首家大数据培训挂牌机构 股票代码:837906 | EN CN
阿里巴巴菜鸟级数据产品经理半年回顾总结篇
干货教程:如何绘制业务流程图(二)
干货教程:如何绘制业务流程图(一)
技术贴:如何在数据库中秘密地查询隐私数据
攻略教程:信息图(infographic)是怎么做出来的?
分析师一定要看!用数据讲故事的五个步骤
技术篇:怎样玩转千万级别的数据?
北漂书生:大数据时代SEO数据如何搜集和分析
干货,从十大问题重新认识并读懂互联网
相似图片搜索、算法、识别的原理解析(下)
相似图片搜索、算法、识别的原理解析(上)
制作信息图时请遵循这10条原则
提高表格可读性的一些技巧,适用于Excel、PPT等数据报表
实用教程:如何让Excel图表更具“商务气质”?
一张数据信息图是这样制作完成的
菜鸟读财报,如何从上市公司财报中挖情报?
北大数据分析老鸟写给学弟们一封信
如何一步一步制作出高品质数据信息图?
总结:海量数据分析处理的十个方法
【实战经验】数据分析师如何了解老板真正想法?
零售业数据分析那些事儿
数据分析时l常用电子表格公式【大全】
用数据来告诉你 上市公司财报的秘密
这12个数据能 帮你搞定淘宝店铺
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(四)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(三)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(二)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(一)
淘宝网店从激活到挽留,4步走玩转数据营销
文案怎样写才有意思、不空洞、打动人?
入门级扫盲贴:数据分析的步骤有哪些?
关系即数据,论社交媒体的关系转换
数据的力量,苹果教你用数据鄙视竞争对手
谁说文科生不能做数据分析?数据分析入行→技能提升→优势
产品运营数据分析——SPSS数据分组案例
如何追踪iPhone和iPad等移动设备的用户行为数据?
阿里巴巴中国站:用户满意度指标权重计算方法
广告中的AdNetwork、AdExchange、DSP、SSP、RTB和DMP是什么?
信息图制作教程:关于数值的表现
为什么大数据会如此轰动?(值得深度的文章)
多图技术贴:深入浅出解析大数据平台架构
面板数据分析中标准误的估计修正——根据Peterson (2009)的归纳
财务官、投资人、CIO看过来:给企业数据定价
推荐系统中常用算法 以及优点缺点对比
探索Weotta搜索引擎背后的大数据技术
如何识别虚假数据?
为什么我们像驯化小狗那样驯化算法
程序员必须知道的10大基础实用算法及其讲解
电子商务:最影响转化率的九大要素
如何迅速成为一名数据分析师?
想从事大数据、海量数据处理相关的工作,如何自学打基础?
如何用亚马逊弹性MapReduce分析大数据?
译文:机器学习算法基础知识
给hadoop新手的一封信:Hadoop入门自学及对就业的帮助
从入门到精通,我是这样学习算法的
小商家,从老客户身上获取的数据才更有意义
13页PPT讲述:大数据下网站数据分析应用
40页PPT详解:京东大数据基础构架与创新应用
67页PPT解密搜索引擎背后的大技术:知识图谱,大数据语义链接的基石
营销洞察力——10个营销度量指标
技术篇:前端数据之美如何展示?
董飞:美国大数据工程师面试攻略【PPT】
easel:如何制作好的信息图——来自专家的顶级技巧
大数据实操:以3D打印机为例,如何知道卖点有没有市场需求?
大数据建模 需要了解的九大形式
用户画像数据建模方法
从规划开始,公司or企业如何入手和实施大数据?
干货:商品信息数据分析和展现系统的设计与开发
高手教你用Excel制作百度迁徙数据地图
50篇干货:淘宝店/电子商务如何玩转数据分析?
精华索引:大数据实际应用案例50篇
验证最小化可行产品 (MVP) 的 15 种方法
干货:数据分析师的完整知识结构
大数据技术Hadoop面试题,看看你能答对多少?答案在后面
用SPSS做数据分析?先弄懂SPSS的基础知识吧
怎样做出优秀的扁平化设计风格PPT? 扁平化PPT设计手册#3
解答│做大数据过程中遇到的13个问题
40页PPT│社交网络发展的新动力:大数据与众包
以Amazon、豆瓣网为例,探索推荐引擎内部的秘密#1
怎样做出优秀的扁平化设计风格PPT?#2
怎样做出优秀的扁平化设计风格PPT?#1
36页PPT│大数据分析关键技术在腾讯的应用服务创新
如何丰满地做SWOT分析?
【35页PPT】TalkingData研发副总阎志涛:移动互联网大数据处理系统架构
27页PPT|以珍爱网为例,如何构建有业务价值的数据分析系统?
国外数据新闻资源分享
21页PPT重磅发布:Mariana——腾讯深度学习平台的进展与应用
从0到100——知乎架构变迁史
PPT解读:百度大数据质量保障方案探索
45页PPT|大数据环境下实现一个O2O通用推荐引擎的实践
从数据看豆瓣兴衰
深度学习系列:解密最接近人脑的智能学习机器——深度学习及并行化实现(四)
重磅推荐:129页PPT讲述移动时代创业黄金法则 via:腾讯企鹅智酷
