大數(shù)據(jù)管理與應(yīng)用概論 課件 7.2 基于商務(wù)大數(shù)據(jù)的管理決策分析

7.2商務(wù)大數(shù)據(jù)的管理決策分析商務(wù)大數(shù)據(jù)的收集商務(wù)大數(shù)據(jù)是由消費(fèi)者和企業(yè)商務(wù)行為產(chǎn)生的數(shù)據(jù)，分布在企業(yè)內(nèi)部系統(tǒng)、各電商平臺(tái)、第三方服務(wù)平臺(tái)、社交媒體等，商務(wù)大數(shù)據(jù)按收集來源可分為以下三種類型。包括企業(yè)的內(nèi)部信息和外部信息。企業(yè)通過在數(shù)據(jù)采集端上部署大量數(shù)據(jù)庫(kù)，并在這些數(shù)據(jù)庫(kù)之間進(jìn)行負(fù)載均衡和分片，完成數(shù)據(jù)的采集獲取工作。離線數(shù)據(jù)包括web服務(wù)器上的用戶訪問行為、web用戶的財(cái)產(chǎn)記錄、網(wǎng)絡(luò)監(jiān)控的流量管理等。這類日志一般為流式數(shù)據(jù)，企業(yè)通過日志采集工具來獲得實(shí)時(shí)數(shù)據(jù)。實(shí)時(shí)數(shù)據(jù)指在網(wǎng)絡(luò)空間交互過程中產(chǎn)生的大量數(shù)據(jù)，例如抖音、微博等社交媒體產(chǎn)生的數(shù)據(jù)。個(gè)體用戶大部分采用API的方法或者爬蟲來獲取互聯(lián)網(wǎng)數(shù)據(jù)?；ヂ?lián)網(wǎng)數(shù)據(jù)商務(wù)大數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)對(duì)于收集得到的商務(wù)大數(shù)據(jù)質(zhì)量，有對(duì)其進(jìn)行評(píng)估的標(biāo)準(zhǔn)，以下幾個(gè)維度分別從不同方面評(píng)估數(shù)據(jù)的質(zhì)量。評(píng)價(jià)指標(biāo)具體要求真實(shí)性數(shù)據(jù)必須真實(shí)反映客觀的實(shí)體存在或業(yè)務(wù)。真實(shí)的數(shù)據(jù)是經(jīng)營(yíng)者正確經(jīng)營(yíng)決策的第一手資料。

準(zhǔn)確性用于分析和識(shí)別不準(zhǔn)確或無效的數(shù)據(jù)。不可靠的數(shù)據(jù)可能會(huì)導(dǎo)致嚴(yán)重的問題，影響企業(yè)的決策。唯一性不能出現(xiàn)重復(fù)數(shù)據(jù)。冗余的數(shù)據(jù)可能導(dǎo)致業(yè)務(wù)無法協(xié)同，決策產(chǎn)生偏差等問題。完整性用來度量哪些數(shù)據(jù)是缺失的或哪些數(shù)據(jù)不可用。任何數(shù)據(jù)集都可能有缺口和數(shù)據(jù)缺失，但是有些缺失的數(shù)據(jù)可能包含重要的信息。一致性所有實(shí)例之間的數(shù)據(jù)必須保持一致。它用來描述同一信息主體在不同的數(shù)據(jù)集中信息屬性是否相同，各實(shí)體、屬性是否符合一致性約束關(guān)系。及時(shí)性能否在需要的時(shí)候獲取到數(shù)據(jù)。企業(yè)的數(shù)據(jù)處理速度越快，及時(shí)性就越好，企業(yè)的業(yè)務(wù)處理效率和管理效率就越高。關(guān)聯(lián)性指存在數(shù)據(jù)關(guān)聯(lián)的數(shù)據(jù)關(guān)系缺失或錯(cuò)誤，例如：函數(shù)關(guān)系、相關(guān)系數(shù)、主外鍵關(guān)系、索引關(guān)系等。存在數(shù)據(jù)關(guān)聯(lián)性問題，會(huì)直接影響數(shù)據(jù)分析的結(jié)果，進(jìn)而影響管理決策。商務(wù)大數(shù)據(jù)質(zhì)量提升方法為了提升數(shù)據(jù)質(zhì)量，去除“臟”數(shù)據(jù)，得到干凈一致的數(shù)據(jù)，常采用數(shù)據(jù)預(yù)處理的方法，數(shù)據(jù)預(yù)處理主要分為幾下幾個(gè)步驟。數(shù)據(jù)清洗重復(fù)數(shù)據(jù)清洗缺失數(shù)據(jù)清洗噪聲數(shù)據(jù)清洗數(shù)據(jù)集成模式集成實(shí)體識(shí)別問題數(shù)據(jù)冗余數(shù)據(jù)值沖突數(shù)據(jù)歸約數(shù)維消減數(shù)據(jù)壓縮離散化......