大數(shù)據(jù)的基本營銷過程與過去數(shù)據(jù)分析基本過程沒有差別，需要在定義商業(yè)問題之后，采集和處理數(shù)據(jù)、建模分析數(shù)據(jù)、解讀數(shù)據(jù)這么三個大層面。但是大數(shù)據(jù)對三個層面的影響使得具體的做法又與傳統(tǒng)不一樣。
1 數(shù)據(jù)層：采集和處理數(shù)據(jù)
傳統(tǒng)采集數(shù)據(jù)的過程一般是有限的、有意識的、結(jié)構(gòu)化的進行數(shù)據(jù)采集，例如問卷調(diào)研的形式。你能采集到的數(shù)據(jù)一定是你能設(shè)想到的情況。數(shù)據(jù)的結(jié)構(gòu)化較好。一般的數(shù)據(jù)庫Mysql甚至Excel就能滿足數(shù)據(jù)處理過程。
而互聯(lián)網(wǎng)時代里，大數(shù)據(jù)的采集過程基本是無限的、無意識的、非結(jié)構(gòu)化的數(shù)據(jù)采集。各種紛繁復雜的行為數(shù)據(jù)以行為日志的形式上傳到服務器。專屬的例如Hadoop、Mapreduce等工具就不贅述。
2 業(yè)務層：建模分析數(shù)據(jù)
使用的數(shù)據(jù)分析模型，例如基本統(tǒng)計、機器學習、例如數(shù)據(jù)挖掘的分類、聚類、關(guān)聯(lián)、預測等算法，傳統(tǒng)數(shù)據(jù)和大數(shù)據(jù)的做法差別不大，例如銀行、通信運營商、零售商早已成熟運用消費者的屬性和行為數(shù)據(jù)來識別風險和付費可能性。但是由于數(shù)據(jù)量的極大擴增，算法也獲得極大優(yōu)化提升的空間。
3 應用層：解讀數(shù)據(jù)
數(shù)據(jù)指導營銷最重要的是解讀。
傳統(tǒng)一般是定義營銷問題之后，采集對應的數(shù)據(jù)，然后根據(jù)確定的建模或分析框架，數(shù)據(jù)進行分析，驗證假設(shè)，進行解讀。解讀的空間是有限的。
上一篇：每一個痛點，都是一個創(chuàng)業(yè)機會
下一篇：KOL營銷之痛點難點
