큰 데이터 분석 오류에서 점프

"내가 선반에서 제거 된 모든 것을 알고합니다 그리고 회원 카드는 소비자에 대해 많이 알고

하지만 우리 소비자 선반에 구입 비슷한 제품을 넣어, 우리가 예상된 수익 성장을 볼 하지 않습니다. "그리고 왜?"

큰 데이터를 큰 숫자, 인터넷 및 소셜 미디어에 사람들의 동작에 따라 양적 메시지입니다. 이러한 데이터의 점진적 폭발과 함께 데이터를 사용 하 여 기업, 학계와 언론의 욕망을 자극 되었습니다 했다. 그 중, 회사의 경영진 고객의 활동 내용에 매료 되어 (누구 그들이 접촉, 그들 처럼, 등 등)를 구입 하는 고객의 성향. 컴퓨터 분류, 필터링 및 모델링을 통해 현실이 될, 인터넷 기반 데이터 분석을 만들 수 있지만 또한 큰 데이터 분석의 아이디어를 연습 하는 회사를 자극. 의심의 여지가 큰 데이터 마케팅 분야에서 다음 게임 체인저 될 것입니다 그리고이 변경에 경험이 풍부한 회사 더 얻게 될 것 이다.

때문에 데이터 마이닝에 대 한 자동화 된 소프트웨어는 유비 쿼터 스 오늘, 그들은 쉽게 눈에 띄지 않는 이전 동향과 역학 자리 수 많은 경영진 생각 합니다. 하지만 훨씬 이상 아는 사실를 포함 하는 자체 분석 하며 그것은 올바른 질문은 올바른 결정; 그냥 대답을 스마트 분석가 "무엇의" 데이터 분석은 분석, "무엇이 다음입니다." "왜"에 게 배워야 한다

이러한 질문에 대답, 회사 한다 기초에 반환 보다는 정말 큰 데이터의 완전 한 잠재력을 사용 하 여 오해에서 벗어나지를 계속. 마케팅 데이터 분석 업무 경험 3 개의 기본 원리는의 분야에서 25 년의 저자는 코어의 효과적인 데이터 분석을 달성 하고있다. A. 이론적 접근 보다는 맹목적으로 데이터 마이닝 사용; B. 유지 고객 및 시장의 좋은 사진; C. 스틱 중간 학교에.

이론을 지지 하는 기초

소비자 환경과 법을 형성 하는 방법 분석가 게 이론, 없이 애 널 리스트 데이터를 홍수 것 그리고 세계에서 어떤 고급 데이터 처리 능력 분석 데이터의 광대 한 바다에서 도움이 되지 않습니다. 따라서, 데이터 분석의 첫 번째 단계 "고객 필요"와 "그들을 위해 가치를 창조 하는 방법"에 명확 하 고 명확한 가설을 개발 해야 합니다. 가정 실험실에서 연소 가능성 있는 새로운 제품에 대 한 있을 수 있습니다 또는 고객은 (일컬어 "미정된 유권자")-시장에 어떤 브랜드에 충성을 위해 종종 회사만 몇 가지 전략을 조정 하 여 이러한 잠재 고객 탈취 할 수 있다.

필요한 데이터는 가정 유효성을 얻은, 결과에서 공식화 하는 구체적인 계획을 개발, 수정, 및 시장 가치 제안을 직접 회사를 안내할 것입니다. 합리적인 가정 및 유효성 검사, 회사 됩니다 (이 유사한 환경 설정 및 동작 대상 고객 분류) 틈새 시장 세그먼트를 수행할 수 있게 회사 전략을 보다 효과적으로 위치 하.

제약 회사, 예를 들어 최근에 판매 했다, 그리고 회사 약의 판매를 증가 하고있다. 관리자는 회사의 현재 판매 계획을 잘 의사, 처방 할 때 약을 사용 하 여 가능성이 가장 높은 대상 그룹에 대상 하지는 다음 가정 합니다.

