大數(shù)據(jù)挖掘與航運(yùn)企業(yè)營(yíng)銷創(chuàng)新

大數(shù)據(jù)挖掘與航運(yùn)企業(yè)營(yíng)銷創(chuàng)新在大數(shù)據(jù)的海洋中揚(yáng)帆遠(yuǎn)航目錄1.大數(shù)據(jù)有大智慧2.深入淺出打基礎(chǔ)3.動(dòng)手實(shí)戰(zhàn)大數(shù)據(jù)4.航運(yùn)未來(lái)新思路大數(shù)據(jù)有大智慧138414695193.141592653589793238462643383279502884197169399375105820974944592307816406286208998628034825342117067982148086513282306647093844609550582231725359408128481117450284102701938521105559644622948954930381964428810975665933446128475648233786783165271201909145648566923460348610454326648213393607260249141273724587006606315588174881520920962829254091715364367892590360011330530548820466521384146951941511609433057270365759591953092186117381932611793105118548074462379962749567351885752724891227938183011949129833673362440656643086021394946395224737190702179860943702770539217176293176752384674818467669405132

00056812714526356082778577134275778960917363717872146844090122495343014654958537105079227968925892354201995611212902196086403441815981362977477130996051870721134999999837297804995105973173281609631859

5024459455346908302642522308253344685035π2014102081081734791315112965用戶位置數(shù)據(jù)設(shè)備數(shù)據(jù)收藏推薦到社交網(wǎng)絡(luò)暫停回放快進(jìn)停止3000萬(wàn)行為400萬(wàn)評(píng)分300萬(wàn)次搜索請(qǐng)求BBC同名劇凱文·史派西大衛(wèi)·芬奇+=成功+06年世界杯上一場(chǎng)激烈的德國(guó)對(duì)壘阿根廷的點(diǎn)球大戰(zhàn)，最終以德國(guó)守門(mén)員萊曼神勇?lián)涑鰧?duì)方多個(gè)點(diǎn)球而取勝。通過(guò)衛(wèi)星上得到全球船舶分布數(shù)據(jù)；利用聚類分析算法，提取能確定最優(yōu)航線的數(shù)據(jù)；最終將所得數(shù)據(jù)所確定的航線?，F(xiàn)代營(yíng)銷Product產(chǎn)品Price價(jià)格Place渠道Promotion促銷以產(chǎn)品為中心以數(shù)據(jù)為中心Probability概率Cost成本Consumer消費(fèi)者Creative創(chuàng)造Channel渠道Communication溝通深入淺出打基礎(chǔ)大數(shù)據(jù)指超過(guò)了典型數(shù)據(jù)庫(kù)軟件工具搜集、存儲(chǔ)、管理和分析能力的數(shù)據(jù)集?！溈襄a公司超出了常用硬件環(huán)境和軟件工具在可接受的時(shí)間內(nèi)為其用戶搜集、管理和處理數(shù)據(jù)的能力?！狦artner大數(shù)據(jù)所涉及的數(shù)據(jù)量，規(guī)模巨大到無(wú)法通過(guò)人工，在合理時(shí)間內(nèi)，達(dá)到截取、管理、處理、并整理成為人類所能解讀的信息?！S基百科大數(shù)據(jù)指的是所涉及的資料量規(guī)模巨大到無(wú)法通過(guò)目前主流軟件工具，在合理時(shí)間內(nèi)達(dá)到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營(yíng)決策更積極目的的資訊?！