首頁(yè) > 優(yōu)秀范文 > 商務(wù)數(shù)據(jù)分析報(bào)告
時(shí)間：2022-02-27 16:44:42
序論：速發(fā)表網(wǎng)結(jié)合其深厚的文秘經(jīng)驗(yàn)，特別為您篩選了11篇商務(wù)數(shù)據(jù)分析報(bào)告范文。如果您需要更多原創(chuàng)資料，歡迎隨時(shí)與我們的客服老師聯(lián)系，希望您能從中汲取靈感和知識(shí)！
數(shù)據(jù)分析的目的
把隱藏在一大批看似雜亂無(wú)章的數(shù)據(jù)背后的信息集中和提煉出來(lái)，總結(jié)出研究對(duì)象的內(nèi)在規(guī)律。
數(shù)據(jù)分析的分類
數(shù)據(jù)分析的三大作用：現(xiàn)狀分析、原因分析、預(yù)測(cè)分析。
數(shù)據(jù)分析的六部曲
數(shù)據(jù)分析流程
1.明確目的和思路
梳理分析思路，并搭建分析框架，把分析目的分解成若干個(gè)不同的分析要點(diǎn)，即如何具體開展數(shù)據(jù)分析，需要從哪幾個(gè)角度進(jìn)行分析，采用哪些分析指標(biāo)(各類分析指標(biāo)需合理搭配使用)。同時(shí)，確保分析框架的體系化和邏輯性。
2.數(shù)據(jù)收集
一般數(shù)據(jù)來(lái)源于四種方式：數(shù)據(jù)庫(kù)、第三方數(shù)據(jù)統(tǒng)計(jì)工具、專業(yè)的調(diào)研機(jī)構(gòu)的統(tǒng)計(jì)年鑒或報(bào)告(如艾瑞資訊)、市場(chǎng)調(diào)查。
對(duì)于數(shù)據(jù)的收集需要預(yù)先做埋點(diǎn)，在前一定要經(jīng)過(guò)謹(jǐn)慎的校驗(yàn)和測(cè)試，因?yàn)橐坏┌姹境鋈ザ鴶?shù)據(jù)采集出了問(wèn)題，就獲取不到所需要的數(shù)據(jù)，影響分析。
3.數(shù)據(jù)處理
數(shù)據(jù)處理主要包括數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)化、數(shù)據(jù)提取、數(shù)據(jù)計(jì)算等處理方法，將各種原始數(shù)據(jù)加工成為產(chǎn)品經(jīng)理需要的直觀的可看數(shù)據(jù)。
4.數(shù)據(jù)分析
數(shù)據(jù)分析是用適當(dāng)?shù)姆治龇椒肮ぞ?，?duì)處理過(guò)的數(shù)據(jù)進(jìn)行分析，提取有價(jià)值的信息，形成有效結(jié)論的過(guò)程。
常用的數(shù)據(jù)分析工具，掌握Excel的數(shù)據(jù)透視表，就能解決大多數(shù)的問(wèn)題。需要的話，可以再有針對(duì)性的學(xué)習(xí)SPSS、SAS等。
數(shù)據(jù)挖掘是一種高級(jí)的數(shù)據(jù)分析方法，側(cè)重解決四類數(shù)據(jù)分析問(wèn)題：分類、聚類、關(guān)聯(lián)和預(yù)測(cè)，重點(diǎn)在尋找模式與規(guī)律。
5.數(shù)據(jù)展現(xiàn)
一般情況下，數(shù)據(jù)是通過(guò)表格和圖形的方式來(lái)呈現(xiàn)的。常用的數(shù)據(jù)圖表包括餅圖、柱形圖、條形圖、折線圖、氣泡圖、散點(diǎn)圖、雷達(dá)圖等。進(jìn)一步加工整理變成我們需要的圖形，如金字塔圖、矩陣圖、漏斗圖、帕雷托圖等。
一般能用圖說(shuō)明問(wèn)題的就不用表格，能用表說(shuō)明問(wèn)題的就不用文字。
圖表制作的五個(gè)步驟：
確定要表達(dá)主題
確定哪種圖表最適合
選擇數(shù)據(jù)制作圖表
檢查是否真實(shí)反映數(shù)據(jù)
檢查是否表達(dá)觀點(diǎn)
常用圖表類型和作用：
圖片來(lái)自于網(wǎng)易云課堂《誰(shuí)說(shuō)菜鳥不會(huì)數(shù)據(jù)分析》
6.報(bào)告撰寫
一份好的數(shù)據(jù)分析報(bào)告，首先需要有一個(gè)好的分析框架，并且圖文并茂，層次明晰，能夠讓閱讀者一目了然。結(jié)構(gòu)清晰、主次分明可以使閱讀者正確理解報(bào)告內(nèi)容；圖文并茂，可以令數(shù)據(jù)更加生動(dòng)活潑，提高視覺沖擊力，有助于閱讀者更形象、直觀地看清楚問(wèn)題和結(jié)論，從而產(chǎn)生思考。
好的數(shù)據(jù)分析報(bào)告需要有明確的結(jié)論、建議或解決方案。
數(shù)據(jù)分析的四大誤區(qū)
1.分析目的不明確，為了分析而分析；
簡(jiǎn)歷表格的格式一：姓名：性別：女年齡：21 歲身高：163cm婚姻狀況：未婚戶籍所在：現(xiàn)居住地：工作經(jīng)驗(yàn)：3-5年聯(lián)系電話：郵箱：最高學(xué)歷：大專專業(yè)：建筑裝潢設(shè)計(jì)求職意向最近工作過(guò)的職位：導(dǎo)購(gòu)期望崗位性質(zhì)：全職期望工作地：信陽(yáng)市期望月薪：2900期望從事的崗位：客服專員/助理(非技術(shù))期望從事的行業(yè)：互聯(lián)網(wǎng)/電子商務(wù)技能特長(zhǎng)技能特長(zhǎng)：接受新生事物快，勤奮好學(xué)，具有2年多的電子產(chǎn)品銷售經(jīng)驗(yàn)。教育經(jīng)歷中國(guó)計(jì)算機(jī)函授學(xué)院(大專)起止年月：2007年9月至0年0月學(xué)校名稱：中國(guó)計(jì)算機(jī)函授學(xué)院專業(yè)名稱：建筑裝潢設(shè)計(jì)獲得學(xué)歷：大專工作經(jīng)歷XX電腦城- 導(dǎo)購(gòu)起止日期：2009年10月至0年0月企業(yè)名稱：弘運(yùn)電腦城從事職位：導(dǎo)購(gòu)業(yè)績(jī)表現(xiàn)：主要銷售主裝機(jī)，數(shù)碼周邊配件等 簡(jiǎn)歷表格的格式二：姓名
性別
女
出生日期
1985.11.21
民族
漢族
血型
O型
婚姻狀況
已婚
教育程度
本科
工作年限
4年
政治面貌
群眾
現(xiàn)有職稱
無(wú)
戶口所在地
山東省青島市
現(xiàn)居住地
青島市
聯(lián)系方式
電子郵箱
求職意向
期望從事職位：數(shù)據(jù)分析師
期望工作地點(diǎn)：青島市
自我評(píng)價(jià)
1、具有扎實(shí)的統(tǒng)計(jì)學(xué)專業(yè)基礎(chǔ)知識(shí)，掌握常見的統(tǒng)計(jì)方法；
2、熟練掌握常用的數(shù)據(jù)挖掘方法，算法和相關(guān)工具、熟練使用SAS軟件；
3、數(shù)據(jù)處理能力很強(qiáng)，熟練使用Office軟件；
4、有良好的邏輯思維能力，注重細(xì)節(jié)、對(duì)數(shù)字敏感，能挖掘數(shù)據(jù)背后的意義，能夠獨(dú)立完成、撰寫業(yè)務(wù)數(shù)據(jù)分析報(bào)告。
工作經(jīng)歷
2010年7月-2012年7月
山東****網(wǎng)絡(luò)有限公司
單位性質(zhì)：合資
所任職位：數(shù)據(jù)分析師
工作地點(diǎn)：青島市
職責(zé)描述：
1、根據(jù)業(yè)務(wù)需求，制定用戶使用行為數(shù)據(jù)的采集策略，設(shè)計(jì)、建立、測(cè)試相關(guān)的數(shù)據(jù)模型，從而實(shí)現(xiàn)從數(shù)據(jù)中提取決策價(jià)值，撰寫分析報(bào)告；
2、跟蹤并分析客戶業(yè)務(wù)數(shù)據(jù)，為客戶的發(fā)展進(jìn)行決策支持；
3、完成對(duì)海量信息進(jìn)行深度挖掘和有效利用，充分實(shí)現(xiàn)數(shù)據(jù)的商業(yè)價(jià)值；
4、支持微博事業(yè)部等產(chǎn)品部門下的運(yùn)營(yíng)，產(chǎn)品，研發(fā)，市場(chǎng)銷售等各方面的數(shù)據(jù)分析，處理和研究的工作需求。
2008年6月-2010年6月
****公司
單位性質(zhì)：國(guó)企
所任職位：數(shù)據(jù)分析助理
工作地點(diǎn)：青島市
職責(zé)描述：
1、完成對(duì)行業(yè)銷售及相關(guān)數(shù)據(jù)的分析、挖掘，熟練制作數(shù)據(jù)報(bào)表、撰寫評(píng)估分析報(bào)告；
2、獨(dú)立完成用戶行為特征與規(guī)律的分析，關(guān)注市場(chǎng)動(dòng)態(tài)與風(fēng)險(xiǎn)，為產(chǎn)品方向提出合理建議；
3、在分析師的指導(dǎo)下構(gòu)建公司業(yè)務(wù)領(lǐng)域數(shù)據(jù)分析與挖掘模型和方法論；
4、針對(duì)歷史海量商業(yè)數(shù)據(jù)，能及時(shí)發(fā)現(xiàn)和分析其中隱含的變化和問(wèn)題，為業(yè)務(wù)發(fā)展提供決策支持；
5、完成數(shù)據(jù)分析相關(guān)的需求調(diào)研、需求分析等。
項(xiàng)目經(jīng)驗(yàn)
2011年5月*****項(xiàng)目
項(xiàng)目職責(zé)：
1、收集用戶使用行為數(shù)據(jù)；
2、完成行為數(shù)據(jù)的分析；
3、制定模型與產(chǎn)品運(yùn)營(yíng)間的聯(lián)動(dòng)接口。
教育背景
2004年9月-2008年6月
山東**大學(xué)
統(tǒng)計(jì)學(xué)專業(yè)
本科
主要課程：數(shù)學(xué)分析、幾何代數(shù)、數(shù)學(xué)實(shí)驗(yàn)，常微分方程、數(shù)理統(tǒng)計(jì)、抽樣調(diào)查、多元統(tǒng)計(jì)、計(jì)算機(jī)應(yīng)用基礎(chǔ)、程序設(shè)計(jì)語(yǔ)言、數(shù)據(jù)分析及統(tǒng)計(jì)軟件、回歸分析等。
掌握了扎實(shí)的專業(yè)基礎(chǔ)知識(shí)，擅長(zhǎng)數(shù)學(xué)，有很強(qiáng)的分析和演算能力，業(yè)余廣泛了解相近專業(yè)的一般原理和知識(shí)，如經(jīng)濟(jì)學(xué)、計(jì)算機(jī)操作等，在統(tǒng)計(jì)計(jì)算的基礎(chǔ)上鍛煉了視野廣闊的分析技能。
培訓(xùn)經(jīng)歷
2010年3月-2010年10月
數(shù)據(jù)分析與SAS培訓(xùn)
主要課程：SAS體系內(nèi)容、ETL技術(shù)、SAS分析技術(shù)、假設(shè)檢驗(yàn)、方差分析以及各種模型分析等。
通過(guò)本次數(shù)據(jù)分析培訓(xùn)，全面掌握了SAS的內(nèi)容，如邏輯庫(kù)及操作符與SAS的表達(dá)式等，能夠完成復(fù)雜數(shù)據(jù)步的控制，數(shù)據(jù)集整理以及主成分分析、因子分析等，提升了數(shù)據(jù)的分析能力。
專業(yè)技能
熟悉數(shù)據(jù)分析模型的建立，能獨(dú)立完成數(shù)據(jù)分析并針對(duì)結(jié)果給出一定的建議。
簡(jiǎn)歷表格的格式三：姓 名性 別男出生日期1990-10-9戶口地廣州住宅電話*****手 機(jī)EMAIL個(gè)人主頁(yè)****聯(lián)系地址廣東省xxxx畢業(yè)院校工作經(jīng)歷時(shí)間所在公司職位相關(guān)說(shuō)明20xx年1月2日——
20xx年10月15日廣州無(wú)限信息傳播有限責(zé)任公司網(wǎng)頁(yè)制作工程師/WEB美工/項(xiàng)目經(jīng)理畢業(yè)以后找的第一份工作，主要職責(zé)是網(wǎng)頁(yè)設(shè)計(jì)、FLASH制作以及平面設(shè)計(jì)。由于能力突出，后期在做大型項(xiàng)目中國(guó)校園商務(wù)網(wǎng)時(shí)任項(xiàng)目經(jīng)理20xx年10月——
