2.通过具体技术方案,标签化、聚众类库法等分析,构建画像体系,这里涉及到大数据的核心,如大数据平台的开发和挖掘技术;3.精准营销:通过一系列的模型,对新业务,匹配合适的用户群,提高业务到达率及转换率。这也是大数据技术的本质,回归到具体业务,提升业务指标完成率。总之,大数据的开发、挖掘及大数据的应用,在实践中,涉及到节点比较多,且模型的建立、迭代升级、优化都是需要不断的修正,这样就会达到比较好的效果!。
请问销售可以做哪一类数据分析师?
大数据是我的主要研究方向之一,同时也在带大数据方向的研究生,我来回答一下这个问题。对于非计算机专业出身的人来说,学习数据分析可以从基本的数据分析工具开始学起,一方面比如容易掌握,另一方面也可以跟实际工作相结合。对于销售人员来说,学习数据分析技术具有比较强的现实意义,目前不少公司的销售部门都会配备专业的数据分析人员,进行场景化的大数据分析。
场景大数据分析通常需要进行三个步骤,其一是完成数据的采集和整理(抽取),其二是根据行业规则进行算法设计,其三是根据场景需要进行结果呈现。场景数据分析目前依然以结构化数据为主,尤其是销售类数据更是如此。通常情况下,场景数据自身的价值密度是比较高的,而且维度也比较清晰,所以在数据采集和整理方面会相对比较容易,通常可以直接从已有的数据库中进行数据提取。
要想完成这个步骤需要掌握Sql语言以及一些常见数据库的使用。场景分析的第二步是根据行业规则进行算法设计,这个步骤通常需要具备一定的专业知识,需要掌握一些常见的算法,比如kNN、决策树、朴素贝叶斯、支持向量机等等,这些算法都是数据分析领域比较常见的算法。当然,目前BI工具已经集成了大量的算法,只要根据具体的应用场景进行选择就可以了。
其实大部分常见算法并不复杂,具备一定线性代数和概率论的基础知识就能够掌握。场景分析的第三步是进行结果呈现,结果呈现可以有很多种方式,比如可以通过BI工具自带的模版进行定制化设计,也可以通过编程的方式完成结果呈现。我从事互联网行业多年,目前也在带计算机专业的研究生,主要的研究方向集中在大数据和人工智能领域,我会陆续写一些关于互联网技术方面的文章,感兴趣的朋友可以关注我,相信一定会有所收获。
大数据时代会对传统营销带来怎样的变革?