企業大數據實戰案例一、家電行業以某家電公司為例，它不僅生產大家熟知的空調、冰箱、電飯煲等產品，還涉足智能家居領域，產品種類繁多。在其集團架構中，IT部門與HR、財務等部門平級，以事業部形式獨立運作。當前，家電及消費電子行業面臨“內憂外患”，產能過剩、價格戰和產品同質化現象嚴重。互聯網企業的涉足，如小米的“粉絲經濟”，樂視的“平臺+內容+終端+應用”，都表明行業的競爭焦點轉向了“用戶”經營而非單一的產品生產。該公司旨在打造極致產品和個性化服務，希望通過合適的渠道將合適的產品推薦給合適的客戶。但在CPC模型中，目前僅實現了CP匹配（產品渠道），缺乏用戶全景視圖的支持，無法實現“CP（客戶產品）”和“CC（客戶渠道）”的匹配。面對這樣的業務需求和市場環境，該公司希望將大數據應用于所有業務解決方案中。以大數據DMP作為企業數據的核心，整合內外部數據資源，按不同領域組織企業數據，構建完整的企業數據資產。然后，利用這一系統服務于企業價值鏈中的各項應用。然而，公司的數據分布在不同的系統中，互聯網電商數據也散布在各大平臺上，難以有效利用。針對這一問題，公司采取了兩項策略：首先從互聯網外部數據入手，引入大數據處理技術，既解決了外部數據的利用問題，又為公司提供了大數據技術的實踐機會；其次，建設DMP作為企業統一數據管理平臺，整合內外部數據，構建用戶全景視圖。一期建設項目包括：通過定制Spark爬蟲每天抓取互聯網數據（主要來自天貓、京東、國美、蘇寧、淘寶上的用戶評論等），利用Hadoop平臺進行存儲和語義分析處理，實現了“行業分析”、“競品分析”、“單品分析”等模塊。這一系統在市場洞察、品牌診斷、產品分析和用戶反饋等方面迅速展現了效果。二期建設目標是建設統一數據管理平臺，整合公司內部系統數據、外部互聯網數據和第三方數據。該項目對企業的最大價值在于將沉淀的數據資產轉化為生產力。IT部門通過建設統一數據管理平臺，快速支持新應用，實現敏捷IT。業務部門通過洞察產品、品牌和行業，優化產品設計、廣告營銷和服務。戰略部門通過市場和行業分析，指導產品布局和戰略部署。企業大數據實戰案例二、快消行業以寶潔為例，在與寶潔中國市場部的合作中發現，并不需要先整合內外部數據才能進行用戶畫像和客戶洞察。寶潔抓取了主流網站上所有與寶潔評價相關的數據，利用語義分析和建模，掌握了不同消費群體的購物喜好和習慣，僅利用外部公開數據，就快速實現了客戶洞察。寶潔還在渠道管理上進行了創新。通過監聽互聯網用戶評論數據，監控與寶潔合作的50個零售商店相關的用戶評論，利用線上數據進行渠道/購物者研究并指導渠道管理優化。實現過程包括：1) 鎖定微博、大眾點評等數據源，采集數百萬條消費者討論與寶潔購物相關的內容；2) 利用自然語言處理技術，對用戶評論進行多維建模，包括購物環境、服務、價值等10多個一級維度和50個二級維度，實現對用戶評論的量化；3) 對沃爾瑪、屈臣氏、京東等50個零售渠道進行持續監控，并通過DashBoard和周期性分析報告展示結果。因此，寶潔能夠更有效地掌握KA渠道整體情況，甚至關鍵細節、優勢與劣勢，指導渠道評級體系調整，幫助制定產品促銷規劃。企業大數據實戰案例三、金融行業對于消費金融來說，家電、快消的案例同樣適用，尤其在精準營銷、產品推薦等方面。這里主要分享征信風控方面的應用。顯然，互聯網金融如果對小額貸款都像銀行一樣做實地考察，并投入大量人力進行分析評估，成本是相當高的。因此，基于大數據的批量信用評分模型應運而生。其目的也是實現企業畫像和企業中關鍵人物的畫像，再利用數據挖掘、數據建模方法建立授信模型。宜信的宜人貸、芝麻信用等都是這一架構的體現。在與金融客戶的接觸中發現，無論是銀行還是金融公司，對外部數據的需求都越來越迫切，尤其是外部強特征數據，比如失信記錄、第三方授權后的記錄、網絡行為等。以上是關于企業大數據實戰案例的相關內容，更多信息可以關注環球青藤分享更多干貨。