重磅推荐:大数据工程师飞林沙的年终总结&算法数据的思考
OpenKN——网络大数据时代的知识计算引擎
大数据下城市计算的典型应用
技术贴:大数据告诉你,如何给微信公众号文章取标题?
你的QQ暴露了你的心——QQ大数据及其应用介绍PPT
如何从企业报表看企业的生存能力?
实用的大数据技巧合集
技术帝揭秘:充电宝是如何盗取你的个人隐私的?
重磅!50页PPT揭秘腾讯大数据平台与推荐应用架构
原创教程:饼图之复合饼图与双层饼图(1)
PPT:大数据时代的设计特点——不了解这个你做不了今天的设计
教程贴:如何用方程式写春联?
原创教程:如何用Excel制作简易动态对比图
深度译文:机器学习那些事
教程帖:数学之美——手把手教你用Excel画心(动态图)
董老师走进斯坦福,聊聊硅谷创业公司和大数据的事儿(附课件PPT下载)
【限时】年度钜献,108个大数据文档PDF开放下载
董飞专栏:大数据入门——大数据相关技术、Hadoop生态、LinkedIn内部实战
亿级用户下的新浪微博平台架构
一张图了解磁盘里的数据结构
浅析数据化设计思维在阿里系产品的应用
美团推荐算法实践
一个P2P创业公司有哪些部门,都是做什么的?
一个P2P平台的详细运营框架是怎样的?
机器学习中的算法——决策树模型组合之随机森林与GBDT
神经网络简史
58页PPT看懂互联网趋势,大数据/物联网/云计算/4G都有了
广点通背后的大数据技术秘密——大规模主题模型建模及其在腾讯业务中的应用(附PPT)
微信红包之CBA实践PPT——移动互联网海量访问系统设计
一文读懂机器学习,大数据/自然语言处理/算法全有了……
搜狐新闻客户端的背后大数据技术原理——推荐系统(PPT)
原创教程:用Excel做动态双层饼图
半小时读懂PMP私有广告交易市场
怎样分析样本调研数据(译)
PPT:支付宝背后的大数据技术——DataLab、Higo的实践及应用
大数据技术人员的工具包——开源大数据处理工具list(限时下载)
计算机视觉:随机森林算法在人体识别中的应用
24页PPT:机器学习——支持向量机SVM简介(附下载)
互联网高手教你如何搜集你想要的信息
深度:对地观测大数据处理、挑战与思考
原创教程:用Excel做饼图之复合饼图与双层饼图(2)
移动大数据时代: 无线网络的挑战与机遇(附pdf下载)
Excel使用技巧——25招必学秘技
【年度热门】加上这些 Excel 技能点,秒杀众人(多图)
原创教程:用Excel做纵向折线图
知识图谱——机器大脑中的知识库
何明科专栏:用数据化的方式解析投资条款
DT时代,如何用大数据分析创造商业价值(23页PPT)
MIT牛人梳理脉络详解宏伟现代数据体系
你的老婆是怎么算出来的?揭秘佳缘用户推荐系统
飞林沙:商品推荐算法&推荐解释
PPT:如何成为真正的数据架构师?(附下载)
开源大数据查询分析引擎现状
董飞专栏:打造数据产品必知秘籍
译文:如何做强大又漂亮的信息图
如何使用Amazon Machine Learning构建机器学习预测模型
如何运用数据协助货架管理(内附26张PPT)
SVM算法
主流大数据系统在后台的层次角色及数据流向
PPT:阿里全息大数据构建与应用
人脸识别技术大总结——Face Detection & Alignment
教程:用Excel制作成对条形图
易观智库:大数据下的用户分析及用户画像(18页PPT附下载)
技术向:如何设计企业级大数据分析平台?
电商数据分析基础指标体系
IBM SPSS Modeler 决策树之银行行销预测应用分析
拓扑数据分析与机器学习的相互促进
基于 R 语言和 SPSS 的决策树算法介绍及应用
用php做爬虫 百万级别知乎用户数据爬取与分析
另类新浪微博基本数据采集方法
以10万+阅读的文章为例 教你做微信公众号的运营数据分析
破解数据三大难题:变现?交易?隐私?
微店的大数据平台建设实践与探讨
阿里巴巴PPT:大数据基础建议及产品应用之道
基于社会媒体的预测技术
人工智能简史
技巧:演讲中怎样用数据说话
马云和小贝选谁做老公?写给非数据人的数据世界入门指南
掘金大数据产业链:上游资源+中游技术+下游应用
原创教程:手把手教你用Excel做多层折线图
销售分析:如何从数据指标发现背后的故事
如何一步步从数据产品菜鸟走到骨干数据产品
也来谈谈微博的用户画像
行走在网格之间:微博用户关系模型
如何拍出和明星一样美爆的自拍照?斯坦福大学用卷积神经网络建模告诉你
运营商如何玩转大数据? 浙江移动云计算和大数据实践(PPT附下载)
大数据分析的集中化之路 建设银行大数据应用实践PPT
腾讯防刷负责人:基于用户画像大数据的电商防刷架构
创业提案的逻辑
友盟分享 | 移动大数据平台架构思想以及实践经验
寻路推荐 豆瓣推荐系统实践之路
“小数据”的统计学
重磅!8大策略让你对抗机器学习数据集里的不均衡数据
小团队撬动大数据——当当推荐团队的机器学习实践
微博推荐架构的演进
科普文 手把手教你微信公众号数据分析
信息图制作的六个注意点
【权利的游戏】剧透新玩法:情理之中?意料之外
推荐系统(Recommender System)的技术基础
核心算法 谷歌如何从网络的大海里捞到针
Quora数据科学家和机器学习工程师是如何合作的
阿里巴巴PPT:大数据下的数据安全
