大數(shù)據(jù)在提高商業(yè)決策水平方面的案例分析

文/桂峰蘭，遼寧行政學(xué)院 國(guó)際交流部

大數(shù)據(jù)在提高商業(yè)決策水平方面的案例分析

文/桂峰蘭，遼寧行政學(xué)院 國(guó)際交流部

本文摘要：大數(shù)據(jù)技術(shù)雖然發(fā)展時(shí)間不長(zhǎng)，但是已展現(xiàn)出巨大的應(yīng)用價(jià)值和實(shí)踐價(jià)值，能夠從根本上改變傳統(tǒng)的商業(yè)模式，在政務(wù)、社會(huì)、商業(yè)決策等領(lǐng)域發(fā)揮越來越重要的作用。本文挑選了一些大數(shù)據(jù)在商業(yè)領(lǐng)域典型應(yīng)用的案例，并進(jìn)行分析，來具體說明大數(shù)據(jù)在商業(yè)決策方面的應(yīng)用。

數(shù)據(jù)分析；商業(yè)決策；大數(shù)據(jù)；Hadoop

大數(shù)據(jù)時(shí)代數(shù)據(jù)是企業(yè)的核心價(jià)值和資源，傳統(tǒng)的面向應(yīng)用商業(yè)開發(fā)模式已經(jīng)逐步被數(shù)據(jù)驅(qū)動(dòng)開發(fā)的商業(yè)模式所取代，數(shù)據(jù)驅(qū)動(dòng)開發(fā)模式是基于對(duì)核心數(shù)據(jù)分析，在此基礎(chǔ)下發(fā)展出新的應(yīng)用模式和服務(wù)，推動(dòng)了企業(yè)的創(chuàng)新，提高了商業(yè)的決策水平。典型應(yīng)用的案例如下：

1 沃爾瑪?shù)摹捌【婆c尿布”和“颶風(fēng)與蛋撻”

沃爾瑪?shù)馁?gòu)物籃分析案例“啤酒與尿布”，在數(shù)據(jù)挖掘行業(yè)中已成為從所周知的經(jīng)典案例。其原因歸結(jié)為周未都是爸爸負(fù)責(zé)去超市購(gòu)物，他們?cè)谫I尿布的同時(shí)，順便犒勞一下自己，買一件啤酒。沃爾瑪根據(jù)這個(gè)數(shù)據(jù)分析結(jié)果，將啤酒和尿布放在一起銷售，來方便用戶和提高銷量。

在美國(guó)部分地區(qū)常飽受颶風(fēng)的影響。在颶風(fēng)到來之前為民眾提供好的服務(wù)，有助民眾度過危機(jī)，為此，沃爾瑪以此為課題利用大數(shù)據(jù)進(jìn)行分析，將用戶銷售數(shù)據(jù)、貨物數(shù)據(jù)放在一起進(jìn)行分析，并沒有發(fā)現(xiàn)明顯的特征，于是對(duì)分析的數(shù)據(jù)范圍進(jìn)行擴(kuò)大，加入了如天氣、周邊人流量、交通流量等，結(jié)果得到了有趣的發(fā)現(xiàn)，就是在颶風(fēng)到時(shí)來之前，手電筒和蛋撻的銷量會(huì)大幅度的增加，“颶風(fēng)”、“手電筒”、“蛋撻”之間似乎有種神奇的聯(lián)系，因此在颶風(fēng)季節(jié)，手電筒和蛋撻就成為沃爾瑪貨物配送、貨架擺放的準(zhǔn)則。

這兩個(gè)案例有一定的區(qū)別 ，“啤酒與尿布”的數(shù)據(jù)來自內(nèi)部系統(tǒng)，而“颶風(fēng)與蛋撻”來自所有可能的數(shù)據(jù)源，不再局限于內(nèi)部數(shù)據(jù)，這就是大數(shù)據(jù)的核心思想，使用全量的數(shù)據(jù)進(jìn)行分析。

2 航空公司信息化數(shù)據(jù)集成平臺(tái)

