大数据营销的特征
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇大数据营销的特征范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
大数据营销的特征范文第1篇
随着现代信息技术日渐融入人们的日常生活，人们每时每刻的行为都被数据记录和保存下来，人类产生的数据正在以指数级成倍增长。谷歌、百度、腾讯、阿里巴巴等电商企业在大数据资源的占有方面拥有天然的优势，其不仅在公司内部拥有大量累积的数据量，还能通过股权购买等形式获取企业外部的大数据。大数据被普遍视为未来经济发展的“石油”，电商企业作为新时期经济发展的新型驱动力，理应重视大数据的挖掘和盈利问题。借助大数据的挖掘和利用，电商企业的营销方式和盈利模式能够获得转型升级。因此，在大数据时代，研究电商企业的大数据营销困境及其优化策略具有重要的意义。
1 大数据营销的基本特征
大数据能够解决企业发展的趋势和方向问题，运用大数据思维看待企业的发展，能够为企业经营决策提供参考和辅助。大数据营销是企业决策的重要组成部分，通过对大数据的采集和分析，针对性识别客户，根据客户特点作出企业营销决策，从而帮助企业实现利润最大化增长。因此，大数据营销具备颠覆传统营销模式的潜质，与传统营销模式截然不同，大数据营销具备以下三点基本特征。
1.1 重视从海量数据中挖掘相关性
从字面上理解，大数据与普通数据不同，有量上的规模限制，达到一定量级的数据才会凸显其商业价值。传统营销模式只注重局部样本的抽样调查，抽样调查的误差、滞后性等缺陷和不足需要依靠后期的加权等方式予以弥补，传统营销调查的主观性色彩浓厚，精准性程度不够。
此外，传统营销模式只看到“为什么”，注重分析事物之间的因果关系，事实上，因果关系的确定非常难，调查者会根据主观经验进行推断和认定原因，导致调查的客观性不足。与之相比，大数据营销则注重调查样本的无限扩大化，试图通过用户在网站点击、消费记录、售后评价等形式和途径尽可能采集全样本数据，并通过大数据挖掘和分析工具，对全样本数据进行深度加工和处理，试图通过大数据的关联分析发现海量数据之间的相关性，进而找到企业营销的突破口和针对性。
1.2 重视营销对象的行为属性
传统营销注重营销对象的年龄、性别、职业等基本个人人口学属性，营销调查分析识别出来的营销对象群体比较模式，潜在的消费群体购买商品的可能性预测效果不强，这种基于个人基本熟悉的数据调查带来的营销效果不明显。大数据营销则注重营销对象的行为属性，在关注个人基本属性的同时，尤其注重营销对象的消费行为和消费行动，试图通过了解消费者的行动轨迹，预测其消费需求，进而调整营销策略。消费者通过电脑、手机客户端等工具购物、刷微信、刷微博、看新闻等，每天都会留下海量的行为数据，这些行为数据记录了消费者对公司产品的购买意愿、购买态度、购买周期、品牌评价等，能够清晰识别忠实消费者和潜在消费者。
1.3 重视营销效果的精准性
传统营销具有较强的模糊性，既不能精准识别潜在的消费群体，也不恩那个对既有消费者的行为数据进行分析，更不能够对消费者在线行为的变化作出研判。建立在全样本行为火速据基础上的大数据营销，能够根据用户的网络浏览记录和网友之间的互动评价来识别潜在的消费者群体，经过这些数据的分析预测潜在消费者购买产品的概率，进而针对性推送购买信息和链接广告，以达到说服购买的目的。
大数据营销对既有消费者，能够通过其评价和反馈，了解其对使用过产品的基本评价和再次购买意愿，进而改进产品，进行一对一的定制化商品推送，亚马逊即是这方面的成功典范。大数据营销能够识别不同人群的消费行为，进而将群体细分和贴标签，商家可以根据群体标签定制化推送商品。经过大数据挖掘和分析所得出的营销决策应通过微信、微博、电子邮件、私信等方式提醒消费者，以期让消费者及时了解产品变动情况。
2 电商企业大数据营销应用面临的现实困境
从大数据营销的三点基本特征可以看出，大数据营销为电商企业营销提供了前所未有的机遇。但大数据营销目前尚处于起步和探索阶段，任何一个新生事物都不可能尽善尽美、一帆风顺，电商企业的大数据营销同样面临着困境。实际上，数据并非越大越好，数据质量才是关键，精准营销预期效果很好，但是也很难做到，大数据采集容易，但数据的泄漏会对消费者的隐私造成侵害。
2.1 大数据存在虚假可能
由于大数据但是全样本的数据采集，导致数据中参杂很多不利于企业营销的干扰信息和负面信息。例如，电商平台的用户ID并不唯一，一个人可能开通了几个微博、有几个微信号和QQ号，也可能有好几个商家注册ID，这可能导致数据的重复收集；再如，部分商家强制要求购买者好评，部分网站的跟帖和评论注了水，是有意而为之，要么经过严格的后台审核方能，要么经过后台选择性删除的结果，这些人为干预都会影响大数据的真实性和客观性。外加上大数据对干扰信息的识别技术还不先进，人工识别的工作量又太大，导致大数据存在虚假的可能。因此，大数据营销需要剔除这些虚假数据，提升收集到的大数据质量。
2.2 大数据精准营销效果难达预期
精准性是大数据营销的根本特征，所有企业的营销都针对精准性做着不懈的努力。对商家而言，精准性意味着对用户的商品推介能够迅速转化成为购买率，至少能够大大提高购买的可能性。但实际上，很多消费者不习惯商家的定制化推送，甚至将商家的电子邮件和社交网络推送行为视为骚扰行为，进而产生厌烦情绪，大大影响了商家的形象。因此，大数据营销分析之后，如何柔性推送大数据营销的应用结果，是商家应该重点考虑的问题。
2.3 数据泄露威胁用户隐私
当消费者的个人特征数据和行为数据被采集起来后，数据泄露的风险也骤然增加，一旦集成的大数据遭到泄露，不仅会对商家造成经济损失，更会大量泄露公民个人隐私，严重威胁消费者的人生和财产安全。现代化过程中不断滋生着现代性风险，大数据营销为企业带来便利的同时，也给用户带来了困然。很多电商企业在未获得用户同意的基础上，私自采集和购买用户数据，用户数据被私自交易，由于很多电商企业的技术防卫措施不到位，数据很容易泄露，导致用户的生活受到干扰，财产安全受到威胁，因此，大数据营销应用中存在的个人隐私及安全也是目前关注的重点。
3 促进电商企业大数据营销的优化策略
3.1 提升大数据处理技术
数据之所存在虚假的可能，主要因为数据处理技术跟不上。针对海量的数据，电商企业应该抓紧研制大数据处理技术，尤其是数据加工处理技术。数据的加工处理是大数据营销的首要步骤，如果数据的处理技术强烈依赖于其他公司，营销的自主性就无法保证。因此，电商企业应借助自身力量加工和处理数据。例如，阿里巴巴之所以能够在大数据营销方面起带头作用，关键是其自主研发的海量数据离线处理服务ODPS能够随需扩展、处理海量数据，主要应用于数据分析、海量数据统计、数据挖掘以及商业智能等领域。因此，中小企业应借鉴阿里巴巴的成功经验，自主研发大数据分析工具，提高数据质量。