数据建模那点事儿
全民拥抱Docker云–Lhotse系统经验分享
实时股票分析系统的架构与算法
架构师必看 京东咚咚架构演进
什么叫对数据敏感?怎样做数据分析?
推荐系统基础知识储备
刘德寰:数据科学的整合与细分 数据科学的七个危险趋势(视频)
实际工作中,如何做简单的数据分析?
分布式前置机器学习在威胁情报中的应用(附PPT下载)
数据科学 怎样进行大数据的入门级学习?
扛住100亿次请求 如何做一个“有把握”的春晚红包系统?(PPT下载)
从 LinkedIn 的数据处理机制学习数据架构
大数据会如何改变管理咨询公司(I)
优秀大数据GitHub项目一览
生硬的数字和数据新闻:这么近,那么远
经典大数据架构案例:酷狗音乐的大数据平台重构(长文)
揭秘中兴大数据在银行领域的系统部署
基于大数据的用户画像构建(理论篇)
【R】支持向量机模型实现
数据图处处有陷阱?五个例子教你辨真伪
如何用R绘制地图
你确定你真的懂用户画像?
数据模型需要多少训练数据?
【接地气】01 数据报表的颜色怎么配
游戏价值和数据分析新思路
【R】异常值检测
快的打车架构实践
豆瓣还是朋友圈:大数据、新方法和日常问
PPT数据图表,怎么做才好看?
大道至简的数据体系构建方法论
数据的误区及自身业务
新浪微博的用户画像是怎样构建的?
面试干货!21个必知数据科学面试题和答案part1(1-11)
易观智库:中国大数据产业生态图谱2016(附下载)
Airbnb的数据基础架构
50PB海量数据排序,谷歌是这么做的
大数据时代工程师如何应对–今日头条走进硅谷技术讲座
D3.js教学记(下)
D3.js教学记(上)
飞林沙:企业级服务公司如何赚钱?只有平台级产品才有大数据的理论
一个母婴电子商务网站的大数据平台及机器学习实践
7大板块 组成数据分析师的完整知识结构
干货:SaaS领域如何分析收入增长?
学术 | 词嵌入的类比特性有实用意义吗?
6个用好大数据的秘诀
一个数据库外行眼中的微信优化 (附专家补充)
大数据调研,如何实现快全准?
数据大师Olivier Grisel给志向高远的数据科学家的指引
数据堂肖永红:数据交易的是使用权或数据的增值,而不是数据本身(PPT附下载)
淘宝商品详情平台化思考与实践
刘译璟:百分点大数据理念和实践(图文+PPT下载)
如何快速搞定一份看起来还不错的演示文档?
【BABY夜谈大数据】决策树
数据驱动设计:数据处理流程、分析方法和实战案例
美图数据总监:Facebook的法宝,我们在产品中怎么用?
树的内核:量化树结构化数据之间的相似性
拿到用户数据之后,LinkedIn怎么赚钱?
GrowingIO张溪梦:增长黑客的核心 企业应该重视产品留存率(附PPT下载)
[译]Airbnb是如何使用数据理解用户旅行体验的?
微博推荐数据服务代理: hyper_proxy的设计和实现
星图数据谷熠:消费领域DaaS 大数据重构未来商业游戏规则(附PPT下载)
鲍忠铁:TalkingData大数据技术与应用实践(PPT下载)
【干货教材】数据分析VS业务分析需求
九枝兰专访:数字营销的核心—企业如何使用数据管理平台(DMP)进行精准营销
我们的应用系统是如何支撑千万级别用户的
R应用空间数据科学
Excel进行高级数据分析(上)
Excel进行高级数据分析(下)
国内各大互联网公司2.0版技术站点收集
网站数据分析思路导图
大数据分析报表设计开发要素
大数据需要的12个工具 推荐
YARN/MRv2 Resource Manager深入剖析—NM管理
YARN/MRv2 Resource Manager深入剖析—RMApp状态机分析
Hadoop 1.0与Hadoop 2.0资源管理方案对比
Hadoop 2.0中单点故障解决方案总结
Hadoop 2.0 (YARN)中的安全机制概述
Hadoop 新特性、改进、优化和Bug分析系列1:YARN-378
Hadoop 新特性、改进、优化和Bug分析系列2:YARN-45
Hadoop 新特性、改进、优化和Bug分析系列3:YARN-392
Hadoop版本选择探讨
探究提高Hadoop稳定性与性能的方法
《Effective C++》读书笔记(第一部分)
Hadoop分布式环境下的数据抽样
Hadoop计算能力调度器算法解析
如何编写Hadoop调度器
数据结构之红黑树
Hadoop pipes设计原理
《C++ Primer plus》学习笔记之”类”
《C++ Primer plus》学习笔记之”类继承”
《C++ Primer plus》学习笔记之”C++中的代码重用”
《C++ Primer plus》学习笔记之”异常”
《C++ Primer plus》学习笔记之”RTTI”
Hadoop pipes编程
Hadoop Streaming高级编程
《C++ Primer plus》学习笔记之”标准模板库”
《C++ Primer plus》学习笔记之”输入输出库”
Linux Shell 命令总结
算法之图搜索算法(一)
awk使用总结
素数判定算法
《C++ Primer plus》学习笔记之“函数探幽”
使用Thrift RPC编写程序
如何在Hadoop上编写MapReduce程序
怎样从10亿查询词找出出现频率最高的10个