國(guó)內(nèi)的航空公司面臨巨大的數(shù)據(jù)日益復(fù)雜的數(shù)據(jù)分析和統(tǒng)計(jì)需要，現(xiàn)有的航空公司網(wǎng)站的數(shù)據(jù)有很多問題，如數(shù)據(jù)分散、數(shù)據(jù)源多、用戶行為數(shù)據(jù)缺失、數(shù)據(jù)量巨大但數(shù)據(jù)分析水平低下，迫切需要建立一個(gè)即能支持產(chǎn)品決策和運(yùn)營(yíng)，又能強(qiáng)化對(duì)用戶和市場(chǎng)的掌控力的信息化數(shù)據(jù)集成平臺(tái)。清華大學(xué)數(shù)據(jù)處理中心使用大數(shù)據(jù)來解決以上問題，打造航空公司直銷網(wǎng)站大數(shù)據(jù)解決方案。

2.1 搭建大數(shù)據(jù)存儲(chǔ)平臺(tái)，開成穩(wěn)定的運(yùn)行及監(jiān)控機(jī)制。

2.2 建立機(jī)票直銷網(wǎng)站用戶行為日志采集模型，實(shí)現(xiàn)用戶行為日志數(shù)據(jù)的采集，并將數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)。

2.3 建立數(shù)據(jù)挖掘和分析基礎(chǔ)平臺(tái)，為數(shù)據(jù)分析打好基礎(chǔ)。

2.4 根據(jù)基礎(chǔ)平臺(tái)完成用戶分類、用戶群體喜好分析、代理點(diǎn)分析、網(wǎng)站轉(zhuǎn)化率模型、用戶搜索分析等應(yīng)用。

最終，在基于X86架構(gòu)的PC服務(wù)集群上實(shí)現(xiàn)了存儲(chǔ)容量超過50TB，對(duì)TB級(jí)別的數(shù)據(jù)分析在分鐘級(jí)別完成。相對(duì)于以前的Oracle數(shù)據(jù)庫(kù)存儲(chǔ)節(jié)點(diǎn)，減少70%以上成本。

3 電信運(yùn)營(yíng)商的管理決策

電信運(yùn)營(yíng)商存在巨大各種信息，包括通信網(wǎng)數(shù)據(jù)、通話數(shù)據(jù)、網(wǎng)上瀏覽行為數(shù)據(jù)、客戶服務(wù)信息等。為了將如此巨大的數(shù)據(jù)產(chǎn)生效益，電信運(yùn)營(yíng)商以Hadoop為核心搭建數(shù)據(jù)挖掘平臺(tái)，通過MapRedure并行框架對(duì)原始數(shù)據(jù)進(jìn)行抽取和預(yù)處理，并聯(lián)合高校數(shù)據(jù)挖掘?qū)＜疫M(jìn)行數(shù)據(jù)建模和算法甄選，將決策樹、LSVR預(yù)測(cè)、Canopy等算法遷到Hadoop平臺(tái)，實(shí)現(xiàn)了管理決策模型庫(kù)，對(duì)數(shù)據(jù)、模型、應(yīng)用、用戶進(jìn)行統(tǒng)一的管理。該平臺(tái)的分析結(jié)果為移動(dòng)終端促銷、數(shù)據(jù)業(yè)務(wù)套餐制定、客戶服務(wù)質(zhì)量改善提供了決策支持，極大地提升了業(yè)務(wù)發(fā)展空間。在3G/4G移動(dòng)用戶上網(wǎng)詳單查詢方面的應(yīng)用，又是一個(gè)典型的案例，隨著移動(dòng)上網(wǎng)成為常態(tài)，用戶上網(wǎng)流量增漲迅速，隨之而來的數(shù)據(jù)流量爭(zhēng)議和投訴也不斷增多，據(jù)統(tǒng)計(jì)手機(jī)用戶一次訪問網(wǎng)頁，大約會(huì)產(chǎn)生數(shù)十條至上百條上網(wǎng)記錄，每月的上網(wǎng)記錄詳單超過2萬億，并以每月7%的速度遞增。移動(dòng)用戶上網(wǎng)詳單記錄是一個(gè)典型的大數(shù)據(jù)處理問題，詳單記錄日志信息一旦寫入就不會(huì)更改，非常符合Hadoop的“一次寫多次讀”的特點(diǎn)。運(yùn)營(yíng)商通過組建一個(gè)涵蓋3個(gè)主結(jié)節(jié)、200個(gè)數(shù)據(jù)節(jié)點(diǎn)的Hadoop集群，實(shí)現(xiàn)了全國(guó)范圍內(nèi)近4個(gè)月歷史記錄的數(shù)據(jù)庫(kù)，為用戶提供歷史數(shù)據(jù)查詢服務(wù)。該系統(tǒng)部署后，用戶可以直接查詢到10分鐘前的上網(wǎng)記錄，平均查詢時(shí)間不超過1 秒。該系統(tǒng)使3G流量業(yè)務(wù)投訴比例大大降低，有的問題降到不到原來的1%。采用的Hadoop集群在獲得高性能的同時(shí)大大降低了硬件成本，服務(wù)質(zhì)量和經(jīng)濟(jì)效益大大提高。