俣劝倏拼髷?shù)據(jù)百家爭(zhēng)鳴只要合理利用數(shù)據(jù)并對(duì)其進(jìn)行正確、準(zhǔn)確的分析，將會(huì)帶來(lái)很高的價(jià)值回報(bào)Volume大量數(shù)據(jù)體量巨大，目前已經(jīng)從TB級(jí)別，躍升到PB級(jí)別Variety多樣數(shù)據(jù)類型繁多，包括網(wǎng)絡(luò)日志、視頻、圖片、地理位置信息等等Velocity高速處理速度快，可從各種類型的數(shù)據(jù)中快速獲得高價(jià)值的信息Value價(jià)值大數(shù)據(jù)的特點(diǎn)通過(guò)對(duì)所需數(shù)據(jù)的全面準(zhǔn)確采集，形成數(shù)據(jù)規(guī)模，然后再對(duì)數(shù)據(jù)流進(jìn)行分析，這樣分析出的數(shù)據(jù)結(jié)果對(duì)決策行為才有指導(dǎo)性作用。大數(shù)據(jù)的定義聚類模型數(shù)據(jù)模型神經(jīng)網(wǎng)絡(luò)決策樹(shù)模型描述一個(gè)因變量如何隨著一批自變量的變化而變化線性回歸模型關(guān)聯(lián)規(guī)則模型邏輯回歸模型描述“二選一”事件的可能性，預(yù)測(cè)因變量介于0和1之間的概率找出數(shù)據(jù)集中的頻發(fā)模式，即多次重復(fù)出現(xiàn)的模式和并發(fā)關(guān)系631245通過(guò)數(shù)學(xué)算法模擬人腦思維1針對(duì)業(yè)務(wù)需求，將觀察對(duì)象的群體按照相似性和相異性進(jìn)行組群劃分2將數(shù)據(jù)樣本層層分支，最終形成若干個(gè)結(jié)點(diǎn)，每個(gè)結(jié)點(diǎn)代表一個(gè)結(jié)論3456支持向量機(jī)7支撐向量機(jī)以風(fēng)險(xiǎn)最小為原則7大數(shù)據(jù)模型大數(shù)據(jù)為企業(yè)內(nèi)部?jī)?yōu)化運(yùn)營(yíng)提供依據(jù)提升企業(yè)經(jīng)營(yíng)效率降低企業(yè)運(yùn)行成本科學(xué)發(fā)展策略大數(shù)據(jù)的價(jià)值此前在發(fā)送打車(chē)需求時(shí)，是以打車(chē)人的地理位置為推送邏輯的。但是如果附近的出租車(chē)司機(jī)不想去該目的地，則接單成功率就會(huì)降低。大數(shù)據(jù)的價(jià)值優(yōu)化后把司機(jī)“優(yōu)先目的地”數(shù)據(jù)加入系統(tǒng)中，基于大數(shù)據(jù)，讓愿意接單的司機(jī)出現(xiàn)頻率更高了，也就提高了整體接單成功率。大數(shù)據(jù)為企業(yè)外部業(yè)務(wù)拓展提供支撐及時(shí)預(yù)警規(guī)避風(fēng)險(xiǎn)精準(zhǔn)定位個(gè)性營(yíng)銷大數(shù)據(jù)的價(jià)值工作加班or中國(guó)移動(dòng)最新優(yōu)惠活動(dòng)就這么決定了大數(shù)據(jù)的價(jià)值N=1價(jià)值的基礎(chǔ)是客戶獨(dú)特的個(gè)性化體驗(yàn)。即使面對(duì)的是1億客戶，企業(yè)也必須學(xué)會(huì)關(guān)注某一具體客戶及其在某一時(shí)刻的體驗(yàn)R=G沒(méi)有一家企業(yè)的經(jīng)營(yíng)范圍和規(guī)模大到足以滿足某一具體客戶在任一時(shí)刻的體驗(yàn)。所有企業(yè)都將從眾多大小企業(yè)那里獲取資源?！缬“萃印た死弈恰て绽聞?dòng)手實(shí)戰(zhàn)大數(shù)據(jù)挖掘價(jià)值應(yīng)用手段利用數(shù)據(jù)多渠道數(shù)據(jù)如何統(tǒng)一利用？如何利用數(shù)據(jù)解決問(wèn)題？如何找到最優(yōu)的應(yīng)用手段？

提升客戶價(jià)值個(gè)性化精準(zhǔn)營(yíng)銷

整合多渠道資源

大數(shù)據(jù)基礎(chǔ)基于大數(shù)據(jù)，整合多渠道資源，優(yōu)化企業(yè)運(yùn)行，實(shí)現(xiàn)個(gè)性化精準(zhǔn)營(yíng)銷，提升客戶價(jià)值，最終引導(dǎo)企業(yè)實(shí)現(xiàn)規(guī)模增長(zhǎng)。大數(shù)據(jù)應(yīng)用題商業(yè)理解數(shù)據(jù)理解數(shù)據(jù)準(zhǔn)備模型搭建模型評(píng)估模型部署跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程大數(shù)據(jù)的“六步法則”Who何人When何時(shí)Where何地What何種方式How如何實(shí)現(xiàn)商業(yè)理解Who=現(xiàn)有注冊(cè)會(huì)員When=未來(lái)一年時(shí)間內(nèi)Where=基于電商網(wǎng)站等What=傳遞信息，組織營(yíng)銷How=避免客戶流失；