3.2 培养大数据分析师
数据本身是死的，需要人去识别和分析。大数据营销还需要有能够敏锐洞察市场需求的大数据分析师。然后，大数据分析师并不是一蹴而就，这就导致我国目前的电商行业大数据分析师极度匮乏，大数据分析师基本处于缺口状态。数据专家毕竟只是少数，聘请成本高，竞争激烈。因此，各电商企业一方面应立足自身实际，从内部挖掘具有专业背景和数据处理能力的员工进行大数据分析培训。另一方面，电商企业可以聘请外部的大数据分析师，有条件的甚至可以聘请国外的大数据分析师。当然，更为重要的是，各企业应建立常态化的大数据人才培养机制，从核心数据的分析，到数据分析的可视化，再到数据分析报告的润色，再到数据分析报告的讲解，最后到大数据分析与商业的融合等环节，都需要一支能力强、有梯队的大数据分析师队伍作为支撑。
3.3 提高精准营销的效果
电商企业的大数据营销遇到了阻力，迫切需要改变现有的商品推介模式，改善用户的厌恶情绪。具体而言，电商企业首先应注重营销的及时性，经过对消费者行为的分析后，能够在第一时间作出恰到好处的信息推送和购买方案的制定，便能迅速抢占先机，不但不会引起用户反感，还会起到立竿见影的效果。
其次，要改变反复向购买者推销其曾经购买过产品的习惯，这种推销只会让人更讨厌，电商企业可以转变推销思维，将同质推销转变为互补产品推销，从而勾起消费者的注意，创造潜在的购买需求。
最后，精准营销不能影响用户生活和工作，因此，要善于利用用户的上下班休闲时间对用户进行商品推介，提高精准营销的效果。
3.4 增强数据隐私防卫
大数据营销的特征范文第2篇
关键词：大数据市场营销机遇与挑战
1大数据的概念及其特征
大数据是互联网发展到现今阶段的一种产物，但是到目前为止，都没有人或机构对其做出一个权威的定义。根据研究机构Gartner对大数据的定义，大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。还有这样的定义，大数据，又称巨量资料，指的是所涉及的数据资料量规模巨大到无法通过人脑甚至主流软件工具，在一定的时间内达到撷取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯。2011年，麦肯锡在研究报告《海量数据：创新、竞争和提高生成率的下一个新领域》中指出，数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素；而人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来[1]。国际数据咨询公司IDC指出大数据有4个特征，并将其总结为4V，即Variety(种量多)、Velocity(流量大)、Volume(容量大)、Value(价值高)[2]。想要大数据更好地为人类服务，就必须找出其内在规律，从而更好地将其应用到市场营销及各行各业中去。
2大数据时代下市场营销的机遇与挑战
2.1大数据时代下市场营销的机遇
利用大数据，结合网络营销(目前主要的网络营销理论有整合营销、直复营销、软营销和关系营销)，依托数据库及数据挖掘(指从大量的数据库中抽取出此前还没有发现的有效、实用的信息，并且此后使用此信息来帮助制订关键的商业决策的过程)，企业可以获取消费者对产品的喜爱程度、分布区域、基本特征等数据信息，从而更有针对性地改善产品及制订出相应的市场营销策略。
2.1.1大数据背景下的精准营销，为客户提供个性化服务
所谓精准营销，是指在精准定位的基础上，依托现代信息技术手段建立个性化的顾客沟通服务体系，实现企业可度量的低成本扩张之路。精准营销的核心理论为4C理论，即顾客(customer)、成本(cost)、方便(convenient)、沟通(communicacation)。它贯彻了消费者导向的基本原则，倡导企业的全部行为都要以消费者需求和欲望为基本导向；它由于销售渠道短，可减少流转环节，降低营销成本，从而降低顾客的满足成本；它可向顾客提供大量的商品和服务信息，使顾客足不出户就可以购买到自己想要的产品，提高了顾客购物的便利性；最重要的是，它可以实现与顾客的双向沟通。大数据已经为精准营销提供了必要的基础条件，基于归纳整理后的可流转数据以及透明可见的客户个体行为和偏好数据，使得企业可以实现“一对一”的营销，在大数据背景下，企业的产品设计充分考虑了消费者需求的个性特征，增强了产品价值的适应性，从而为顾客创造了更大的产品价值。
2.1.2通过对销售数据的分析，实现产品的交叉销售
交叉销售是指在同一个客户身上挖掘、开拓更多的顾客需求，而不是只满足于客户某次的购买需求，横向开拓市场。以大型超市为例，不可否认，超市每天都会有大量的销售数据，如果能够应用数据挖掘技术对这些销售数据进行深层次地挖掘分析，从而了解消费者的购买特点及习惯，再针对这些特点及习惯对产品进行优化组合，可以达到提高销售额的目的，美国沃尔玛超市就是一个成功的案例。在美国，照顾婴孩的母亲一般会让下班的父亲顺便去超市购买小孩用的纸尿裤，商家通过对一年多的原始交易数据进行挖掘分析，在沃尔玛超市推出了纸尿裤和啤酒摆放在一起的新组合，果然，爸爸们在买完纸尿裤后会顺手为自己买爱喝的啤酒，这样，产品的销售额大大提高。网上商店也是通过储存消费者在一定时期内的消费交易数据，然后对这些数据进行分析处理，从而得出消费者的消费行为模式。以笔者自己为例，笔者曾经在天猫上的罗曼风情旗舰店购买了两双价位相差不大的新款靴子，拿到后感觉很满意，并且给了商家好评。今年刚一入冬，罗曼风情旗舰店就给我发来短信说有新款女靴上市，还发链接给我，我当时就随便点进去看了一下，发现还蛮漂亮的，而且价位也跟我去年买的两双差不多，那时真心感觉到大数据时代的方便，都不用自己找商品，商品自己就找上门。
2.1.3基于客户关系管理，与客户建立长期友好的关系
客户关系管理是指企业为提高核心竞争力，利用相应的信息技术以及互联网技术来协调企业与顾客间在销售、营销和服务上的交互，从而提升其管理方式，向客户提供创新式的个性化的客户交互和服务的过程，其最终目标是吸引新客户、留住老客户以及将已有客户转为忠实客户，增加市场份额。随着经济全球化和大数据时代的到来，产品同质化已经演变为市场营销中的一个难题。企业要想销售更多的产品，必须提高顾客满意度，与客户建立长期友好的关系。客户关系管理坚持以客户为中心、为客户创造价值，它可以帮助企业甄别不同价值的客户，实现企业与客户之间的“双赢”，并且可以提高顾客的满意度，增强客户的忠诚度。客户关系管理的核心是客户价值管理，它通过对客户的信息进行归类分析与收集，进而对客户进行“一对一”营销，为客户提供个性化需求，从而提高客户的满意度与忠诚度，与客户建立长期友好的关系。客户关系管理系统在市场营销过程中，能够帮助市场人员分析目标客户群体，从而获知目标客户的相关信息，进而对这些客户进行分类处理，以此来增加销售额并降低销售成本。