이 가설을 확인 하려면 회사 의사는 약물을 처방 것입니다 상황에 다양 한 데이터를 수집 합니다. 예를 들어 의사 처방 얼마나 많은 처방전은 처방 각 년, 그들의 처방전을 증가 또는 감소 여부 그리고 더 그들의 요리법 (자신의 회사 또는 그것의 주요 경쟁자)에 게 충성. 이 회사는 시장에서 최적의 위치를 찾을 수 있습니다: 어떤 의사 처방 제약 공식 또는 충성도의 부족에 대 한 기본 설정이 없습니다 특정 있는 년 당 더 많은 처방전 처방 누가 더 많은 처방전.

비록 마약 판매 실적은 좋지 않다, 관련 영업 직원 급락, 하지만 위의 데이터 분석, 기회 전략의 데이터 요소를 직접 겨냥 하는 영업 인력을 통해 결과 그들의 상상 보다 훨씬.

"인생에서 하루"

마케팅 과학의 발달 동안에 중요 한 교훈을, 즉, "는" 권장 하지 않습니다. 새로운 데이터 소스 나온다 하 고 사용할 수 있게 됩니다, 사람들은 그것을 무리 고 무 겁 게 그것을 사용 하 여. 그러나 영리 기업,, 진정, 예약을 유지 하 고 고객 및 시장 보다 전체적인 관점에서. 한편으로, 이러한 스마트 기업 마이닝 새로운 데이터 원본에 대 한 열정 될 것입니다, 다른 한편으로, 그들은 여전히 중요성을 다른 정보를 보완 하기 위해 서로, 중요 한 정보를 누락 하지 않도록, 영향 분석.

알다시피, 이것은 마케팅 부문의 데이터 혁명의 파괴를 직면 했다 처음으로 전환 울 퉁 불 퉁 했습니다. 에 1980 년대 중반, 체크 아웃 데스크를 통해 정보를 수집 하기 위해 사용 하는 바코드 스캐닝의 출현 회사. 이전에 데이터는 매우 제한적 이었습니다. 회사에는 어떤 상품을 제공 하 고 대부분 어떤 제품이 소비자가 구입 요청만 알고 있다. 그러나, 스캐너의 도래와 함께 기업 알 수 있습니다 실제로 판매의 모든 포인트.

기술 발명 초기에 새 데이터를 사용 하 여의 식을 많은 실수에 지도 했다. 지나치게 판매, 프로 모션 가격의 영향에 대해 우려 되고있다 경영진과 마케팅의 기본을 잃 었: 브랜드 가치와 브랜드를 구축. 그러나, 시간이 지남에, 회사 연마는 더 복잡 한 통계 모델, 그리고 에너지의 초점의 초점을 조정 하려면이 기준, 스캐너 되고있다 소비자 시장 지난 30 년 동안에 소매 업계, 하나님의 큰 무기. 오늘날, 판매 시점 데이터와 이해 고객을 모으기의 방법 소매 각 가족 구입 하 고 그들의 특정 온라인 쇼핑 행동은 이해를 도울 수 있는 회원 카드에 확장 되었습니다.

초기 몇 년 동안에서 바코드에 대 한 투자 수익 모델에서 결함은, 마찬가지로 최신 큰 데이터 분석 잘못된 경로 발생할 수 있습니다. 많은 소매 유통 업체 라고, "선반에서 제거 된 모든 것을 알고 그리고 회원, 소유한 소비자에 대해 많이 알고 하지만 우리 소비자 선반에 구입 비슷한 제품을 넣어, 우리가 예상된 수익 성장을 표시 되지 않습니다." "

뭐가 없지? 1 차원 관점 과도 한 집중 때문에 최신 데이터 원본에 소매 마주 쳤 다가 높습니다. 사실, 고객의 소비 행동에 도착 하려면, 광범위 한 비전을 해야 합니다. 마케팅의 분야에서 광범위 한 비전 이라고 "는 생활에 하루." 그것은 의미 한다: 고객의 보다 포괄적인 이해, 고객 회사, 상호 작용 하는 방법을 그리고 고객 및 기타 소매 업체 간의 상호 작용은 결합 하는 방법을, 또는 고객 상호 작용 방법을 그들의 자신의 회사를 다른 기업에 그들의 고객의 행동에 맞게 쇼핑 채널, 및 활동 한다. 어떤 소비자가 쇼핑을 야 다른 곳 보다는 그들의 자신의 동기에 깊은 통찰력 없는 경우, 회사의 성장 계획은 위험 합니다.

