大数据:它是什么以及为什么这对您的业务很重要

一个复古的计算机,被绘的橙色反对橙色背景为这个博客的企业大数据
一个复古的计算机,被绘的橙色反对橙色背景为这个博客的企业大数据

大数据,人工智能和机器学习正在各个行业转变企业,这就是为什么'令人惊讶的是 31%的公司表示他们是数据驱动的,尽管数据分析提供了明确的机会。

随着数字和消费者数据的数量持续扩散,Savvy营销团队正在利用大数据工具产生的见解,以建立与客户的更有意义的关系,完善的未来营销活动,并对他们的竞争风景感。

在亚马逊,谷歌,eBay,Facebook,优步和Airbnb等数字经济的最前沿拥有大量数据分析,并且由于他们强调数据而利用新的数据驱动的商业模式来扰乱行业的巨大成功基于决策。对于这些等创新公司,大数据分析带来了速度,敏捷,实验,迭代,以及快速失败的能力,从经验中学习,并执行更聪明 - 但对于别人而言,它只会带来焦虑。

我们得到它,行业如此之快地举动,以至于保持挑战。懂意 数据集 通过分析可能会令人困惑,但一旦营销人员知道如何吸引噪音的洞察力,我们都保证了你'll never look back! 

考虑到这篇文章,旨在将营销专业人员装备了他们需要在其策略中开始使用大数据分析的基本信息。为了我们的读者,我们'll保持简单,这意味着你不'必须是数据科学家或计算的Whiz,以了解以下内容!  

目录

大数据定义

在我们进入数据分析如何转换营销人员的角色之前,让'首先定义该球体内的关键术语。开始,我们'重新粉丝以下大数据定义 由Gartner.:

普遍共识是有特定属性定义大数据。上述定义涵盖其中一个除其中之一:真实性。

四个五's of Big Data

体积,品种,速度和准确性(这是一个更新的添加,这可能是其中的原因'从Gartner定义中缺少)。

  1. 体积: 生成的数据量
  2. 速度: 生成数据的速度
  3. 种类: 不同类型的数据
  4. 真实性:记录不一致的程度,需要额外验证

这使我们很好地达到下一个术语'常与本主题相关的数据科学。我们认为以下对数据科学的定义  数据机器人 很好地概括了这句话: 

"数据科学是一个主要的计算学科,更具体地,它'■结合了域专业知识,编程技能和数学和统计知识的研究领域,以提取有意义的见解。数据科学家将机器学习算法应用于数字,文本,图像,视频,音频等产品 人工智能 (AI)执行通常需要人类智能的任务的系统。然后,这些系统生成分析师和业务用户可以转化为有形业务价值的信息。" 

现在我们've清除了,让'S转到数据分析的大部分和数据处理中发现的信息是如何转换营销。 

大数据分析如何转化营销部门?

在大数据工具中有一点帮助,营销优势正在将数据驱动的营销策略放在一起,积极影响以下三个关键领域:

客户体验:

大数据分析允许营销人员在他们的消费者中获得内部知识:他们喜欢的是他们所喜欢的,他们使用的渠道会影响他们的决策过程,当他们希望与这些问题进行答案时,他们营销人员可以改善受众的目标,个性化和客户参与,这反过来对保留和忠诚度有积极影响。

坐在椅子的一个人拿着他的信用卡,微笑在膝上型计算机。

营销优化:

大数据检测,测量和分析也在营销优化方面发挥着关键作用。例如,营销人员可以在最佳度过预算和与他们的观众共振的内容和消息的类型揭示周围的信息。数据分析帮助营销人员更快地找到甜蜜的位置,因此您可以减少浪费时间浪费的时间,而是专注于推动最多数量的营销ROI的区域。 

驾驶敏捷性:

数据挖掘是使用数据分析找到大数据集中的异常,模式和相关性的过程,其具有预测结果的目标。通过他们在其空间前移动的能力,可以获得这种类型的信息,可以显着帮助营销团队变得更加敏捷和水泥。

PR和营销专业人士的重要数据来源是什么?

