave homogeneidad. Las empresas de Internet están involucradas en la disrupción de los modelos competitivos. La “economía de fans” de Xiaomi y la “aplicación de terminal de contenido de plataforma” de LeTV se centran en los “usuarios” operativos más que en la producción. La empresa espera crear los mejores productos y servicios personalizados, y recomendar los productos adecuados a los clientes adecuados a través de los canales adecuados. En el modelo CPC, actualmente solo existe coincidencia de CP (canal de producto), sin soporte panorámico del usuario, y es imposible lograr la coincidencia de "CP (producto del cliente)" y "CC (canal del cliente)".

Basándose en los entornos internos y externos y los impulsores comerciales mencionados anteriormente, la empresa espera convertir el big data en el centro de todas las soluciones comerciales. Con Big Data DMP como núcleo de los datos empresariales, hace pleno uso de fuentes de datos internas y externas para organizar los datos empresariales según diferentes dominios para formar activos de datos empresariales completos. Luego, utilice este sistema para servir a diversas aplicaciones a lo largo de la cadena de valor empresarial.

Entonces viene la pregunta. Los datos de la empresa están dispersos en diferentes sistemas y más datos del comercio electrónico de Internet están dispersos en las principales plataformas de comercio electrónico y no se pueden utilizar de manera efectiva. ¿Cómo solucionarlo? La estrategia de respuesta de la empresa es: 1) Primero, comenzar con datos externos de Internet e introducir tecnología de procesamiento de big data. Por un lado, puede resolver las deficiencias en la utilización de datos externos de comercio electrónico de Internet y, por otro lado, puede probar la tecnología de big data. Debido a que los datos de Internet no tienen una gran cantidad de problemas que requieran coordinación interna, es más fácil obtener resultados rápidamente 2) Construir DMP en una plataforma de gestión de datos unificada para empresas, integrar datos internos y externos, realizar retratos de usuarios y crear una. panorama del usuario.

Contenido de construcción de la primera fase: técnicamente, el rastreador Spark personalizado rastrea datos de Internet todos los días (principalmente reseñas de usuarios de Tmall, JD.COM, Gome, Suning, Taobao, etc.) y utiliza Hadoop. plataforma Realice análisis semántico y de almacenamiento y, finalmente, implemente tres módulos principales: análisis de la industria, análisis de productos competitivos y análisis de un solo producto.

Los efectos de la primera fase de construcción del sistema de big data de la empresa de electrodomésticos se reflejaron rápidamente en conocimientos del mercado, diagnóstico de marca, análisis de productos y comentarios de los usuarios.

El objetivo de construcción de la segunda fase: construir una plataforma de gestión de datos unificada para integrar los datos del sistema interno de la empresa, datos externos de Internet (como datos de comercio electrónico), datos de terceros (como cooperación externa, terceros). -partido de consumo proporcionado por Tabu o datos).

El mayor valor del proyecto de big data de la empresa para la empresa es transformar los activos de datos acumulados en productividad. El departamento de TI desempeña el papel de TI ágil al crear una plataforma de gestión de datos unificada para empresas, integrando datos internos y externos, brindando soporte rápido a nuevas aplicaciones, y el departamento de negocios ayuda a las empresas a optimizar y mejorar el diseño de productos a través de información sobre productos, marcas y industrias, marketing publicitario y optimización de servicios para ayudar a las empresas a realizar operaciones refinadas y recomendaciones personalizadas basadas en retratos de usuarios ayudan a las empresas a crear la mejor experiencia de servicio para los usuarios y mejorar la fidelidad y la satisfacción del cliente, a través del mercado y la industria. análisis, ayudar a las empresas con el diseño del producto y la implementación estratégica.

En segundo lugar, una industria en rápido desarrollo

Tomemos a P&G como ejemplo. Durante la cooperación con el Departamento de Marketing de P&G en China, descubrimos que no hay necesidad de integrarnos antes de hacer retratos de usuarios y clientes. insights. Datos internos y externos. PG captura todos los datos relacionados con la evaluación de PG en los principales sitios web, utiliza análisis semántico y modelado para captar las preferencias y hábitos de compra de diferentes grupos de consumidores, y solo utiliza datos públicos externos para obtener rápidamente información sobre los clientes.

Además, PG también ha realizado innovaciones en la gestión de canales. Utilice datos de reseñas de usuarios de Internet para escuchar a la comunidad, supervise las reseñas de usuarios relacionadas con 50 tiendas minoristas que cooperan con P&G, realice investigaciones de canales/compradores a través de datos en línea y guíe la optimización de la gestión de canales.

Proceso de implementación:

1. Bloquee fuentes de datos de Internet como Weibo y Dianping, y recopile contenido relacionado con las compras de P&G del que hablan millones de consumidores;

2.Utilice tecnología de procesamiento de lenguaje natural para realizar modelos multidimensionales de los comentarios de los usuarios, incluidas más de 10 dimensiones de primer nivel y 50 dimensiones de segundo nivel, como entorno de compras, servicio, valor, etc., para lograr la cuantificación del usuario. comentarios;

3. Supervise continuamente 50 canales minoristas como Walmart, Watsons y JD.COM, y los resultados se presentan en forma de paneles e informes de análisis periódicos.

Por lo tanto, PG puede correlacionar los datos internos de la empresa para comprender de manera más efectiva la situación general del canal KA, e incluso comprender mejor los detalles clave, ventajas y desventajas del canal KA, guiar el ajuste de el sistema de clasificación de canales y ayudar a formular planes de promoción de productos.

En tercer lugar, la industria financiera

Lo mismo se aplica a los casos de financiación al consumo, electrodomésticos y bienes de consumo, especialmente en términos de marketing de precisión y recomendación de productos. Aquí compartimos principalmente la aplicación del control del riesgo de crédito. Obviamente, si las finanzas de Internet realizan investigaciones in situ sobre préstamos pequeños como los bancos e invierten mucha mano de obra en análisis y evaluación, el costo será muy alto, por lo que existe un modelo de calificación crediticia por lotes basado en big data. El objetivo final es lograr un retrato corporativo y un retrato de figuras corporativas clave, y luego utilizar métodos de modelado y extracción de datos para establecer un modelo crediticio. Yirendai y Zhima Credit de CreditEase tienen esencialmente esta estructura.

En nuestros contactos con clientes financieros, descubrimos que tanto los bancos como las empresas financieras tienen una necesidad cada vez más urgente de datos externos, especialmente datos externos con características fuertes, como registros de abuso de confianza, registros de autorización de terceros , comportamiento en Internet, etc.

Lo anterior es el contenido relevante compartido por el editor sobre casos reales de big data empresarial. Para obtener más información, puede seguir a Global Ivy para compartir más información detallada.