热门推荐
数字观察:Big Data 业界之声—如何为商业打开数据之门
2024-10-31 21:57

 

数字观察:Big Data 业界之声—如何为商业打开数据之门

数据的应用与价值由来已久,随着互联网时代的发展,数据的开放为创新和价值生产的繁盛提供了一个平台,为商业不断打开了新的大门。新的商业模式、形态、传播该如何更好地利用数据,相信大家都仍在摸着石头过河。 从对概念的热议到理性和冷静的观察,我们相信,在这个时间点,聚集来自数字广告代理商、数据技术服务商、社会化媒体等业界同行,一同分享数据之于数字化商业和营销的运用现状以及价值,是颇有意义的。—— 在一片纷繁复杂的信息海洋中,我们该如何找到那根可帮助你的商业成功行驶的杠杆?希望各位可以从本期互动中国观察的嘉宾对谈中汲取灵感、获得收获。
采访、文字: Vivian Peng
协力:London Huang
(原创内容,转载请注明来自DIGITALING)

这一专题我们希望采用圆桌讨论的形式,邀请数字业界不同领域的相关代表,来自包括广告代理商、品牌主、数据技术服务商、社会化媒体的资深代表齐聚一堂,发表他们对于数据的观点,分享经验,探讨未来。 专题探讨将围绕以下几个角度展开:


Eric Wong,Possible大中华区董事总经理.
Possible是WPP Digital旗下全球性互动营销公司,尊崇以结果为导向的互动营销解决方案,领先的数据驱动型代理商,在数据分析与电子商务营销方面具有丰富的经验。

DM: 您是如何理解大数据这一概念的?

Eric: 数据分为很多种,取决于基于什么商业需求而定。从我们公司向客户提供的电子商务服务的角度来说,我们所说的数据通常是指网站活动数据和销售数据。网站活动数据包含特定链接、页面、按钮等的点击量。销售数据即是指成本、销量、以及收益等的数据。

DM: 大数据时代来临,在您看来,大数据技术对于您所在的行业/工作意味着什么样的意义和价值?

Eric: 数据的价值数不胜数,特定的价值取决于以下数据的特性:

只要拥有正确的数据信息,就能较为精确地了解受众,知晓受众如何与你进行互动,知晓他们对于你的品牌有怎样的期待与回应。同时,数据还能帮助你更好地与受众进行针对性的互动与回应。因此,在我看来,数据的关键价值在于——其有效性。它能在品牌定义受众市场,接触受众,与受众沟通等各阶段给予你有效的指引,并最终助推你的销售。 当然,期待更好的销售业务或者更多的KPI回报,则要求广告主愿意投入更多的时间和成本,期间,收集足够的数据,更有效地利用数据是极为关键的。

DM: 在之前我们的采访中了解到Possible是一家非常注重数据的Agency,是否可以分享一下数据技术是如何作用于贵司的实际工作的?大数据是如何帮助你们了解市场情况,消费者行为?如何利用大数据辅助从创意到执行决策的? 请分享几个具体实例加以说明?

Eric: 除了我上面提到的提升营销效率帮助转换销售之外,广告商也应该使用这些数据逐步建立一个强大的数据流程管理系统,包括如何正确地收集与过滤数据,借助幼小的软件进行数据分析,安全稳定的数据服务器,数据自运行系统等,使整套数据系统可以良好地持续运转,持续地为品牌决策提供指导,以推动业务效率。 期间,数据人才也是非常关键的,在这个过程中,因为你需要有专业的了解数据技术,能够将数据有效转化成商业需求的人才。专业人才可以告诉你数据报告对品牌意味着什么,如何更好地运用数据分析商业现状,指导商业决策等。这就是我们公司一直以为为Nike和Converse品牌,帮助品牌使用数据作为商业洞察的驱动力,推动业务战略, 优化其电子商务业务。

DM: 是否有专门聘请数据分析方面的人才?人才寻找是否困难?

