기업 빅데이터의 실제 사례
1. 가전 산업
잘 알려진 에어컨 회사를 예로 들어보겠습니다. , 냉장고, 밥솥 등 수백 가지 제품으로 스마트 홈도 만듭니다. 그룹 구조에서 IT 부서는 HR, 재무 및 기타 부서와 병행하여 사업 단위 형태로 운영됩니다.
현재 가전 및 가전 산업은 과잉 생산, 심각한 가격 전쟁, 균질화 등으로 인해 '국내외 문제'를 겪고 있으며, 샤오미의 '팬 경제'라는 경쟁 모델을 뒤흔들고 있습니다. ", LeTV의 ""플랫폼+콘텐츠+단말기+어플리케이션", 핵심은 제작이 아닌 "사용자"를 관리하는 것입니다. 회사는 최고의 제품과 개인화된 서비스를 창출하고 올바른 채널을 통해 올바른 고객에게 올바른 제품을 추천하고자 합니다. 그러나 CPC 모델에서는 현재 CP 매칭(제품 채널)만 있고 사용자 파노라마 보기 지원이 부족합니다. "CP(고객 제품)"과 "CC(고객 채널)" 매칭을 열 수 없습니다.
위에서 언급한 대내외 환경과 비즈니스 동인을 바탕으로 빅데이터를 모든 비즈니스 솔루션의 허브로 만들고자 한다. 빅데이터 DMP를 엔터프라이즈 데이터의 핵심으로 사용하여 내부 및 외부 데이터 소스를 최대한 활용하여 다양한 도메인에 따라 엔터프라이즈 데이터를 구성하여 완전한 엔터프라이즈 데이터 자산을 형성합니다. 그런 다음 이 시스템을 활용하여 기업 가치 사슬 전반에 걸쳐 다양한 애플리케이션을 제공합니다.
그럼 문제는 회사의 데이터가 여러 시스템에 흩어져 있는데, 더 많은 인터넷 전자상거래 데이터가 주요 전자상거래 플랫폼에 흩어져 있어 효과적으로 사용할 수 없다는 점입니다. 회사의 대응 전략은 1) 외부 인터넷 데이터로 시작하여 빅데이터 처리 기술을 도입하는 한편, 외부 인터넷 전자상거래 데이터 활용의 단점을 해결할 수 있다. 빅데이터 기술은 인터넷 데이터의 양이 많지 않기 때문에 내부 조율이 필요한 이슈는 빠르게 성과를 낼 가능성이 높습니다. 2) DMP를 기업 내부 데이터와 통합하여 사용자 초상화를 생성하는 통합 데이터 관리 플랫폼으로 구축합니다. 사용자에 대한 파노라마 뷰를 구축합니다.
1단계 구축 내용: 기술 구현 측면에서 맞춤형 Spark 크롤러를 사용하여 매일 인터넷 데이터(주로 Tmall, JD.com, Gome, Suning, Taobao 및 기타 데이터에 대한 사용자 댓글)를 캡처합니다. ), 저장 및 의미 분석 처리에 Hadoop 플랫폼을 사용하여 최종적으로 "산업 분석", "경쟁 제품 분석" 및 "단일 제품 분석"의 세 가지 주요 모듈을 실현합니다.
가전업체의 빅데이터 시스템 1단계 결과는 시장 인사이트, 브랜드 진단, 제품 분석, 사용자 피드백 등에 빠르게 반영됐다.
2단계 구축 목표: 회사 내부 시스템 데이터, 외부 인터넷 데이터(전자상거래 데이터 등), 제3자 데이터(예: 외부 협력, Tabu 데이터에서 제공하는 제3자 소비자 등).