2.2大数据时代下市场营销的挑战
随着大数据时代的到来，信息的传递越来越便捷，与此同时，企业除了要加强信息处理的技术，更要加强信息甄别的能力。大数据带来了大量数据，也加大了数据的混乱程度，数据中包含了很多的实用信息，同时也掺杂了虚假信息，如何选择并保证数据的完整性与客观性、保证基于数据预测的正确性，是大数据时代急需解决的问题。
2.2.1垃圾信息泛滥，消费者产生疲劳与抵抗
在大数据背景下，商业环境越来越复杂，由于缺少用户特征数据支撑及详细准确的分析，过去名义上的精准营销并不怎么精准，这导致了信息爆炸的同时也带来了垃圾信息的泛滥。这样一来，消费者对这些铺天盖地的不可靠信息产生疲劳与抵抗，最终将不利于市场营销的进行。
2.2.2市场人员需要投入大量成本重新去适应与学习新技术
在大数据时代，传统的出门拜访客户、电话沟通等方式越来越不受重视，市场人员需要利用数据挖掘分析出消费者的购买特点以及消费行为模式，从而展开“一对一”营销。当然，前提是市场人员必须要掌握处理数据及分析数据的能力，这就要求他们为适应市场的变化需花费大量的时间、精力、金钱成本重新去学习一门新的技能。与此同时，企业也将花费更大的成本去跟进相关硬件设施及培养相关人才。
2.2.3信息传输过程中的安全问题
随着计算机技术、网络技术以及其他高科技的发展，使得社会中传统的犯罪及不道德行为更加隐秘和难以控制。一些不法分子很可能截获网络传输过程中的信息，或通过对信息流量和流向、通信频度和长度等参数的分析，推断出有用信息，并对这些信息加以利用。有了这样的前例，消费者可能会拒绝透露自己的相关信息，这样使得营销人员很难获取消费者的真实信息，无法分析出消费者的特征及行为模式，将不利于正常营销活动的开展。
3结语
大数据时代已经到来，它实现了市场营销过程中对客户的数据进行分析与处理，使市场营销人员更了解他们的客户，从而为其提供个性化的需求服务，加大客户的满意度与忠诚度。同时，消费者获得信息的渠道和方式也大大增加了，并且信息爆炸式的传播速度也让消费者迷失其中，这就在一定程度上加大了营销的难度。总之，在大数据时代，市场营销既迎来了新的机遇，也无法避免新的挑战。企业必须合理利用大数据，进行正确的数据挖掘及分析，使得精准营销成为可能、客户关系管理更有针对性，并实现交叉销售、降低渠道成本，这样才能完胜前端的市场营销工作。
作者:陈香莲 赵婧 刘永忠 单位:江西中医药大学 江西中医药大学经济与管理学院 江西中医药大学经济与管理学院
参考文献:
大数据营销的特征范文第3篇
关键词：大数据技术；对公业务营销
中图分类号：F274 文献标识码：A 文章编号：1003-9031（2016）03-0070-04 DOI：10.3969/j.issn.1003-9031.2016.03.15
当今时代，以移动互联网、云计算技术、搜索引擎为代表的新一代信息技术全面渗入金融行业，对金融业态产生重要影响。同时，伴随网络技术的发展，数据渗透到了每一个行业，“大数据”应运而生，已成为重要的生产要素。对最早实现数字化交易的银行业来说，大数据能反映银行产品管理的综合信息，也隐藏着产品相关的客户行为模式，有助于实现基于客户行为的产品营销管理。
一、大数据技术概况
大数据尚未有统一的概念，目前采用较多的是麦肯锡咨询公司的定义，大数据是“规模大到传统的数据库软件工具已经无法采集、存储、管理和分析的数据集”，且大数据具有“4V”的特点，即数据量大（Volume）、数据种类繁多（Variety）、数据更新快（Velocity）、数据具有极大的价值（Value）[1]。IDC的报告预测未来5年中国的数据量将以51.4%的速度增长[2]。数据作为一种信息，记录了企业所有的产品信息，并能更精确、更客观地展现客户需求，具有重大的商业价值[3]。基于大数据技术的各种商业创新，会使得未来的营销活动以更贴近消费者需求方式以及在更为合理的时间实施，取得更好的效果[4]。
现有的大数据分析挖掘的方法有很多，常用的有如下几种。
1.关联分析法。这是最常见的大数据分析方法之一，指的是从现有的数据库中找出特定序列的数据在特定事件中存在的数据关联性。确定关联规则是关联分析法的重要基础，不同关联规则的设定会产生不同的关联结果。该方法主要用于发现某一事件中不同数据是否存在关联性，如产品间的内在关联性。
2.序列分析法。序列分析法与关联分析法规则类似，但寻找的是某一事件中数据之间在时间上的关联性。加入了时间序列，使得分析结果更具动态性和延续性。这种分析法对于发现潜在用户具有明显作用，能够广泛应用到金融、医疗、工程等领域的企业中。
3.分类和预测分析法。实际上是两个过程，第一步是确定模型描述，针对指定的数据类型和概念集进行分类划分，第二步是使用这种分类基于模型进行预测分析。这一类分析方法主要用于挖掘隐藏在数据背后的消费者特定的消费习惯，并预测其后续的可能行为。
4.聚类分析法。聚类分析法能够将数据库内数据特征未知的信息进行相似性最大化处理，帮助企业了解哪些是较为典型性的用户，哪些是忠实用户，哪些是流失用户等，从而有助于企业根据不同用户的消费特征制定不同的营销策略。
二、大数据技术在商业银行的应用现状
国内的金融行业，尤其是银行业，大数据的应用尚处于起步阶段，远远落后于互联网行业。但金融行业实现数字化交易以来，沉淀了大量的用户数据，是较为适合大数据分析的行业。银行业的数据分析尚处于从数据碎片化到数据整合时代的过渡阶段。现阶段，大数据技术在商业银行的应用主要集中在风险控制和零售业务，主要有三种模式。
首先，基于网上交易流水的数据挖掘。银行与电商合作，直接接触电商平台、支付平台上的大量卖家和买家，并通过交易流、信息流、资金流覆盖其产业链上的生产、物流、消费等多个环节。基于此，银行借助成熟的数据分析技术，实施风险控制和拓展营销。如工商银行“易融通”会自动处理客户信息，选取客户融资需求量、还款资金来源及其可靠性等因素作为贷款额度指标，在线批量审批与发放贷款。招商银行与敦煌网共同推出的“敦煌网生意一卡通”客户信息共享，为小微企业提供融资、结算、理财一体化的金融服务。
其次，基于第三方系统的征信数据挖掘。这一类数据主要包括人行征信、工商、税务、电力、房管局、车管所、社保、海关等政府数据，学历、购物、支付、物流等社会征信数据以及各大金融机构的金融数据等。这些数据使得银行能更加全面判断企业客户的属性和资质，更有针对性地根据其综合情况实施精准营销。如平安银行在接入平安保险、平安租赁等集团子公司数据的同时，辅之以政府公共数据，全面分析客户情况并据此营销。