20xx年3月馨藍(lán)數(shù)碼工作室設(shè)計(jì)師第一份工作辭職以后與幾個(gè)朋友自行開發(fā)制作馨藍(lán)游戲網(wǎng)20xx年3月——
20xx年9月31日廣州高安軟件有限公司美工監(jiān)理，設(shè)計(jì)師馨藍(lán)游戲網(wǎng)與該公司簽署合作協(xié)議，正式合并到該公司，自己也加入該公司參與網(wǎng)站建設(shè)工作，為尋求個(gè)人更大發(fā)展而離開該公司主要作品（建議上我的求職主頁(yè)查看詳細(xì)*******）網(wǎng)頁(yè)作品FLASH作品精益眼睛眼鏡店網(wǎng)站導(dǎo)入FLASH
NEC網(wǎng)站導(dǎo)入FLASH
紅寶石電子網(wǎng)站導(dǎo)入FLASH
實(shí)驗(yàn)教學(xué)是培養(yǎng)經(jīng)管類專業(yè)學(xué)生實(shí)踐能力的重要手段。經(jīng)濟(jì)管理類專業(yè)學(xué)生不僅要熟練地掌握理論知識(shí)，更要具備較強(qiáng)的實(shí)踐能力，特別是大數(shù)據(jù)時(shí)代的到來(lái)，強(qiáng)調(diào)以數(shù)據(jù)為基礎(chǔ)進(jìn)行研究，并快速做出決策[1]，不僅對(duì)掌握大數(shù)據(jù)思維和技術(shù)的人才需求量擴(kuò)大，而且對(duì)經(jīng)管類專業(yè)人才培養(yǎng)提出了新的要求[2]，因此在大數(shù)據(jù)背景下應(yīng)充分認(rèn)識(shí)實(shí)驗(yàn)教學(xué)對(duì)經(jīng)管類專業(yè)學(xué)生實(shí)踐技能的重要性，科學(xué)全面地構(gòu)建面向數(shù)據(jù)分析和管理的實(shí)驗(yàn)教學(xué)體系，以適應(yīng)大數(shù)據(jù)背景下經(jīng)管類專業(yè)人才的培養(yǎng)需求。
大數(shù)據(jù)擴(kuò)寬了信息的來(lái)源，提高了信息獲得的速度，分析對(duì)象從傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)過(guò)渡到非結(jié)構(gòu)化數(shù)據(jù)，因此對(duì)經(jīng)管人才需要更全面地掌握大數(shù)據(jù)思維方式和分析流程。對(duì)工商管理、企業(yè)管理專業(yè)而言，需要其更注重利用多種類型的企業(yè)運(yùn)作的數(shù)據(jù)，通過(guò)對(duì)其進(jìn)行整理分析，幫助企業(yè)進(jìn)行業(yè)務(wù)流程改革，提升企業(yè)運(yùn)營(yíng)效率，提高經(jīng)濟(jì)效益[3]。對(duì)于電子商務(wù)、市場(chǎng)營(yíng)銷專業(yè)而言，應(yīng)學(xué)會(huì)利用大數(shù)據(jù)技術(shù)探索新商業(yè)模型，分析營(yíng)銷網(wǎng)絡(luò)，評(píng)估投資風(fēng)險(xiǎn)及創(chuàng)新服務(wù)模式[4]。而對(duì)于和大數(shù)據(jù)技術(shù)緊密相關(guān)的信息管理專業(yè)來(lái)說(shuō)，需要更全面地從數(shù)據(jù)采集、分析到數(shù)據(jù)挖掘多個(gè)方面轉(zhuǎn)變傳統(tǒng)的數(shù)據(jù)分析思維，以適應(yīng)大數(shù)據(jù)環(huán)境下知識(shí)管理與智能決策的需要[5]。
1.實(shí)驗(yàn)?zāi)康牟缓侠?，?shí)驗(yàn)設(shè)計(jì)不當(dāng)。
目前，對(duì)于經(jīng)管理類專業(yè)的大數(shù)據(jù)實(shí)驗(yàn)教學(xué)體系還處于基本概念階段，與科研前沿脫節(jié)，實(shí)驗(yàn)?zāi)繕?biāo)大多只要學(xué)生掌握數(shù)據(jù)采集、統(tǒng)計(jì)分析等基本概念和方法，就學(xué)會(huì)對(duì)給定的數(shù)據(jù)進(jìn)行分析。但是在大數(shù)據(jù)環(huán)境下，數(shù)據(jù)分析和挖掘需要針對(duì)結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)等用創(chuàng)新性的思維方式解釋分析結(jié)果，并用于智能輔助決策及知識(shí)發(fā)現(xiàn)。因此，大數(shù)據(jù)實(shí)驗(yàn)課程應(yīng)與時(shí)俱進(jìn)地適應(yīng)大數(shù)據(jù)的要求，開展多樣化、啟發(fā)式的實(shí)驗(yàn)項(xiàng)目，不僅讓學(xué)生掌握如何收集信息和整理信息，還要解釋隱藏在數(shù)據(jù)背后的潛在規(guī)律。
2.實(shí)驗(yàn)教學(xué)方法和手段陳舊。
傳統(tǒng)實(shí)驗(yàn)課是學(xué)生按照老師的要求和給定的數(shù)據(jù)，學(xué)習(xí)各種數(shù)據(jù)分析方法。實(shí)驗(yàn)內(nèi)容設(shè)計(jì)單一，沒有針對(duì)不同知識(shí)結(jié)構(gòu)的學(xué)生開展有針對(duì)性的實(shí)驗(yàn)訓(xùn)練項(xiàng)目，學(xué)生學(xué)習(xí)積極性不高。因此，在大數(shù)據(jù)實(shí)驗(yàn)教學(xué)中，要以培養(yǎng)學(xué)生創(chuàng)新實(shí)踐能力為主要目標(biāo)，在教師的幫助下，通過(guò)團(tuán)隊(duì)協(xié)作、自主設(shè)計(jì)完成。同時(shí)，分層次制定針對(duì)不同知識(shí)結(jié)構(gòu)背景的實(shí)驗(yàn)項(xiàng)目，便于學(xué)生根據(jù)自身的特長(zhǎng)和能力自主選擇實(shí)驗(yàn)項(xiàng)目。
由此可以看出，傳統(tǒng)的實(shí)驗(yàn)教學(xué)已不能滿足大數(shù)據(jù)背景下的經(jīng)管類專業(yè)人才對(duì)數(shù)據(jù)分析和處理的新需求，在實(shí)驗(yàn)教學(xué)方式、實(shí)驗(yàn)教學(xué)內(nèi)容等多方進(jìn)行創(chuàng)新和改革，才能培養(yǎng)出順應(yīng)時(shí)代背景的優(yōu)秀經(jīng)管類人才。
在大數(shù)據(jù)背景下，經(jīng)管類人才應(yīng)該具備：發(fā)現(xiàn)問(wèn)題的能力，收集整理數(shù)據(jù)和信息的能力及理解分析數(shù)據(jù)的能力。對(duì)此，我們從教學(xué)方式、課程體系、技能與經(jīng)驗(yàn)三方面入手，開展實(shí)驗(yàn)教學(xué)改革，以適應(yīng)大數(shù)據(jù)時(shí)代對(duì)于經(jīng)管人才培養(yǎng)的要求。
3.創(chuàng)新實(shí)驗(yàn)教學(xué)方式。
大數(shù)據(jù)時(shí)代，書本和課堂不是獲取信息的唯一選擇，網(wǎng)絡(luò)資源、各種移動(dòng)端應(yīng)用程序等方式都擴(kuò)展了學(xué)生獲取信息的方式，在這種情況下，實(shí)驗(yàn)教學(xué)不僅需要讓學(xué)生掌握如何搜集、整理數(shù)據(jù)的技術(shù)，還要培養(yǎng)學(xué)生觀察、分析問(wèn)題的能力，從而真正調(diào)動(dòng)學(xué)生的學(xué)習(xí)積極性。例如可以提供多種獲取大樣本數(shù)據(jù)的渠道，學(xué)生組隊(duì)進(jìn)行數(shù)據(jù)分析和挖掘，設(shè)計(jì)算法，進(jìn)行相關(guān)分析直到最后撰寫出分析報(bào)告，整個(gè)流程全部由學(xué)生獨(dú)立完成。
4.完善大數(shù)據(jù)實(shí)驗(yàn)課程體系的構(gòu)建。
對(duì)于經(jīng)管類專業(yè)的學(xué)生而言，實(shí)驗(yàn)?zāi)康闹饕亲屗麄冋莆諗?shù)據(jù)分析的主要流程、主要算法的基本原理，具備大數(shù)據(jù)應(yīng)用的初步能力。另外，考慮到不同專業(yè)的學(xué)生知識(shí)結(jié)構(gòu)不同，我們構(gòu)建多層次的經(jīng)管類大數(shù)據(jù)實(shí)驗(yàn)課程、基礎(chǔ)實(shí)驗(yàn)，以驗(yàn)證和演示實(shí)驗(yàn)為主，強(qiáng)調(diào)掌握數(shù)據(jù)分析工具和分析算法，理解數(shù)據(jù)分析基本流程。專業(yè)實(shí)驗(yàn)，以簡(jiǎn)單設(shè)計(jì)性實(shí)驗(yàn)為主，強(qiáng)調(diào)利用現(xiàn)有的數(shù)據(jù)分析工具，較完整地體驗(yàn)從數(shù)據(jù)采集、數(shù)據(jù)整理、數(shù)據(jù)分析到數(shù)據(jù)挖掘的全過(guò)程，并編寫簡(jiǎn)單的數(shù)據(jù)分析代碼。綜合性實(shí)驗(yàn)，采用自助式、合作式模式，讓學(xué)生自己動(dòng)手收集數(shù)據(jù)，團(tuán)隊(duì)合作分析問(wèn)題，在實(shí)驗(yàn)教師的指導(dǎo)下，綜合運(yùn)用各種數(shù)據(jù)分析工具，自主設(shè)計(jì)算法，進(jìn)行相關(guān)分析，直到最后分析報(bào)告，初步具備大數(shù)據(jù)的應(yīng)用能力。
5.培養(yǎng)專業(yè)技能和增加實(shí)踐活動(dòng)。
積極開展大數(shù)據(jù)應(yīng)用相關(guān)的實(shí)踐活動(dòng)，提供多種形式讓學(xué)生參與大數(shù)據(jù)的實(shí)踐環(huán)節(jié)，在提高專業(yè)水平的同時(shí)，提高實(shí)踐操作能力。合理利用現(xiàn)有慕課、微課等在在線課程作為實(shí)體課堂的有益補(bǔ)充，引導(dǎo)學(xué)生深入學(xué)數(shù)據(jù)技術(shù)。另外，積極聯(lián)系軟件企業(yè)提供各種實(shí)習(xí)途徑和崗位，讓學(xué)生真正參與與大數(shù)據(jù)的各種項(xiàng)目開發(fā)，強(qiáng)化課堂的理論知識(shí)，豐富實(shí)踐經(jīng)驗(yàn)，提高專業(yè)級(jí)技能，有效地提高學(xué)生的數(shù)據(jù)分析能力和數(shù)據(jù)挖掘能力。
大數(shù)據(jù)作為近年來(lái)的熱點(diǎn)研究問(wèn)題，已經(jīng)廣泛應(yīng)用于經(jīng)管類學(xué)科當(dāng)中。經(jīng)管類專業(yè)學(xué)生只有更好地掌握并懂得如何利用大數(shù)據(jù)，才能在大數(shù)據(jù)時(shí)代擁有更多的優(yōu)勢(shì)。因此，本文從教學(xué)方式、課程體系、技能與經(jīng)驗(yàn)進(jìn)行創(chuàng)新，提出切實(shí)可行的改革措施，以更好地培養(yǎng)經(jīng)管類學(xué)生的數(shù)據(jù)分析的專業(yè)能力，適應(yīng)大數(shù)據(jù)環(huán)境下知識(shí)管理與智能決策的需要。
參考文獻(xiàn)：
[1]祝智庭，沈德梅.基于大數(shù)據(jù)的教育技術(shù)研究新范式[J].電化教育研究，2013（10）：5-13.
[2]朱懷慶.大數(shù)據(jù)時(shí)代對(duì)本科經(jīng)管類統(tǒng)計(jì)學(xué)教學(xué)的影響及對(duì)策[J].高等教育研究，2014（9）：35-37.
[3]李永，劉玉紅.大數(shù)據(jù)時(shí)代大學(xué)生學(xué)習(xí)模式轉(zhuǎn)變研究[J].長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)（高教研究版），2014，35（4）：38-41，100.
