炒作的背后 企业如何从数据中获得回报

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

本文讲的是炒作的背后 企业如何从数据中获得回报,围绕着大数据的炒作所触发的业内广泛的讨论已经超出了其商业价值。CEO们仍然对大数据所带来的益处持怀疑态度。社交媒体和移动设备的普及为海量数据做出了贡献,这导致个人消费者和企业用户在数据交互方式上的转变。我们正在经历信息的爆炸,不同类型的数据被存储在云中,并跨越多种不同的系统,即我们所说的“大数据”。

  当涉及到客户数据时,大数据由数据金沙组成。大众购买习惯、生活方式以及观念等信息对商业机构而言向来不容易获取。然而,通过在众多地方进行搜索,将这个数据用企业核心的IT系统进行定位、整合可能是非常困难的,甚至近乎于不可能。

  据独立分析机构IDC公司预测,2012年的数字化内容将增长到2.7ZB,较2011年增长48%。至2015年,数字化内容将以火箭式的速度逼近8ZB。在大数据方面,IDC预测超过90%的数据将是非结构化数据(例如图像、视频、MP3音乐文件、以及其他基于社交媒体的文件和在Web上进行的工作)。正如IDC所指出,大数据拥有丰富的信息,但是在理解和分析方面企业却面临挑战。(IDC预测2012:角逐2020)

  对于企业而言,挑战不是如何管理正在被创建的大量数据,而是如何管理不同层面的数据并进行有效分析,从而充分利用数据的价值,并从中获得真正的回报。

  沟通的艺术

  随着人们越来越沉迷于社交媒体和移动设备,因此,能够通过客户喜爱的平台与他们沟通,并在同一层面上产生共鸣,将不仅是确保企业竞争优势的一个手段,而是一个标准的做法。人们正自然而然地变得更加互动,无论是一个客户正在寻找更多关于服装的促销信息,还是一家公司想要讨论数据安全挑战,当客户期待品牌通过新的社交媒体平台吸引人时,客户的期望也在上升。要实现这个新的对话模式,其中不可或缺的一项是速度,即企业能以多快的速度响应并与客户互动,以及企业了解客户、并建立和维持良好关系的能力。

炒作的背后 企业如何从数据中获得回报
▲Informatica技术副总裁Mark Seager 

  高性价比和高效率的数据管理系统可以搜索、发现和整合大数据。企业不再需要质疑他们是否应该把大数据作为与客户建立良好合作关系的方法,但在工具和方式方面需要加以管理,以获得相应的投资回报。

  企业能得到什么?

  灵活的数据管理技术可以帮助企业从不同的系统中提炼出大数据,同时降低数据的拥有成本。例如主数据管理(Master Data Management)系统能够从很多不同的应用孤岛(包括云中),整合并迁移数据,使企业能横跨整个机构获得准确和最新的信息。为了从大数据中获取真正的价值,最重要的是企业能从其迥异的数据中自动地获取并以对机构而言有意义的方式将相关数据展现出来,用于大数据分析。

  通过了解不同数据集之间的点,企业可以创建一个单一的客户视角,这样就能为企业提供对其客户个体需求的宝贵洞察力,并使得他们可以确定如何最好地把客户作为一个个体进行交互。已经有一些机构使用大数据来提供更加个性化的客户体验,并通过这些新的沟通渠道、根据客户的习惯和表达态度,预测每个客户正在寻找什么。通过有效地管理大数据,企业能获益良多,例如加强客户关系、增加交叉销售和追加销售、以及对预测客户消费习惯和趋势的第一手洞察力。大数据为改善客户忠诚度提供了真正的机会,这对于包括保险提供商和移动运营商在内的很多成熟企业的成功尤为重要。

  此外,客户数据的单一视角可以帮助企业找到发展领域。如果能有效管理大数据,大数据的潜力和其代表的新范围将对一个机构的运营利润产生巨大的影响。

  麦肯锡预测,使用大数据将支持新一波的生产力增长和消费者剩余;据预测,零售商使用大数据可能增加超过60%的营业利润。

  消费者与数据间的交互方式已经发生了巨大的变化,企业需要适应这个改变,不仅仅是利用这一丰富的信息以满足客户所期待的更加个性化的服务,还要确定新的销售策略和业务增长领域。大数据将是企业未来的新血液,并且随着CEO们在如何使用数据管理系统以获取这些大数据方面变得更加具有战略性,我们将能清楚地看到哪些企业可以有效地从大数据中获益,而哪些企业却失败了。