最后，基于POS流水的数据应用。商业银行依托在线贷款业务平台系统，对客户进行综合信用评价，向符合贷款条件的POS商户，以其一定期限内的POS结算流入量为授信额度的依据，在线发放用于生产经营的信用贷款。已有的POS流水数据应用有招商银行和通联支付合作的流水贷、中信银行和银联商务合作的网络商户贷款业务，浦发银行和通联支付合作的流水贷业务等。
除了基于行内数据进行挖掘分析外，国内许多商业银行还与专业第三方公司合作，争取顺应大数据潮流，进一步加快应用大数据的步伐。如平安银行与SPSS公司合作，进行消费贷产品的大数据营销管理；宁波银行利用客户购买某项产品大数据分析结果挖掘潜在客户。这些探索为商业银行拥抱大数据技术，利用大数据技术转变营销理念和营销方法提供了很好的借鉴。
随着云计算、物联网等新型信息技术的发展和跨渠道跨终端的整合，银行的大数据将日渐完善。产品的客观数据与客户信息也将有效结合，形成完整的“产品――用户”数据库，用于银行各类产品的规模化和定制化综合推介，尤其是对于具有复杂的金融产品综合运用需求的对公客户来说，大数据的应用将是一片蓝海。
三、大数据技术在对公业务营销中的应用方案
对公客户是商业银行的主要利润来源之一，且该类客户沉淀了大量复杂的数据，将大数据技术应用于对公客户服务和对公产品营销具有重要意义。基于大数据技术的营销管理是一项系统性工程，需循序渐进，最终形成一套成熟体系。张湛梅等提出一套针对移动互联网的大数据营销体系“PDMA”，主要包括认知客户（perceive）、挖掘需求（data-mining）、精准营销（marketing）、营销评估（assessment），构成一个闭环体系[5]。基于“PDMA”的框架能很好地建立银行产品和客户两个维度。结合客户属性进行产品大数据分析，才能以更符合客户偏好和需求的方式实施产品营销，并对营销的效果进行事后评估，以持续改进。本文以“PDMA”为框架，系统阐述商业银行借助大数据技术进行对公产品营销管理的应用方案。
（一）P――认知客户行为
对公客户与零售客户有本质的区别，客户的金融需求复杂，且更加个性化多样化。在银行进行大数据分析之前，应当对对公客户有一个全面认识，并结合客户情况认知银行对公产品现状。认知企业客户行为可以从三个方面着手。
1.基于客户属性建立客户特征库。客户特征库包括银行数据库中的所有对公客户相关字段，可以对客户的自身属性、所在地区、财务状况、与银行合作紧密程度等进行初步分析，掌握客户基本情况。
2.结合客户持有产品情况，认知银行的产品结构。以产品管理系统中的产品库为依据，分析持有不同数量产品的客户分布、各门类产品的客户总体分布、下属分行及其经营机构的客户持有产品情况，以及结合多个时点的各门类产品客户数的变化趋势等。
3.在认知产品的基础上，基于产品记录，分析客户行为习惯。包括客户对产品门类的偏好，对产品购买渠道的偏好，对资金流动性的需求，购买产品时段偏好等。
（二）D――挖掘客户需求
在认知产品和客户的基础上，应用大数据技术，挖掘隐藏在产品信息和客户信息背后的客户需求，为后续的精准营销打下基础。
1.基于客户产品持有行为判断不同产品的相关程度。在客户持有产品的全数据中，同一客户持有多种产品的现象较为普遍。分析客户持有的产品明细清单，找出同一客户持有产品组合的一般规律，可以准确判断各产品之间的相关程度，测算出持有某种产品的客户同时使用该产品相关产品的可能性。产品相关分析的结果可以形成定期的产品相关性监测报告和营销建议。
2.基于产品的监测报告，判断产品持有的平均水平。结合客户产品的平均持有水平分析，将低于产品平均持有水平的对公客户认为是具有产品潜力的客户群，生成这一类客户清单。同时根据客户清单中对公客户所在分行进行分类，将这部分产品需求未充分挖掘的客户清单推送到分行，以帮助分行更好地锁定目标营销客户。同时也可以针对不同门类产品的客户情况进行统计分析，判断持有某类产品的客户使用其它门类产品的情况，也即产品的跟进情况。
3.对非结构化的大数据进行分析，全方位挖掘客户的产品需求。非结构化数据可以分为行内数据和行外数据。行内数据中，银行内部的资金来往记录和银行内部企业授信报告等都可以作为非结构化数据来源。此外，银行还可综合应用外部数据，如电力、税务、工商和人行征信系统数据。通过这类交易数据可以形成企业的社会网络关系图，作为供应链金融大数据营销的重要依据。
总之，需求发现环节应紧密结合产品和客户的数据，挖掘大数据背后客户对产品的需求，是借助大数据实现对公产品营销管理的基础性工作。
（三）M――产品精准营销
充分挖掘客户需求后，根据需求实施精准营销。具体可以有如下应用。
1.结合客户的产品门类偏好推荐同一类别的其它产品。根据客户偏好分析和需求挖掘结果，掌握客户对某类产品的使用记录，为其推荐同门类产品中其它热门产品（依据热门产品排名），提高同一门类产品的渗透率。此外，还可以具体到各分行，分析各分行同类产品使用情况，并将之与全行产品应用情况对比分析。低于全行各门类产品应用水平的分行建议就其薄弱的产品门类进行重点营销。
2.对持有某些产品的客户推荐产品组合中的其它产品。通过产品相关分析梳理出相关度高的产品组合，结合只持有这些产品组合中的部分产品的客户清单，生成各个客户还可进行关联营销的具体产品清单，推送给各分行，指导其根据该客户潜在产品清单对客户进行产品关联推荐。
3.通过客户属性分析开发潜在客户。从产品出发，通过聚类法和分类预测法分析持有某种产品的客户群体的共同属性，然后比对具有这些属性但还未持有该种产品的客户，作为该种产品的潜在客户名单，对名单上的客户推荐该种产品，通过分析现有客户成功开发新客户。
（四）A――营销效果评估
营销评估是贯穿“PDMA”大数据营销体系全流程的最后一环，也是营销管理流程中承上启下的重要步骤，能及时帮助商业银行掌握大数据分析的效果。银行在精准营销评估过程中，应当加入时间序列，结合产品和客户情况进行综合评估，并定期对基于大数据分析的精准营销实施评估，根据评估效果改善大数据分析和精准营销的成果。对有成效的分析结果形成定期营销报告，对于成果不显著的从业务角度总结原因，调整大数据分析模型和参数，改进结果。
四、对公业务营销中的典型案例
总体来说，相比国有银行，股份制银行更加积极拥抱大数据技术。2015年3月，民生银行“金融e管家”平台正式上线，这是民生银行利用大数据技术的一大利器。该平台主要针对国内商业银行客户关系管理系统管理功能、分析功能、应用功能相互脱离的弊端而开发的基于大数据分析的一站式服务平台。“金融e管家”服务于全行对公客户管理，覆盖“PDMA”框架的四个环节，是对公业务应用大数据技术的典范。