星图数据谷熠:消费领域DaaS 大数据重构未来商业游戏规则(附PPT下载)

于2017-04-01由小牛君创建

分享到:


3月6日下午14:00,由大数据培训,就上小牛学堂主办『大数据应用与实践』主题沙龙在北京中关村创业大街3W咖啡成功举行。来自国内外上百家多家大数据企业代表参加了本次活动,并针对大数据商业应用问题展开了激励的讨论。

在活动现场,谷熠先生为大家讲述了星图数据在消费领域里面怎么体现大数据的价值。他表示,目前星图数据的定位是消费领域的DaaS服务,通过大数据的技术手段和服务,帮助传统品牌企业监控和分析线上产品的销售、渠道和营销等具体环节,解决传统品牌企业信息不对称的问题。据悉,目前星图数据已经覆盖了超过1000个的消费品种类,比如说3C类产品、家电产品、日化用品、化妆品等等。在这1000个消费品种类里面,星图数据已经覆盖的品牌数超过8万个。星图数据可以帮助这些企业遏制价格战,搞好产品质量,拥抱好消费者,通过大数据的方式重构未来商业社会的游戏规则。谷熠热情澎湃的分享获得了全场热烈的掌声。

星图数据(Syntun):用大数据技术干掉咨询行业 提供数据源和工具双端服务

星图数据

下面是星图数据CEO谷熠先生现场演讲图文直播:

今天主要和大家分享一下星图数据在消费领域里面怎么体现大数据的价值。首先讲一下PPT的标题,我们做的是消费领域。我们讲DaaS这个概念,这个在北美海外提的比较多,但是在国内提DaaS的并没有见到,这也是我们星图数据的定位。