=細(xì)分市場(chǎng)需求；

=實(shí)現(xiàn)個(gè)性化推薦基于大數(shù)據(jù)，整合多渠道資源，優(yōu)化企業(yè)運(yùn)行，實(shí)現(xiàn)個(gè)性化精準(zhǔn)營(yíng)銷，提升客戶價(jià)值，最終引導(dǎo)企業(yè)實(shí)現(xiàn)規(guī)模增長(zhǎng)。商業(yè)理解數(shù)據(jù)完整度數(shù)據(jù)規(guī)范度數(shù)據(jù)重復(fù)度數(shù)據(jù)準(zhǔn)確度完整度評(píng)估體系指數(shù)據(jù)中非空白的字段占全部數(shù)據(jù)量的比率評(píng)價(jià)級(jí)別標(biāo)準(zhǔn)好≥85一般50%~85%差≦50%規(guī)范度評(píng)估體系指數(shù)據(jù)字段中滿足數(shù)據(jù)檢驗(yàn)規(guī)則的數(shù)據(jù)量占全部數(shù)據(jù)量的比率重復(fù)度評(píng)估體系指對(duì)相同數(shù)據(jù)的重復(fù)數(shù)量占全部數(shù)據(jù)量的比率評(píng)價(jià)級(jí)別標(biāo)準(zhǔn)好≥90%一般55%~90%差≦55%準(zhǔn)確度評(píng)估體系正確數(shù)據(jù)占全部數(shù)據(jù)量的比率評(píng)價(jià)級(jí)別標(biāo)準(zhǔn)好≦5%一般5%~10%差≥10%評(píng)價(jià)級(jí)別標(biāo)準(zhǔn)好≥80%一般50%~80%差≦50%針對(duì)數(shù)據(jù)進(jìn)行全面系統(tǒng)的質(zhì)量評(píng)估數(shù)據(jù)理解數(shù)據(jù)抽取數(shù)據(jù)整合數(shù)據(jù)數(shù)據(jù)數(shù)據(jù)數(shù)據(jù)應(yīng)用層數(shù)據(jù)數(shù)據(jù)清洗、整合及轉(zhuǎn)換數(shù)據(jù)準(zhǔn)備1.數(shù)據(jù)抽樣2.缺失值處理3.異常值處理4.數(shù)據(jù)轉(zhuǎn)換數(shù)據(jù)基礎(chǔ)處理數(shù)據(jù)準(zhǔn)備人物畫(huà)像模型聚類分析Clustering關(guān)聯(lián)分析Association邏輯回歸LogisticRegression數(shù)據(jù)挖掘算法和對(duì)應(yīng)模型應(yīng)用個(gè)性化推薦模型流失預(yù)警模型數(shù)據(jù)建模會(huì)員生命周期流失預(yù)警模型新增期上升期成熟期下降期流失期會(huì)員挽回生命周期潛在會(huì)員獲取會(huì)員價(jià)值提升會(huì)員忠誠(chéng)度提升會(huì)員維系數(shù)據(jù)建模傳統(tǒng)會(huì)員每個(gè)組群內(nèi)部各對(duì)象間的高相似度；不同組群之間各對(duì)象的高相異度會(huì)員畫(huà)像數(shù)據(jù)建模訓(xùn)練數(shù)據(jù)集應(yīng)用數(shù)據(jù)集預(yù)測(cè)購(gòu)買(mǎi)情況關(guān)聯(lián)分析個(gè)性推薦數(shù)據(jù)建模算法優(yōu)化技術(shù)優(yōu)化業(yè)務(wù)優(yōu)化僅在變量層面調(diào)整模型結(jié)果從建模的技術(shù)思路上進(jìn)行調(diào)優(yōu)通過(guò)業(yè)務(wù)實(shí)現(xiàn)對(duì)模型給予優(yōu)化評(píng)估調(diào)優(yōu)營(yíng)銷第一波以大數(shù)據(jù)設(shè)定營(yíng)銷方案，少量實(shí)施，發(fā)現(xiàn)問(wèn)題為主。營(yíng)銷第二波根據(jù)效果反饋，優(yōu)化營(yíng)銷方案，調(diào)整模型和策略。營(yíng)銷第三波啟動(dòng)大規(guī)模營(yíng)銷活動(dòng)，獲取商業(yè)價(jià)值最大化。效果逐步提升部署應(yīng)用數(shù)據(jù)運(yùn)營(yíng)數(shù)據(jù)挖掘優(yōu)化管理挖掘建模數(shù)據(jù)基礎(chǔ)數(shù)據(jù)產(chǎn)品營(yíng)銷運(yùn)營(yíng)拓展新客活躍老客數(shù)據(jù)反饋數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)采集數(shù)據(jù)處理數(shù)據(jù)模型數(shù)據(jù)可視化部署應(yīng)用航運(yùn)未來(lái)新思路