首先，认知客户行为（P）。该平台对接民生银行内200多个生产系统和数据中枢，并导入上市公司数据、人行征信数据、工商数据等行外的数据，形成完善的数据结构，通过不同的规则组合数据，如对公客户和产品的交叉组合，或者基于供应链的客户上下游集合等，使用户可从不同角度解读对公客户的特性，同时通过行内资金流和行内外信息流，精确掌握客户的行为习惯。
其次，挖掘客户需求（D）。该平台对客户信息更深层次的挖掘，去除无效信息，将有效信息放大，结合线下业务资源，挑选出最适合营销的企业关系群体，应用多种大数据分析方法，建立关系网络分析模型，识别出群体的特征和相互之间业务重点，并以极具可用性的界面展示客户潜在需求挖掘的结果，帮助客户经理深度挖掘客户的金融需求。
再者，产品精准营销（M）。该平台是一个智能化的融资理财和资源整合平台，主要围绕核心客户，通过后台数据的支撑，建立交易网络模型和上下游客户推荐模型，并据此匹配最适合的金融产品，实现精准营销。该平台上线后，对公产品关联营销的成功率大大提高。
最后，产品营销评估（A）。该平台建立了基于历史记录的客户绩效评价体系，科学全面的评价客户绩效，并根据评价结果改进营销方向。后评价功能涵盖对公业务的不同情况，如对个性化服务方案的综合评价，对集团客户也能建立综合收益的评价，而不仅仅是单独考虑单笔业务的收益，适应了缺资产时代的商业银行经营新思路。
可以预见，在信息技术发展日新月异的当代，随着对公业务背后纷繁复杂的信息流、资金流、物流等多样化数据不断沉淀，大数据技术在商业银行对公业务营销中的应用价值将日益凸显，并将逐渐成为商业银行对公业务的核心竞争力之一。
参考文献：
[1]Manyika， J.，M.Chui andB.Brown et al.Big Data：The Next Frontier for Innovation[R].Competition， and Productivity，2011.
[2]Franks， B.著，黄海，车皓阳，王悦等译.驾驭大数据[M].北京：人民邮电出版社，2013.
[3]杨威.大数据时代下的电子商务企业营销方式变革[J].中国电子商务，2014（14）.
大数据营销的特征范文第4篇
[关键词]大数据;营销模式;商业模式
[中图分类号]F713.5 [文献标识码]A [文章编号]1672-2426（2014）12-0063-06
一、理论综述
在过去的数年中，信息技术在社会、经济、生活等各个领域不断渗透和推陈出新，在移动计算、物联网、云计算等一系列新兴技术的支持下，社交媒体、协同创造、虚拟服务等新型应用模式持续拓展着人类创造和利用信息的范围和形式。新兴信息技术与应用模式的涌现，使得全球数据量呈现出前所未有的爆发式增长态势（Lynch，2008）。全面基于信息和网络的生产和创新模式，正在将人类社会带入“第三次工业革命”时代（Rifkin，2012）。作为计算机时代的核心――计算能力，其主要目的在于提高对大量数据的处理功能，并对其进行分析挖掘，进而从中获得有价值的信息，最终衍化出一种新的商业模式，本文主要是分析在大数据条件下，企业市场营销模式的转变，从大数据理论与特征出发，探讨大数据对于商业的价值，以及大数据趋势下企业市场营销模式的转变。
（一）大数据时代营销与企业的营销模式
大数据是指那些超过传统数据库系统处理能力的数据，数据量通常在10TB以上。在当今社会互联网普及和发展快速的情况下，社会化应用以及云计算，使得网民的网络痕迹能够被追踪p分析等，而这个数据是衡量的以及可变化的，企业或第三方服务机构借助这些数据为企业的营销提供咨询、策略、投放等营销服务的行为称为大数据营销。企业的营销模式是营销战略和各种策略的集合，是企业开展业务的特定方式。
（二）国内外相关理论研究
Bug hin et al.（2011）指出大数据可以通过信息透明化释放巨大的价值，大数据时代会产生新的管理规则，并提出数据导向竞争优势的概念。Brown et al.（2011）指出大数据所带来的巨大影响是可以改变游戏规则，企业的成功不仅仅取决于新技术而且取决于关于大数据时代如何发展的新思维：一个受大数据影响的扩展了的管理实践循环以及大数据对潜在的、破坏性的、新的商业模式的作用;进而指出：彻底定制化（Radical Customization）、永恒的实验（Constant Experimentation）和新奇的商业模式（Novel Business Models）是公司在捕捉和分析海量数据时代竞争的新标记。
大数据时代消费者和网民的区分逐步一体化，企业的疆界日渐模糊，数据越来越成为核心的资产，并将对企业的业务模式产生深刻影响，甚至重构其组织和文化;商业活动的各个领域在这场运动中都不能置身事外（McAfee、Brynjolfsson，2012）。对于大数据这个概念，国际数据公司（IDC）将其定义为：通过高速捕捉、发现或分析等途径，从大容量数据中提取价值的一种新的技术架构。大数据的核心一般认为是基于相关关系分析法的预测，其精髓不是抽样、绝对精确和因果，而是分析更多数据甚至全部数据、追求效率、重视相关。本文认为大数据是对海量数据进行管理、分析、挖掘以支持决策的理论、方法、技术的统称。
（三）传统企业营销模式的制约因素
传统企业营销模式的制约因素主要体现为：营销市场环境，如市场营销环境通过市场内容的不断扩大和自身因素的不断变化，对企业的营销活动发生影响，同时企业的营销环境依赖于市场环境正常进行。消费群体，如有购买力和欲望的现有及潜在消费群体分布非常广泛和分散，且具有多变性。调研方式，如企业的调研活动通过市场观察、访谈、电话访问或发放问卷等形式展开时，需要大量人、财、物的投入，周期较长，难以进行广泛调研且不具代表性等。营销广告，如营销广告主要是通过电视、报纸、杂志等形式对受众进行听觉、视觉刺激，把信息强加给受众。营销策略，如企业针对一个目标市场会利用一个组合策略，通常使用4P’s组合策略，以达到企业的市场目标，但是该组合强调必须以适当的产品、适当的价格、适当的渠道和适当的促销手段，将适当的产品和服务投放到特定市场。营销理念，如企业做市场营销的条件是产品供过于求和市场竞争的加剧，所以市场营销的理念仅仅是销售产品，满足客户需求。
二、大数据的特征及其商业价值
（一）大数据的特征
大数据的“大”，不同于以往数据的显著特点表现在“4V+1C”：第1个V是Volume，即高容量，TB～ZB级;第2个V是Velocity，高速度，实时处理，数据量增长越来越快，需要处理的速度和响应的时间越来越快，对系统的延时要求相当高;第3个V是Variety，多类型、多格式，包括结构化、半结构化和非结构化数据;第4个V是Vitality：分析和处理模型必须快速变化，因需求在变;1C是Complexity，处理和分析的难度非常大，处理、升级或利用大数据的分析手段比处理结构化数据要复杂的多。大数据营销的特点主要表现在以下几个方面：
