參與調研即可下載本期資料，包含ppt文檔及視頻鏈接：點擊下載

大家下午好，我是來自西安榮峰軟件科技有限公司CTO李昊澤，今天在這個秋分的日子里，由我和大家分享一下大數據在銷售管理中的應用價值。下面我會從大數據的定義、應用場景、實施方法論以及實際業務場景及實踐案例等幾個方面跟大家做以分享。

一、大數據的定義

我們經常提起的“大數據”具體是什么？讓我們先從定義上達成共識。學術上的定義是這樣，麥肯錫全球研究院提出：“大數據是無法在一定時間范圍內用常規軟件（如數據庫）或工具進行捕捉、獲取、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力參考力、洞察發現力和流程優化能力，用來適應海量、高增長率以及多樣化的信息資產”。學術上的定義難免有些拗口，我們和諸多高校和學術單位的探討后，發現實踐中和學術上的定義略有差別。我個人對大數據分析/挖掘的理解是：“需要通過頻繁變化、多重維度組合分析得出的數據結果”。分析數據其實和幾何的向量有點相像，一般人們對二維向量和三維向量在腦海中可以勾勒出印象，但是超過三維向量就無法勾勒了，大數據分析經常在超過3個以上維度的向量分析，甚至分析結果再嵌套幾重多維向量分析，這種復雜度的數據分析就需相對專業的分析方法論。但是簡單來說，狹義上的大數據就是人們由于使用互聯網而產生的所有數據，而捕捉分析這些用戶產生的數據，然后用于經營決策，就是大數據分析/挖掘的具體體現。中國互聯網用戶基數大，給了大數據挖掘的基礎，近5年來大數據營銷被諸多行業和企業所運用，衍生出如：客戶價值挖掘、銷售網絡優化、供應鏈優化甚至直接影響生產制造的案例。

二、大數據挖掘的價值

那么大數據挖掘的價值是什么？簡單的總結下，“行為分析+預測規劃”，這兩點構成大數據挖掘的價值。在當下我國的企業一般分為三類，這些企業都會用到大數據挖掘價值的應用。

第一類是產品型的企業，它們可以運用這些數據進行一個精準的營銷；

第二類是小而美模式的中小微企業，它們可以利用大數據做服務轉型；

第三類是傳統企業，可以借助大數據挖掘尋找新的業務增長點；

眼下很多傳統企業都在積極探尋轉型之路，比如傳統報業，由于互聯網、手機的出現快速的分流了讀者用戶，以至主業營收迅速萎縮，那么依靠讀者受眾做二次銷售的業態如何轉型成為大量報業的核心經營課題。再如很多模式傳統的制造業、服務業以及能源型的企業都在想辦法去轉型。但是轉型之路好比革自己的命，必須經過大量數據的分析、佐證和參考，才能相對客觀降低決策風險，同時積極應對市場變化。我們身邊常見的大數據挖掘應用案例如：

●生產制造業，借助大數據挖掘降低產品故障率；

●交通物流業，借助大數據挖掘分析實時路況；

●快消品行業，借助大數據挖掘做產品定價；

●餐飲行業，借助大數據挖掘做假日促銷；

●傳媒行業，借助大數據挖掘做精準資訊推送；

●房地產行業，借助大數據挖掘做“全民經紀人”營銷；

可見大數據挖掘并不神秘，而且離我們很近。

今天我們分享議題的范圍是“重應用場景，輕學術討論”。著重分享大數據在那些行業，哪些企業中的實踐應用案例；不去詳細闡述大數據的界定標準、建模、算法、比對等問題；

三、大數據挖掘的方法論

下面我們舉些例子，這一張很普通的表，這張表的背景是電商行業某家美妝企業的一個樣表，由于涉及到信息敏感性的問題我做了一些修改，用這張表來說明大數據挖掘所涉及到的一些基本問題。大家從縱向看，這張表是由“用戶ID，地區，姓名，年齡，訂單產品，數量，金額，訂單時間”等一些項目和數值構成，而歸納一些這些數據可以歸為兩類，一類是維度，另一類是度量。如：“訂單金額”就是度量，“地區、客戶類型、性別、年齡、訂單產品”就是維度。比如說企業想知道“北京區域的老客戶今年7月份的訂單消費總額是多少？”，這樣的訴求就用到了3個維度和1個度量，維度分別是“地區，客戶類型，訂單產品”度量是“訂單金額”。在數據挖掘的過程中，至少都有3個或以上向量，2個的都很少有，維度可以簡單理解為大數據挖掘的復雜度。