大数据培训,就上小牛学堂

给大家讲一些有意思的东西,大家看到一个图表,是几个点连接起来,这里面有两层含义,一个是我们把这些点连接起来,另外一个是现实事物本身的意义和价值。

我就这样想,我讲一讲我们到底在做什么,我们为什么做这样的事情。星图数据有三个创始人,我是其中之一。我们之前在ToB产品和分析方法建模方面有大量的实践案例经验。我们发现在之前的工作当中,互联网的发展或者是电商的发展,其实造就了不太一样的格局。也就是说我们看到C端,就是消费者端或者是用户端。

在这几年快速发展当中,消费者的信息不对称问题得到了特别好的解决。我们看到不管是BAT或者是各种各样的开发者和开发团队,其实都给消费者提供了多种多样的工具、APP或者是服务。大家不管是在买东西的时候还是是找东西的时候,又或者是人与人之间沟通和交流的时候,让你的信息闭环特别完整。所以你可以把原来在线下或者是非互联网时代繁杂痛苦的工作,通过技术的方式得到解决。

其实这个问题一直存在,尤其在中国市场,当然我们把企业分成两个层级。一个是我们讲的互联网企业,它本身对数据有足够的认知和重视,它又能够产生很多的数据,同时能把这些数据很好的积累、沉淀和使用起来。我们看到另外一类企业,就是我们服务的传统企业或者说是我们讲的品牌企业。它们其实在这个环境里面显得特别尴尬,有一些同行可能了解传统企业,但是绝大多数人不太了解。作为一个传统品牌制造型的企业,实际上它的产业链是这样的,它的上游是它的供应商,比如说它的零配件,到它这里有工厂、营销公司。接下来往下走是渠道,然后是消费者,是这样一个环节。

大数据

其实我们看到对于一个品牌企业不管是工厂或者是营销公司,它的下游链路是断的,它只有一条链,我的商品走到渠道或者是消费者手里面这个过程当中,它的渠道信息和消费者信息的回流,这条链基本上都是断的。它们原来能够依靠的方式,无非是通过咨询或者是传统调研的公司,通过报告的方式或者是市场研究的方式解决问题。但是随着电商的发展,我们发现这种方式不能满足日益发展或者是快速发展的市场。

我举一个例子,大家都知道双11,当天爆发的销售节日,实际上造成传统制造行业市场份额或者是品牌市场巨大的变化与震动。如果传统制造行业还通过传统的方式占有市场,只能死得更快。这是我们发现传统企业和传统品牌企业的瓶颈,或者说是他们发展过程中无法解决的难题。其实它们是在互联网电商快速发展的时候已经形成的价值洼地。所以星图数据希望能够通过大数据的手段和服务,以及我们做的应用帮助这些困难户最切实的解决他们所遇到的问题,这是星图数据正在做的事情。

所以看看我们怎么帮助他们运转的,这是星图对于电商监控的情况。目前我们能够监控到的电商平台有50家以上,这里面囊括了天猫、京东、苏宁、国美、1号店等等。同时也包括蜜芽宝贝、聚美优品等等,这是对平台的覆盖。除了电商之外,星图目前还能够覆盖的包括在线旅游、汽车门户、医疗药品、在线教育等等这样的平台和渠道。

大数据培训,就上小牛学堂

另外,回到电商的例子来讲,我们目前覆盖的品类超过1000个以上,这里面囊括了耐用消费品,比如说3C类产品和家电产品。比如说日化用品、化妆品等等。在这1000个品类里面,其实我们覆盖的品牌数超过8万个。平均下来到每一个品类下来,我们有至少80个品牌,只要你在这些平台上面有卖商品的品牌都囊括到我们的数据里面去,这是零售商或者是经销商的概念,有6万家以上,当然每一个经销商可能开了很多店铺。比如说在线下我们叫零售终端,有很多店铺,但是对于整个经销商来讲,我们有超过6万家的覆盖。

大数据培训,就上小牛学堂

每一个SKU对于大家来讲,刚才百分点的同事举的例子,iPhone手机,什么颜色,什么制式,多大的容量,这几个描述词描述下来是一个SKU,你现在有700万以上的SKU。我们看看SKU里面到底都覆盖了什么样的信息和内容。当然如果有一些传统做零售研究的老前辈讲,零售研究无非就是销量、销额和价格。

注:(SKU=Stock Keeping Unit(库存量单位),针对电商而言,SKU有另外的注解:SKU是指一款商品,每款都有出现一个SKU,便于电商品牌识别商品。2、一款商品多色,则是有多个SKU,例:一件衣服,有红色、白色、蓝色,则SKU编码也不相同,如相同则会出现混淆,发错货)