1.提高个性化。主要是通过对大数据的分析来更加有针对性的了解客户的需求，使为客户提供的服务更加个性化和有效。
2.数据驱动的营销。随着原始数据的不断堆积，大数据平台已经出现，为营销人员更好地了解客户提供了大量的信息。在这些信息数据的驱动下，营销人员才能够真正了解客户的真实需求，并通过满足这些需求来提升客户体验。
3.预测分析能力。大数据的累积使得营销人员可以通过外部和内部两个系统的数据来分析客户当前和未来的购买行为。外部系统指的是web和社交媒体等，内部系统指的是CRM和购买历史记录等。通过这些数据的组合分析可以推动现有的产品和服务的销售并同时带来更好的产品服务的改进。
4.虚拟活动能力。通过大数据模拟可将人们的一些创新性的营销想法进行虚拟的市场测试，这种虚拟的测试消除了在真实市场中存在的风险，节约了成本费用。同时因为所使用的数据是来自真实世界的，因此虚拟测试结论具有较强的可靠性。通过不断地测试、挑战和重新测试，直到这些营销想法成为实际的活动――其有效性随后可以使用营销后分析来测量。
5.不仅仅适用于大型企业。大数据分析需要的成本较少，因此这一发展趋势不只是针对大企业有效，对于小企业来说同样可以运用已有的软件工具从存储、管理、分析和可视化数据中分析获得很大的优势。因此，在这方面，小型企业与大型企业处于公平竞争的环境中。
（二）大数据的商业价值
1.大数据的来源与应用。大数据是由海量交易数据、海量交互数据和海量数据处理三种技术应用汇聚而成。以淘宝网为例，淘宝网的数据以及流量产生的核心是围绕着买卖双方的交易展开的，以此向外扩展，衍生出海量的相关数据与信息。同时，也正因为这些数据、信息都与交易相关，因此也形成了极具商业价值的数据信息，为淘宝转型为电商“生态圈”的基础服务提供商、数据服务商进行数据开发与销售奠定了基础。通过对用户网上消费行为的全流程追踪，淘宝数据的产生从大范围上可以划分为三种。第一种是来自淘宝网外部的数据，主要包括相关的广告点击、搜索引擎的搜索数据、SNS上的推荐与链接、关联软件的操作与推荐。第二种是直接访问带来的相关数据，包括浏览器访问、软件访问等。第三种也是最大的数据来源，即淘宝网内部的数据产生，这些数据的产生与买卖双方的交易密不可分，同时也围绕着这种交易产生了相关的信息与数据，包括内部搜索、站内SNS社区、页面浏览与点击、会员及用户相关页面、购买与交易数据、后台管理数据以及即时通讯数据信息等。
这些数据通过存储、分析、运算和管理，可以用来优化自身的产品、服务、界面和管理。此外，在具备极大商业价值的数据与信息方面，淘宝对外界至少还能提供三类。第一类针对消费者，主要包括各种商品与店铺以及促销信息，是便利其购物与消费的数据信息;第二类针对卖方以及店铺，主要包括媒体接触及使用行为、网络使用行为、消费者的消费行为、行业竞争及市场发展的数据与信息等，是可以有效提升商品销售效果以及其店铺管理的数据信息;第三类主要包括购买数据、消费者行为数据、销售数据、交易数据等，是可以帮助社会及第三方机构了解电商企业和淘宝相关的数据及信息。
2.大数据所带来的商业价值。大数据时代带来了思维、商业、管理的大变革，在商业的变革中，对大数据进行挖掘所产生的商业价值日益激增，基于大数据的几个商业价值方面的杠杆有：通过运用大数据来模拟实境，探索新的需求以及提高投入回报率;分析顾客群体，进行量体裁衣，对每个不同群体采取独特而富有针对性的行动;提高大数据成果在各个相关部门的分享率，进而提高整个产业链条和管理链条的回报率;进行商业模式、服务和产品的创新等方面来实现由大数据所带来的商业价值，如图1所示。
在诸多领域，大数据浪潮正在引致颠覆性创新，即通过提供相对简单却更加廉价与便利的产品，或者引入逊于现有产品的产品和服务，诱导次要市场上不太挑剔的消费者，抑或非消费者。根据McGuire et al.（2012）的阐释，大数据通过五种途径获得新竞争优势，即精密的分析、更多的交易信息数字化、针对更窄细分市场量身定做的服务和产品、信息透明化、以及服务和产品的前瞻性开发。大数据的价值模型如图2所示。
三、大数据时代的商业模式
商业模式反映了企业如何创造价值、传递价值和获取价值。商业模式一般涉及九方面要素，大致覆盖了商业模式的四个主要方面，如表1所示。商业模式犹如一个战略蓝图，可以通过企业组织结构、系统和流程来实现。
商业模式的九要素之间相互作用、相互决定：同样的渠道通路可以拥有不同的核心资源、不同的关键业务、不同的成本结构等。相同的价值主张不必通过相同的渠道通路去实现。商业模式只要有一个构成要素不同，就意味着是不同的商业模式。事实上不仅如此，在动态变化的市场系统中，为了应对变化多端的新环境，商业模式也必须灵活多变。市场环境的变化和生产技术的发展，会使曾经成功的商业模式受到挑战。所以，新兴技术的推动、市场需求的改变、行业垂直整合、竞争对手的模仿、企业家精神等因素都可能推动企业进行商业模式的创新。
以大数据为线索，重新审视自身商业模式并进行创新设计，是当今企业在整体结构性方面获取差异优势的重要来源。一方面，让各种类型的数据转变成可以快速获得的有价值信息，这是大数据技术具有的优势;另一方面，全息可见的消费者个体行为和偏好数据以及基于交叉融合之后的可流转性数据。所以，未来的营销可以根据每位消费者独特的偏好与兴趣，为他们精准地提供专属性的个性化服务和产品。大数据不仅带来一种新的核心能力和战略资源，而且还可以实现企业界乃至整个社会资源的利用、控制、配置方式的开放化和虚拟化，提高经济运行率和资源利用率。
四、大数据时代企业营销模式的革新
（一）大数据时代企业营销模式的演变
大数据时代不断催生新的理念和商业经营模式，大数据是面向用户、面向业务和应用的一种思维，一种战略，基于科学的数据进行决策已经成为大数据时代经营的新型模式。传统的消费者行为分析的营销模型“AISAS”在不断变化的大数据时代，转变成了“TSPS”的新型模式，这种新路径更多的被应用在网购的营销模式中，如图3所示。
（二）大数据时代带来的营销变革
通过对大宗用户数据进行一系列的整合、分析、开发与积累，营造出新型产品的运营和营销模式，像Google、Facebook、Twitter、Amazon等公司都已在大力推进这些业务模式。大数据可以帮助企业优化营销策略：通过分析用户的社交媒体活动，企业可以向用户推荐消费者感兴趣的产品或者服务，通过公开社交数据，企业可以有针对性地进行线上和线下的产品推荐活动，在了解用户消费趋向的同时，可在相应地区增加相关产品库存，通过社交媒体的监控将能够针对用户需求的产品提前备货。