기업의 빅데이터 프로젝트가 기업에 주는 가장 큰 가치는 축적된 데이터 자산을 생산성으로 전환시키는 것입니다. IT부서는 기업의 통합 데이터 관리 플랫폼을 구축하고, 기업 내외부의 데이터를 통합하며, 신규 애플리케이션을 신속하게 지원하는 등 Agile IT 역할을 담당합니다. 기업이 세련된 운영을 수행하는 데 도움이 되는 마케팅, 서비스 최적화 및 기타 측면을 최적화하고 개선합니다. 사용자 초상화를 기반으로 한 정확한 마케팅과 개인화된 추천은 기업이 사용자를 위한 최고의 서비스 경험을 창출하고 고객 충성도와 만족도를 높이는 데 도움이 됩니다. 부서는 마케팅 및 산업 분석을 통해 기업이 제품 레이아웃과 전략적 배포를 수행하는 데 도움을 줍니다.
2. 빠르게 변화하는 소비재 산업
Procter & Gamble을 예로 들어 P&G 중국 마케팅 부서와 협력하는 동안 내부 및 외부 데이터를 먼저 사용하여 사용자 초상화와 고객 통찰력을 만듭니다. P&G는 주류 웹사이트에서 P&G 리뷰와 관련된 모든 데이터를 수집하고 의미론적 분석과 모델링을 사용하여 다양한 소비자 그룹의 쇼핑 선호도와 습관을 이해했으며, 외부 공개 데이터만을 사용하여 신속하게 고객 통찰력을 얻었습니다.
또한 P&G는 채널 관리에도 혁신을 일으키고 있습니다. 커뮤니티 청취를 위해 인터넷 사용자 리뷰 데이터를 활용하고, P&G와 협력하는 50개 소매점과 관련된 사용자 리뷰를 모니터링하고, 온라인 데이터를 통해 채널/구매자 조사를 수행하고, 채널 관리 최적화를 안내합니다.
구현 과정:
1. Weibo, Dianping 등 인터넷 데이터 소스를 잠그고 수백만 명의 소비자가 이야기하는 P&G 쇼핑 관련 콘텐츠를 수집합니다.
2. 자연어 처리 기술을 사용하여 쇼핑 환경, 서비스, 가치 등 10개 이상의 1차 차원과 50개 이상의 2차 차원을 포함하는 사용자 리뷰의 다차원 모델링을 수행하여 사용자 리뷰를 정량화합니다.
3. Walmart, Watsons, JD.com 등 50개 리테일 채널을 지속적으로 모니터링하고 그 결과를 DashBoard 및 정기 분석 보고서를 통해 제시합니다.
따라서 P&G는 회사 내부 데이터를 연관시켜 KA 채널의 전반적인 상황을 보다 효과적으로 파악하고 KA 채널의 주요 세부 사항과 장점, 단점을 더 깊이 이해하고 채널 조정을 안내할 수 있습니다. 등급 시스템을 제공하고 제품 판촉 계획을 수립하는 데 도움을 줍니다.
3. 금융산업
소비자 금융의 경우 특히 정밀 마케팅, 상품 추천 등의 측면에서 가전제품과 FMCG의 사례가 적용 가능합니다. 여기서 우리는 주로 신용 위험 관리에 대한 응용 프로그램을 공유합니다. 물론 인터넷금융도 은행처럼 소액대출에 대해 현장점검을 하고 분석·평가에 많은 인력을 투자한다면 비용이 매우 높을 것이기 때문에 빅데이터를 기반으로 한 일괄 신용평가 모델이 있다. 궁극적인 목표는 회사의 초상과 회사 내 주요 인물을 달성한 후 데이터 마이닝 및 데이터 모델링 방법을 사용하여 신용 모델을 구축하는 것입니다. CreditEase의 Yirendai, Zhima Credit 등은 본질적으로 이러한 구조를 가지고 있습니다.
금융 고객과 접촉하면서 우리는 은행과 금융 회사 모두 외부 데이터, 특히 배임 기록, 제3자 이후 기록 등 강력한 특성을 지닌 외부 데이터에 대한 필요성이 점점 더 커지고 있음을 발견했습니다. 당사자 인증 및 네트워크 행동 등
위 내용은 기업 빅데이터의 실제 사례에 대해 편집자가 공유한 관련 내용입니다. 자세한 내용은 글로벌 아이비를 팔로우하여 더 유용한 정보를 공유할 수 있습니다.