數(shù)據(jù)時(shí)代下 涂料行業(yè)的大數(shù)據(jù)分析

然而，大數(shù)據(jù)時(shí)代是到來，那么大數(shù)據(jù)意味著什么，它到底會(huì)改變什么?如何從大數(shù)據(jù)中發(fā)掘出“真金白銀”則是一個(gè)現(xiàn)實(shí)的挑戰(zhàn)。僅僅從技術(shù)角度回答，已不足以解惑。如果來個(gè)必須，大數(shù)據(jù)只是賓語，那么離開了人這個(gè)主語，它再大也沒有意義。所以我們需要把大數(shù)據(jù)放在人的背景中加以透視，理解它作為時(shí)代變革的力量。

 

作為通用的一種分析手段，我們不妨把這個(gè)主語化成“涂料行業(yè)”，分析大數(shù)據(jù)對(duì)涂料行業(yè)的影響，解讀為何大數(shù)據(jù)分析能為涂料行業(yè)帶來時(shí)代變革的力量。

數(shù)據(jù)時(shí)代下 涂料行業(yè)的大數(shù)據(jù)分析

 

大數(shù)據(jù)分析：信息爆炸時(shí)代產(chǎn)生的海量數(shù)據(jù)

進(jìn)入2012年，大數(shù)據(jù)(big data)一詞越來越多地被提及，人們用它來描述和定義信息爆炸時(shí)代產(chǎn)生的海量數(shù)據(jù)，并命名與之相關(guān)的技術(shù)發(fā)展與創(chuàng)新。它已經(jīng)上過《紐約時(shí)報(bào)》《華爾街日?qǐng)?bào)》的專欄封面，進(jìn)入美國官網(wǎng)的新聞，現(xiàn)身在國內(nèi)一些互聯(lián)網(wǎng)主題的講座沙龍中，甚至被嗅覺靈敏的國金證券、國泰君安、銀河證券等寫進(jìn)了投資推薦報(bào)告。

 

數(shù)據(jù)正在迅速膨脹并變大，它決定著企業(yè)的未來發(fā)展，雖然現(xiàn)在企業(yè)可能并沒有意識(shí)到數(shù)據(jù)爆炸性增長帶來問題的隱患，但是隨著時(shí)間的推移，人們將越來越多的意識(shí)到數(shù)據(jù)對(duì)企業(yè)的重要性。大數(shù)據(jù)時(shí)代對(duì)人類的數(shù)據(jù)駕馭能力提出了新的挑戰(zhàn)，也為人們獲得更為深刻、洞察能力提供了未有的空間與潛力。

 

當(dāng)社交網(wǎng)絡(luò)還未流行，網(wǎng)購還沒有那么火熱的時(shí)候，互聯(lián)網(wǎng)充其量只是一個(gè)內(nèi)容傳播的中介。然而，如今社交網(wǎng)絡(luò)的興盛和網(wǎng)購成為一種習(xí)慣后，互聯(lián)網(wǎng)不再僅僅是一個(gè)中介和平臺(tái)，正如facebook所言，在互聯(lián)網(wǎng)空間，人們(或稱網(wǎng)民)除了瀏覽或吸取自己所需信息外，人們?cè)谄渲羞�形成一個(gè)單元，其一言一行都在透露著自己喜怒哀樂、生活習(xí)慣、工作心態(tài)、購物欲望等因素。然后，將互聯(lián)網(wǎng)用戶相關(guān)數(shù)據(jù)進(jìn)行整合、分析，成就了如今的“大數(shù)據(jù)”。

這里，問題就出現(xiàn)了，讓涂料行業(yè)人士困惑不已的是，大數(shù)據(jù)時(shí)代不是主要針對(duì)IT行業(yè)而言嗎?它何時(shí)，又何地的跟涂料行業(yè)扯上關(guān)系的?其實(shí)，與其說“大數(shù)據(jù)”是一個(gè)數(shù)據(jù)庫，不如說“大數(shù)據(jù)”是一個(gè)對(duì)當(dāng)下社會(huì)人類行為趨向的分析和總結(jié)。大數(shù)據(jù)之于涂料企業(yè)，重要的是消費(fèi)者的消費(fèi)行為和消費(fèi)習(xí)慣，他們很大程度上左右企業(yè)涂料產(chǎn)品的研發(fā)方向和營銷策略，而往往涂企對(duì)消費(fèi)者的了解恰好來自對(duì)消費(fèi)者“大數(shù)據(jù)”的分析。“大數(shù)據(jù)”能為涂料企業(yè)提供的不再僅僅是冷冰冰的數(shù)據(jù)，還可以是數(shù)據(jù)背后預(yù)示的市場(chǎng)走向和消費(fèi)趨勢(shì)等信息。

數(shù)據(jù)時(shí)代下，涂料行業(yè)需要大數(shù)據(jù)分析

在這個(gè)“大數(shù)據(jù)”時(shí)代里，社會(huì)化媒體已經(jīng)成為人們?nèi)粘Ｉ�活必需品。社�?huì)化媒體的發(fā)展，正帶領(lǐng)涂料營銷進(jìn)入新的時(shí)代。

首先從向消費(fèi)者傳播信息到與消費(fèi)者建立關(guān)系的時(shí)代。今天的涂料品牌如果僅僅依賴傳統(tǒng)媒體和涂料經(jīng)銷商發(fā)出聲音，而沒有進(jìn)入消費(fèi)者的關(guān)系圖譜中，很可能會(huì)被消費(fèi)者遺忘;

 