A / B測(cè)試是非?；镜碾娮余]件營(yíng)銷技能，即我們發(fā)送電子郵件的一個(gè)版本(稱之為A)給10%的客戶，與此同時(shí)發(fā)送電子郵件的另一個(gè)版本(稱之為B)給10%的客戶。然后通過(guò)比較這兩部分?jǐn)?shù)據(jù)來(lái)決定向剩余的80%的客戶發(fā)送哪封最佳郵件版本。
郵件營(yíng)銷A / B測(cè)試技巧是培育優(yōu)秀郵件內(nèi)容的前提。Webpower首席數(shù)據(jù)分析師Dr.MauritsKaptein認(rèn)為其實(shí)這其中也包含了未被充分驗(yàn)證的部分，我們可能并沒有通過(guò)A / B測(cè)試真正篩選出最佳郵件版本，實(shí)際上，我們只是對(duì)20%的客戶進(jìn)行了測(cè)試，其余80%客戶其實(shí)是割裂狀態(tài)。如果我們能相對(duì)充分地覆蓋客戶，才真正較為客觀地進(jìn)行了消費(fèi)者洞察。
動(dòng)態(tài)A / B測(cè)試
這里有一個(gè)基本事實(shí)：在A / B測(cè)試期間，有一半概率接收到電子郵件“A”，另一半概率接收到“B”。試驗(yàn)結(jié)束后，如果“A”的轉(zhuǎn)化率為最高，“A”與“B”的概率分別變?yōu)?和0。然而隨著時(shí)間的推移，這一概率比例會(huì)被平順地改變。當(dāng)缺乏數(shù)據(jù)支撐時(shí)，概率演變?yōu)?/2和1/2。但是在小范圍測(cè)試中，若“A”有更好的表現(xiàn)，概率值變?yōu)?/3和1/3。也就是說(shuō)，做動(dòng)態(tài)A / B測(cè)試，在測(cè)算品質(zhì)上是完勝靜態(tài)A / B測(cè)試的。動(dòng)態(tài)A / B測(cè)試的好處不僅在于它在準(zhǔn)確度上優(yōu)于靜態(tài)的，它還允許添加新的測(cè)試選項(xiàng)，并覆蓋更多的時(shí)間。因此，在面對(duì)一封自動(dòng)生成的“購(gòu)物車挽回”的電子郵件時(shí)，你可以隨時(shí)增加新的郵件版本測(cè)試最佳呈現(xiàn)效果。你不該只是做“是”或“否”的單一測(cè)試，而是要適時(shí)地持續(xù)優(yōu)化。
不斷學(xué)習(xí)
使用動(dòng)態(tài)A / B測(cè)試，為郵件與客戶互動(dòng)空間開辟了更多的空間。比如，你如何通過(guò)推廣郵件確定一個(gè)新的在線服務(wù)產(chǎn)品的最佳價(jià)格？如果定價(jià)太高，可能沒有人會(huì)購(gòu)買該產(chǎn)品；如果定價(jià)太低，又可能無(wú)法盈利。
所以該如何取舍平衡呢？不妨試試摒棄付費(fèi)的市場(chǎng)研究機(jī)構(gòu)所做的潛在客戶成本分析，激發(fā)郵件功能，有效利用相關(guān)數(shù)據(jù)探索最優(yōu)價(jià)格。在郵件中，嘗試新的定價(jià)給客戶，觀察他們的反饋，計(jì)算你的收益，并不斷調(diào)整實(shí)時(shí)更新價(jià)格策略?？煞Q之為結(jié)合郵件反饋的動(dòng)態(tài)定價(jià)。
個(gè)性化發(fā)送
如果將電子郵件營(yíng)銷活動(dòng)延伸開來(lái)看，可以與客戶個(gè)體有連續(xù)的互動(dòng)學(xué)習(xí)。比如你每周的newsletter是針對(duì)同一組收件人，基于客戶newsletter的反饋你可以展開積極地調(diào)研，從而發(fā)現(xiàn)是什么讓用戶買單。
經(jīng)過(guò)反復(fù)的郵件試探，我們可以了解客戶的產(chǎn)品偏好，他喜歡什么電影、音樂(lè)。或者他喜歡公路自行車運(yùn)動(dòng)還是攀巖？我們可以應(yīng)用電子郵件對(duì)這些問(wèn)題展開積極測(cè)試，并建立客戶的個(gè)人資料。
目前，越來(lái)越多的網(wǎng)站開始重視數(shù)據(jù)，并期望從中發(fā)現(xiàn)新的機(jī)會(huì)，不管你是做網(wǎng)絡(luò)營(yíng)銷、互聯(lián)網(wǎng)產(chǎn)品設(shè)計(jì)、電子商務(wù)運(yùn)營(yíng)、個(gè)人站點(diǎn)運(yùn)營(yíng)維護(hù)，我們都希望從數(shù)據(jù)中尋找有價(jià)值的結(jié)論，并且指導(dǎo)公司管理層的決策，最終創(chuàng)造更大的網(wǎng)站價(jià)值。本書以通俗易懂的方式來(lái)講解網(wǎng)站分析所需掌握的知識(shí)，剖析日常工作中遇到的問(wèn)題，并且配合大量的實(shí)戰(zhàn)案例的講解。
本書適合網(wǎng)站運(yùn)營(yíng)人員、網(wǎng)絡(luò)營(yíng)銷人員（SEO、SEM、EDM）、網(wǎng)站產(chǎn)品經(jīng)理和個(gè)人站長(zhǎng)閱讀，本書也適合計(jì)算機(jī)專業(yè)或者市場(chǎng)營(yíng)銷專業(yè)的自學(xué)。
目錄
第1章解密神奇的網(wǎng)站分析——網(wǎng)站分析的目的、流程及價(jià)值
1.1 為什么要對(duì)網(wǎng)站進(jìn)行分析
1.2 網(wǎng)站分析是什么
1.3 如何進(jìn)行網(wǎng)站分析
1.3.1 網(wǎng)站流量質(zhì)量分析
1.3.2 網(wǎng)站流量多維度細(xì)分
1.3.3 網(wǎng)站流量重合度分析
1.3.4 網(wǎng)站內(nèi)容及導(dǎo)航分析
1.3.5 網(wǎng)站轉(zhuǎn)化及漏斗分析
1.4 網(wǎng)站分析為什么很重要
1.5 網(wǎng)站分析帶來(lái)的價(jià)值及改變
1.6 網(wǎng)站分析的基本流程
1.6.1 定義（Define）
1.6.2 測(cè)量（Measure）
1.6.3 分析（Analyze）
1.6.4 改進(jìn)（Improve）
1.6.5 控制（Control）
1.7 我能成為網(wǎng)站分析師嗎
1.7.1 網(wǎng)站分析行業(yè)概況
1.7.2 興趣和一個(gè)免費(fèi)的分析工具
1.7.3 了解JS及HTML語(yǔ)言
1.7.4 了解網(wǎng)絡(luò)營(yíng)銷知識(shí)及常見廣告模式
1.7.5 Excel和PPT的使用能力
1.7.6 強(qiáng)大的溝通能力
1.7.7 不畏錯(cuò)誤和挑戰(zhàn)的能力
1.7.8 良好的職業(yè)操守和道德底線
1.8 本章小結(jié)
第2章從這里開始學(xué)習(xí)網(wǎng)站分析——網(wǎng)站分析中的基礎(chǔ)指標(biāo)解釋
2.1 我們?nèi)绾潍@得網(wǎng)站的數(shù)據(jù)
2.1.1 常見的數(shù)據(jù)獲取方式
2.1.2 網(wǎng)站日志和JS標(biāo)記
2.1.3 用戶識(shí)別
2.1.4 點(diǎn)擊流模型
2.2 網(wǎng)站分析中的基礎(chǔ)指標(biāo)
2.2.1 網(wǎng)站分析中的骨灰級(jí)指標(biāo)
2.2.2 網(wǎng)站分析中的基礎(chǔ)級(jí)指標(biāo)
2.2.3 網(wǎng)站分析中的復(fù)合級(jí)指標(biāo)
2.3 本章小結(jié)
第3章網(wǎng)站分析師的三板斧——網(wǎng)站分析常用方法
3.1 數(shù)據(jù)分析前的準(zhǔn)備工作
3.1.1 數(shù)據(jù)的來(lái)源類型
3.1.2 數(shù)據(jù)的清洗與整理
3.1.3 我們的數(shù)據(jù)準(zhǔn)確嗎
3.2 網(wǎng)站數(shù)據(jù)趨勢(shì)分析
3.2.1 同比、環(huán)比、定基比
3.2.2 趨勢(shì)線擬合
3.2.3 移動(dòng)均值
3.2.4 數(shù)據(jù)監(jiān)控自動(dòng)化
3.3 網(wǎng)站數(shù)據(jù)對(duì)比分析
3.3.1 簡(jiǎn)單合并比較
3.3.2 比較實(shí)驗(yàn)的設(shè)定
3.3.3 讓比較結(jié)果更可信
3.3.4 別忘記與目標(biāo)對(duì)比
3.4 網(wǎng)站數(shù)據(jù)多維度細(xì)分
3.4.1 指標(biāo)和維度
3.4.2 為什么要使用細(xì)分
3.4.3 什么是細(xì)分
3.4.4 細(xì)分的常用方法
3.5 本章小結(jié)87第4章網(wǎng)站流量那些事兒——網(wǎng)站流量分析
4.1 網(wǎng)站中常見的流量分類
4.1.1 網(wǎng)站中常見的三種流量來(lái)源
4.1.2 直接流量的秘密
4.2 對(duì)網(wǎng)站流量進(jìn)行過(guò)濾
4.2.1 過(guò)濾流量來(lái)源的基本原理
4.2.2 Google Analytics流量過(guò)濾速查表
4.3 如何對(duì)廣告流量進(jìn)行追蹤和分析
4.3.1 對(duì)你的流量進(jìn)行標(biāo)記
4.3.2 區(qū)分搜索付費(fèi)流量與免費(fèi)流量
4.3.3 監(jiān)測(cè)百度競(jìng)價(jià)流量ROI
4.3.4 挖掘有價(jià)值的搜索關(guān)鍵詞
4.3.5 追蹤EDM的活動(dòng)流量
4.4 如何辨別那些虛假流量
4.4.1 虛假流量與真實(shí)流量的特征
4.4.2 辨別虛假流量的十二種方法
4.5 為你的網(wǎng)站創(chuàng)建流量日記
4.5.1 什么是網(wǎng)站流量日記
4.5.2 如何創(chuàng)建流量日記
4.5.3 網(wǎng)站流量日記的作用
4.5.4 開始第一次網(wǎng)站分析報(bào)告
4.6 流量波動(dòng)的常見原因分析
4.6.1 直接流量波動(dòng)常見原因
4.6.2 付費(fèi)搜索流量（SEM）波動(dòng)常見原因
4.6.3 自然搜索流量（SEO）波動(dòng)常見原因
4.6.4 引薦流量波動(dòng)常見原因
4.7 本章小結(jié)
第5章你的網(wǎng)站在偷懶嗎——網(wǎng)站內(nèi)容效率分析
5.1 網(wǎng)站頁(yè)面參與度分析
5.1.1 什么是頁(yè)面參與度
5.1.2 頁(yè)面參與度的計(jì)算方法
5.1.3 設(shè)置并查看頁(yè)面參與度指標(biāo)
5.1.4 頁(yè)面參與度指標(biāo)的兩個(gè)作用
5.2 頁(yè)面熱力圖分析
5.2.1 Google Analytics熱力圖功能
5.2.2 Google Analytics熱力圖中數(shù)字的含義
5.2.3 Google Analytics熱力圖中的細(xì)分功能
5.2.4 Google Analytics熱力圖中的路徑分析
5.2.5 Google Analytics熱力圖的常見問(wèn)題
5.3 頁(yè)面加載時(shí)間分析
5.3.1 理想情況下的Landing Page時(shí)間分布
5.3.2 Landing Page缺乏吸引力的時(shí)間分布
5.3.3 頁(yè)面打開速度慢的時(shí)間分布
5.4 網(wǎng)站中的三種渠道分析
5.4.1 網(wǎng)站的流量來(lái)源渠道
5.4.2 網(wǎng)站的內(nèi)部渠道
5.4.3 網(wǎng)站的目標(biāo)渠道
5.5 追蹤并分析網(wǎng)站404頁(yè)面
5.5.1 使用Google Analytics追蹤404頁(yè)面
5.6 最終產(chǎn)品頁(yè)分析
5.6.1 如何評(píng)價(jià)內(nèi)容的熱門度
5.6.2 基于多指標(biāo)的內(nèi)容簡(jiǎn)單分類
5.6.3 基于多指標(biāo)的內(nèi)容綜合評(píng)分
5.7 本章小結(jié)
第6章誰(shuí)在使用我的網(wǎng)站——網(wǎng)站用戶分析
6.1 用戶分類
6.1.1 用戶指標(biāo)
6.1.2 新老用戶
6.1.3 活躍用戶和流失用戶
6.2 用戶行為分析
6.2.1 每個(gè)用戶行為指標(biāo)的分析價(jià)值
6.2.2 基于用戶行為指標(biāo)的用戶分布
6.2.3 基于用戶細(xì)分的用戶行為分析
6.3 用戶忠誠(chéng)度和價(jià)值分析
6.3.1 基于用戶行為的忠誠(chéng)度分析
6.3.2 基于用戶行為的綜合評(píng)分
6.3.3 用戶的生命周期價(jià)值
6.4 本章小結(jié)
第7章我們的目標(biāo)是什么——網(wǎng)站目標(biāo)與KPI
7.1 對(duì)網(wǎng)站進(jìn)行全面貨幣化
7.1.1 設(shè)置電子商務(wù)追蹤
7.1.2 對(duì)目標(biāo)設(shè)定貨幣價(jià)值
7.2 創(chuàng)建網(wǎng)站分析體系
7.2.1 定義網(wǎng)站目標(biāo)
7.2.2 獲取并分解網(wǎng)站目標(biāo)
7.2.3 聚焦網(wǎng)站的核心目標(biāo)
7.2.4 關(guān)注每個(gè)分解的目標(biāo)
7.2.5 創(chuàng)建網(wǎng)站分析的KPI
7.3 KPI網(wǎng)站分析成功之匙
7.4 KPI在網(wǎng)站分析中的作用
7.4.1 網(wǎng)站分析KPI的5個(gè)標(biāo)準(zhǔn)
7.5 解讀可執(zhí)行的網(wǎng)站分析報(bào)告
7.5.1 可執(zhí)行的網(wǎng)站分析報(bào)告的內(nèi)容
7.5.2 KPI指標(biāo)的創(chuàng)建及選擇
7.5.3 網(wǎng)站分析關(guān)鍵KPI指標(biāo)報(bào)告
7.5.4 關(guān)鍵KPI指標(biāo)變化分析
7.5.5 訪客行為貨幣化