实际上我们看到在这里面,当然我们没有做排序,对于每一个商品我们可以通过这样的纬度描述。包括它的销售表现,以及它的参数和规格。包括它的品牌之间的关系,它跟渠道和店铺之间的关系,以及消费者的评论、满意度、市场表现。包括我们讲4P理论都会在这里面体现,这是我们对于商品的描述。当然这里面只是我们更基础的数据。

大数据培训,就上小牛学堂

比如说现在我们把原油开采上来,实际上它更挣钱的是把原油经过一步两步的精炼产生出来更多的价值。在基础的数据指标之上,星图的团队会通过我们自己的方法,通过培训模型建模的方式进行计算,得到一些更加反映实际上客户或者是我们的企业实际运行的商业问题。第二个问题是我们讲到消费者的纬度,对于我们的消费者纬度,可能我们看起来是五千多万的消费者,并不如很多的公司,我们有几亿用户的数量。但是我们这些消费者,实际上我们可以精确到个体级别,或者大家比较好容易理解,我们可以把它精确到你的帐号级别。这个行为它相关的数据,我们可以把它和你的电商帐号关联起来,并不是我们一定要用你的帐号信息。如果大家考虑隐私保护的问题,我们有五千万以上能够连接到帐号。从这里可以看到一些人的基本属性,以及行为,以及它的特征和偏好。

大数据培训,就上小牛学堂

这两块加起来,实际上构成了星图最基础的数据体系,就是商品和零售相关的数据体系,以及消费者相关的数据体系。这些东西我们实际上怎么应用呢?当然后面还有,这是数据的频次,因为说实话我们并不是通过接口或者是插件的方式,或者是其他各种各样的数据方式得到。实际上我们能够对于这些电商监控的频次最高做到每15分钟一轮,能够覆盖刚才讲到所有商品相关的信息和用户相关的信息,这个也是我们刚才讲到的,如果我出现像双11这样大型促销活动的节点,可以接近于实质性的了解我的市场变化,及时的调整我相应的策略和方法。

星图是一家年轻的公司,我们从2013年底、2014初建立,我们的数据积累最长只有36个月,这36个月的数据不管对客户价值的体现,或者是我们对我们建模和方法的贡献都是尤为重要的。如果我们有这样一些数据的积累,我的一些模型、计算的方法和训练集没有可能达到比较高的精准度的要求。

大数据培训,就上小牛学堂

这是我们自己的数据供应链系统,讲的不是特别详细,但是大家可以简单看一下我们都有什么样的环节。实际上我们自己讲的话,我们自己打造了整个供应链的系统,就是说从数据一直到前端的展示和价值交付。当然其实在做的过程当中,我们也会觉得自己做产业链是不是太长了,我们在每一个产业链都覆盖。但是目前整个国内的数据环境,并没有像北美或者是欧洲数据开放环境做的很好。但是没有办法,我们要做很多这样的工作。实际上我们的核心竞争力和价值会在这里,我们有两套自主知识产权的系统,一个是数据的获取,一个是数据分析系统。目前我们能够做到的是,每天可以吞吐大概5TB的数据量级,当然每天还在增加。

大数据培训,就上小牛学堂 大数据培训,就上小牛学堂

整个Data的准确度,我举一个很简单的例子,比如说电商的销量数据。我相信没有一个第三方敢说它的数据是百分之百准确的,目前来说我们在不同的范围里面可以做到85%到95%,这是绝对值,相对值在95%以上,这是星图数据从数据的收集、处理的一套系统,这里面有很多机器,包括结构化和非结构化处理的方式。

我们讲一些案例,我们到底在哪几个环节给企业提供了价值。先讲几个典型的案例,这是选品系统,这个东西实际上它可以服务两类人,一类是一个品牌企业,如果它想把它的商品上到线上的时候,它会考虑我的产品线组合怎么做,我到底应该放什么样的产品,放到什么样合适的渠道里面才能最大化达到销售的目的。

这是一个奶粉的例子,我们看到第一列是产品名称,第二列是规格,第三列是属性,第四列是它的产地,我们的品牌企业可以有。我们的零售企业,我们的渠道、经销商或者是大的KA渠道,他们可以通过这些选择供应商或者是选择供应商的产品。