4 房地產(chǎn)數(shù)據(jù)服務(wù)

房地產(chǎn)項(xiàng)目投資巨大，見效周期長(zhǎng)，受政策、法規(guī)、市場(chǎng)因素影響巨大。因此，房地產(chǎn)開發(fā)商在進(jìn)行新項(xiàng)目時(shí)，需要對(duì)購(gòu)地價(jià)格、開發(fā)面積、容積率等內(nèi)容進(jìn)行規(guī)劃，對(duì)投資回報(bào)進(jìn)行測(cè)算。面對(duì)這一情況，房地產(chǎn)投資領(lǐng)域形成了一些以提供房地產(chǎn)數(shù)據(jù)為核心的房地產(chǎn)數(shù)據(jù)服務(wù)公司，這些數(shù)據(jù)公司會(huì)收集一個(gè)地區(qū)歷年地皮的招拍掛信息，周邊樓盤銷售數(shù)量、用戶的面積和成交價(jià)、入住率、人口分布、文化、交通等數(shù)據(jù)，通過數(shù)據(jù)挖掘手段為用戶提供地產(chǎn)數(shù)據(jù)服務(wù)。其數(shù)據(jù)支撐平臺(tái)已由過去的關(guān)系型數(shù)據(jù)庫(kù)升級(jí)為以Hadoop為基礎(chǔ)的數(shù)據(jù)平臺(tái)，該平臺(tái)實(shí)現(xiàn)了各類數(shù)據(jù)的統(tǒng)一存儲(chǔ)和計(jì)算，在MapRedure計(jì)算框架下實(shí)現(xiàn)了分析計(jì)算，數(shù)據(jù)挖掘用時(shí)的大幅度縮減，能夠快速為用戶提供多套咨詢方案，大大提升數(shù)據(jù)服務(wù)的價(jià)值。