在大数据的帮助下，商家能够实现真正的消费者个性化，而不仅仅是划分不同的群体。大数据可以帮助企业做得更加精准，可以精确到人，在云端的数据库中，所有用户都以标签属性的形式存在。用户在现实生活中的行为，如浏览、订阅、搜索、产品应用等被数据库记录和分析。在云端，这些行为可以转化为用户的性别、年龄、收入、城市、爱好、品牌偏好等清晰化属性标签。进而一些门户网站如搜狐等可以以这些标签为依据，帮助广告主开展更加有效的各类营销活动。互联网的高速发展为现代企业创造了无限的空间和可能，在利用网络这个平台上，大数据将会为营销带来更大的机遇。
1.统一的客户视图形成于第三代PaaS平台，以此为基础实现市场细分。CRM系统（客户关系管理系统）是基于云计算与大数据建立起来的，这一系统可以深度挖掘目标客户，帮助企业实现各部门之间的综合应用与管理，建立客户中心导向的营销管理平台，对客户群体进行细分，帮助企业有效掌握最为重要的客户，以便实现效益最大化。沃尔玛、麦当劳、家乐福等知名企业的一些主要门店都着眼大数据，在店内安装了搜集运营数据的装置，可以跟踪店内客流、客户互动和预订情况，因此研究人员可以对餐厅设计、菜单变化和顾问意见等对销售额和物流的影响进行建模。这些企业可将这些交易记录与数据相结合，还可运用大数据工具展开分析。通过获取社交数据、网站浏览数据和地理追踪数据等更丰富的消费者数据，公司可以据此绘制出更加完整的消费者行为。大数据技术能充分有效管理顾客各方面的信息并进行深度挖掘。
2.确定营销策略时以客户为导向，对市场营销实现全过程管理。对企业的客户群体进行准确分析时，可以按照横纵多维方式，根据庞杂的客户数据，筛选出核心目标客户，并且能够准确传达产品、折扣等信息，确保实现“精准”营销。例如一位顾客进入店铺后，零售商可以运用大数据技术搜索数据库，发现这位顾客是其需要留住的有价值顾客，进行精准的顾问式营销。
（1）基于客户行为分析的产品推荐。产品推荐包括两个重要方面，一个方面是基于客户交易行为分析的交叉销售;另一个方面是基于客户社交行为分析的社区营销。前者根据客户信息、交易历史和购买过程等行为轨迹的历史数据与统一商品其他客户的行为数据进行行为的相似性分析，从而为客户推荐产品。比如我们在网购行为中常见的提示：浏览（购买）了这一商品的客户还浏览（购买）了哪些商品等。后者是通过分析客户在微博、微信、社区等网络平台上所关注的兴趣、爱好等数据，投其所好，为其推荐相关产品。通过这种客户行为的数据分析可以使得产品推荐更加的精准化、个性化。传统企业可以通过对本企业内部的客户交易数据、公司自有电子商务网站数据等的分析来实现企业直销渠道的产品推荐，也可以通过大型电子商务公司和社区网络的产品推荐系统来提升销售量。
（2）基于客户评价的产品设计。客户评价包括很多方面，有对产品的满意程度的评价，对物流效率的评价、对服务质量的评价等，同时也有对于产品的外观、包装、功能等方面的体验评价，与此同时，客户会针对这些方面的不足提出一些有针对性的改进意见。有效采集和分析这些客户评价数据将有助于企业改进产品的外观、性能和服务，同时有助于企业建立以客户为中心的产品创新体系。
（3）基于数据分析的广告投放。在澳大利亚，一家名为Millward Brown的市场研究公司正在利用网络摄像头监控人们对电视商业广告的面部反应，真正做到看“脸色”来做营销。而DSP（Digital Signal Processing，简称DSP）为广告主提供包括广告投放试验、时段分析和效果分析等在内的数据分析服务。“例如，依托数据平台记录每次用户会话中每个页面事件的海量数据，可以在很短的时间内完成一次广告位置、颜色、大小、用词和其他特征的试验。当试验表明广告中的这种特征更改促成了更好的点击行为，这个更改和优化就可以实时实施。再如，根据广告被点击和购买的效果数据分析，根据广告点击时段分析等，针对性进行广告投放的策划。”（赵刚，2013）
（4）基于数据分析的产品定价。合理的进行产品定价需要进行数据试验和分析。将客户按照其对产品价格的敏感度进行分类，同时测量不同客户群对价格变化的直接反应和容忍度，进而为产品定价决策提供参考。大数据分析使全球零售业巨头沃尔玛获益。通过对消费者购物行为进行分析，公司发现男性顾客购买婴儿尿布时，通常会顺便搭配几瓶啤酒来犒赏自己，于是推出了将啤酒和尿布进行捆绑式销售的促销手段。如今，这个“啤酒+尿布”的数据分析成果也成了大数据技术运用中的经典案例。
（5）基于物联网数据分析的产品生命周期管理。“条形码、二维码、RFID等能够唯一标识产品，传感器、可穿戴设备、智能感知、视频采集、增强现实等技术能将产品生命周期的信息进行实时采集和分析，这些数据能够帮助企业在供应链的各个环节跟踪产品，收集产品使用信息，从而实现产品生命周期的管理。”（赵刚，2013）这种管理在物流行业得到了广泛的应用，如UPS快递的最佳行车路径其多效地利用了地理定位数据。为了使总部能在车辆出现晚点的时候跟踪到车辆的位置和预防引擎故障，它的货车上装有传感器、无线适配器和GPS。同时，这些设备也方便了公司监督管理员工并优化行车线路。UPS为货车定制的最佳行车路径是根据过去的行车经验总结而来的。2011年，UPS的驾驶员少跑了近4828万公里的路程。
3.畅通渠道，重组服务流程，建立稳定客户群。通过运用大数据，企业可以从市场竞争者的产品、促销等数据，从外部环境的数据，例如天气、重大节日、国家大事、热门话题、社交媒体上人们的情绪中先导性的预测到外部形势的演变，从而选择正确的应对方式。此外，大数据可以用于客户流失预测。比如，针对客户投诉增多、客户评价负面、购买量减少等现象，可以根据客户行为模型，运用这些客户数据，对于客户流失的可能性进行预测，进而采取相应的措施。
通过运用通信技术和先进的数据库技术，可以实现与顾客的长期个性化交流，不断满足客户的个性化需求，实现精准营销。这种营销可以为企业建立稳定忠实的顾客群体，实现客户增值的链式反映，是营销达到可调控、可度量的精准要求。大数据已经展现出巨大的作用和非凡的前景，但是，大数据营销仍面临较多问题与挑战。面临的首要问题是技术难题，毕竟现在还处于大数据技术的活跃前期，各方面技术尚不够完善，各项工具需要进一步改进。然而实际情况是，大数据营销一旦真正启动，你面临的不仅仅是工具和技术问题，还有更重要的是转变组织架构和经营思维，真正参与挖掘这座数据金矿。
大数据时代下的企业营销模式正在面临着空前的机遇与挑战，在大数据环境里，企业在不断地创造和革新出符合时代需要的营销思维和营销模式，建立在客户响应和分析需求行为的基础上，挖掘大数据的价值，创建个性化的营销策略，源源不断地为企业带来巨大的市场价值和商业价值，使企业拥有持续的竞争优势，帮助企业建立制胜未来的核心竞争力。本文侧重于理论分析，在今后的研究中应进一步加强实证部分的研究。
参考文献：
[1]冯芷艳，郭讯话，曾大军，陈煜波，陈国清.大数据背景下商务管理研究若干前沿课题[J].管理科学学报，2013，（1）.