现在我们了解大数据分析是如何协助营销和公关部门的达到目标,让'S探索数据源(大量数据的储存库)营销专业人士需要分析实现这一目标。 

有各种来源产生数据,但在大数据营销的背景下,主要来源如下:

媒体数据:

在很大程度上被引入和增长促进了 社交媒体, 'media'包括数十亿音频,文本和基于视觉的内容。媒体是最受欢迎的大数据来源之一,因为它为客户偏好提供了宝贵的见解和 改变趋势 实时。由于这种类型的数据驻留在公司之外'防火墙,它往往是一个非结构化的。传统上,非结构化数据令人棘手的分析,但值得愉快的数据管理和数据分析在帮助高管与加工和理解的情况下有很长的路要走 外部信息.

媒体的例子包括:

  • 社交媒体(帖子,喜欢,评论,Reshares,照片和视频上传)
  • 编辑内容(社交股,关键份额,作者姓名和出版标题)
  • 播客(标题,图像,描述,类别和作者姓名)
  • 搜索引擎(搜索卷,趋势和流量)

客户见解

为了有效创建360度观众的观众,组织还必须分析客户数据。如前所述,这有许多好处,包括满足未满足或新的需求,以及个性化。

客户信息的示例包括: 

  • 人口统计数据(公司,位置,性别和年龄)
  • 事务数据's通常存储在CRM中(利益相关方联系信息,产品购买,续订日期和每位客户平均支出)
  • Web行为数据(页面访问,产品添加到篮子和地理位置)

业务流程

CMOS经常利用大数据分析来监测其团队的表现, 特别是如果他们're large enterprises 远程工作。这里的目标是't是一个令人讨厌的micromanager,但要衡量生产力,发展目标并提高流程的效率。

从营销角度来看,这可能包括以下信息:

  • 社交媒体投诉的数量回应了
  • 社会的media response time
  • 社会的media resolution time
  • PR Campaign Project投影了时间表和当前状态

数据库

自数据爆炸以来,公司已经在专业数据存储设施中投入大量,通常称为数据仓库。简单来说,数据仓库是公司希望在存档中维护的过去数据的集合。由于企业越来越多地走向存储平台,如 Hadoop.NoSQL., 我们'重新批准和替换预先存在的数据仓库,可能会看到此类技术。

可以存储在数据仓库中的数据库示例包括:

  • 公司电子邮件
  • 会计记录
  • 营销联系数据库
  • 销售联系数据库
展示数据类型如何连接的插图。信息的小矩形呈现在网格上。

大数据工具

在不支持大数据解决方案的情况下,无法支持上述数据类型的洞察力,特别是在人工智能和机器学习中构建的大数据分析工具是不可能的。值得庆幸的是,今天的技术允许我们以令人惊叹的速率收集数据,无论是体积和品种。

好消息是有大量的大数据工具,可以支持你,这是一个重要的是,决定最适合您的需求的解决方案会变得非常耗时。这样,它'LL非常长啰嗦,以覆盖每个大数据营销和PR工具,推荐在本文中为您的分析堆栈提供,所以相反,灵感来自 ChiefMartec'梦幻般的信息图表, we'突出了我们最喜欢的人。

一个信息图表展示了2020年的武术供应商的标志。该图谱是根据该工具用于的不同部分:广告和促销,内容和经验,社会和关系,商业和销售,数据,管理

广告&促销分析工具

  1. 谷歌广告关键词
  2. Facebook和LinkedIn.
  3. adroll.

内容& Experience Tools

  1. 睡觉
  2. Semrush.
  3. Ahrefs.

社会的&客户关系工具

  1. 熔融水
  2. 市场
  3. 对讲机

商业& Sales Tools

  1. HUBSPOT.
  2. 销售队伍
  3. 甲骨文

数据管理 Tools

  1. 熔融水显示器
  2. 画报
  3. 微软权力硕士

我们以为我们'D深入潜入"Data Management"考虑稳定趋势的部分'在增加营销分析的需求和数据可视化工具的使用情况下看到。

品牌命令中心是为任何人设计的主要商业智能(BI)工具'S从不同的解决方案处理大量数据集或有一个 数据可视化 需要。它们以一种凝聚力格式从数据集显示实时视觉仪表板和现有洞察力,使数据挖掘(发现趋势/异常)更容易。

当信息从各个角度进入时,数据管理和数据处理可能会变得凌乱,所以我们'd建议向您的营销技术堆栈添加数据可视化工具。 熔融水显示器 (Meltwater'S大数据可视化工具), 画报, 或者 微软权力硕士 是开始搜索的好地方。营销人员还可以进一步采取一步一步,并通过将数据可视化工具连接到像Apache Spark这样的分析引擎来丰富当前的BI报告和仪表板。你可以找到 关于Apache Spark的更多信息.

