电商大数据让运营更加可视化

“三只松鼠”章燎原分析电商成功之道时提到了数据分析的重要性，基于数据积累了解到顾客购买的客单价、二次购买频率、购买产品、购买打折商品的比例、是几次购买等等。如果是老客户，发货时就可以不用封袋夹，因为，客户那边已经积累了太多封袋夹了，改送其他的礼品，这样顾客每次购买“三只松鼠”产品所收到的包裹都会不一样。

章燎原的数据分析只是大数据时代的一个微小缩影，现在大数据正在深刻的改变企业的运营模式。

从搜索引擎、社交网络到智能移动，全球互联网上的信息总量正以每年30～50%的增速不断爆涨，每天淘宝上数十亿条店铺、商品浏览纪录及上亿的成交、收藏纪录及3000多万条传感器咨询等等。市场研究机构IDC的研究结果显示，2011年全球所产生的数据总量就已达1.8ZB，如果把这些数据刻录到CD碟片中，这些碟片可环绕地球30圈。预计到2020年，这一数字将会呈现13倍的增长。

但光拥有数据是什么问题都解决不了的，必须要有一种对数据应用的视角才能创造出对数据的使用。对于一些数据挖掘的新手来说，拿到数据越多，他就死得越惨。因为他没有在行业里待过几年，不知道该从什么角度去挖掘。

在传统零售业有一个著名的例子，超市可以根据消费者的消费习惯分析出一个结论，啤酒应该和尿布摆在一起。但就单个POS机产生的数据来说，如果没有进行正确的归类，看到的数据将涉及到啤酒和尿布的各种品牌。那么是就啤酒和尿布这两个品类进行分析，还是根据百威和帮宝适亦或是其它品牌进行分析呢？没有经验的分析师恐怕就要晕头转向了。

做大数据需要拥有良好视角、多年行业浸淫得到的经验和创新能力的结合。第一件事就是建立你的切片维度，如：浏览行为、交易行为、支付行为、沟通行为、社交行为、反馈行为以及必要的各类技术指标，一个应用系统往往可能在多个尺度同时反应数据。我们在做大数据应用时有三个基本的维度，第一数据的采集与存储，第二数据的组织与管理，第三数据的分析与呈现。当你对这个没有清晰的定义，或者定义缺失的话，积累的数据往往不可用，那么数据挖掘就将非常困难，包括原始数字定义、最小颗粒度等等，如果做得不好，数据也很难得到应用。

值得注意的是，数据的供应方和使用方关注的焦点往往不一致，企业会表现出不同的数据需求，比如为了提高硬件使用率，需要分析日志数据；为了提高人员系统效率，需要分析工作流数据；为了提升客户满意度，需要CDR数据；为了让产品达到更好的市场表现，需要消费者数据……

而今天我们所理解的数据已经完全不是从企业内部的经营行为或积淀，而是整个社会的环境当中进行数据的积存，数据来源多方面是大数据系统集成，传统数据如企业内部的财务数据、供应链流通数据、CRM客户联系数据、整个客户的行为数据，包括客户在非销售环境中的社会型数据，这些信息系统的结合是大数据将来会发生的变化，它不是在一个静态的、封闭的环境下运营。

对于内部数据，企业需要智能分析及直观呈现；对于外部数据，企业需要精确获取并有效利用。如果数据精准的话，直连的响应回馈就会比较有效，反过来也会存在比较大的问题。

例如：在电子商务行业中，有一项很不起眼，但是业内人士非常关注的数据，就是配送地址。物流系统需要识别一项因素，包裹的配送地址到哪一个配送站是最近的。如果这个地址恰好是在一个合适的配送站覆盖范围之内，因为城市道路交通的一些变化，有可能看上去半径距离是离A配送站最近，但是实际从送货的效率来讲反而是B配送站更方便到达。当系统能够把包裹地址跟配送站效率运转之间进行匹配的时候，这样的数据挖掘对国民经济的价值是巨大的。业内开玩笑讲，如果可以实现，整个物流体系的效率是现在的4倍。

也就是说物流配送本来是能更便宜的，单个运输车多走了10分钟可能没什么，但是如果有5%的车都多走了10分钟，经济消耗就是巨大的。这就需要有一个非常庞大的数据库，能够把包裹目标地很好的网络化，如果能做好，那么它的价值非常大。

现在众多电子商务平台、点评网站及社交网络等消费者集中地，纷纷开放数据接口，全网数据分析及应用也成为可能。社交网络的开放更是为电商大数据应用提供了重要支撑。通过社交网络数据，能够最直接准确的了解消费者购物倾向与消费喜好，从而为精准的推荐及营销提供非常有力的数据支撑。

但是在进行消费者交易匹配时，要考虑外界广泛的供应体系，通常一款商品在市场上的供应商家，比如说一个手机产品你很容易找到上千个供应商，同类比的供应品质也能找到3-5家，在这样的环境中怎样保障你的交易转化率，这要通过时时监控来完成。

目前电子商务企业客户已越来越倾向于精细化运营，通过数据指导行动，我认为未来企业的运营，对数据的获得乃至对整个企业运营的全方位的可视化需求，会是比较强烈的方向。客户可能会交流订单的获取、二次销售、页面回访、签单成本等转化比例，这通常是一些运营指标，它们的可视化可以帮助企业提升业务能力。