香港新浪網 MySinaBlog
« 上一篇 | 下一篇 »
吳佛旋 | 7th Mar 2011 | 解读商业现象 | (9 Reads)

網絡上的下一波是Cloud 這是一種極大的運算力,這項運算力的初始是數據分析,我們先得明白什麼叫做數據分析,才可自然進入下一波,Data mining 也叫數據分析,這全是企業的"診斷"術,為企業“把脈” 數據分析術很早便存在,只是我以前並沒有特別留意,又或因太高成本而無人理會,這好比以前我們叫批發市場的地方,現在叫平台,都是同一道理,用上了新的名字讓“她”有更多的發揮空間,為了更快和準備掌握數據分析這項技難,我分別舉以下例子,
1。一位外國法官叫Liver Wendell Holmes 他說法律的精髓並非邏輯,是經驗,用經驗測法官將如何判決,厚厚的法律其實是前人和歷史的數據累績而成,繼而分析法官定判案,
2,一些治安極佳的地方如香港,新加坡等,警察會特別招呼一些小罪案,因為由警察自己的數據庫中統計出許多大罪案爆發前是因為累積了一定數量的小罪案而成,如何阻止大罪案的發生,得由解決小罪案開始,
3,2003年非典時,口罩成了解決方案,當時首先宣佈非典的廣州市由數據分析得出1/3非典患者都是醫務人員,這是歷來醫院從未有過的情況,從而觀察院內活動發現經由交談傳播,即時“上血“的方法是全民用口罩,這三個案例都在告訴我們數據分析的第一層優點就是累積集體智慧,集體智慧即政治上的廣納民意,他的好處可由以下的安全案例中看到。
1。一個心理學的集體智慧實驗是這樣做的,老師找來一件大學班上同學們較少見到的商品,然後讓大家發表估價,價格有高有低,最後把總數加在一起除人頭得出的平均數和真正的價格極相似,這便是一種集體智慧,
2,近10年前,IBM的Deep Blue把其電腦輸入了70萬種旗譜,然後和世界各地Garry Kaspanov 提旗,這是經驗(數據)對抗人腦創新,最後是Deep Blue 贏了,
3,當我們到Google 打入Apple 出現的是蘋果電腦還非水果,打入Backberry也是,這便是Google也做了數據分析知道我們其實真正找的什麼而非字面解釋字,當我們使用交友網站,交友網站會主動推介我們認識的朋友或者有意向認識的朋友,這都是他們掌握我們各我們朋友的使用和活動數據有效,
4,在美國的國稅局,更一度流傳他們可按中小企業的財務表現,盈利能力加行業預測他們的婚姻離婚機會率有多高,這一切全是集體智慧所致,集體智慧的累積過程叫輸入數據,接著便是如同分析數據,繼而使企業掌握趨勢,請記住,世事萬變,請勿追求最終結果,方案或會出現其實產品,現狀等,數據分析主要是用作看趨勢和觀察還可以怎樣做得更好。對於不同的行業,數據分
析時用什麼角度切入,眼光境界,解讀人人不盡相同,這要由每個企業的管理人員量身分自己的企業進行“把脈”筆者在這裡舉幾個例子讓你“頭腦風暴”用 :
1,某歐州大型租車公司已經拒絕為其有信用卡壞帳的人提供租車服務,因為他們的數據中發展換車,被轉換零部件的人大都有信用卡壞帳和死帳的用戶,
2,美國專營國內線的航空公司,當遇有客人臨時取消機票有空位時,不再是首先給VIP或常使用他們航班飛行的舊客,也不是按先到先得,反而是新客或在櫃檯放出小banner零售即時空位,因為這些最賺錢,VIP常使用他們的航班折扣反而還手白做,甚至是靠新客補貼,所以這些以往叫有忠城度的客戶現在只用作保持規模成本,已非主要服務對象,尤其減少人對人的服務,甚至讓他們自己在網上DIY
