大数据时代的经营与专题要点详解.ppt

这是什么？ 目录 大数据时代的分析思想变革 抽样样本与全体数据的使用 数据的精确性和算法的准确度 因果关系和相关关系的关键 大数据的数据来源和记录提取 见微知著与一叶知秋的差异 大数据分析的应用案例 运营商的大数据应用场景 可以利用社交媒体收集用户信息，了解客户满意度和消费习惯，为用户提供针对性的套餐； 通过情感分析、语义分析等技术，针对客户的喜好、情绪，进行个性化的业务推荐； 收集用户呼叫行为，互联网行为等，为每个客户构建交往圈，可用于交叉营销。 运营商可以基于内部和外部数据实时地得到报表与分析报告，可以发现并减少收入的流失。 运营商可以发现与内容提供商共同进行流量经营与合作的新机制； 可以获取用户位置情况，做时空分析，为公共部门提供数据； 可以监测电话、即时消息、邮件、博客等信息，实现舆情监控，配合安全部门的相关工作。 基于信令分析能提供实体店（如国美）的人流量分析服务； 可以向外部客户提供数据分析服务，满足在线广告、电子商务等行业的数据分析需求。 能实时发现网络瓶颈，并快速预测流量峰值，预警异常流量，防止网络堵塞和宕机。 可以收集各个接触渠道的信息，了解服务投诉情况和用户满意情况； 能实时地了解用户呼叫接通和掉话的情况，为客户满意度和流失预测提供依据。 大数据分析的局限性 电脑不是人脑，没有社会认知 某客户每月76%的通信对象是6个人 数据是干草垛，无法理解多重原因和背景 开车出事故的概率是千分之一 啤酒和尿布会被同时购买 大数据解决小问题，小数据作出大决策 大数据偏爱潮流却容易忽视重点 球队获胜与股票涨跌之间的关系 任何数据都不是原始的，内含了价值观念 解释清楚以下问题是合格分析师 台湾某媒体报道：平均水深到膝盖，却淹死了人 中国是个人均资源匮乏的国家 30%车祸是持驾照三年以下者所为，所以新驾驶员容易闯祸 出生在上半年的人更容易成为球星 出动消防员越多火灾损失就越大 限购使北京交通拥堵状况下降了15% 我国航班正点率属国际中上水平 学历高的人收入高 人民币33年贬值6倍多 白银的投资挣钱空间仍然巨大 做好数据分析的五个关键词 思维,可以复制 方法,能够山寨 模型,不可教条 工具,必须适用 解读,多个心眼 目录 我们可以采用的主要分析方法 统计 串连 比较 合成 拆分 推理 反证 主要高级统计分析方法介绍 数据统计分析的核心 对比分析法了解企业经营发展状况 根据经济现象之间的内在联系，对相关指标进行对比，以分析其数量关系及形成原因的分析方法，是最基本的分析方法。 主要的参照系有三种： 历史标准：说明其增长或发展速度 计划标准：说明其工作目标完成情况 行业标准： 与行业平均标准比较以说明横向的优劣 和先进标准比较说明其差距 对比分析包括： 绝对数的对比：业务发展增长幅度 相对数的对比：主线普及率的增长情况 通过office系列软件制作直观的图表进行表现 表格——业务、工作情况 饼图——结构比例 曲线——发展趋势 柱状图——横向比较分析或目标完成情况 线柱组合图——业务的双指标完成情况 示例：发展情况 绝对数 总体累计增长情况——电话用户数增长 一定时段内规模增长——本年放号 相对数 较基期倍数：表现为发展业绩整体比较等 较基期增加：表现为发展业绩在基期基础上的增加幅度 多用柱线图表示 示例：完成情况（战略－－规划－－计划目标） 绝对数：预定目标完成数量 相对数： 计划完成比例——售卡收入完成年度计划的90% 时间进度——按照每月完成1/12年计划的进度 多用柱线图表示 具体内容 与计划对比 与上期对比 与去年同期、上期对比 与历史最好水平对比 与总体平均水平对比 与国际、国内最好水平对比 排排位次 线上线下购物的体验差别 虚拟运营商的资费 环比/同比/定基比 新增与流失的数据案例 三大运营商用户数的发展变化 基于营销需求的数据挖掘和分析方法 RFM目标客户选择 商品购买的关联分析 客户流失分析 销售量的预测 用户价值和信用的评价 中国人的人均预期寿命 电信业增加值占GDP比重下滑趋势 恩格尔系数与基尼系数 目录 流量经营所需要的数据分析能力 客户类型可精确区分 消费行为可准确跟踪 业务偏好可定点推荐 使用价值可及时提升 未来购买可提前预测 应用习惯可主动引导 流量状态可随时监测 费用消耗可阶段提醒 流量经营中的客户分析与识别 流量经营中的客户应用推荐 最近一次消费（Recently） 消费频率(Frequency) 消费金额(Monetary) 不同时段的在线人数透露出的信息 从数据中发现问题 一家B2C电子商务网站的2012年其中两周销售数据，该网站主要用户群是办公室女性，销售额主要集中在5种产品上， 1、 从数据中，你看到了什么问题？你觉得背后的原因是什么？ 2、 如果要求你提出一个运营改进计划，你会