실행 하기 전에 걸어 배워야

마음을 열고 방법을 조정 하는 법을 배워야 새로운 유형의 데이터를 분석 하는 첫 번째 단계가입니다. 새로운 데이터를 파고 거의 항상 흥미 진 진한 새로운 결론을 찾을 수 있습니다, 하는 동안 회사 하지 열린 마음으로 데이터 분석의 새로운 방법으로 돌진 한다 그리고 점차적으로 사례와 이전 진실 된 수사학 도전.

일반적으로, 새 데이터 원본으로 얻은 새로운 정보 회사 특정 제품, 서비스, 또는 전략 질문을 발생할 수 있습니다. 때때로 그것은 대량 채용에 역효과 것입니다. 따라서, 기업 분석 하 고 관련 결론을 사용 하 여 새 데이터 원본을 존재 최선을 다 할 것을 권장 하지 않습니다; 그리고 그것은 최고의 회사 실행 하기 전에 걸어 배우는 단계별 접근 하는 것: 제품, 특정 지역, 또는, 시작 하 고 다음 새 데이터를 평가할 수 있습니다 데이터 분석 및 이점과 비용 여부를 확인 새로운 데이터 소스 분석 가치가의 관련된 개선의 새로운 방법.

글로벌 에너지 거 대 한, 예를 들어 고급 분석 방법을 사용 양적 연구 문제를 해결 하 고 마케팅 투자 수익을 개선 하기로 했다. 최고 지도자 개발 및 개발 시장에서 파일럿 프로젝트를 수행 하는 3 개국에서 두 사업부를 선택. 각 프로젝트에 대 한 목적과 개념적 프레임 워크는 동일 하지만 유럽 주유소의 운영 및 아시아에서 오일의 판매 다른 데이터 집합 및 분석 도구 필요 합니다. 이 다양성에 기업을 분석 방법으로 더 많은 실험을 사용 하는 분석 방법을 결정에 충분 한 경험을 얻을 수 있습니다. 또한, 일단이 파일럿 프로젝트는 성공, 신뢰는 다른 운영 모듈 및 새로운 데이터 분석 방법론을 채택에 대 한 열정을 압축 하는 동안 국가 계열사에 대 한 설정할 수 있습니다. 새로운 분석 방법의 지속적인 응용 프로그램, 모델 될 것입니다 더 복잡 하 고 실용적인, 회사에 의해 점차적으로 허용 하 고 마지막으로 전역 범위에서 사용.

기본으로 돌아가기

많은 경영진은 대용량 데이터를 사용 하 여 관심이 하지만 종종 작은 직접 경험이 최신 분석 도구와 기술. 그래서, 처음에는, 그들은 종종 물어 얼마나 많은이 분석 방법의 비용. 그리고 작가 대답은 일반적으로: "잘못 된 결정을 내리기의 비용은 얼마 입니까?" 어떤 디지털 사진 코닥 같은 시간에 반응 하지의 비용 것입니다? "직접적인 방법, 덜 부드러운 것이:" 데이터 분석 먼저 모이고 데이터를 조정 하 게 돈 큰 금액을 필요; 회사 데이터, 그들을 해석 하 고 결국 아이디어와 통찰력을 사용할 수 있는 회사로 뒤에 패턴을 찾을 높은 프로 파일 작업 수행 하기 위해 훈련된 데이터 전문가 필요로 하는 다음. " "

그러나, 이전 세 가지 기본 원칙에 표시 된 대로 새로운 데이터 분석 방법의 채택은 중요 한 잠재적인 혜택을 얻을 수 있는 적절 한 처리와 함께 관리 프로세스입니다. 사실, 대부분의 기업 데이터 분석에 투자를 시작 하는 때 그들은 기본적으로 갈 수 없습니다 중지, 데이터 분석의 결과 훨씬 더 비용이 많이 드는 데이터 분석 보다 노력 강화로. 그것은 데이터 분석 기업 그들의 시장 위치를 개량 하는 중요 한 방법 되고있다 볼 수 있습니다.