作者: Mark Seager

来源: IT168

原文标题:炒作的背后 企业如何从数据中获得回报


相关实践学习
如何快速连接云数据库RDS MySQL
本场景介绍如何通过阿里云数据管理服务DMS快速连接云数据库RDS MySQL,然后进行数据表的CRUD操作。
相关文章
[c++][记录]编译libusb-win32过程
[c++][记录]编译libusb-win32过程
531 0
|
算法
经典控制算法——PID算法原理分析及优化
这篇文章介绍了PID控制算法,这是一种广泛应用的控制策略,具有简单、鲁棒性强的特点。PID通过比例、积分和微分三个部分调整控制量,以减少系统误差。文章提到了在大学智能汽车竞赛中的应用,并详细解释了PID的基本原理和数学表达式。接着,讨论了数字PID的实现,包括位置式、增量式和步进式,以及它们各自的优缺点。最后,文章介绍了PID的优化方法,如积分饱和处理和微分项优化,以及串级PID在电机控制中的应用。整个内容旨在帮助读者理解PID控制的原理和实际运用。
2038 1
|
存储 人工智能 架构师
ChatGPT 与软件架构 (2) - 基于 Obsidian 和 GPT 实现解决方案架构自动化
ChatGPT 与软件架构 (2) - 基于 Obsidian 和 GPT 实现解决方案架构自动化
427 0
|
11月前
|
人工智能
EDTalk:只需上传图片、音频和视频,就能使图片中的人物说话,情感表情与音频情绪高度统一
EDTalk 是上海交通大学与网易联合研发的高效解耦情感说话头像合成模型,能够独立控制嘴型、头部姿态和情感表情,适用于多种应用场景。
487 26
EDTalk:只需上传图片、音频和视频,就能使图片中的人物说话,情感表情与音频情绪高度统一
|
安全 Java 数据安全/隐私保护
Spring 安全配置中拦截 URL 的顺序重要性
【8月更文挑战第21天】
223 1
|
JavaScript 前端开发 Java
一个基于 SpringBoot + Vue 的在线考试系统
【9月更文挑战第24天】这是一个基于 Spring Boot 和 Vue 构建的在线考试系统。后端采用 Spring Boot、Spring Data JPA 和 MySQL 实现快速开发和数据库操作;前端使用 Vue.js 和 Element UI 快速搭建界面。系统包括用户管理、考试管理、考试答题和成绩管理等功能模块,并设计了相应的数据库表结构。通过 RESTful API 实现前后端数据交互,支持多种题型和权限管理,适用于学校和企业等场景。
463 2
|
数据采集 机器学习/深度学习 算法
数据治理之参考数据与主数据管理
最近凑巧参与了一次某行业的业务共创会议,期间讨论到了主数据系统,还有我们该如何参与主数据系统建设的话题。说实话,我一直以为我不会有机会参与到主数据与参考数据系统的话题中去,所以,又去把DAMA的书籍翻了翻。顺便也重新思考了一下主数据与参考数据这个数据治理的课题。
3182 1
数据治理之参考数据与主数据管理
|
JavaScript 前端开发 安全
表单处理:使用 Vue 进行表单验证和提交
【4月更文挑战第22天】Vue 提供了便捷的表单组件和验证规则,支持实时用户输入验证和错误消息显示,确保数据正确性。通过封装验证逻辑和处理异步验证,增强代码复用和安全性。同时,关注用户体验,如清晰的指示和错误反馈,防止 CSRF 攻击,实现高效、安全的表单处理。
290 1
|
机器学习/深度学习 传感器 人工智能
数字孪生技术:智能建筑的新纪元
【10月更文挑战第31天】数字孪生技术正重新定义智能建筑的设计、建造和管理。通过在虚拟环境中创建与实际建筑一致的数字模型,实现实时监测、模拟和优化。本文探讨其在设计、施工、运营、应急管理和未来展望中的应用,展示其在建筑智能化管理中的巨大潜力。
|
机器学习/深度学习 人工智能 算法
【C++ 职业方向】C++ 职业方向探索:工作职责、编程技能与MBTI人格匹配
【C++ 职业方向】C++ 职业方向探索:工作职责、编程技能与MBTI人格匹配
1081 1