國(guó)際金融危機(jī)后，世界經(jīng)濟(jì)經(jīng)過(guò)了長(zhǎng)達(dá)5年的低位調(diào)整，目前已經(jīng)逐步緩慢復(fù)蘇，預(yù)計(jì)2014年世界經(jīng)濟(jì)增速將較2013年小幅加快，全球貿(mào)易增速也將明顯加快。預(yù)計(jì)2014年全球海運(yùn)量增速將達(dá)到4%，海運(yùn)總量將突破100億噸。億噸世界經(jīng)濟(jì)緩慢復(fù)蘇由于目前全球航運(yùn)市場(chǎng)運(yùn)力過(guò)剩嚴(yán)重，船隊(duì)利用率較低，因此，即便貨運(yùn)量增速有所加快，航運(yùn)市場(chǎng)并不存在大幅反彈的基礎(chǔ)。意想不到的是原油價(jià)格下跌。隨著船用燃油成本下降，可以利用低成本環(huán)境優(yōu)勢(shì)增加盈利。航運(yùn)上行壓力仍大內(nèi)部?jī)?yōu)勢(shì)（S）內(nèi)部劣勢(shì)（W）資源供給充足，要素成本降低航運(yùn)企業(yè)開(kāi)展錯(cuò)位競(jìng)爭(zhēng)發(fā)展過(guò)快，結(jié)構(gòu)失衡傳統(tǒng)模式轉(zhuǎn)型較慢外部機(jī)遇（O）依靠?jī)?yōu)勢(shì)利用外部機(jī)會(huì)：大中航運(yùn)企業(yè)主要發(fā)展干線運(yùn)輸，中小企業(yè)開(kāi)展錯(cuò)位競(jìng)爭(zhēng)借機(jī)布局新興領(lǐng)域占領(lǐng)更多市場(chǎng)份額利用外部機(jī)會(huì)克服弱點(diǎn)：調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，增強(qiáng)競(jìng)爭(zhēng)力改革經(jīng)營(yíng)理念與機(jī)制航運(yùn)中心將向中國(guó)轉(zhuǎn)移新興領(lǐng)域帶來(lái)機(jī)會(huì)外部挑戰(zhàn)（T）依靠?jī)?yōu)勢(shì)回避外部風(fēng)險(xiǎn)：經(jīng)營(yíng)多元化，提供增值服務(wù)提高供應(yīng)鏈管理水平，加強(qiáng)成本管理減少內(nèi)部弱點(diǎn)來(lái)減少外部威脅：抓住機(jī)會(huì)開(kāi)拓附加價(jià)值合理回避經(jīng)營(yíng)風(fēng)險(xiǎn)運(yùn)力過(guò)剩，阻礙運(yùn)價(jià)提升各種規(guī)章制度導(dǎo)致經(jīng)營(yíng)壓力增加把握機(jī)會(huì)如田忌賽馬基于電子信息化的發(fā)展，打破“信息孤島：，構(gòu)建大數(shù)據(jù)模式，才能從中洞悉市場(chǎng)變幻。大數(shù)據(jù)為航運(yùn)帶來(lái)新思路借力互聯(lián)網(wǎng)電子商務(wù)，整合多元數(shù)據(jù)，提高航運(yùn)企業(yè)運(yùn)營(yíng)效率，迎來(lái)全新發(fā)展機(jī)遇。大數(shù)據(jù)為航運(yùn)帶來(lái)新思路在物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、工業(yè)以太網(wǎng)等技術(shù)的強(qiáng)力支持下實(shí)現(xiàn)工