来自Meltwater显示器的仪表板的图像,Meltwater'S自己的命令中心解决方案

采用的大数据挑战

  1. 文化抵抗变革
  2. 遗留技术解决方案
  3. 执行领导/组织对齐
  4. 心态

没有人表示采用大数据分析将很容易,其实这是许多领导人所经历的挑战。所以,如果你目前正在努力,那么知道你并不孤单就是放心的。大数据分析可以实现其全部潜力之前,必须克服许多障碍。在Meltwater,我们经常与高管试图围绕大数据分析的头部进行对话,而且往往不是,这是相同的障碍,阻止了他们的成功。

为了完全透明,我们'在下面的采用中列出了关键挑战,因此您可以在他们击中之前将计划放在适当位置。

文化抵抗变革

大多数主流公司最大的商业挑战不是本身的大数据工具;它'是组织文化变革的过程。实际上, 22%的公司陈述这是他们收养的最大障碍

公司往往面临耐雇员的变化,因为,让'S脸上,我们是习惯的生物,我们许多人在咒语中生活在咒语“如果没有破坏,不要修理它”。但这种信念对数字化和大数据分析采用的严重后果,事实上,Gartner相信抵抗变化是大多数数字项目失败的最大原因之一。

文化变革代表了一个业务问题,因此需要业务解决方案和商业方法。 

通过了解内部利益相关者痛点并探索阻止它们在日常角色中使用大数据工具的障碍来开始成功的数据收养。抗分析源于各种根源,原因是跨越的原因;

  • 难以证明需要的困难
  • 竞争收入来源
  • 害怕工作角色失业/改变
  • 慢速客户采用导致员工问自己,"Is it worth it?"

从为什么有对分析的抵抗力很重要,因为只有这样,你可以真正解决它。请记住,每个利益攸关方都有自己的优先事项,因此阻力推理可能因您与谁交谈而有所不同。

如果你面对逆境,诀窍是尽量减少搬到一种新的做事方式所需的努力。从跨部门的角度来看,看这些挑战并记下采用大数据工具和分析的方式将有助于他们克服这一挑战,而不是促进它们。

遗留技术解决方案

每天的传统计算系统都是通过技术进步而冗余的。未能跟上这种发展可能会产生严重影响。有趣的是,遗留技术归咎于大量数据分析采用的大量失败,其余约50%,据此如此 尼姆斯九十.

特别是传统企业由遗留系统和数十年的数据仓库是哈姆斯特隆。这些公司代表了狮子率在数据解决方案和服务方面的投资。对于大多数这些公司来说,大数据分析仍然是在很大程度上没有收件的水域,并且有机会尚未资本化。尽管 大多数主流公司都投资了数据 项目,这些公司在努力落后于努力将大数据驱动的倡议集成到他们的核心流程和运营中,因为遗产系统阻碍了它们。问题是替换这些系统是复杂的,还要更频繁地,新的实现未能匹配以前的性能或功能,而且公司在遗留系统暂停时,公司也不能承担停电时期。

通过花时间分析当前工作流程和影响技术对它们进行了影响,您可以在移动特定拼图时发生的攻击性洞察。我们建议使用您的技术合作伙伴并在替换遗留系统之前审查操作差异,这将有助于您将隐藏在遗留技术中隐藏的业务逻辑。不要制作膝盖反应并将插头拉上你的遗留技术。相反,并行构建新的大数据分析和解决方案,因此您可以慢慢切换业务运营。强大的实施阶段是成功的关键。

执行领导和组织对齐

分析项目由于沟通不良,缺乏视野和模糊组织目标而失败并不罕见。保持沟通线路打开至关重要。研究 麦肯锡 当良好的沟通很明显时,展示公司在成功的情况下,在数字转型的可能性介于8到12倍之间。

如果你对你的战略进步,结果和影响不诚实,以便利益相关者知道他们的立场,员工可能会因对抗你而不是与你同在。对于所涉及的每个人来说,这对他们来说也很重要,这也很重要。

管理层需要明确方向。解释较小的图片(分析如何影响您的员工或客户'日常生活)和更大的图片(如何帮助公司与竞争对手有所帮助)。在传达您的愿景时,从商业模式或客户体验开始,而不是从向内的目标中开始,如数字化传统操作流程。