Eric: POSSIBLE 拥有一支专门的数据分析师团队,他们会服务所有客户的任何有关于数据的工作。就像任何其他领域的专业人才一样,一个好的数据分析师是很难在中国找到。理想的情况下,此人需要有专业数据背景,可以操作企业的网络分析软件,并有业务规划方面的经验。如今,几乎每家Agency和甲方都在苦苦寻找这方面专业对口的人才 。

DM: 公司内部是否建立有专业的大数据部门? 您个人觉得是否需要建立这一专门的部门,相比外包供应商,利弊如何?

Eric: 这个问题取决于代理商的类型和核心业务,如果数据服务并不是核心业务,也许这样的数字代理商就并不需要一个数据部门。创意热店如果遇到客户有数据方面的需求,就可以直接与提供数据服务的机构一起合作。 至于甲方品牌主方面,我们看到的情况是,甲方并不是特别清楚应该把数据分析部门安置在什么地方,如果安置于IT部门,其实好像也并不像IT人员那么纯技术导向,如果安置于市场营销部门,好像又比一般的营销人才需要懂的更多分析算法等专业的技术能力 。幸好,在我们公司并不会存在这样的矛盾问题, 我们的数据分析团队与我们的策划,创意,社会化营销和媒介团队合作共事,为战略提供数据方面的驱动和协助。

DM: 如何提升企业的数据管理能力?是否有一些针对性的计划?

Eric: 我们公司内部正在开发一套全新的数据分析规划方法,在战略决策过程中加入更多的数据定性研究,创意战略人员会从定性研究,焦点小组调研结果中吸取经验和其实,从数据分析那里获取建议,从而进行综合性的战略规划 。我们不希望过于机械地定义创意决策过程和方法,这种多角度多团队共事的综合性决策方法更能符合当今客户的需求。

DM: 大数据技术对于营销咨询和广告代理行业来说,是否存在着一些重大的商业机会?是否可以前瞻一下

Eric: 目前,大部分我们所管理的数据是网络数据,在中国,这是很常见的。然而, 智能手机的使用率迅速增长,这意味着移动数据将成为广告客户越来越重要的数据之一 。这一转变最终是来自于消费者行为的变化 。人们更多地使用电脑工作,很少会在家中用电脑作为个人生活之需,而更多用的是手机. 手机逐渐成为消费者与他们的圈子及世界连接的通道。因此,我可以预见 移动数据很快会成为工作的重心,在我们准备好迎接这一切挑战之前,需要认识到的是中国仍处于网络数据爆发的发展阶段。移动数据将会是一个巨大的挑战,同时也对于商业具有重大的增长潜力。

大数据是否同时也带来挑战和隐忧?

Eric: 隐私问题的确是而且将永远是数据相关业务的潜在负面挑战。唯一的解决办法,在我看来,是在从任何人(B2C或B2B)身上采集数据时,都要遵循”OPT-IN”的采集方式,同时,每一个人,请小心保护你的个人数据安全。



祝伟:秒针系统公司首席执行官
秒针系统是中国领先的第三方广告技术公司,帮助广告主及其代理公司、网络媒体评估和优化数字广告效果,提升媒介投资回报。在第三方数据检测公司中,秒针系统占有70%的市场份额。宝洁、微软、可口可乐等众多国际知名品牌都在使用秒针的产品和服务。

DM: 贵司作为一个专业的数据信息技术供应商,是如何理解大数据这一概念的?