數(shù)據(jù)變換函數(shù)變換數(shù)據(jù)規(guī)范化獲取初始數(shù)據(jù)數(shù)據(jù)分析商務(wù)大數(shù)據(jù)分析方法大數(shù)據(jù)分析指的是通過適當(dāng)?shù)募夹g(shù)從大量數(shù)據(jù)中獲取有用信息的過程。根據(jù)運(yùn)籌研究與管理科學(xué)研究所，商務(wù)大數(shù)據(jù)的分析被定義以下三個(gè)層次。描述性分析預(yù)測(cè)性分析規(guī)范性分析了解與數(shù)據(jù)相關(guān)的具體情況，分析其潛在趨勢(shì)和原因。采用統(tǒng)計(jì)技術(shù)和數(shù)據(jù)挖掘技術(shù)，確定未來可能發(fā)生什么。識(shí)別正在和將要發(fā)生的事情，做出決策以盡可能達(dá)到最佳績(jī)效。商務(wù)大數(shù)據(jù)的可視化分析商務(wù)大數(shù)據(jù)的可視化是大數(shù)據(jù)生命周期管理的最后一步，也是最重要的一步。為實(shí)現(xiàn)信息的有效傳達(dá)，挖掘數(shù)據(jù)背后隱藏的價(jià)值，數(shù)據(jù)可視化應(yīng)包含以下4個(gè)特征。直觀化關(guān)聯(lián)化交互性藝術(shù)性數(shù)據(jù)可視化商務(wù)大數(shù)據(jù)可視化示例-漏斗圖商務(wù)大數(shù)據(jù)的可視化分析商業(yè)大數(shù)據(jù)的可視化以其極高的研究?jī)r(jià)值在國(guó)內(nèi)外都備受重視，但也面臨著如下三點(diǎn)挑戰(zhàn)：數(shù)據(jù)快速動(dòng)態(tài)變化可感知的交互的擴(kuò)展性對(duì)復(fù)雜高維數(shù)據(jù)分析能力不足常以流式數(shù)據(jù)形式存在，缺乏流數(shù)據(jù)的實(shí)時(shí)分析與可視化方法。從大規(guī)模數(shù)據(jù)庫(kù)中查詢數(shù)據(jù)可能導(dǎo)致高延遲，使交互率降低。當(dāng)前的軟件系統(tǒng)以統(tǒng)計(jì)和基本分析為主，分析能力尚有欠缺。商務(wù)大數(shù)據(jù)對(duì)推薦系統(tǒng)的影響與傳統(tǒng)推薦系統(tǒng)不同，在商務(wù)大數(shù)據(jù)環(huán)境下，推薦系統(tǒng)數(shù)據(jù)的規(guī)模、類型、形式、價(jià)值以及推薦實(shí)時(shí)性都發(fā)生了顯著的變化，這給推薦系統(tǒng)帶來了一些挑戰(zhàn)。特點(diǎn)傳統(tǒng)推薦系統(tǒng)大數(shù)據(jù)環(huán)境下的推薦系統(tǒng)數(shù)據(jù)規(guī)模數(shù)據(jù)規(guī)模小數(shù)據(jù)規(guī)模大，從TB級(jí)別躍升到PB級(jí)別數(shù)據(jù)類型以顯式評(píng)分?jǐn)?shù)據(jù)為主以隱式反饋數(shù)據(jù)為主數(shù)據(jù)形式以動(dòng)態(tài)形式為主，更新頻繁以靜態(tài)形式存儲(chǔ)在硬盤中，更新少，存儲(chǔ)時(shí)間長(zhǎng)數(shù)據(jù)價(jià)值數(shù)據(jù)價(jià)值密度高數(shù)據(jù)價(jià)值密度低推薦實(shí)時(shí)性實(shí)時(shí)性要求低實(shí)時(shí)性要求高推薦系統(tǒng)面臨的挑戰(zhàn)計(jì)算復(fù)雜性的提升用戶隱式興趣的發(fā)現(xiàn)可擴(kuò)展性問題......商務(wù)大數(shù)據(jù)對(duì)推薦系統(tǒng)的影響根據(jù)功能的不同，商務(wù)大數(shù)據(jù)環(huán)境下的推薦系統(tǒng)可以分為以下四個(gè)層面。商務(wù)大數(shù)據(jù)對(duì)推薦系統(tǒng)的影響商務(wù)大數(shù)據(jù)環(huán)境下的推薦系統(tǒng)通常包括數(shù)據(jù)建模、用戶建模、推薦引擎和用戶接口四個(gè)部分。商務(wù)大數(shù)據(jù)對(duì)預(yù)測(cè)分析的影響商務(wù)大數(shù)據(jù)環(huán)境下的預(yù)測(cè)分析主要是利用對(duì)商業(yè)領(lǐng)域產(chǎn)生的多源數(shù)據(jù)的洞察來提供關(guān)于未來的商務(wù)智能。