7.5.6 創(chuàng)建屬于你的Action Dashboard
7.6 目標(biāo)KPI的監(jiān)控與分析
7.6.1 KPI的數(shù)據(jù)監(jiān)控
7.6.2 KPI背后的秘密
7.7 本章小結(jié)
第8章深入追蹤網(wǎng)站的訪問(wèn)者——路徑與轉(zhuǎn)化分析
8.1 探索用戶的足跡——關(guān)鍵轉(zhuǎn)化路徑分析
8.1.1 明確關(guān)鍵轉(zhuǎn)化路徑
8.1.2 測(cè)量關(guān)鍵轉(zhuǎn)化路徑
8.1.3 漏斗模型的展現(xiàn)
8.1.4 有效分析轉(zhuǎn)化路徑
8.1.5 為什么使用漏斗圖
8.1.6 網(wǎng)站中的虛擬漏斗分析
8.2 讓用戶走自己的路——多路徑選擇優(yōu)化
8.2.1 簡(jiǎn)化用戶轉(zhuǎn)化路徑
8.2.2 讓用戶選擇適合自己的路
8.2.3 多路徑轉(zhuǎn)化數(shù)據(jù)分析
8.3 基于內(nèi)容組的訪問(wèn)者路徑分析
8.3.1 基于分析目的規(guī)劃內(nèi)容組
8.3.2 創(chuàng)建內(nèi)容組前的準(zhǔn)備工作
8.3.3 使用過(guò)濾器創(chuàng)建內(nèi)容組
8.3.4 檢查并優(yōu)化內(nèi)容組
8.3.5 訪問(wèn)者流報(bào)告功能概述
8.3.6 訪問(wèn)者流報(bào)告與其他功能配合使用
8.4 本章小結(jié)
第9章從新手到專家——網(wǎng)站分析高級(jí)應(yīng)用
9.1 為你的網(wǎng)站定制追蹤訪問(wèn)者行為
9.1.1 使用_trackPageview函數(shù)自定義頁(yè)面名稱
9.1.2 使用_trackPageview函數(shù)追蹤出站鏈接
9.1.3 使用_trackPageview函數(shù)記錄時(shí)間維度
9.1.4 使用_trackPageview函數(shù)記錄頁(yè)面狀態(tài)
9.1.5 使用_trackPageview函數(shù)記錄用戶行為
9.2 按需求創(chuàng)建個(gè)性化報(bào)告
9.2.1 創(chuàng)建報(bào)告前的準(zhǔn)備工作
9.2.2 設(shè)置自定義信息中心
9.2.3 對(duì)報(bào)告的用戶權(quán)限進(jìn)行管理
9.2.4 設(shè)置智能提醒和郵件報(bào)告
9.3 控制報(bào)告中的數(shù)據(jù)
9.3.1 過(guò)濾器基礎(chǔ)
9.3.2 高級(jí)過(guò)濾器
9.4 快速數(shù)據(jù)導(dǎo)出工具
9.5 數(shù)據(jù)分析高級(jí)應(yīng)用
9.5.1 網(wǎng)站內(nèi)容關(guān)聯(lián)推薦
國(guó)雙科技注冊(cè)成立于2005年，以軟件外包起家，那時(shí)祁國(guó)晟就已經(jīng)在關(guān)注搜索引擎的營(yíng)銷經(jīng)濟(jì)價(jià)值。2007年，他做出一個(gè)艱難的決定：徹底放棄賺錢的外包服務(wù)，把所有精力投入Web Dissector量化分析工具的開發(fā)上，開始了“二次創(chuàng)業(yè)”。經(jīng)過(guò)三年的蟄伏，2011年 2012年國(guó)雙科技的在線分析業(yè)務(wù)實(shí)現(xiàn)了爆炸式的增長(zhǎng)，收入猛增10倍以上。目前國(guó)雙科技的客戶超過(guò)300家，分布于18個(gè)行業(yè)，包括可口可樂(lè)、歐萊雅、上海文廣新聞傳媒集團(tuán)等40多家全球500強(qiáng)和中國(guó)500強(qiáng)企業(yè)，國(guó)雙科技為它們提供打包的數(shù)據(jù)整合方案服務(wù)。
與過(guò)往的業(yè)績(jī)相比，更讓祁國(guó)晟和團(tuán)隊(duì)興奮的，是他們正在開啟的新事業(yè)：數(shù)據(jù)資產(chǎn)化。
2013年年初，國(guó)雙科技旗下“國(guó)雙數(shù)據(jù)中心”正式成立。在祁國(guó)晟和團(tuán)隊(duì)的謀劃中，該中心將是國(guó)雙科技試水“數(shù)據(jù)資產(chǎn)化”的先鋒?，F(xiàn)在來(lái)看，國(guó)雙數(shù)據(jù)中心還只是一些趨勢(shì)性報(bào)告，比如中國(guó)互聯(lián)網(wǎng)用戶屬性、用戶習(xí)慣、電子商務(wù)、在線媒體渠道、移動(dòng)互聯(lián)網(wǎng)等領(lǐng)域的用戶行為規(guī)律等。但未來(lái)一定不止于此。對(duì)于祁國(guó)晟和團(tuán)隊(duì)來(lái)說(shuō)，挑戰(zhàn)他們的是，用什么樣的思路來(lái)“激活”國(guó)雙數(shù)據(jù)中心已經(jīng)擁有的數(shù)據(jù)挖掘能力和數(shù)據(jù)資產(chǎn)。據(jù)國(guó)雙科技的資料顯示，國(guó)雙數(shù)據(jù)中心擁有基于OLAP（聯(lián)機(jī)分析處理技術(shù)）的交互式數(shù)據(jù)挖掘平臺(tái)，可將數(shù)據(jù)倉(cāng)庫(kù)中的每一個(gè)數(shù)據(jù)通過(guò)上百個(gè)維度和指標(biāo)進(jìn)行關(guān)聯(lián)、交叉、演繹，提供不同深度的分析報(bào)告，滿足不同視角的數(shù)據(jù)挖掘和分析需求。
祁國(guó)晟告訴記者，未來(lái)兩年之內(nèi)，國(guó)雙科技在“數(shù)據(jù)資產(chǎn)化”的新事業(yè)上將找到行之有效的商業(yè)模式?，F(xiàn)在問(wèn)題的關(guān)鍵是，找到“需求在哪里”，甚至是得“挖掘需求”。
在“挖掘需求”上，祁國(guó)晟頗有感觸。基于之前與國(guó)家信息中心的合作，國(guó)雙科技涉足到針對(duì)電子政務(wù)的數(shù)據(jù)分析，當(dāng)時(shí)雙方合作成立的網(wǎng)絡(luò)政府研究中心開發(fā)了一套基于電子政務(wù)的新系統(tǒng)，主要用于分析電子政務(wù)的績(jī)效。在該項(xiàng)合作中，在客戶的需求之外，國(guó)雙科技團(tuán)隊(duì)發(fā)現(xiàn)了一項(xiàng)民眾對(duì)政府工作最急迫的需求——異地辦理生育證明，“這個(gè)發(fā)現(xiàn)跟數(shù)據(jù)挖掘有關(guān)系，這個(gè)結(jié)果不是調(diào)研出來(lái)的，是通過(guò)全樣本數(shù)據(jù)分析挖掘出來(lái)的”。祁國(guó)晟回憶說(shuō)，最后他們出具的報(bào)告“非常有說(shuō)服力”，甚至推動(dòng)了政府后來(lái)出臺(tái)規(guī)定、簡(jiǎn)化異地生育證辦理的流程。
在祁國(guó)晟看來(lái)，基于國(guó)雙科技近一年里業(yè)務(wù)拓展的重點(diǎn)，其“數(shù)據(jù)資產(chǎn)化”首先會(huì)在政府電子政務(wù)、運(yùn)營(yíng)商數(shù)據(jù)分析、網(wǎng)絡(luò)電視臺(tái)解決方案等業(yè)務(wù)線上找到突破點(diǎn)?！艾F(xiàn)在新業(yè)務(wù)的比例還不是特別高，占到整個(gè)公司收入大盤子的10%多，但是增長(zhǎng)速度非?？?。”祁國(guó)晟希望，兩年內(nèi)新業(yè)務(wù)的收入能夠占到總盤子的30%以上，成為國(guó)雙科技的核心業(yè)務(wù)之一。在這個(gè)過(guò)程中，對(duì)祁國(guó)晟和團(tuán)隊(duì)來(lái)說(shuō)，挑戰(zhàn)之一是：這些數(shù)據(jù)資產(chǎn)源于國(guó)雙作為第三方服務(wù)商時(shí)，客戶愿意把數(shù)據(jù)交給國(guó)雙或者把數(shù)據(jù)接口開放給國(guó)雙，一旦國(guó)雙做“數(shù)據(jù)資產(chǎn)化”時(shí)，客戶會(huì)否對(duì)開放自己的數(shù)據(jù)有安全方面的顧慮？
“這是我們最關(guān)心的問(wèn)題，也是我們做數(shù)據(jù)生意必須堅(jiān)持的底線。我們企業(yè)的生存是依賴于客戶的放心，放心把數(shù)據(jù)交給我們分析?！逼顕?guó)晟進(jìn)一步強(qiáng)調(diào)，國(guó)雙科技正在嘗試的“數(shù)據(jù)資產(chǎn)化”有一個(gè)前提，絕不觸碰跟客戶商業(yè)相關(guān)的數(shù)據(jù)。
祁國(guó)晟介紹，在他們采集的客戶數(shù)據(jù)中，“只有1%到10%是客戶的商業(yè)數(shù)據(jù)，其他的全部都是行業(yè)性的數(shù)據(jù)”。而且，他感覺比較幸運(yùn)的是，從一開始做數(shù)據(jù)分析、數(shù)據(jù)挖掘服務(wù)時(shí)做了一個(gè)正確的決定，“當(dāng)時(shí)我們的計(jì)算性能做得還不夠好，曾經(jīng)討論過(guò)要不要把那些行業(yè)性的數(shù)據(jù)丟掉只保留客戶的商業(yè)數(shù)據(jù)，后來(lái)我們沒有丟，現(xiàn)在看來(lái)是一件非常明智的事，留下這些行業(yè)性的數(shù)據(jù)，才能和現(xiàn)在其他的東西聯(lián)系在一起，這樣才有可能產(chǎn)生非常大的價(jià)值和意義”。
目前的團(tuán)購(gòu)模式，是基于互聯(lián)網(wǎng)發(fā)展十余年的經(jīng)驗(yàn)積累，對(duì)商業(yè)和人性的發(fā)揮做到了極致。如此模式到了國(guó)內(nèi)，很容易走上一條具有“中國(guó)特色”的道路。
可以看到的是，團(tuán)購(gòu)網(wǎng)站深陷價(jià)格戰(zhàn)，大家進(jìn)入低價(jià)的競(jìng)爭(zhēng)。你推出的套餐128，我要推出99的，他要推出60的。大家在這個(gè)市場(chǎng)中，不是根據(jù)自身的情況定價(jià)，拼的是誰(shuí)有錢，誰(shuí)可以賠更長(zhǎng)時(shí)間。就算賠到剩寡頭競(jìng)爭(zhēng)的時(shí)候，利潤(rùn)肯定還是上不去，因?yàn)樘厥獾氖袌?chǎng)環(huán)境和模式的易復(fù)制性決定了這一切。當(dāng)只用低價(jià)吸引貪便宜的低端消費(fèi)者，能為商家?guī)?lái)什么？為消費(fèi)者帶來(lái)什么？
另外，目前進(jìn)行團(tuán)購(gòu)的商家整體水平很低，甚至很多別有用心的商家在利用團(tuán)購(gòu)，例如面臨倒閉的商家，利用團(tuán)購(gòu)賺一票走人等層出不窮。
好的企業(yè)也會(huì)進(jìn)行團(tuán)購(gòu)嘗試，但是價(jià)格、產(chǎn)品、規(guī)?？刂频煤芩?，團(tuán)購(gòu)網(wǎng)站幾乎零利潤(rùn)在為優(yōu)質(zhì)企業(yè)服務(wù)，而且在優(yōu)質(zhì)商家面前，沒有區(qū)別性可言。
當(dāng)一個(gè)行業(yè)沒有核心產(chǎn)品而又陷入價(jià)格競(jìng)爭(zhēng)的時(shí)候，這個(gè)行業(yè)就已經(jīng)死了。更別說(shuō)，從業(yè)者仍在瘋狂地?zé)X來(lái)做這件事情了。
面對(duì)如此境況，要突圍，必須要?jiǎng)?chuàng)新。社區(qū)化電子商務(wù)是未來(lái)的發(fā)展方向，也是具有活力和充滿創(chuàng)新的領(lǐng)域。將媒體、電商、社區(qū)相融合，開發(fā)優(yōu)惠及代金券系統(tǒng)，讓商家吸引目標(biāo)用戶，同時(shí)憑借數(shù)據(jù)分析和挖掘技術(shù)，為商家提供全方位的用戶數(shù)據(jù)分析服務(wù)，例如各個(gè)年齡層、收入的用戶購(gòu)買情況，購(gòu)買和消費(fèi)的時(shí)間和空間的分布等等。
以新開業(yè)商家為例，它的需求是迅速建立知名度、獲得體驗(yàn)用戶、打開市場(chǎng)，借助傳統(tǒng)的團(tuán)購(gòu)模式，可以輕松實(shí)現(xiàn)這些目標(biāo)?，F(xiàn)在加入社交元素后，可以幫助商家進(jìn)行團(tuán)購(gòu)后客戶關(guān)系管理，一步步篩選用戶，傳播品牌文化，強(qiáng)化與消費(fèi)者的溝通，將其轉(zhuǎn)化為高質(zhì)量的忠實(shí)用戶群。其三段式營(yíng)銷策略為：
第一段：預(yù)熱，新開張
傳統(tǒng)媒體：以專業(yè)媒體的角度給予商家客觀的評(píng)價(jià)；
網(wǎng)媒：設(shè)計(jì)套餐，通過(guò)團(tuán)購(gòu)體驗(yàn)商家的產(chǎn)品和服務(wù)；
社區(qū)：開通商家官方微博，通過(guò)在網(wǎng)站與報(bào)道、團(tuán)購(gòu)相結(jié)合，增加關(guān)注度。
第二段：營(yíng)銷，成長(zhǎng)期
傳統(tǒng)媒體：持續(xù)的廣告投入與電商平臺(tái)的平媒推廣相結(jié)合，保持商家的曝光度，增加讀者和消費(fèi)者認(rèn)知；
網(wǎng)媒：提交團(tuán)購(gòu)購(gòu)買及消費(fèi)分析報(bào)告，與商家共同分析用戶屬性與行為；
進(jìn)行優(yōu)惠券等銷售，使消費(fèi)者可以更全面地了解商家的產(chǎn)品、體驗(yàn)商家服務(wù)；
社區(qū)：通過(guò)互動(dòng)平臺(tái)，使得消費(fèi)者加深對(duì)商家的了解，提高品牌的認(rèn)知度。
第三段：品牌，成熟期
傳統(tǒng)媒體：持續(xù)廣告投入，打造品牌概念；