5 大數(shù)據(jù)帶來產(chǎn)品創(chuàng)新

企業(yè)利用大數(shù)據(jù)獲取客戶需求和偏好，并充分利用這些信息用于改進(jìn)自身產(chǎn)品設(shè)計(jì)和服務(wù)。我國(guó)很多中小企業(yè)從銀行貸不了款，因?yàn)樗麄儧]有擔(dān)保，阿里巴巴公司根據(jù)淘寶網(wǎng)上的交易數(shù)據(jù)情況篩選出財(cái)務(wù)健康和誠(chéng)信的中小企業(yè)，對(duì)這些企業(yè)不需要擔(dān)保就可以貸款。目前阿里巴巴放貸300多億元，壞賬率僅為0.3%。另一個(gè)例子，F(xiàn)arecast公司為消費(fèi)者搜索各家航空公司的最低票價(jià)，還能幫助消費(fèi)者預(yù)測(cè)未來一段時(shí)間票價(jià)將上漲還是下跌。消費(fèi)者根據(jù)Farecast.com給出的預(yù)測(cè)決定現(xiàn)在買機(jī)票或是在將來用更低的價(jià)格購(gòu)票。Farecast的預(yù)測(cè)是基于海量數(shù)據(jù)做出的，F(xiàn)arecast.com應(yīng)用了超過115個(gè)每天更新的變量對(duì)每條航線的價(jià)格做出新的預(yù)測(cè)，不僅分析歷史的價(jià)格模式，也考慮了例如航油價(jià)格、天氣等其他能夠影響票價(jià)的因素，據(jù)稱Farecast的預(yù)測(cè)準(zhǔn)確率能達(dá)到75%，并給予該預(yù)測(cè)推出一項(xiàng)叫做Fare Guard機(jī)票價(jià)格保險(xiǎn)服務(wù)。

6 電子商務(wù)數(shù)據(jù)服務(wù)

利用大數(shù)據(jù)根據(jù)互聯(lián)網(wǎng)訪問用戶分析和用戶行為分析，實(shí)現(xiàn)推薦系統(tǒng)、廣告追蹤等應(yīng)用。來提高服務(wù)，創(chuàng)造價(jià)值。

推薦系統(tǒng)是電子商務(wù)企業(yè)大數(shù)據(jù)應(yīng)用的關(guān)鍵，亞馬遜、當(dāng)當(dāng)網(wǎng)等電商企業(yè)就是根據(jù)大量用戶交易行為的數(shù)據(jù)進(jìn)行相關(guān)分析，為讀者推薦相關(guān)書目，如根據(jù)同樣興趣愛好者的購(gòu)買行為，為用戶推薦書目，以同理心來刺激購(gòu)物消費(fèi)。有關(guān)數(shù)據(jù)顯示，馬遜、當(dāng)當(dāng)網(wǎng)等電子商務(wù)企業(yè)近1/3的收入來自它的個(gè)性化推薦系統(tǒng)。

綜上所述，隨著大數(shù)據(jù)技術(shù)的不斷創(chuàng)新和飛速發(fā)展，其影響將不斷深入，大數(shù)據(jù)在各行各業(yè)的應(yīng)用案例也層出不窮，大數(shù)據(jù)需要依賴全量、多維、實(shí)時(shí)的數(shù)據(jù)和相應(yīng)的分析方式才能發(fā)揮其巨大的價(jià)值。因此，商業(yè)模式的變革和創(chuàng)新必須適應(yīng)時(shí)代的發(fā)展要求，大數(shù)據(jù)在提高商業(yè)決策水平方面將發(fā)揮越來越重要的作用，基于大數(shù)據(jù)的商業(yè)模式創(chuàng)新及轉(zhuǎn)型是商業(yè)模式未來的發(fā)展方向。

[1] 陳大勇.大數(shù)據(jù)對(duì)銀行傳統(tǒng)營(yíng)銷模式的影響和改變.金融發(fā)展評(píng)論，2016(07) .

[2]張清輝, 陳昊. 大數(shù)據(jù)背景下商業(yè)模式研究回顧與展望. 中國(guó)管理信息化，2015(4) .

[3] 劉丹,曹建彤，王路. 大數(shù)據(jù)對(duì)商業(yè)模式創(chuàng)新影響的案例分析，科技與經(jīng)濟(jì)，2014(8).

[4] 吳玉鳳.大數(shù)據(jù)時(shí)代提高企業(yè)管理決策水平的策略探究.企業(yè)改革與管理，2017(06) .

[5] 鄭琳琳.“大數(shù)據(jù)”對(duì)商業(yè)模式創(chuàng)新的影響分析. 山東紡織經(jīng)濟(jì)，2016(6).

[6] 趙勇,林軍，沈寓實(shí)等《大數(shù)據(jù)革命----理論、模式與技術(shù)創(chuàng)新》.電子工業(yè)道出版社. 2014.(09).