秒针祝总:如今,人们每天积累的或者是产生的数据量越来越大,改变了人们对数据处理的方式。简单举个例子:天气预报.以前有个电影叫《我们村里的年轻人》,当时村里做预报天气,都只能做一个大概预报,说第二天会不会下雨刮风。随着慢慢的发展,大家能运用到卫星云图,能利用的数据越来越多了,一下子几万年来的数据都可以用来分析, 天气预报就是典型的一个大数据的运用的例子 。 行业内有一位对互联网产生巨大影响的人说过:大数据意味着什么?它就好像是当年的蒸汽机,就就像刚开始有互联网,对于人类生活生产的影响一样巨大。 目前,我们说的大数据,一般就是指基于大量互联网应用所产生的数据。 具体来说,互联网最大的一个应用就是在产生数据和收集数据上。我们看到比如肯德基,他之前管理店的销售就可以了,每个店卖了多少全家桶,多少可乐,我管理就可以了。而互联网是每天有上亿的订单从网上产生,急剧增长,几千和几亿的数据量对比,需要完全不同的数据管理方法。要帮肯德基管理这些数据的公司,要有新的技能,要赶上新的变化才可以做。

DM: 大数据真的可以帮我们更好的预测网民的行为吗?

秒针祝总: 对于大数据的应用来说,最关键有两大用途,一个是省钱,一个是挣钱。本质上这数据应用的领域是没有改变的,以前你抽样研究、手工统计也好,你想达到的目的,现在你运用大数据也一样要达到这些目的。大数据只改变了几件事,大数据更准确更快速。

DM: 大数据对数字广告行业来说有什么样的意义?

秒针祝总: 最大的意义是提供新的工作机会,也会让一批人失业。在福特发明汽车后,马车夫可能失业了;就像电出现时候,电工非常吃香;所以我觉得对于广告行业来说就是你要如何面对这个改变,然后提升自己的技能,这是对于这行业的人的最大的挑战。

DM: 分享一下秒针帮助广告商具体的案例?

秒针祝总: 以宝洁为例,无论是全球或是中国,宝洁都把未来数字化应用作为品牌重要的战略步骤,宝洁认为未来所有的媒体都会数字化,所有渠道也都会数字化,这个变化是必然的,只是过程快慢的问题。宝洁的目标是通过数字化的形式,了解并接触每个消费者,所以它们会在数字领域投入很多资金和人力去改变现有的运作状态、技能,改变供应商的组成结构,为未来的数字化的营销进行服务。 每一个公司都会遇到宝洁这样的问题,发展方向也大致相似的。所以宝洁算是一个很有前瞻性的企业。秒针是宝洁在中国的数字管理供应商。

DM: 那秒针在帮助宝洁这样的企业做数字管理时,充当的是怎么样的角色,涉及到哪些关键性的技术?

秒针祝总:无外乎三方面:数据储存技术——你如何在一个产生数据量很大的情况下存储数据。比如我们跟一些企业聊,他们遇到数据量大的时候他们只存三天的数据,像我们给宝洁服务四年,数据都不会删掉,已经累计了四年的数据,拥有很大的价值。 第二个问题是如何计算。比如这累计了四年的数据如何计算,包括计算的速度,可能我能算但是要花大量时间算,那这利用效果就太低了。 你需要对客户的业务模式很了解,才能在这些大量数据中找出对客户有帮助的能省钱和赚钱的数据,是沙里淘金的过程,这就是第三步。这第三个技术是大家在未来利用大数据的一个核心技术,也是秒针现在在大量技术投入做的一个领先技术的东西。

DM: 公司内部有多大规模的数据分析团队?

秒针祝总:现在有将近320人,其中有近220人是做数据管理的工程师。

DM: 服务宝洁这样的客户需要多少人的团队来支持?

秒针祝总:这分两个部分,一个是宝洁的一个专门的服务,还有一个是基础的研发。我们每一个工程师做的工作都和宝洁相关。

DM: 如何更进一步提高数字管理能力,有没有针对性的计划?

秒针祝总: 未来两到三年间,中国网民人口会从五个多亿到七个多亿,相当于美国所有的人口,美国网民大概两个多亿,日本的所有网民大概9000多万。这意味着你在中国做广告,这是非常大的一个挑战。任何一个公司如果不是非常全球化的公司,都没有见过中国这么大的数据。如何利用中国的人口红利,建立自己的核心竞争力。

DM: 您是否可以前瞻一下,下一步数字广告业趋势和挑战将是什么?