當(dāng)企業(yè)從區(qū)域制走向無(wú)限細(xì)化，以醫(yī)院、醫(yī)院銷售代表為單位，進(jìn)行簽約合作時(shí)，就已經(jīng)步入了深度的傭金制階段。
過(guò)去，企業(yè)只提供底價(jià)招商，商負(fù)責(zé)和商業(yè)公司結(jié)算。隨著“兩票制”和“企業(yè)自主招標(biāo)”這兩方面政策的出臺(tái)，傭金制的操作就轉(zhuǎn)變?yōu)槠髽I(yè)直接和商業(yè)公司結(jié)算，結(jié)算后的費(fèi)用作為傭金（商在臨床推廣過(guò)程中的勞動(dòng)報(bào)酬）按照一定的點(diǎn)位返還給商。其中存在兩方面轉(zhuǎn)變：第一，中標(biāo)價(jià)格將由企業(yè)來(lái)控制，商無(wú)須理會(huì)；第二，企業(yè)和商業(yè)公司關(guān)于供貨價(jià)、返利價(jià)、開發(fā)價(jià)、配送價(jià)等簽約內(nèi)容轉(zhuǎn)由商務(wù)人員支配，其中包括物流功能。此時(shí)，商的主要工作就是做好臨床促銷，關(guān)注的是企業(yè)給予的返點(diǎn)在經(jīng)過(guò)臨床推廣后還剩多少利潤(rùn)，就像差旅管理，每天補(bǔ)助250元，食宿標(biāo)準(zhǔn)自行選擇。
辦事處制需要列支費(fèi)用交由企業(yè)審查，在傭金制下，企業(yè)只需審查所負(fù)責(zé)區(qū)域純銷的藥品當(dāng)量（不是以銷售額，而是以銷售數(shù)量來(lái)計(jì)算），然后按30%~35%的點(diǎn)位返還給商。此時(shí)，商跟企業(yè)建立了同盟關(guān)系，必須建立專業(yè)的公司或者找專業(yè)公司開具勞務(wù)方面的發(fā)票，將票據(jù)交給企業(yè)后才能將返點(diǎn)的錢拿走。這樣，企業(yè)避免了稅收問(wèn)題，又合理地將這筆錢打到了商卡上，讓所有的形態(tài)合法化。
傭金制的發(fā)展決定了暴利時(shí)代的終結(jié)。原先，商可操控的點(diǎn)位可能在60%以上，這就有可能造成臨床回扣的濫發(fā)。帶給直營(yíng)制的變化如此，制也同樣有所轉(zhuǎn)變。原先，企業(yè)是底價(jià)結(jié)算給商，10元的藥品，企業(yè)拿2元，其余環(huán)節(jié)統(tǒng)統(tǒng)不管。而傭金制正好相反，零售價(jià)由企業(yè)自己定，負(fù)責(zé)接洽商業(yè)公司開票、計(jì)稅等所有環(huán)節(jié)產(chǎn)生的稅費(fèi)，商通過(guò)臨床促銷從企業(yè)處拿到的傭金只有3~3.5元，而不是原來(lái)的8元。這種結(jié)算方式的轉(zhuǎn)變，正是“兩票制”、自主招投標(biāo)在反商業(yè)賄賂形式下企業(yè)招商的發(fā)展趨勢(shì)。
商務(wù)部介入數(shù)據(jù)管理
“包稅返點(diǎn)”如何操作？例如A省只有一個(gè)經(jīng)銷商，這個(gè)經(jīng)銷商把每個(gè)月藥品銷售的物流清單傳送給企業(yè)的銷售經(jīng)理，由銷售經(jīng)理出具報(bào)告，向公司財(cái)務(wù)提出申請(qǐng)，由此可以計(jì)算出商拿到的傭金返點(diǎn)。商把工作產(chǎn)生的票據(jù)寄還給公司后，就可以跟企業(yè)結(jié)算自己的報(bào)酬。
如果1個(gè)省只有10多個(gè)商或分銷商，銷售經(jīng)理當(dāng)然不難統(tǒng)籌。但若某省銷售額很大，分銷商數(shù)量達(dá)到數(shù)百，這樣的處理方式就可能存在兩方面的問(wèn)題：第一，工作量很大；第二，人多混雜，銷售經(jīng)理很可能會(huì)張冠李戴，把A商的業(yè)績(jī)算給了B商，通道的單一導(dǎo)致了與商之間的矛盾，倘若企業(yè)能將這個(gè)流程電子化，則不僅能體現(xiàn)公司的監(jiān)管，還能在減少處理環(huán)節(jié)、節(jié)省人力的同時(shí)，規(guī)避相應(yīng)的風(fēng)險(xiǎn)。
筆者建議，企業(yè)由商務(wù)部來(lái)審核數(shù)據(jù)，因?yàn)榕c經(jīng)銷商簽約本來(lái)就是商務(wù)部的職責(zé)。經(jīng)銷商將每個(gè)月的資金流向以電子化的形式進(jìn)行反饋，由商務(wù)部審計(jì)后，告知銷售經(jīng)理。商務(wù)部負(fù)責(zé)數(shù)據(jù)分析甚至錄入商管理系統(tǒng)，月底時(shí)，大區(qū)經(jīng)理、地辦經(jīng)理只要打開該系統(tǒng)，就可以明確整個(gè)系統(tǒng)的資金動(dòng)向，根據(jù)這個(gè)數(shù)據(jù)來(lái)敦促自己的商。商也可以登陸系統(tǒng)，了解自己的醫(yī)院開況和返點(diǎn)金額。
動(dòng)態(tài)CRM為銷售指南針
可能有人會(huì)問(wèn)：“銷售經(jīng)理做什么？”在商務(wù)部負(fù)責(zé)監(jiān)管流程的時(shí)候，銷售經(jīng)理的主要職責(zé)有兩個(gè)方面：第一，調(diào)劑當(dāng)?shù)厣?。面?duì)一個(gè)200~300人的分銷團(tuán)隊(duì)，如何和這些人打交道？如何保持市場(chǎng)的穩(wěn)定和流動(dòng)性？第二，對(duì)商的管理輸入。區(qū)域商需要駐點(diǎn)公關(guān)，就像汽車4S店的駐地服務(wù)那樣，銷售經(jīng)理把企業(yè)想要傳達(dá)的信息傳遞給商，完成其與企業(yè)適配的一體化工程。針對(duì)分銷商，銷售經(jīng)理要組織一系列有效的活動(dòng)，例如組織分銷商開會(huì)、學(xué)習(xí)、旅游等等。針對(duì)這樣一個(gè)幾百人的團(tuán)隊(duì)，要讓這些區(qū)域市場(chǎng)的人對(duì)企業(yè)產(chǎn)生歸宿感，從而認(rèn)可企業(yè)領(lǐng)導(dǎo)，就需要銷售經(jīng)理這些補(bǔ)進(jìn)的常態(tài)工作。
一、大數(shù)據(jù)定義及常用分析方法
（一）定義。對(duì)于什么是大數(shù)據(jù)，迄今為止并沒有公認(rèn)的定義。麥肯錫全球研究所給出的定義是：一種規(guī)模大到在獲取、存儲(chǔ)、管理、分析方面大大超出了傳統(tǒng)數(shù)據(jù)庫(kù)軟件工具能力范圍的數(shù)據(jù)集合，具有海量的數(shù)據(jù)規(guī)模、快速的數(shù)據(jù)流轉(zhuǎn)、多樣的數(shù)據(jù)類型和價(jià)值密度低四大特征。（二）數(shù)據(jù)挖掘常用分析方法。數(shù)據(jù)挖掘就是對(duì)觀測(cè)的數(shù)據(jù)集（經(jīng)常是很龐大的）進(jìn)行分析，目的是發(fā)現(xiàn)未知的關(guān)系和以數(shù)據(jù)擁有者可以理解并對(duì)數(shù)據(jù)擁有者而言有價(jià)值的新穎方式來(lái)總結(jié)數(shù)據(jù)。常用方法類型介紹如下：一是關(guān)聯(lián)分析。是在未有既定目標(biāo)情況下，探索數(shù)據(jù)內(nèi)部結(jié)構(gòu)的一種分析技術(shù)，目的是在一個(gè)數(shù)據(jù)集中發(fā)現(xiàn)、檢索出數(shù)據(jù)集中所有可能的關(guān)聯(lián)模式或相關(guān)性，但這種關(guān)系在數(shù)據(jù)中沒有直接表示或不能肯定。常用的關(guān)聯(lián)分析算法有：Apriori算法、FP-growth算法。該技術(shù)目前廣泛應(yīng)用于各個(gè)領(lǐng)域，如我們?cè)陔娚唐脚_(tái)瀏覽商品時(shí)都會(huì)顯示“購(gòu)買此商品的顧客也同時(shí)購(gòu)買”等提示語(yǔ)，這正是我們?nèi)粘Ｉ钪薪佑|最多的關(guān)聯(lián)分析應(yīng)用實(shí)例。二是聚類分析。是在沒有給定劃分類別的情況下，根據(jù)數(shù)據(jù)相似度按照某種標(biāo)準(zhǔn)進(jìn)行樣本分組的一種方法。它的輸入是一組未被標(biāo)記的樣本，聚類根據(jù)數(shù)據(jù)自身的距離或相似度將其劃分為若干組，使組內(nèi)距離最小而組間距離最大。常用的聚類算法有K-Means、K-Medoids、DBSCAN、HC、EM等。當(dāng)前，聚類分析在客戶分類、文本分類、基因識(shí)別、空間數(shù)據(jù)處理、衛(wèi)星圖片分析、醫(yī)療圖像自動(dòng)檢測(cè)等領(lǐng)域有著廣泛的應(yīng)用。三是回歸分析。是指通過(guò)建立模型來(lái)研究變量之間相互關(guān)系的密切程度、結(jié)構(gòu)狀態(tài)、模型預(yù)測(cè)的有效工具。常用的回歸模型有：線性回歸、非線性回歸、Logistic回歸等。四是決策樹。是一個(gè)預(yù)測(cè)模型，在已知各種情況發(fā)生概率的基礎(chǔ)上，通過(guò)構(gòu)成決策樹來(lái)求取期望值大于等于零的概率、判斷可行性的決策分析方法，是直觀運(yùn)用概率分析的一種圖解法。常用算法有CART、C4.5等。五是人工神經(jīng)網(wǎng)絡(luò)。是人腦的抽象計(jì)算模型，是一個(gè)大型并行分布式處理器，由簡(jiǎn)單的處理單元組成。它可以通過(guò)調(diào)整單元連接的強(qiáng)度來(lái)學(xué)習(xí)經(jīng)驗(yàn)知識(shí)，并運(yùn)用這些知識(shí)推導(dǎo)出新的結(jié)果，屬于機(jī)器學(xué)習(xí)的一種。
二、大數(shù)據(jù)分析在金融監(jiān)管領(lǐng)域主要運(yùn)用場(chǎng)景
當(dāng)前大數(shù)據(jù)在前瞻性研究、風(fēng)險(xiǎn)防控、客戶分析、輿情監(jiān)測(cè)等方面都取得了巨大的成效，在金融領(lǐng)域?qū)崿F(xiàn)了廣泛應(yīng)用,有效地提升了金融監(jiān)管的針對(duì)性，為金融管理、風(fēng)險(xiǎn)識(shí)別帶來(lái)了無(wú)限的可能性，成為當(dāng)前不可或缺的分析手段之一。一是運(yùn)用大數(shù)據(jù)開辟“線上溯源，線下打擊”的治假新模式。2015年5月,某省“雙打辦”聯(lián)合某電子商務(wù)企業(yè)發(fā)起行動(dòng)。某電子商務(wù)企業(yè)首先運(yùn)用大數(shù)據(jù)手段識(shí)別售假線索、鎖定犯罪嫌疑人、分析串并背后團(tuán)伙，根據(jù)警方需求批量輸出線索用于偵查破案。行動(dòng)期間，該省侵犯知識(shí)產(chǎn)權(quán)立案數(shù)同比上漲120%，破案數(shù)同比上漲77.3%。與傳統(tǒng)打假模式相比，“大數(shù)據(jù)治假”模式實(shí)現(xiàn)了對(duì)犯罪嫌疑人線索信息的實(shí)時(shí)收集，為執(zhí)法部門線下查處和打擊提供了更精細(xì)、精準(zhǔn)的線索和證據(jù)。二是運(yùn)用大數(shù)據(jù)提升監(jiān)管有效性。2016年，某交易所通過(guò)監(jiān)控發(fā)現(xiàn)滬股通標(biāo)的股票成交、股價(jià)漲勢(shì)存在明顯異常。運(yùn)用大數(shù)據(jù)方法對(duì)歷史資料進(jìn)行關(guān)聯(lián)匹配映射分析后發(fā)現(xiàn)，來(lái)自香港的證券賬戶與開立在內(nèi)地的某些證券賬戶有操縱市場(chǎng)的重大嫌疑，根據(jù)上述線索，監(jiān)管部門查獲唐某等人跨境操縱市場(chǎng)的違法事實(shí)，成為滬港通開通以來(lái)查處的首例跨境操縱市場(chǎng)案例。大數(shù)據(jù)方法為資本市場(chǎng)的進(jìn)一步對(duì)外開放提供了新的監(jiān)管思路。三是運(yùn)用大數(shù)據(jù)實(shí)現(xiàn)風(fēng)險(xiǎn)分析、風(fēng)險(xiǎn)評(píng)級(jí)，打擊電信詐騙。通過(guò)收集和整理各行業(yè)、機(jī)構(gòu)的黑名單，利用多樣化的機(jī)器學(xué)習(xí)模型及大數(shù)據(jù)關(guān)聯(lián)分析等技術(shù)，為銀行、個(gè)人等提供風(fēng)險(xiǎn)管控和反欺詐的服務(wù)；運(yùn)用數(shù)據(jù)挖掘技術(shù)，發(fā)掘與相關(guān)賬戶信用相關(guān)的預(yù)警信息，形成預(yù)警信號(hào)并向相關(guān)風(fēng)險(xiǎn)管理系統(tǒng)主動(dòng)推送，進(jìn)而跟蹤預(yù)警信號(hào)處置流程，直至得出最終結(jié)論或風(fēng)險(xiǎn)管控方案，形成一個(gè)風(fēng)險(xiǎn)預(yù)警、通知、處置和關(guān)閉的閉環(huán)處理流程。四是運(yùn)用大數(shù)據(jù)助力風(fēng)控。例如，某電子商務(wù)企業(yè)旗下小貸平臺(tái)建立了決策系統(tǒng)，借助大數(shù)據(jù)分析結(jié)果選擇風(fēng)險(xiǎn)可控的企業(yè)開放信貸服務(wù)，實(shí)現(xiàn)貸前小額貸款風(fēng)險(xiǎn)管理控制，提升集約化管理的效率。該平臺(tái)信用貸款部分客戶的貸款年化利率可低至12%，對(duì)比原先降低6個(gè)百分點(diǎn)。依靠平臺(tái)和數(shù)據(jù)優(yōu)勢(shì)，該平臺(tái)在風(fēng)險(xiǎn)控制方面已形成了多層次、全方位的微貸風(fēng)險(xiǎn)預(yù)警和管理體系，實(shí)際運(yùn)行中該平臺(tái)的不良貸款率一直保持在1%以下，風(fēng)險(xiǎn)控制成效良好。