确保您的人们了解您的所作所为,为什么以及您目前在进展方面的所在。毕竟,不要害怕给员工一个声音,他们是地上的靴子。他们是最有可能与您想要改变的流程一起工作的人。给他们一个声音可以帮助打破刚性公司的结构层次结构,开拓创新思维。

一群人在一名工作桌上笑,当一个人站立白板的infront。

心态

大数据心态由数据挖掘实验,发现,敏捷性和“数据首先”方法驱动'S以分析沙盒,卓越中心和数据实验室为特点。这种心态通常运行或可以补充或可以补充,传统的假设驱动的数据管理方法。虽然这个心态在一些企业中'DNA,其他人必须努力改变他们的旧学校的思维方式。

克服这一挑战,我们'D推荐高管通过识别和询问将推动业务价值的关键业务问题,包括:

  • 我们如何将“货币化”计算,数据挖掘和新的数据来源到新的创建新产品和服务?
  • 我们可以利用数字技术 - 移动,社交媒体,机器学习和物联网(物联网) - 更好地与消费者联系吗?
  • 我们可以使用数据来改变我们的内部和外部业务战略和流程吗?
  • 我们可以找到我们拥有的数据的创意新用途 - 洞察力,新市场的新机会,或提供服务的方式?
  • 我们可以使用我们必须成为我们社区的更好成员的数据,并利用社会责任的数据吗? 

大数据的阿基尔脚跟

虽然很多好的可以来自大数据,但管理所有这些信息都有自己的一系列挑战。更多数据意味着越来越多地讨论伦理和透明度问题的更多隐私和安全影响。

并非所有数据都是平等的。根据 IBM WATSON.'S CTO,Rob High,重要的是,个人和企业了解他们正在分析哪些数据以及谁。或者,对于信任的企业 人工智能 对于决策,他们了解潜在的数据和假设来推动AI输出,因此他们可以判断判断算法告诉它们的判断,而不是在面值处取得AI。

“我们要实现AI的一件事 - 对我们所有人来说都是相对较新的。我们并不完全明白这一点。与任何新技术一样,我们现在正在考虑我们如何在道德和负责任地思考。对我们来说,这是三个基本原则。信任,尊重和隐私,“ 高位在2018年移动世界大会上说。

对于高,这意味着质疑假设并在核心的透明度和隐私权实现AI实施。

“透明度归结为:我们可以识别使用哪些信息来源?我们是否在培训这些系统使用代表我们是谁的数据的数据以及我们使用的信息时建立了正确的原则,以及我们使用的信息?“

熔融水,Jorn Lyseggen的创始人和执行主席,还讨论了在他的推出期间与全球行业专家的AI伦理,透明度和监管 外面的洞察书。 “AI是如此神秘,”Lyseggen说。 “只有与AI一起工作的人只知道它的意思。我的惊喜是人工智能有零智力。我最关心的是,人们对此相信太多。完全删除偏差很难。 ai从根本上偏见它是如何创建,培训,编程的。“

因此,他认为,当涉及到AI和大数据方面,会有一些意外的后果,从而产生对政策和监管的需求。 “我确实认为有一个职责进来,因为我不认为公司可以预期调节自己。”

Lyseggen还强调了人类元素在评估AI输出时的重要性,以及需要深入了解通知算法的假设,以建立信任。

你不能盲目地跟随你的ai;你必须挑战它。您可以将其视为GPS - 它可以帮助您了解您的位置以及您想去的地方。但是,决定“我想爬上那山或者我想走在它的情况下,这将是判断力的判断?”这是人类在决策和高管的未来作用的作用。

他争辩说,AI和大数据采用的最重要的事情之一是使用这项技术的高管和决策者都有数据科学识字或复杂,以挑战模型,并充分了解潜在的假设是什么。

熔融水的大数据管理

所以你有它,快速潜入我们最喜欢的计算领域的子学科之一:数据科学!我们对大数据管理的最高提示以及如何使用数据挖掘收集的信息将有望帮助您的内部流程更高效,允许您与客户联系更有意义的水平并建立竞争优势。

想讨论将大数据分析集成到自己的营销策略中吗?填写下面的表格和我们'll be in touch!

loading ...