這里需要說明：度量是一定是數值型的，如“訂單金額、數量”，但數值型的就不一定是度量，如：年齡。并且，依據挖掘模型不同，度量和維度是可以轉換的，如“北京區域的老客戶今年7月份的訂單消費總額是多少？”，這個時候“訂單金額”就是度量，而挖掘訴求變一下，如“北京區域的今年7月份訂單消費398元以上的客戶有多少?”，這時候“訂單金額”就變成了維度。那么簡單歸納一下規律：大數據分析/挖掘歸根到底就是在做各種維度和度量的組合。

那么我們試舉一些企業在經營決策和銷售管理中的常見問題，看看借助大數據挖掘如何應答。

問題一：第一，第三季度的營收是高了，還是低了？從數據分析的角度上我們用對比分析法，一般是要有內部的數據分析，用同期數據和往期的進行相對比和環比。從數據的參考性來說，還要要選擇企業的內部數據和外部數據來和企業做一個二維向量的對比，內部的同比和環比，數據是高了還是低了，然后再和外部的因素的多維度數據進行同比和環比。

問題二：連續兩個季度利潤下滑，公司召開績效檢討會，請擔當團隊拿出原因及措施？是哪些度量和維度的導致了這些問題的發生，這時候是要拿數據來說話的，不要用主觀的看法來判斷，要找原因，比如是哪類地區的哪些客戶的降低，造成了季度營業額的降低，這是一類維度和度量組合的分析，另外一類，可以用同業地區的競爭伙伴的老客戶或者新客戶的增長量高低維度的數據，來進行一個對比分析。客觀的從數值和數據來說，維度的度量做出的分析可能導致一些問題的發生，把原因客觀化。

問題三：明年業務指標定多少合適？以往的業務指標是如何制定的，比如說股東方給出一個參考值，營業額要增加20%或30%，那么執行團隊需要從行業發展趨勢，同業競爭格局，行業壁壘現狀，進3年業務指標完成情況來進行分析和數據的對比，最后制定出一個相對客觀業務指標。

以上三個典型問題抽象出一個規律，那就是：

做判斷用比對，找原因用細分

下面我們歸納一下大數據挖掘方法論的要點：

1.收集數據樣本是基礎，數據量越大，分析結果越接近業務實際，越具備數據挖掘潛力；

2.將關鍵業務指標量化成維度或度量，高頻使用的維度和度量更具參考價值。那什么是高頻呢？比如，公司開個績效分析會，企業在運營管理中，經常要分析業務關鍵的指標，那這些指標就是高頻指標；

3.做判斷用比對，找原因用細分；原因不能用高還是低，是還是否來直接回答，要用相對豐滿的數據和答案來回答；

4.盡量用數據說話，而不是用主觀判斷說話。

四、大數據挖掘的實踐案例分析

案例一：某韓資集團（中國）有限公司，借助大數據分析為應對存量市場制定一系列營銷策略。該集團在進入中國市場十年左右，現有客戶35萬左右，當期情況是企業已經拿到了大量數據樣本，經過分析已經初步判斷該市場已經步入存量市場階段，那么企業的訴求很簡單，“存量市場下，如何利用有限的資源針對性的做市場營銷”，