三、對(duì)大數(shù)據(jù)分析在外匯管理領(lǐng)域運(yùn)用的思考
（一）引入大數(shù)據(jù)分析方法的必要性。近年來(lái)，外匯管理部門通過(guò)不斷完善國(guó)際收支申報(bào)體系和加強(qiáng)外匯管理信息化建設(shè)，掌握了海量的數(shù)據(jù)信息，為外匯管理從側(cè)重事前審批逐步轉(zhuǎn)向側(cè)重事后監(jiān)測(cè)分析奠定了扎實(shí)的基礎(chǔ)。在當(dāng)前主流的事后監(jiān)測(cè)分析框架中，通常按照業(yè)務(wù)條線，采用“宏觀—中觀—微觀”自上而下遞進(jìn)式分析方法。這種分析方法有一定的優(yōu)點(diǎn)，可以實(shí)現(xiàn)對(duì)各業(yè)務(wù)系統(tǒng)的充分利用，與宏觀形勢(shì)和業(yè)務(wù)管理信息結(jié)合較為緊密。但同時(shí)也存在一些缺陷：一是數(shù)據(jù)之間關(guān)聯(lián)度不高，監(jiān)測(cè)分析主要以各業(yè)務(wù)條線事后核查為主，數(shù)據(jù)相對(duì)分散，數(shù)據(jù)之間的關(guān)聯(lián)分析較弱，監(jiān)測(cè)結(jié)果相對(duì)滯后；二是難以發(fā)現(xiàn)潛在風(fēng)險(xiǎn)苗頭，特別是在數(shù)據(jù)量巨大或關(guān)聯(lián)關(guān)系復(fù)雜等特定場(chǎng)景下，有時(shí)無(wú)法取得滿意的監(jiān)測(cè)分析結(jié)果。在此背景下，可以考慮適時(shí)引入大數(shù)據(jù)分析方法。該分析方法是考慮在整合內(nèi)部系統(tǒng)、互聯(lián)網(wǎng)等各類信息數(shù)據(jù)的基礎(chǔ)之上，利用數(shù)據(jù)挖掘、建模等工具方法，對(duì)企業(yè)、集團(tuán)等主體、各類交易數(shù)據(jù)及互聯(lián)網(wǎng)信息進(jìn)行多層次、多角度、多項(xiàng)目的情況分析，并通過(guò)反饋的結(jié)果，修改完善模型，不斷提高分析預(yù)測(cè)結(jié)果的準(zhǔn)確性，既能解放大量人力資源，又有助于提高事中事后監(jiān)管的針對(duì)性和效率，同時(shí)提高外匯管理的信息化程度。（二）大數(shù)據(jù)分析方法在外匯管理領(lǐng)域運(yùn)用的具體思路。1.打造大數(shù)據(jù)監(jiān)管中心，探索構(gòu)建各類監(jiān)管模型設(shè)立大數(shù)據(jù)監(jiān)管中心，整合各業(yè)務(wù)系統(tǒng)數(shù)據(jù)及互聯(lián)網(wǎng)外部數(shù)據(jù)，構(gòu)建各類監(jiān)管模型，多層次、多角度、全方位對(duì)各類主體交易數(shù)據(jù)實(shí)施監(jiān)管及風(fēng)險(xiǎn)防控，探索實(shí)現(xiàn)主體監(jiān)管、本外幣一體化監(jiān)管等，提升監(jiān)管效率。一是交易數(shù)據(jù)監(jiān)管。將當(dāng)前各項(xiàng)法規(guī)、政策、制度數(shù)字化，建立合規(guī)性核查模型，通過(guò)對(duì)交易信息進(jìn)行模擬仿真測(cè)試，獲取交易數(shù)據(jù)的邊界條件，判斷交易的合規(guī)性，自動(dòng)報(bào)告不合規(guī)交易。二是交易風(fēng)險(xiǎn)預(yù)警。通過(guò)對(duì)以往違規(guī)的交易進(jìn)行分析建模，結(jié)合當(dāng)前的經(jīng)濟(jì)金融形勢(shì)，對(duì)每筆交易進(jìn)行風(fēng)險(xiǎn)分級(jí)，自動(dòng)報(bào)告高風(fēng)險(xiǎn)的業(yè)務(wù)數(shù)據(jù)。監(jiān)管部門判斷核查后，系統(tǒng)根據(jù)反饋結(jié)果通過(guò)機(jī)器學(xué)習(xí)等完善預(yù)警模型，不斷提升預(yù)警準(zhǔn)確度。三是主體監(jiān)管。以企業(yè)或集團(tuán)公司為主體，整合利用全方位數(shù)據(jù)，運(yùn)用神經(jīng)網(wǎng)絡(luò)等技術(shù)對(duì)主體的投融資、結(jié)售匯、資金管理與調(diào)配等內(nèi)部交易行為進(jìn)行分析，了解不同類別主體異同點(diǎn)，對(duì)主體進(jìn)行適當(dāng)性分析評(píng)測(cè)，及時(shí)識(shí)別潛在違規(guī)行為。2.預(yù)測(cè)匯率、跨境收支走勢(shì)，了解并引導(dǎo)市場(chǎng)預(yù)期通過(guò)收集影響匯率變動(dòng)、跨境收支相關(guān)因素信息，建立模型預(yù)測(cè)匯率、跨境收支走勢(shì)，并通過(guò)機(jī)器學(xué)習(xí)等方法，自動(dòng)或人工調(diào)整模型，不斷提升預(yù)測(cè)結(jié)果的準(zhǔn)確性，同時(shí)掌握902017.09市場(chǎng)預(yù)期，及時(shí)進(jìn)行引導(dǎo)。一是匯率走勢(shì)預(yù)測(cè)。整理收集通貨膨脹、利率、政府債務(wù)、市場(chǎng)心理等影響匯率變化的信息，通過(guò)回歸等各類模型方法，分析某一項(xiàng)或多項(xiàng)與匯率之間關(guān)系，預(yù)測(cè)特定時(shí)間段匯率走勢(shì)。二是全國(guó)或地區(qū)跨境收支形勢(shì)預(yù)測(cè)。整理收集行業(yè)價(jià)格、匯率、經(jīng)濟(jì)金融形勢(shì)等外部信息，觀測(cè)、分析經(jīng)濟(jì)金融形勢(shì)、匯率、人民幣即期交易差價(jià)等對(duì)地區(qū)跨境收支或進(jìn)出口的影響，預(yù)測(cè)跨境收支或進(jìn)出口走勢(shì)變化。三是掌握人民幣匯率市場(chǎng)預(yù)期。收集網(wǎng)絡(luò)上關(guān)于人民幣匯率相關(guān)信息、搜索頻率等，通過(guò)文本分析等方法了解人民幣匯率走勢(shì)的市場(chǎng)預(yù)期，便于適時(shí)采取引導(dǎo)措施。3.輿情實(shí)時(shí)監(jiān)測(cè)，快速預(yù)警反饋整理收集互聯(lián)網(wǎng)各大網(wǎng)站評(píng)論、博客等信息資源，嘗試以數(shù)據(jù)情感分析角度，實(shí)現(xiàn)對(duì)文本評(píng)論數(shù)據(jù)的傾向性判斷以及所隱藏的信息的挖掘并分析。一是獲取政策反響。收集各大網(wǎng)站某項(xiàng)政策的相關(guān)評(píng)論、帖子、博客等信息，通過(guò)深度學(xué)習(xí)、語(yǔ)義網(wǎng)絡(luò)等多種數(shù)據(jù)挖掘模型，分析判斷數(shù)據(jù)傾向性，以數(shù)據(jù)角度反映政策執(zhí)行效果及反響，為政策的進(jìn)一步完善提供參考。二是設(shè)立輿情監(jiān)測(cè)平臺(tái)。運(yùn)用數(shù)據(jù)倉(cāng)庫(kù)、文本分析、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等技術(shù)手段對(duì)金融敏感信息、輿論情況、政策解讀反響等進(jìn)行實(shí)時(shí)監(jiān)測(cè)、分析，全面覆蓋公共新聞網(wǎng)站、行業(yè)網(wǎng)站、微博、博客、論壇、貼吧等信息平臺(tái)，在第一時(shí)間捕獲相關(guān)輿情，并及時(shí)發(fā)送分析報(bào)告，合理引導(dǎo)市場(chǎng)預(yù)期。（三）初步實(shí)踐與嘗試。我們以某地區(qū)2015年1月至2016年10月涉外支出數(shù)據(jù)為例，對(duì)其與CNH、CNY進(jìn)行了回歸分析。1.涉外支出與CNY回歸分析回歸預(yù)估方程為：涉外支出（億美元）=-52.15CNY+530.17。但P值為0.4912（一般認(rèn)為P<0.05時(shí)通過(guò)顯著性檢驗(yàn)），表明CNY與涉外支出無(wú)明顯關(guān)系。2.涉外支出與CNH回歸分析回歸預(yù)估方程為：涉外支出（億美元）=-24.05CNH+349.82。但P值為0.7526，表明CNH與涉外支出無(wú)明顯相關(guān)關(guān)系。3.涉外支出與CNY、CNH回歸分析回歸預(yù)估方程為：涉外支出（億美元）=2466.1CNH-2498.2CNY+364.6。其中CNH、CNY、截距項(xiàng)P值分別為2.3×10-5、1.9×10-5和0.246，表明CNH、CNY與涉外支出有顯著的相關(guān)性，截距項(xiàng)與涉外支出沒有明顯的相關(guān)性，擬合優(yōu)度為0.5897。4.涉外支出與即期交易價(jià)差（CNH-CNY）回歸分析回歸預(yù)估方程為：涉外支出（億美元）=2489.06（CNH-CNY）+157.3，其中P值分別為3.73×10-12和1.38×10-5，表明兩項(xiàng)預(yù)估值的顯著水平均較為理想，擬合優(yōu)度為0.6006。從上述情況可以看出涉外支出與即期交易價(jià)差存在較強(qiáng)的線性關(guān)系，即某地區(qū)涉外支出隨著人民幣價(jià)差（CNH—CNY）的收窄而減小，隨價(jià)差的擴(kuò)大而增加。在知悉若干變量對(duì)另一變量存在影響的情況下，可使用該方法分析各自變量與因變量的具體相關(guān)性，逐步求取最優(yōu)模型，獲取變量之間的線性關(guān)系，如：分析匯率與購(gòu)匯金額之間的關(guān)系；分析產(chǎn)品進(jìn)出口金額、進(jìn)出口量與產(chǎn)品價(jià)格之間的關(guān)系。
一、引言
（一）研究目的
隨著信息化技術(shù)的迅速普及和發(fā)展，電子商務(wù)以其便捷，易于操作而獲得消費(fèi)者的青睞，從而快速占領(lǐng)市場(chǎng)。線上選購(gòu)交易方式使得電商平臺(tái)客戶評(píng)價(jià)體系具有現(xiàn)實(shí)指導(dǎo)意義，一方面可以給顧客提供對(duì)比參考信息，購(gòu)得物美價(jià)廉的商品，另一方面可以為商家提供反饋意見，為客戶提供更優(yōu)良的服務(wù)。目前電子商務(wù)平臺(tái)的客戶評(píng)價(jià)體系存在很多漏洞，如體系不完善、評(píng)價(jià)信息不真實(shí)、反饋信息凌亂等。因此，統(tǒng)一評(píng)價(jià)標(biāo)準(zhǔn)，利用數(shù)據(jù)分析和挖掘技術(shù)處理海量客戶評(píng)價(jià)信息，建立由第三方數(shù)據(jù)中心統(tǒng)籌管控的透明化、具有可比性的評(píng)價(jià)體系顯得尤為重要。
（二）研究?jī)r(jià)值
虛擬化的購(gòu)物環(huán)境缺乏真實(shí)性和可見性，第三方數(shù)據(jù)中心提供的客戶評(píng)價(jià)體系恰好能彌補(bǔ)這一缺陷，即能夠提供借鑒信息讓顧客判斷商品是否符合現(xiàn)實(shí)要求，并能夠?qū)崿F(xiàn)不同商戶同一商品之間的對(duì)比，為顧客提供性價(jià)比最高的的購(gòu)物建議，同時(shí)也可以提供反饋信息讓商家改善服務(wù)質(zhì)量，促進(jìn)不同商家之間的良性競(jìng)爭(zhēng)。因此，對(duì)于第三方客戶評(píng)價(jià)的研究?jī)r(jià)值而言，我們從以下兩個(gè)方面進(jìn)行分析研究：
（1）客戶評(píng)價(jià)的潛在價(jià)值。通過(guò)問(wèn)卷調(diào)查的方式對(duì)消費(fèi)群體的購(gòu)買導(dǎo)向和對(duì)客戶評(píng)價(jià)的參考價(jià)值進(jìn)行調(diào)查，共獲得168份問(wèn)卷，調(diào)查結(jié)果顯示如下：
①91.07%的人會(huì)選擇網(wǎng)購(gòu)過(guò)程中參考欲購(gòu)商品的歷史客戶評(píng)價(jià)，說(shuō)明歷史客戶評(píng)價(jià)具有較強(qiáng)的可參考性。
②63%的人會(huì)選擇欲購(gòu)商品的歷史客戶評(píng)價(jià)對(duì)購(gòu)買起決定性作用，可見客戶評(píng)價(jià)的實(shí)用價(jià)值。
③82.14%的人會(huì)選擇不同電商購(gòu)物網(wǎng)站上同一種商品價(jià)格不同，首選評(píng)價(jià)好的，不在乎價(jià)格高低，說(shuō)明客戶評(píng)價(jià)的重要性。
針對(duì)商品的歷史客戶評(píng)價(jià)的真實(shí)度，有79.17%的人表示有部分摻假評(píng)論，有18.45%的人表示參考性較強(qiáng)，而23.8%的人則表示完全不可信。反映出客戶評(píng)價(jià)的真實(shí)度有待考究，需要切實(shí)的方案改進(jìn)。
通過(guò)和商戶的線上交流，了解客戶評(píng)價(jià)的反饋?zhàn)饔?，得到以下信息?/p>
①客戶評(píng)價(jià)反映商戶信譽(yù)，從而影響銷售；②客戶評(píng)價(jià)給商戶反饋，促進(jìn)商戶改善現(xiàn)有產(chǎn)品和研發(fā)新產(chǎn)品；③客戶評(píng)價(jià)記錄歷史購(gòu)買情況，商戶以此不斷調(diào)整價(jià)格策略；④客戶評(píng)價(jià)的部分不真實(shí)性，造成不良消費(fèi)現(xiàn)象，擾亂正常的電商市場(chǎng)，促進(jìn)商戶之間的不公平競(jìng)爭(zhēng)。