從數(shù)據(jù)源角度看，商務(wù)大數(shù)據(jù)環(huán)境下的預(yù)測(cè)分析需要拓展以下幾種關(guān)鍵技術(shù)領(lǐng)域的研究。文本分析，是指從非結(jié)構(gòu)化文本中提取有用的信息和知識(shí)的過程。常見的文本挖掘技術(shù)包括信息提取、主題建模、分類、聚類、觀點(diǎn)挖掘等。文本分析網(wǎng)站分析社交網(wǎng)絡(luò)分析移動(dòng)分析網(wǎng)站分析旨在從網(wǎng)絡(luò)文檔和服務(wù)中自動(dòng)檢索、提取和評(píng)估用于知識(shí)發(fā)現(xiàn)的信息。網(wǎng)站分析研究的一個(gè)主要新興組成部分是云計(jì)算平臺(tái)和服務(wù)的開發(fā)。社交網(wǎng)絡(luò)包含大量的鏈接和內(nèi)容數(shù)據(jù)，在社交網(wǎng)絡(luò)的背景下有兩個(gè)主要的研究方向：基于鏈接的結(jié)構(gòu)分析和基于內(nèi)容的分析。隨著移動(dòng)計(jì)算的快速發(fā)展，越來越多的移動(dòng)終端在全球范圍內(nèi)部署，網(wǎng)絡(luò)服務(wù)的輕量級(jí)編程模型為移動(dòng)web服務(wù)的快速發(fā)展做出了貢獻(xiàn)。商務(wù)大數(shù)據(jù)對(duì)精準(zhǔn)營(yíng)銷的影響商務(wù)大數(shù)據(jù)提供了消費(fèi)者行為、購(gòu)買歷史、購(gòu)買頻率和許多方面的信息，一些分析工具和軟件可以從數(shù)據(jù)中獲得相關(guān)的見解，從而創(chuàng)造精準(zhǔn)營(yíng)銷優(yōu)勢(shì)。消費(fèi)者、活動(dòng)和各項(xiàng)組織資源結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)采集與集成結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)商務(wù)大數(shù)據(jù)分析消費(fèi)者洞察分析動(dòng)態(tài)和適應(yīng)能力分析商務(wù)大數(shù)據(jù)對(duì)精準(zhǔn)營(yíng)銷的影響商務(wù)大數(shù)據(jù)的出現(xiàn)對(duì)于傳統(tǒng)營(yíng)銷組合中的4P產(chǎn)生了重要的影響。產(chǎn)品價(jià)格渠道協(xié)助新產(chǎn)品和新理念的設(shè)計(jì)分析顧客的價(jià)格敏感度確定銷售產(chǎn)品的正確渠道的信息促銷預(yù)測(cè)客戶的反應(yīng)并提出相關(guān)的營(yíng)銷策略商務(wù)大數(shù)據(jù)對(duì)精準(zhǔn)營(yíng)銷的影響商務(wù)大數(shù)據(jù)的出現(xiàn)對(duì)營(yíng)銷組合的4P進(jìn)行了擴(kuò)展，給予了營(yíng)銷人員更好的合作視角，新的4P包含了以下四個(gè)部分。4PProductPlacePromotionPriceNew4PPeopleProcessesProgramPerformance商務(wù)大數(shù)據(jù)對(duì)精準(zhǔn)營(yíng)銷的影響商務(wù)大數(shù)據(jù)分析有助于企業(yè)開展與消費(fèi)者相關(guān)的營(yíng)銷活動(dòng)，從而吸引顧客購(gòu)買產(chǎn)品和服務(wù)。麥當(dāng)勞根據(jù)時(shí)間、天氣和顧客行為數(shù)據(jù)進(jìn)行動(dòng)態(tài)化的營(yíng)銷活動(dòng)制定。商務(wù)大數(shù)據(jù)對(duì)精準(zhǔn)營(yíng)銷的影響商務(wù)大數(shù)據(jù)分析有助于企業(yè)確定產(chǎn)生創(chuàng)造力的最有效方式，促進(jìn)創(chuàng)造力的正確結(jié)構(gòu)，從而創(chuàng)造競(jìng)爭(zhēng)優(yōu)勢(shì)。Airbnb通過商務(wù)大數(shù)據(jù)分析不同國(guó)家旅客的出行需求，并對(duì)界面不斷調(diào)整，提高地區(qū)轉(zhuǎn)化率。商務(wù)大數(shù)據(jù)對(duì)精準(zhǔn)營(yíng)銷的影響商務(wù)大數(shù)據(jù)分析有助于企業(yè)持續(xù)監(jiān)控營(yíng)銷活動(dòng)，確定各種營(yíng)銷活動(dòng)、促銷活動(dòng)是否成功，以確?？蛻舻挠∠蠛蛥⑴c產(chǎn)生積極影響。美國(guó)零食制造公司Nabis