3,在2004年,一個颶風伊凡登入美國佛羅里達州,wal-mart的數據分析指示其員工在風未登入之前把草莓夾心餅POP_Tart運往佛羅里達州倉庫,避免到時基礎建設破壞了難以運輸,因為過往Wal-mart的數據累積分析結果發現逢有自然災害後,市場需求這種甜食“安慰”自己,在日本,一家大型超市開始為其食物部分建立數據分析為的是把現在的比菜市場好的超市可提升為食物顧問,主動提醒客戶還有什麼食物可送,這些數據的分類他們規定為:
1,按素食/肉食
2,按血型飲食
3,按宗教文化
4,日本人,非日本人(外國人)
5,修身少量/營養師現畫
他們收集客戶購買背後什麼原因,學問,廣告,意見領袖等的影響,進而做出量身回應究竟怎麼樣像個人化推介食物飾演好食物顧問的超市新功能。這是在一開始時假設好幾個普通分類,後按數據的不敢累積,再實地和顧客發生交流繼而發展出企業自身的數據分析的如同WAL-mart的POP-tart,這是任何企業的又一新嘗試,促使了客戶服務的新優勢,今日,其實我們早在社會上使用這種數據分析,例如,香港的英班,內地的重點學校,這些都是到放棄了“有效無類”即沒有數據分析做細分或支持的方法,而是投放和集中資源在某幾批有潛力的學生上,這便是教育界形成的自身條件和行業出發的數據分析,美國的amzon一度鬧著不同的客戶有不同的價格,背後是客戶的採購史定價,那類型的書到走顧客必須當低價賣,或那些特價書是常買,那行某人類書是量身訂做為這位客戶調低一點價,在美國被罵得像沒有道德般

以上一些看似都在大企業才可做的事,現在我們舉幾個中小企業也經常用的數據分析策略,
1,電話或網上問卷,大多數的企業都發發現完成客房服務或技術支援後,顧客高興與電話或網上意見調查的人多為回頭客或日後會成為購買潛力客戶,這便是一種數據分析,
2,筆者有一客戶是做佛具批發零售的,從數據分析中發現平均客戶在半年左右時間會再一個佛像或一些會放置很長時間的佛像。如觀音和祖先牌,那麼這些再購買者是那裡來的需求,打壞了只是其中一項原因,然而不至於有多達三成的客戶翻單,再仔細看出貨地址,那麼先假設是口碑的傳頌。再和顧客深入一點的QQ上聊天,確認顧客也是這樣,有的是因工作常調到別的省市而在自己的宿舍或新住處也置神颱,得到這樣的一個數據分析後。便開始了賣二座神颱和加送貨來推單,有顧客其他行業也可以看看這個案例,看看你的數據分析是否也是這樣,例如,縫紉機便是,日後,市場上也會有普及的一種分類方法:價格敏感的客戶和價格不敏感的客戶。後者所“賺得”的服務會更多和個人化,當你客制化服務時,可高興了,看看你是否在“pay-high"像筆者,手機,信用卡等消費了不多,很少收到電公司或銀行的贈品,或個人的其他優惠卷,筆者一位常出“泡”的朋友則常有紅灑會給的
免費會員卡或試灑會VIP卷等,當日,這位朋友也蠻高興邀請筆者一起去,筆者為他解釋了數據分析和自己的消費記錄後,可真沒那麼大的“氣派”了最後,筆者想告訴你。數據分析取代不了人的直覺,來自你潛意識的東西,目前仍沒有任
何科技可取代,過往有不少成功的使用直覺成功的例子,當然也有不少失敗的例子,這些失敗的例子主要有二個誤差,
1,過度使用直覺到了“靠估”的地步
2,直覺最有效的地方在於人,而非在事,日常的事,注意這是數據分析的力量今日的中國市場及至港台一大批到內地投資的廠商,他們都有一種極強的品人直覺,一下便知這個人行不行,是否可靠,是否可用,是否可合作,那個年代的企業家大多缺乏正式教育,然而他們是在市場上由低打上去,有的已打到上了市,有的規模資金都極充足不需上市,他們靠的便是這種“品”人的直覺。把你的直覺用在人上,事剛交給IT好了,然後你的團隊為你做數據分析。