（2）優(yōu)化客戶評(píng)價(jià)體系的價(jià)值?，F(xiàn)存的客戶評(píng)價(jià)體系存在很多漏洞，譬如：體系不完善、評(píng)價(jià)信息不真實(shí)、反饋信息凌亂等，優(yōu)化客戶評(píng)價(jià)體系對(duì)電商平臺(tái)的發(fā)展具有重要作用，通過(guò)建立統(tǒng)一評(píng)價(jià)標(biāo)準(zhǔn)，完善評(píng)價(jià)體系，實(shí)現(xiàn)統(tǒng)一管控，以期達(dá)到以下三方面的要求：
①購(gòu)買評(píng)價(jià)信息清晰可視化，快速滿足個(gè)性化需求。當(dāng)下市場(chǎng)競(jìng)爭(zhēng)愈加激烈，商品信息的可視化及清晰度可節(jié)省顧客的時(shí)間，快速做出反應(yīng)，同時(shí)在買方市場(chǎng)的環(huán)境下，發(fā)展個(gè)性化商品及服務(wù)，對(duì)企業(yè)的發(fā)展和顧客的特殊需求尤為重要。
②大量數(shù)據(jù)統(tǒng)計(jì)分析，增強(qiáng)信息的真實(shí)性和指導(dǎo)性。大數(shù)據(jù)時(shí)代下，利用數(shù)據(jù)分析及挖掘技術(shù)可實(shí)現(xiàn)數(shù)據(jù)發(fā)聲功能，使得信息更具有說(shuō)服力，切實(shí)解決實(shí)際問(wèn)題。
③信息透明具有可比性，實(shí)現(xiàn)商戶之間良性競(jìng)爭(zhēng)，達(dá)到優(yōu)勝劣汰的效果。
二、國(guó)內(nèi)外研究現(xiàn)狀
電商平臺(tái)客戶評(píng)價(jià)是近兩年才開始發(fā)展和慢慢成熟起來(lái)，同時(shí)也在不斷的進(jìn)行修改和完善。國(guó)內(nèi)針對(duì)這一領(lǐng)域的研究還比較少，而且大多都是集中研究客戶評(píng)價(jià)模塊的版面設(shè)計(jì)及標(biāo)準(zhǔn)完善方面，沒有提出切實(shí)的提出其漏洞和發(fā)展障礙的解決方案。作為電子商務(wù)發(fā)展最早的也是發(fā)展最成熟的國(guó)家，美國(guó)一直帶領(lǐng)著亞洲和歐盟的電子商務(wù)產(chǎn)業(yè)迅速發(fā)展[1]。針對(duì)這一現(xiàn)狀，我們將從與電商平臺(tái)客戶評(píng)價(jià)密切相關(guān)聯(lián)的電子商務(wù)的發(fā)展、大數(shù)據(jù)下的新營(yíng)銷、客戶價(jià)值方面著手，研究電商客戶評(píng)價(jià)的現(xiàn)狀。
（一）電子商務(wù)的發(fā)展
電子商務(wù)利用計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)和遠(yuǎn)程通信技術(shù)，實(shí)現(xiàn)整個(gè)商務(wù)（買賣）過(guò)程中的電子化、數(shù)字化和網(wǎng)絡(luò)化，人們不再依靠紙介質(zhì)單據(jù)進(jìn)行交易，而是通過(guò)海量的網(wǎng)上商品信息、完善的物流配送系統(tǒng)和方便安全的資金結(jié)算系統(tǒng)進(jìn)行交易。由于全球經(jīng)濟(jì)發(fā)展的不平衡，導(dǎo)致電子商務(wù)在全球的發(fā)展也層次不齊，歐盟和亞洲發(fā)展比較迅速，尤其是在中國(guó)近幾年支付寶的應(yīng)用更是推動(dòng)電子商務(wù)的快速發(fā)展。
電商平臺(tái)作為一個(gè)服務(wù)載體，將企業(yè)與顧客、企業(yè)與企業(yè)、顧客與顧客匯聚到一個(gè)平面，實(shí)現(xiàn)面對(duì)面網(wǎng)上交易。同時(shí)電子商務(wù)又是客戶評(píng)價(jià)的載體，客戶評(píng)價(jià)又是電子商務(wù)的反饋機(jī)制。電子商務(wù)的發(fā)展帶動(dòng)著客戶評(píng)價(jià)體系的發(fā)展，可以預(yù)見電子商務(wù)客戶評(píng)價(jià)的發(fā)展?jié)撡|(zhì)和研究?jī)r(jià)值不可估量，將影響電子商務(wù)這個(gè)行業(yè)的發(fā)展。
（二）大數(shù)據(jù)背景下的新營(yíng)銷
隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，全媒體環(huán)境的全面爆發(fā)， “大數(shù)據(jù)”已成為新的時(shí)代主題詞，并全面影響了廣告與營(yíng)銷業(yè)界。海量的數(shù)據(jù)催生了海量數(shù)據(jù)的搜集、存儲(chǔ)、管理、分析、挖掘與運(yùn)用的全新技術(shù)體系。在營(yíng)銷體系中，大數(shù)據(jù)從媒體、消費(fèi)者、廣告與營(yíng)銷戰(zhàn)略策劃、效果評(píng)估四個(gè)層面解構(gòu)了傳統(tǒng)營(yíng)銷體系，卻也重構(gòu)了大數(shù)據(jù)背景之下的全媒體營(yíng)銷體系。
營(yíng)銷的核心理念是激發(fā)需求、掌握需求和滿足需求，通過(guò)抽樣與普查了解需求、激發(fā)和滿足需求。大數(shù)據(jù)時(shí)代我們將摒棄通過(guò)抽樣的數(shù)據(jù)來(lái)推斷、預(yù)判需求，而是利用互動(dòng)平臺(tái)、通過(guò)大數(shù)據(jù)技術(shù)清晰地獲得需求的信息，因此其精準(zhǔn)性也得到了極大的提升。
由電商平臺(tái)產(chǎn)生的海量歷史數(shù)據(jù)，通過(guò)對(duì)大數(shù)據(jù)分析提出方案提交有關(guān)部門以支持決策，以實(shí)現(xiàn)新型的營(yíng)銷策略，如：個(gè)性化網(wǎng)頁(yè)推薦，可能感興趣商品，同一商品在不同商戶處的售價(jià)對(duì)比等。而客戶評(píng)價(jià)利用這一技術(shù)，也將更好的發(fā)揮其背后的價(jià)值，促進(jìn)電子商務(wù)平臺(tái)的更好發(fā)展。
（三）客戶價(jià)值研究
營(yíng)銷觀念的發(fā)展使得以客戶為中心的經(jīng)營(yíng)理念成為主流，企業(yè)將關(guān)注重點(diǎn)由產(chǎn)品轉(zhuǎn)向客戶，處理客戶關(guān)系方面，由如何吸引新客戶轉(zhuǎn)向全客戶生命周期關(guān)系管理，同時(shí)開始將客戶價(jià)值作為衡量績(jī)效的評(píng)價(jià)標(biāo)準(zhǔn)。
電子商務(wù)環(huán)境下的客戶主要有兩種，基于互聯(lián)網(wǎng)形成的客戶和基于互聯(lián)網(wǎng)作為信息平臺(tái)而形成的客戶。其客戶的所表現(xiàn)的特點(diǎn)也與傳統(tǒng)商務(wù)環(huán)境不同，一般都具有分布空間范圍廣，沒有地域限制，有較強(qiáng)的時(shí)效性，可重復(fù)增長(zhǎng)性，個(gè)性化需求愈加強(qiáng)烈的特點(diǎn)?？蛻舻奶攸c(diǎn)決定客戶需求，客戶需求決定廠商發(fā)展的方向。而客戶評(píng)價(jià)作為電子商務(wù)環(huán)境下最直接的客戶關(guān)系管理，對(duì)于客戶滿意度和客戶忠誠(chéng)度的提升具有重要作用。關(guān)注客戶評(píng)價(jià)，及時(shí)解決客戶的需求，可延長(zhǎng)客戶處于穩(wěn)定期的時(shí)間，提高企業(yè)的效益，實(shí)現(xiàn)可持續(xù)發(fā)展。
現(xiàn)下對(duì)于客戶價(jià)值及客戶關(guān)系的研究很多，但只針對(duì)電商平臺(tái)中的客戶評(píng)價(jià)模塊的研究卻少之又少，而顧客和商家都需要這方面的研究給予指導(dǎo)，如何更有效的利用這些評(píng)價(jià)信息作出合理的決策至關(guān)重要。
三、電商客戶評(píng)價(jià)體系研究―以淘寶網(wǎng)為例
客戶評(píng)價(jià)體系是指在電子商務(wù)市場(chǎng)環(huán)境下，參與交易的雙方根據(jù)自己的主觀判斷相互給予評(píng)價(jià)的全過(guò)程，是產(chǎn)生和傳播信譽(yù)信息的工具。以淘寶為例，其平臺(tái)根據(jù)自身特點(diǎn)及用戶需求創(chuàng)建了一套包括在線溝通的阿里旺旺、支付功能的支付寶及實(shí)名認(rèn)證在內(nèi)的完整的信譽(yù)評(píng)價(jià)系統(tǒng)。由于電子商務(wù)交易的特殊性――支付貨款和收到貨物分離，導(dǎo)致你交易存在風(fēng)險(xiǎn)，而客戶評(píng)價(jià)體系為購(gòu)買者提供賣家的以往交易數(shù)據(jù)，也就降低了交易風(fēng)險(xiǎn)的產(chǎn)生概率。由此可見，客戶評(píng)價(jià)在電子商務(wù)經(jīng)營(yíng)中具有無(wú)可替代的作用。
目前，淘寶網(wǎng)的信譽(yù)評(píng)價(jià)體系由兩部分組成：“店鋪動(dòng)態(tài)評(píng)分”和“賣家信用評(píng)價(jià)”，其結(jié)構(gòu)框架如圖1，具體事例圖如圖2所示：
（一）店鋪動(dòng)態(tài)評(píng)分
店鋪動(dòng)態(tài)評(píng)分主要由三部分組成，特征滿意度、綜合星級(jí)和快遞滿意度。期中綜合星級(jí)打分規(guī)則為一顆五角星代表一分，以此類推，滿分是5分。1 分―5 分分別代表非常不滿；不滿意；一般滿意；非常滿意。這些評(píng)分?jǐn)?shù)據(jù)會(huì)有一個(gè)綜合評(píng)分供買家參考。這些數(shù)據(jù)不僅會(huì)給顧客一些參考，也會(huì)給商戶和物流公司一些建議，以其不斷完善商品和服務(wù)。
（二）賣家信用評(píng)價(jià)
信用評(píng)價(jià)是指客戶在收到網(wǎng)貨并通過(guò)支付寶確認(rèn)付款之后，買賣雙方有權(quán)根據(jù)自己的主觀實(shí)感來(lái)對(duì)對(duì)方做出客觀的文字評(píng)價(jià)?？蛻舾鶕?jù)親身體驗(yàn)，寫一些對(duì)商品和服務(wù)的主觀感受，文字的客觀評(píng)價(jià)對(duì)潛在客戶更具有影響力，因此，著重研究買家評(píng)論，挖掘其中的信息，都有現(xiàn)實(shí)意義。
四、電商平臺(tái)第三方客戶評(píng)價(jià)體系數(shù)據(jù)化運(yùn)營(yíng)策略
2014年阿里巴巴公布了“雙十一”全天的交易數(shù)據(jù)：天貓?zhí)詫氹p十一全天成交金額為571億元，其中在移動(dòng)端交易額達(dá)到243億元，物流訂單2.78億，總共有217個(gè)國(guó)家和地區(qū)被點(diǎn)亮。面對(duì)如此龐大的交易量所產(chǎn)生的數(shù)據(jù)流，我們以企業(yè)級(jí)海量數(shù)據(jù)的存儲(chǔ)、分析、挖掘和應(yīng)用為核心技術(shù)支持的基礎(chǔ)上，通過(guò)可量化、可細(xì)分、可預(yù)測(cè)等一系列精細(xì)化的方式進(jìn)行網(wǎng)站流量監(jiān)控分析、目標(biāo)用戶行為研究、網(wǎng)站日常更新內(nèi)容編輯、網(wǎng)絡(luò)營(yíng)銷策劃推廣等。當(dāng)數(shù)據(jù)化運(yùn)營(yíng)的概念運(yùn)用到客戶評(píng)價(jià)這一平臺(tái)，會(huì)大大增加這一功能模塊的用途，如：通過(guò)目標(biāo)客戶在各個(gè)商戶中的評(píng)價(jià)，在研究其行為及心理預(yù)期范圍。
鑒于此，提出電商平臺(tái)第三方客戶評(píng)價(jià)體系數(shù)據(jù)化運(yùn)營(yíng)方案：
（一）理念簡(jiǎn)介
（二）理念內(nèi)容
（1）主要是數(shù)據(jù)、信息，原始客戶評(píng)價(jià)數(shù)據(jù)經(jīng)第三方數(shù)據(jù)交易中心處理后在電商平臺(tái)和提供給需要的商戶，作為決策依據(jù)。具體內(nèi)容如下：
同時(shí)第三方數(shù)據(jù)交易中心作為運(yùn)行主體，將會(huì)在運(yùn)行初期以電商平臺(tái)客戶評(píng)價(jià)數(shù)據(jù)為對(duì)象，利用數(shù)據(jù)分析及挖掘技術(shù)提供專業(yè)的分析結(jié)果。
（2）核心價(jià)值觀。以服務(wù)廣大顧客和商戶，互惠互贏，促使電商平臺(tái)更好更平穩(wěn)發(fā)展。
（3）愿景。第一階段：以某一個(gè)電商平臺(tái)的客戶評(píng)價(jià)數(shù)據(jù)做深層次分析，將各種分析結(jié)果以網(wǎng)頁(yè)鏈接形式展現(xiàn)給顧客。
第二階段：將客戶評(píng)價(jià)數(shù)據(jù)擴(kuò)展到平臺(tái)其他數(shù)據(jù)，建立數(shù)據(jù)模型，在反饋給顧客信息的同時(shí)，提供商家分析報(bào)告服務(wù)。
第三階段：與各大電商平臺(tái)合作，利用大數(shù)據(jù)技術(shù)，跨平臺(tái)交叉式分析數(shù)據(jù)，向顧客、商戶、平臺(tái)三方提供決策依據(jù)。
（三）可行性分析
第三方數(shù)據(jù)交易中心不需要很多的硬件，只要滿足軟件方面的要求即可。最重要的還是數(shù)據(jù)資源和人力資源，現(xiàn)實(shí)條件下，電商平臺(tái)每天的交易及歷史評(píng)價(jià)數(shù)據(jù)足夠多，同時(shí)近兩年，涌現(xiàn)出大批專業(yè)化的數(shù)據(jù)分析和數(shù)據(jù)挖掘的人才，滿足了最基本的資源問(wèn)題。接下來(lái)將從以下兩方面研究項(xiàng)目的可行性：