其次，基于消費(fèi)者自傳播形成的大數(shù)據(jù)時(shí)代。在大數(shù)據(jù)的基礎(chǔ)上分析、洞察和預(yù)測(cè)消費(fèi)者的偏好，并據(jù)此為消費(fèi)者提供能滿足他們需求的涂料產(chǎn)品、涂料信息和涂料服務(wù)，以及傳遞準(zhǔn)確的廣告信息給他們，是企業(yè)今天面臨的大挑戰(zhàn);

 

再來，從可預(yù)測(cè)可控制，進(jìn)入一個(gè)實(shí)時(shí)交互與實(shí)時(shí)溝通的時(shí)代。消費(fèi)者在社會(huì)化媒體上的表現(xiàn)是沒有任何規(guī)律的，甚至消費(fèi)者的網(wǎng)絡(luò)化族群的聚集也是自發(fā)的，涂料企業(yè)企業(yè)如果不能對(duì)消費(fèi)者的這些實(shí)時(shí)反應(yīng)進(jìn)行實(shí)時(shí)化互動(dòng)營銷，也很難滿足消費(fèi)者的需求，甚至該涂料品牌還可能面臨很大的風(fēng)險(xiǎn)。

 

在社交網(wǎng)絡(luò)興盛之后，涂料企業(yè)對(duì)微博、QQ等社交工具的關(guān)注日益提升。正如蘋果改變了智能手機(jī)行業(yè)的規(guī)則一樣，社交工具也改變了人與人之間的聯(lián)系。而涂料企業(yè)對(duì)自家涂料產(chǎn)品的宣傳也開始多元化，逐漸滲透到互聯(lián)網(wǎng)。特別是在微博、人人網(wǎng)等社交工具所操作的產(chǎn)品促銷、宣傳等活動(dòng)，由于互動(dòng)性強(qiáng)，參與者會(huì)在活動(dòng)頁面不知不覺地留下自己的相關(guān)信息，通過“大數(shù)據(jù)”可以分析出消費(fèi)者的消費(fèi)目標(biāo)、消費(fèi)行為、消費(fèi)金額、消費(fèi)預(yù)期等信息。然后，涂料企業(yè)再通過整合這些信息，充分了解消費(fèi)者的相關(guān)信息，從而提高自家涂料產(chǎn)品與消費(fèi)者的契合度。

時(shí)下“大數(shù)據(jù)時(shí)代”正在由概念逐漸走向?qū)嶓w化，走向業(yè)務(wù)化。通過數(shù)學(xué)、統(tǒng)計(jì)學(xué)和計(jì)算機(jī)編程等方式，“大數(shù)據(jù)”不但可以從相關(guān)信息來分析出涂料企業(yè)未來的走向，還可以為企業(yè)處理與消費(fèi)者之間的關(guān)系提供重要的數(shù)據(jù)，例如消費(fèi)者的消費(fèi)預(yù)期目標(biāo)、消費(fèi)行為、消費(fèi)習(xí)慣等。相信在未來，伴隨互聯(lián)網(wǎng)時(shí)代的不斷發(fā)展以及涂料行業(yè)不斷前進(jìn)的步伐，在機(jī)遇與挑戰(zhàn)并存的道路上，大數(shù)據(jù)的運(yùn)用和掌控是涂料企業(yè)達(dá)到理想發(fā)展效果的重要手段。

 

 

知識(shí)普及：

 

大數(shù)據(jù)分析的五階段：

1.Sample：抽取一些代表性的樣本數(shù)據(jù)集(通常為訓(xùn)練集、驗(yàn)證集和測(cè)試集)。樣本容量的選擇標(biāo)準(zhǔn)為：包含足夠的重要信息，同時(shí)也要便于分析操作。該步驟涉及的處理工具為：數(shù)據(jù)導(dǎo)入、合并、粘貼、過濾以及統(tǒng)計(jì)抽樣方法。

 

 

2.Explore：通過考察關(guān)聯(lián)性、趨勢(shì)性以及異常值的方式來探索數(shù)據(jù)，增進(jìn)對(duì)于數(shù)據(jù)的認(rèn)識(shí)。該步驟涉及的工具為：統(tǒng)計(jì)報(bào)告、視圖探索、變量選擇以及變量聚類等方法。

 

 

3.Modify：以模型選擇為目標(biāo)，通過創(chuàng)建、選擇以及轉(zhuǎn)換變量的方式來修改數(shù)據(jù)集。該步驟涉及工具為：變量轉(zhuǎn)換、缺失處理、重新編碼以及數(shù)據(jù)分箱等。

 

 

4.Model：為了獲得可靠的預(yù)測(cè)結(jié)果，我們需要借助于分析工具來訓(xùn)練統(tǒng)計(jì)模型或者機(jī)器學(xué)習(xí)模型。該步驟涉及技術(shù)為：線性及邏輯回歸、決策樹、神經(jīng)網(wǎng)絡(luò)、偏小二乘法、LARS及LASSO、K近鄰法以及其他用戶(包括非SAS用戶)的模型算法。

 

 

5.Assess：評(píng)估數(shù)據(jù)挖掘結(jié)果的有效性和可靠性。涉及技術(shù)為：比較模型及計(jì)算新的擬合統(tǒng)計(jì)量、臨界分析、決策支持、報(bào)告生成、評(píng)分代碼管理等。數(shù)據(jù)挖掘者可能不會(huì)使用全部SEMMA分析步驟。然而，在獲得滿意結(jié)果之前，可能需要多次重復(fù)其中部分或者全部步驟。