也就是说我们的系统只需要你输入这些信息进入到系统里面之后可以反馈出来这样的结果。首先这行讲的是跟你产品进行相关计算之后得出跟你的产品类似,但是目前在线上渠道里面卖的最好的产品,这里面讲了产品是一段的,德国产的。

另外是推荐的价格区间,预期的销售额,以及推荐的品牌。同时我们会把你拉上来这几个SKU进行排序,告诉你它的策略应该怎么做,你怎么去做价格,你怎么去做促销,你怎么去做分销,这样去做之后,实际上你的预期会得到销售结果会怎么样。我们把我们对于大数据的理解和建模计算的方法运用到了预测的方法,这个东西我们把它定位为营销沙盘的概念。也就是说,企业你可以把你的产品拿过来,告诉我你的预期,告诉我你怎么分拆步骤,比如说价格、促销、分销,以及其他的手段怎么运作,你的营销。或者是你告诉我怎么做,我反馈给你结果,我告诉你这样做会得到什么样的结果,你的销售量和销售额是什么样的表现。实际上这是应用在实际的选品或者是销售过程当中很实际的案例,这是一个奶粉企业。

大数据培训,就上小牛学堂

再举一个例子,大家看看这个像一个网吧,实际上这是帮助我们品牌企业做渠道管控的例子。大家知道电商的发展导致了什么样的后果呢?对于每一个店铺来讲,它的影响力度会变大。原来线下的店铺和门店影响的范围大概是周围十几二十公里这样的范围。但是对于电商来讲,对于线上来讲,实际上每一个店铺都在面向全国甚至全世界的消费者。

所以说我们看到每一个零售终端,每一个店铺的影响力在变大。我们的企业不得不把我们的管控中心下沉到店铺这样的级别里面去,我们看看传统企业怎么管控店铺,我只需要看你是不是在固定的时间,给了我足够的钱提走了我足够多的货,但是对于大数据时代,他是不是在遵守你的规则在运营,一个企业会制定很多的逻辑规则,甚至是店面的装璜、图片的使用等等。你的渠道或者是店铺的售卖能力到底怎么样,你应该把适合的商品铺到适合的渠道里面,这样才能产生最大化的销售收益。

大数据培训,就上小牛学堂

我只要看销售表现和提货的情况,我们对渠道的考核,其实是我们刚才讲的管控、评估、考核这三个阶段,这个例子实际上是我们的3C类产品企业,他为了查下游渠道是不是遵守他的规则,他雇佣了很多人。他要监控他的一百个在线上销售的SKU,我们以这个商品铺设到十个平台里面,以这样的情况来看,大概有一万个页面,为了干这个事,这个企业雇了24个人。大数据培训,就上小牛学堂

也就是说一个小时,整个加起来能够监控2880个页面这样一个水平,大家可以算一下,这24个人我们算每人五千块钱的工资,然后再乘以一年,我们看用星图的产品和服务,同样是100个SKU到十个平台的十个店铺里面售卖,我们通过这个案例可以做到两万个页面的检测。相当于大概167个人每天不睡觉做这个工作,对于这个来讲我们大概只需要十万块钱,无形当中解决这些企业的问题一年省了一百多万,其实是为企业节流。同时我们也知道人是需要吃饭、睡觉、上厕所的。而且人长时间高频次重复性的工作一定会犯很多的错误,但是我们的系统不会。人要去做人该做的事情,人不该做的事情交给系统,交给电脑、计算机和服务器。

大数据培训,就上小牛学堂

我们之前帮一个家电类企业做的C2B的产品,这个产品是电磁炉,大家知道传统的电磁炉,现在大家认知不是那么深刻,传统电磁炉不是黑的就是白的。发现市场上电磁炉的同质化非常严重,我不知道这个电磁炉到底是哪个公司生产的,不知道是什么品牌,产品同质化导致了各种各样级别恶性的竞争。但是我们发现对一个品牌企业来讲,它应该回归到它的产品。当时我们帮它分析了整个市场产品情况,帮助它分析了所有在线上买过电磁炉的消费者他们的评论,帮助他们进行分析所有来买电磁炉的消费者,他还买了其他品类其他什么样的产品,然后把这样一些数据汇总过来支持它整个产品的改造和新产品的设计,这里面我们看到彩色,专门提到了很多的问题,原来讲到非黑即白的产品是非常单调的。超薄的机身,非常厚的产品,不方便我们去移动它,这个地方实际上我们结合了卡品类的购买。电源线的长度,这个是我们做完这个服务之后,企业打死都没有想到的事情,通过传统各种各样的方式或者是各种访谈的方式,永远不会说电源线有问题。