（1）技術(shù)可行性。21 世紀(jì)核心的競(jìng)爭(zhēng)就是數(shù)據(jù)的競(jìng)爭(zhēng)，2012年3月29日，美國(guó)奧巴馬政府正式宣布了“大數(shù)據(jù)的研究和發(fā)展計(jì)劃”，預(yù)示著數(shù)據(jù)將成為未來(lái)企業(yè)的生產(chǎn)力，同時(shí)數(shù)據(jù)存儲(chǔ)技術(shù)也有了新的突破，以分布式數(shù)據(jù)倉(cāng)庫(kù)、海量存儲(chǔ)技術(shù)和流計(jì)算為核心的實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)技術(shù)將解決了大數(shù)據(jù)的存儲(chǔ)問(wèn)題，電商平臺(tái)數(shù)據(jù)化運(yùn)營(yíng)的數(shù)據(jù)有了存放基礎(chǔ)。
與此同時(shí)，數(shù)據(jù)挖掘技術(shù)也不斷成熟，成為了一門比較成熟的交叉學(xué)科，融合了數(shù)據(jù)庫(kù)、人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)、高性能計(jì)算、模式識(shí)別、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)可視化、信息檢索和空間數(shù)據(jù)分析等多個(gè)領(lǐng)域的理論和技術(shù)。數(shù)據(jù)挖掘相對(duì)于傳統(tǒng)的統(tǒng)計(jì)分析，具有擅長(zhǎng)處理大數(shù)據(jù)，應(yīng)用相應(yīng)的算法模型，解決實(shí)際問(wèn)題。數(shù)據(jù)挖掘的主要成熟技術(shù)：決策樹（包括CHAID、CART和ID3、C4.5、C5.0算法）、神經(jīng)網(wǎng)絡(luò)、回歸分析（多元線性回歸和Logistic回歸）、關(guān)聯(lián)規(guī)則、聚類分析、貝葉斯分類、主成分分析等等。
電子商務(wù)行業(yè)的數(shù)據(jù)挖掘和數(shù)據(jù)運(yùn)營(yíng)化又有其獨(dú)特的優(yōu)勢(shì)：數(shù)據(jù)的海量性、數(shù)據(jù)分析（挖掘）的周期短、其成果的時(shí)效性明顯變短、互聯(lián)網(wǎng)新技術(shù)、新應(yīng)用、新模式的更新時(shí)間更短。
以上的技術(shù)表明這個(gè)項(xiàng)目在技術(shù)方面具有可實(shí)施性。
（2）運(yùn)行可行性。更多的顧客覺得一套統(tǒng)一的客戶評(píng)價(jià)標(biāo)準(zhǔn)以及相應(yīng)的平臺(tái)會(huì)便于網(wǎng)購(gòu)行為，而且顧客認(rèn)為客戶評(píng)價(jià)平臺(tái)應(yīng)該包含如：同類商品的好評(píng)指數(shù)排名、同類商品的有效買家排名、同類商品的商家各個(gè)評(píng)價(jià)指數(shù)排名等等。結(jié)果如圖3所示：
需求帶動(dòng)供應(yīng)，快速的生活節(jié)奏需要更直白、更明顯的權(quán)威性分析。商家要想獲得長(zhǎng)久的發(fā)展，必須不斷根據(jù)顧客的喜好改變或者完善產(chǎn)品，但前期的調(diào)研需要花費(fèi)很多的人力、財(cái)力、物力，而且不一定能獲取到有建設(shè)性的創(chuàng)新點(diǎn)。所以商戶也需要這樣一個(gè)平臺(tái)提供能將顧客需求轉(zhuǎn)變?yōu)閷?shí)際方案的平臺(tái)，而第三方數(shù)據(jù)交易中心會(huì)收集顧客反饋數(shù)據(jù)，進(jìn)行整理和處理，以報(bào)告的形式提供給商戶。
（四）第三方數(shù)據(jù)交易中心運(yùn)營(yíng)平臺(tái)設(shè)計(jì)
掌握了數(shù)據(jù)，就該考慮如何將數(shù)據(jù)運(yùn)營(yíng)到企業(yè)中，電商平臺(tái)與傳統(tǒng)的制造型企業(yè)不同，它需要的是更加有效的精細(xì)化運(yùn)營(yíng)，強(qiáng)調(diào)細(xì)分、準(zhǔn)確、個(gè)性化。利用數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)作為數(shù)據(jù)化運(yùn)營(yíng)的有效保障，為了讓技術(shù)能有效的應(yīng)用到數(shù)據(jù)化運(yùn)營(yíng)中，電商平臺(tái)必須建立第三方數(shù)據(jù)交易中心，能夠完成數(shù)據(jù)分析和數(shù)據(jù)挖掘工作，同時(shí)第三方數(shù)據(jù)交易中心應(yīng)配備一群出色的數(shù)據(jù)分析師，具備熟悉的技術(shù)技能和理解具體業(yè)務(wù)、快速學(xué)習(xí)的能力。第三方數(shù)據(jù)交易中心同時(shí)應(yīng)和運(yùn)營(yíng)、客服等其他部門保持密切聯(lián)系，及時(shí)獲取數(shù)據(jù)和反饋信息。
第三方數(shù)據(jù)交易中心首先應(yīng)劃分不同的功能部門，其中重要的一塊就是集中管理客戶評(píng)價(jià)，針對(duì)其存在的弊端，規(guī)范評(píng)價(jià)標(biāo)準(zhǔn)和細(xì)分評(píng)價(jià)特征，使其能進(jìn)行數(shù)據(jù)分析中的時(shí)時(shí)對(duì)比，縱向、橫向和集中式分析共同進(jìn)行，分別實(shí)現(xiàn)一家商鋪一種商品的評(píng)論數(shù)據(jù)分析，一種商品多家店鋪的評(píng)論分析，一個(gè)人對(duì)不同商鋪不同商品的評(píng)論分析。若要研究電商平臺(tái)上所有商鋪的評(píng)價(jià)，因?yàn)閿?shù)據(jù)量極其龐大，可針對(duì)統(tǒng)一的評(píng)價(jià)內(nèi)容和評(píng)價(jià)特征，建立數(shù)據(jù)模型，利用數(shù)據(jù)挖掘技術(shù)處理，得到更深層次和相關(guān)聯(lián)性的一些信息，不僅可以通過(guò)數(shù)據(jù)剔除一些假冒偽劣商鋪，更能發(fā)現(xiàn)一些專門從事不真實(shí)客戶評(píng)價(jià)的顧客，實(shí)施評(píng)價(jià)限制，維護(hù)客戶評(píng)價(jià)的質(zhì)量。
第三方數(shù)據(jù)平臺(tái)可首先應(yīng)用于淘寶平臺(tái)的客戶評(píng)價(jià)，當(dāng)這種數(shù)據(jù)化運(yùn)營(yíng)的方式取得一定效益時(shí)，可拓展其功能范圍。最終第三方數(shù)據(jù)平臺(tái)可以實(shí)現(xiàn)各個(gè)電商平臺(tái)的數(shù)據(jù)一體化，不僅能處理某一個(gè)電商平臺(tái)的數(shù)據(jù)，更能將不同平臺(tái)的數(shù)據(jù)進(jìn)行綜合分析、對(duì)比，反饋平臺(tái)問(wèn)題。在第三方數(shù)據(jù)交易中心的推動(dòng)下，電商平臺(tái)客戶評(píng)價(jià)必然會(huì)呈現(xiàn)出新的發(fā)展方向和特點(diǎn)。
參考文獻(xiàn)：
[1]Yu Zhang， Bian J， Zhu W. Trust fraud： A crucial challenge for China’s e-commerce market[J].Electronic Commerce Research and Applications， 2013.
[2]譚正祥.電子商務(wù)環(huán)境下企業(yè)客戶價(jià)值分析與評(píng)價(jià)[J].湖南大學(xué)，2010.
[3]維克托?邁爾-舍恩伯格及肯尼斯?庫(kù)克耶.大數(shù)據(jù)時(shí)代[J].2010.
[4]黃升民 劉珊. “大數(shù)據(jù)”背景下營(yíng)銷體系的解構(gòu)與重構(gòu)[J].現(xiàn)代傳播，2012.
[5]譚正祥.電子商務(wù)環(huán)境下企業(yè)客戶價(jià)值分析與評(píng)價(jià)[J].湖南大學(xué)，2010.
[6]劉歡.數(shù)據(jù)挖掘在淘寶客戶評(píng)價(jià)方面的研究與應(yīng)用[]J.濟(jì)南大學(xué)，2014.
[7]韓新華.電子商務(wù)網(wǎng)站評(píng)價(jià)研究與分析[J].吉林省經(jīng)濟(jì)管理干部學(xué)院學(xué)報(bào)，2008 .
大數(shù)據(jù)在電子商務(wù)領(lǐng)域的應(yīng)用逐漸增多，成為大數(shù)據(jù)最成熟的應(yīng)用模式。京東通過(guò)建立PB級(jí)大數(shù)據(jù)平臺(tái)，將每個(gè)用戶在其網(wǎng)站上的行為數(shù)據(jù)進(jìn)行記錄和分析，提高與用戶間的溝通效率、提升用戶體驗(yàn)。實(shí)現(xiàn)了向不同用戶展示不同內(nèi)容的效果，帶來(lái)了10%的訂單提升。比如提供給推薦搜索調(diào)用，針對(duì)不同用戶屬性特征、性格特點(diǎn)或行為習(xí)慣在他搜索或點(diǎn)擊時(shí)展示符合該用戶特點(diǎn)和偏好的商品，給用戶以友好舒適的購(gòu)買體驗(yàn)，能大幅提高用戶的購(gòu)買轉(zhuǎn)化率甚至重復(fù)購(gòu)買，提高用戶忠誠(chéng)度和用戶黏性。淘寶商城將所有商家的信息進(jìn)行匯總、歸類，同時(shí)，將用戶點(diǎn)擊數(shù)據(jù)、瀏覽頁(yè)面信息等數(shù)據(jù)信息建立數(shù)據(jù)模型。數(shù)據(jù)模型和數(shù)據(jù)資源在經(jīng)過(guò)淘寶商城的挖掘和分析之后，向用戶和商家開放了查詢APP。通過(guò)數(shù)據(jù)挖掘和分析為淘寶提供了定向廣告投遞的能力。開放查詢APP則為用戶和商家提供了便捷的選擇服務(wù)。淘寶網(wǎng)還建立了“淘寶CPI”，通過(guò)采集、編制淘寶上390個(gè)類目的熱門商品價(jià)格來(lái)統(tǒng)計(jì)CPI，比國(guó)家統(tǒng)計(jì)局公布的CPI提前半個(gè)月預(yù)測(cè)經(jīng)濟(jì)走勢(shì)。
金融
大數(shù)據(jù)成為金融業(yè)的有力支撐。工商銀行、中國(guó)銀行、農(nóng)業(yè)銀行、建設(shè)銀行等國(guó)內(nèi)重要的商業(yè)銀行都有自己的大數(shù)據(jù)分析系統(tǒng)，并開展了基于大數(shù)據(jù)的各類服務(wù)和應(yīng)用。阿里巴巴基于阿里巴巴的電商交易數(shù)據(jù)和螞蟻金服的互聯(lián)網(wǎng)金融數(shù)據(jù)推出的芝麻信用。螞蟻金服的信貸通用決策系統(tǒng)通過(guò)對(duì)千萬(wàn)家淘寶商鋪的3萬(wàn)多個(gè)指標(biāo)的分析，篩選出財(cái)務(wù)健康和講究誠(chéng)信的企業(yè)，對(duì)他們發(fā)放無(wú)需擔(dān)保的貸款，目前已經(jīng)放貸300多億元，壞賬率僅0.3%，大大低于商業(yè)銀行。
公共交通
大數(shù)據(jù)在公共交通、打車出行等交通領(lǐng)域的應(yīng)用已經(jīng)初步開展。通過(guò)分析預(yù)測(cè)出行交通規(guī)律，指導(dǎo)公交線路的設(shè)計(jì)、調(diào)整車輛派遣密度，進(jìn)行車流指揮控制，及時(shí)做到梳理?yè)矶?，合理緩解城市交通?fù)擔(dān)。滴滴快的通過(guò)掌握的用戶打車記錄、司機(jī)行車軌跡等交通大數(shù)據(jù)，可以科學(xué)地實(shí)現(xiàn)運(yùn)力調(diào)度，精確匹配乘客和司機(jī)，優(yōu)化路徑，減少擁堵。北京交管部門的實(shí)時(shí)路況與百度地圖大數(shù)據(jù)的對(duì)接，依托百度地圖的交通大數(shù)據(jù)，可為公眾提供專業(yè)的城市實(shí)時(shí)交通信息，并可根據(jù)需要自行選擇，滿足個(gè)性化出行要求，提升出行效率。
制造業(yè)
大數(shù)據(jù)將成為制造業(yè)轉(zhuǎn)型升級(jí)和提升競(jìng)爭(zhēng)力的關(guān)鍵之一。紅領(lǐng)集團(tuán)的數(shù)據(jù)系統(tǒng)將成衣的各種款式和設(shè)計(jì)都數(shù)字化，可以滿足超過(guò)上億種以上款式和設(shè)計(jì)的組合，并可完成對(duì)物料數(shù)據(jù)整合管理，對(duì)里料、縫線、袖口等完成自動(dòng)搭配。整個(gè)定制生產(chǎn)流程的20多個(gè)子系統(tǒng)全部以數(shù)據(jù)來(lái)驅(qū)動(dòng)運(yùn)營(yíng)。這家3000人的工廠每天可以一款一件不重樣的定制西裝1200套，約為紅領(lǐng)60%的產(chǎn)能。農(nóng)夫山泉與第三方廠商合作，共同開發(fā)基于“飲用水”的運(yùn)輸環(huán)境數(shù)據(jù)場(chǎng)景分析，用大數(shù)據(jù)增強(qiáng)營(yíng)銷、管理能力，企業(yè)近年來(lái)實(shí)現(xiàn)了30%-40%的增速。
健康醫(yī)療