[2]杰里米・里夫金.第三次工业革命[M].北京：中信出版社，2012.
[3]李文莲，夏健明.基于“大数据”的商业模式创新[J].中国工业经济，2013（5）：83-95.
[4]孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013，50（1）：146-169.
[5]覃雄派等.数据管理技术的新格局[J].软件学报，2013，24（2）：175-197.
[6]王珊，王会举，覃雄派，周@.架构大数据：挑战、现状与展望[J].计算机学报，2011，34（10）：1741-1752.
大数据营销的特征范文第5篇
关键词：电力企业；大数据时代；营销管理；管理创新；营销手段 文献标识码：A
中图分类号：F426 文章编号：1009-2374（2016）32-0169-02 DOI：10.13535/ki.11-4406/n.2016.32.083
随着互联网信息技术的飞速发展，大数据是高科技时代的产物。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。时至今日，大数据已经渗透到我们工作、生活等各个领域，电力企业也不例外，推动我国实现由工业化社会向信息化社会的过渡。电力企业在市场经济发展环境下，竞争压力日趋加大，要想实现长远、健康发展，创新电力市场营销管理策略是重要突破口。并且我们必须承认我国电力企业营销管理存在着较大的问题，这就有必要就电力企业的创新营销管理手段做出探究。大数据环境为我国的电力企业发展提供了机遇，也提出了新的挑战，电力企业在大数据环境下对营销管理进行创新更是工作的重中之重。
1 大数据与电力营销管理理论
1.1 大数据理论
大数据是高科技时代的产物。自从“大数据”术语出现以来，便被应用到各个领域。为此，大数据获得了诸如以下的美称：“大数据是新的石油”“大数据是新时期的引擎”等。对于“大数据”（Big data），研究机构Gartner给出了这样的定义：“大数据”是需要嫁接在新处理模式之上来与海量、高增长率和多样化的信息资产相辅相成，维持其较强的决策力、洞察发现力和流程优化能力。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。在大数据时代的背景下，大数据理论渗透到了各行各业，并且发挥着其独特的优势，电力大数据就是在此背景下应运而生的。电力大数据具备与大数据相似的特征，笔者简要概括为“3V”，具备类型多、体量大以及速度快的特征。将电力大数据应用到电力企业市场营销中去，能够提升电力企业的业务发展和管理水平。
1.2 电力营销管理理论
电力营销是电力企业对外主营的业务之一，电力营销实质上是指电力企业以客户为销售主体，实现一种高质量、长时间的供用关系。企业电力市场营销的目的，不仅是为了给客户提供安全、稳定以及经济的电力产品以及相关服务，更为了提升电力企业运营的效率，承担起社会责任，凭借优质的服务树立起良好的社会形象，实现良好的经济效益以及社会效益。电力营销不同于一般的市场营销，其具备以下特点：电力行业的基础性、支柱性地位决定其服务性要极强，否则满足不了广大客户的用电需求；发电厂、输电线路、变电、配电、用电是电力网的整个环节，缺一不可，因此决定了电力营销要具备整体性；电力网的复杂性以及电力技术的专业性决定了其需具备较强的技术性。
1.3 大数据背景下电力营销发展趋势
大数据时代，不仅为电力企业营销带来了机遇，同时也带来了挑战。大数据为电力企业深化改革、提升服务层次、强化企业管控提供了新的创新途径。大数据时代下，对于电力大数据的智能化管理、操作以及运行等提出了更高的要求。对数据的收集和储存不再仅仅是电力大数据的主要任务，而是致力于挖掘更加有效的信息。在大数据背景下，电力营销具备以下发展趋势：一是多专业数据融合。电力大数据主要是指在电力生产、服务等各个环节实现数据的融合与提炼，并且实现与其他部门以及业务的数据共享。实现电力企业数据系统的信息化管理；二是数据可视化。电力大数据借助可视化的图形，将数据的细节清晰地展示出来，且能根据企业自身的运行状况做出调节，及时、全方位、准确地反映各类数据的状态。
2 大数据背景下电力企业营销管理创新的实现
2.1 故障抢修可视化管理
建立基于电力生产抢修平台的标准化运行抢修体系是实现故障抢修可视化管理的首要前提。配电网是连接客户以及电网之间的纽带，对于实现电网以及用户之间的供用关系发挥着巨大的作用。配电网在电力生产中极其容易出现故障，因此，对于电力网的抢修是电力生产中工作的重点。在对配电网进行维修时，难免要与客人碰面，而且抢修人员还要克服周边环境以及时间因素的限制，加上我国配电网抢修工作正处于初步建设时期，抢修技术尚且不够成熟。这就要求对于配电网的抢修，要严格遵循以下流程：首先，供电公司会接到相关的报告电话，并迅速给当地配网运行抢修指挥中心下达工作任务，抢修指挥平台根据客户描述的故障性质，判断故障原因；其次，再下设第一梯队，第一梯队达到故障发生现场后，如果确定是简单故障，可以直接开展故障处理，再向上级汇报抢修记录，但是如果故障情况较为复杂，就迅速指示第二梯队达到现场，做出故障处理，并做好汇报抢修记录。