秒针祝总: 对于数字广告业的代理公司和企业的市场部来说,最大的趋势/挑战莫过于所需的技能将发生彻底的改变。因为数据是提供决策的重要来源,如果你没有数据应用的技能,从数据中找到利于企业发展的方案,那未来就有可能成为过时的人,需要大家共同学习和改变对数据的应用的技能。

DM: 如何看待大数据所带来的隐私问题?

秒针祝总: 对于秒针,我们也对这个事情很重视,我们所有数据都不是秒针的,我们提供的只是软硬件解决方案,帮助管理。就像你的笔记本是联想的,但你电脑里所有图片、文字、邮件都是你的,我们就像联想一样,提供给你一个电脑,给你软硬件,但是内容都是你的。我们完全出于一个技术供应商来做的。



林小龙(@哆啦小龙) 新浪微博事业部产品经理
2013年5月7日,新浪微博正式推出“Page”,被定义为新浪微博在移动互联网时代大数据挖掘的重磅作品,一款真正基于新浪微博大数据之上的战略性产品。通过基于地理位置将用户,商家,信息进行聚合,对于新浪微博移动数据端的战略布局有着至关重要的影响。

DM:新浪微博也许是在这方面最有发言权的代表之一,你们是如何理解大数据这一概念的?

林:大数据就是需要有积累,有沉淀,最终通过数据挖掘,更好地了解用户需求。

DM:大数据技术在LBS领域的应用现状是怎么样的?对于该领域,大数据具有什么样的意义和价值?

林:对于LBS领域的意义,就以微博上签到来说,通过海量数据,我们可以知道社会上流行什么东西,比如,通过用户的签到,我们可以知道北方人偏爱川菜,南方人喜欢清淡的菜系,年轻人喜欢聚集在什么地方过夜生活,等等,都可以通过数据挖掘来更好地理解用户。

DM:新浪微博推出全新产品“Page页面”,这款被成为新浪微博在大数据时代的战略性产品,介绍一下这款产品背后大数据技术扮演的是怎样的角色?

林: 其实就是大数据的一个最终呈现,一个落地的产品。有了大数据,有分析方法,就知道可以做什么了,PAGE就是解决做什么。我们如何到达用户,给用户有效的功能,通过一个具体的点聚合内容,用户,比如餐馆。 对商户和企业营销者来说,PAGE可以为他们找到目标用户。微博信息太多,商家无法有效聚合相关的信息,此外,聚合了信息后,我找到目标用户,签到的人,周围的人,其实都是目标用户,棒商家打通了信息,找到了对的人。

DM:在基于大数据技术之上的LBS产品领域,新浪微博的优势具体有哪些?

林:关键在于用户基数不同,微博是大众,微博用户基数大,活跃用户数大,现在新浪活跃用户数稳定在 5000 万以上,其中 75% 的活跃用户来自移动端。不同于其他LBS类产品,更多的是针对于某个特定的用户群,比如针对年轻人,文艺青年,聚合的信息和地理位置也更多的是酒吧啊,文化中心啊,艺术馆啊等等,而微博定位的是全量用户,需求更广泛,能挖掘的东西也更通用。

DM:今后在大数据方面还是否有新的计划?

林:我们在数据挖掘方面一直做了很久的研究和沉淀,马上会有更多新的成型的产品,大约在今年的Q3、Q4季度就能看到。

DM:对于用户隐私问题如何看待?

林:新浪微博完全尊重用户隐私,收集的数据全部是用户公开的行为,在微博的个人设置里用户可以自行选择不公开自己的位置信息。


    以上就是本篇文章【数字观察:Big Data 业界之声—如何为商业打开数据之门】的全部内容了,欢迎阅览 ! 文章地址:http://dfvalve.xrbh.cn/quote/4075.html 
     行业      资讯      企业新闻      行情      企业黄页      同类资讯      网站地图      返回首页 迅博思语资讯移动站 http://keant.xrbh.cn/ , 查看更多