從產品的生命周期看，現行體系是成長期之前，未來體系是成熟期以后；

從市場特征看，現行體系是增量市場，未來體系是存量市場；

從營銷核心看，現行體系是以產品為中心，未來體系是以客戶為中心；

從營銷特點看，現行體系是機會發現型，未來體系是機會培養型；

從客戶需求看，現行體系是滿足基本需求，未來體系是滿足欲望；

從營銷主體看，現行體系是以個人營銷為主，未來體系是以組織營銷為主；

從工作標準看，現行體系是以市場占有率為主，未來體系是以營業額/利潤/現金流的均衡為主

大家可以看一下，經過大量數據的多維比對和分析挖掘之后，企業的營銷策略發生根本性的變化。

案例二：某日資集團（中國）有限公司，借助大數據分析從終端挖掘市場策略。這家公司總部在上海，經營十六年，全國24個省份均覆蓋有銷售網點，設備市場保有量有7萬余臺，該企業的基本訴求是從銷售終端挖掘市場的策略。這一次它沒有在用戶的行為上進行分析，是從設備的運行狀況上進行分析，如圖所示。可以從設備的工作時長，設備維護周期，設備油耗，設備銷量來進行多維度的數據分析，來進行調整和改進。如果客戶使用設備是日均低于2小時，那么傳到出的信息是該設備的客戶可能存在應收賬款風險，公司要馬上關注回款，假設該客戶再次銷售的時候，企業要馬上告警該客戶可能存在還款風險。如果日均使用設備是高于10小時，那么這個客戶有再次采購新設備的可能，要定向性配件和耗材促銷的推送。第一列是設備的運行數據，第二列是初步分析挖掘給予的市場策略，第三列我們留給各位聽眾，如果你是企業的經營決策者，第一列的運行數據在多個維度自由組合，您又會給出怎樣的市場策略？

案例三：國內某知名IT集團，借助大數據分析預測銷售目標以及銷售目標的達成率。該企業經營二十年，渠道穩定，產品競爭屬全國三強，企業提出述求，如何在銷售管理中預測銷售目標？如何將銷售目標風險前置？如何確保目標達成？如圖示，這張表反應了該企業在2015年年中五大銷售區銷售目標的具體完成情況。（我們可以簡單的把這里的“商機”理解為“意向訂單”，即沒有支付預付款或合同款的訂單。）經過日常銷售數據的積累，簡單分析已經可以看出：

1.華南區銷售規模最大，客戶基數較大，但當期客戶商機金額低于銷售目標，目標達成有風險。那么銷售管理的重心需當即調整市場策略，同時加強客戶和商機量，否則無法達成銷售目標；

2.西北區雖然銷售基數小，但開拓潛力較大，大量商機來自新客戶，并且當期商機金額已經超出銷售目標，理論上如果銷售團隊能夠如期簽訂合同或回款，就能夠達成銷售目標。那么銷售管理的重心是緊盯現有意向客戶，確保如期簽約；

3.西北區的商機數較少，但商機金額較大，意味著客戶特征是政府或大型企業規模采購。那么銷售管理的重心需向總部申請特殊資源支持或直接由總部介入售前，給予更有競爭力的銷售政策，確保銷售達成；

4.在制定2016年的銷售目標時，比對2013年、2014年、2015年三年國內同業的市場趨勢，再比對企業自身的銷售數據，結合預算管理方法論，制定出企業2016年的銷售目標。

以上我們簡單分享了幾個大數據挖掘的應用案例，因為時間有限我們僅涉及了淺顯易理解的案例。但在實際應用場景中，往往數據量大到ZB級別（TB（1024GB=1TB）、PB（1024TB=1PB）、EB（1024PB=1EB）、ZB(1024EB=1ZB），這個量級一般已經超出了傳統意義上的數據庫運算能力，需要分布式的架構或云計算的架構運算；關鍵業務指標的維度更為復雜，少則十幾個維度的分析，多則幾十上百個維度的自由組合分析；挖掘的層次出現多維度分析后再多層次嵌套，那么產生的價值就更具備商業價值。如在銷售管理中，已經出現通過大量分析消費者行為來預測用什么銷售方法能夠極大影響消費決策的挖掘案例。

本文出處：暢享網
本文來自云棲社區合作伙伴暢享網，了解相關信息可以關注vsharing.com網站。

總結

以上是生活随笔為你收集整理的大数据挖掘在销售管理中的应用价值的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。