当通过我们的分析之后得到这样的结论,没错你说的对,因为我们企业老总要求我们降低成本,所以我们把电源线砍短了。但是在整个消费者分析之后,我们发现这个问题表现的尤为严重。所有的都在讲电源线不够长,我到哪儿都够不着,无形中企业通过降成本的方式出现了巨大的问题。所以我们通过这样的分析方式,可以帮助企业重新改造和设计它的产品。这个产品大概是2014年3月份上线的,大家看到这条线产品平均的销量情况,上面这条线是它的竞争对手产品销售情况,我们发现这个产品在整个销售过程当中虽然也经历了一些波峰波谷的周期变化。但是总体来讲是它的平均单品销售的十倍左右。在10月份和11月份两个波峰达到了480万左右的水平,这是打造互联网爆款或者是满足互联网消费者需求非常典型的案例。

大数据培训,就上小牛学堂

刚才我们讲到实际上对于传统的品牌制造企业来讲,它有它的生产工厂、营销公司、渠道和消费者,实际上它无非做这样几件事情,从产品的设计和制造开始做它的分销策略、市场推广策略,最终反哺给产品设计过程当中。不管你是什么样的企业,你无非都在干这样的事情,你无非用什么样的方式和手段做这样的事情而已。

在整个过程当中,星图能够帮助大家了解到你的目标客户群体到底是谁,它们到底喜欢什么样的产品和服务。这个品类,这个行业未来的趋势到底是什么样的。刚才我们讲到C2B的案例,实际上也是帮助我们的企业了解这些。在这个过程当中,我们对消费者进行画像,在分销环节里面,刚才我们讲到了不同的两个渠道之间,到底存在什么样的差异。当然我们相信每个渠道,实际上它的售卖能力的差异,很大程度上取决于他那个渠道覆盖的消费者。

大数据培训,就上小牛学堂

到底怎么样的分销策略才是最优的,怎么把合适的产品给合适的渠道,卖给合适的人。刚才我们讲了,这些零售商、店铺、经销商是不是遵守游戏规则,它有没有违反的表现,我实时能够了解,我能够取证进行相关的触发或者是协调的工作。

大数据培训,就上小牛学堂

市场营销方面也是三个问题,我的投放策略是不是有效的,对传统的精准营销或者是广告投放来讲,一直困扰大家的问题是,我的营销确实不错,吸引了很多人的眼球,吸引了很多人的关注。但是最终这个东西跟我的销售结果之间是什么样的关系。因为这个东西它也评估不了,星图帮助大家你的营销谈判跟实际销售之间到底产生了什么样的关联。我们怎么能够沟通到目标的消费者群体。

大数据培训,就上小牛学堂

再举一个例子,传统大家通过打标签的方法通达消费者。如果新出的电磁炉的产品,我进行面板的改造,我做的超薄,如果我把这些点反馈给原来过的人,我原来在京东上刚刚骂过买人电源线太短了,这实际上是我们解决和考虑的问题。

大数据培训,就上小牛学堂

在销售过程当中,这个其实是帮助大家实时了解市场的变化,你自己的市场份额,你竞品的市场份额到底是什么样此消彼涨的。此消彼涨的背后到底是什么样的原因导致的,你的竞品是上了新品,还是说做了价格的调整,做了什么样的促销活动,是什么赠品,积分积了多少,降价降了多少,这些都是我们帮助企业随时洞察的。我的竞争态势怎么样,现在市场上的空白点怎么样,包括我们刚才通过消费者的分析,通过产品线和整个布局的分析可以得到这样一些结论。

大数据培训,就上小牛学堂

我们到底怎么样获取消费者Feedback(爱的回应),他们怎么讲我的产品和品牌,他们到底喜欢还是不喜欢已经买到的产品,这些人到底是谁,我怎么能够认识它。实际上这五个环节是我们面向品牌制造型企业为例举出来的五个场景。

所以星图其实通过这样一些场景化的方式,当然我们自己打造了自己的数据供应链帮助企业解决这样的一些问题。前面也有朋友讲过工业4.0或者是传统企业的改造升级,我们相信通过这样一些方式能够帮助这些企业改变他们落后挨打的面貌,能够帮助这些企业遏制价格战,搞好产品,拥抱好消费者,至少现阶段来讲,星图希望能够通过大数据的方式重构未来商业社会的游戏规则,能够帮助他们切实有效的解决他们所遇到的问题,我想分享的大概就是这些内容,谢谢大家。

下载星图数据CEO谷熠先生本次活动中演讲的完整PPT>>>

End.