数据运营数据分析报告

数据运营数据分析报告（精选12篇）

1.数据运营数据分析报告 篇一

新媒体运营｜新媒体必备的11大数据分析工具

来源：安迪大叔 知运营大学

优质的内容是新媒体运营的核心，而数据分析可以帮助我们解决很多问题，定方向、降成本、节开支等等。什么数据最值得去看呢，那必然就是各大自媒体平台的数据，它是新媒体平台中最具有参考性的数据。

必备的新媒体数据分析工具？

1，新榜

互联网渠道的价值标准：以日、周、月、年为周期,按24大分类权威发布以微信为代表的中国各自媒体平台最真实、最具价值的运营榜单,方便用户了解新媒体整体发展情况,为用户提供有效的参考导向…

2，清博大数据

中国新媒体大数据权威平台：清博大数据拥有清博指数、清博舆情、营广公品等多个核心产品。提供微信、微博、头条号等新媒体排行榜,广告交易、舆情报告、数据咨询...3，神策数据

多维度数据实时分析，事件分析，漏斗分析，留存分析，分布分析等8大分析模型，轻松搞定数据分析需求。即使调整运营策略，提高运营效果。深度洞察用户行为，深入了解用户是从哪里来，又在哪里消失，找到新的产品增长点，驱动产品优化迭代与提升运营效果，自定义多维度分析场景，可私有化部署的数据分析平台…

4，GrowingIO 实时采集用户行为数据，可视化实时出图。GrowingIO营运数据分析，多维分析更精准GrowingIO拥有国内颗粒度更细致的用户行为洞察系统，帮助运营人员灵活定制推广方案。

5，伯格运营

运营助手，运营管家...对于企业来说公众号运营的安全很重要，有了伯格运营质量诊断，再加上违规文章库，为公众号的健康起到保驾护航的作用...6，数说风云

一个实时、维度全面的微信排行与监控工具。微信运营监控，自媒体全行业分类排行榜。

7，易赞

易赞搭建了自媒体与广告主对接的社会化媒体营销平台。目前平台提供公众号用户画像查询及新媒体观象台大数据。可以通过易赞官方网站及公众号“易赞”获得数据查询及分析。

8，微指数

国内领先的微信大数据领导品牌，为广告公司、微信号运营者、新媒体行业和传统企业机构，提供微信运营、微信营销、微信推广相关的最专业的大数据服务。

9，西瓜数据

专业的微信公众号大数据服务商：收集380万公众号数据，4亿篇公众号发文记录提供广告价值预估，地区行业热门公众号排行。分钟级阅读量监控，全网竞品搜索监控，是公众号运营及广告投放效果监控首选大数据工具。

10，微信指数

是微信整合了微信上的搜索和浏览行为数据，基于对海量云数据的分析，从而形成当日、7日内、30日内以及90日内的“关键词”的动态指数变化情况，方便人们看到某个词语在一段时间内的热度趋势和最新指数动态。

11，大数据导航网

以大数据产业为主，大数据工具为辅，给用户提供一个更加快速找到大数据相关的工具平台。

2.数据运营数据分析报告 篇二

移动互联网的快速发展, OTT业务对运营商造成很大压力, 终端+应用的模式导致运营商成为管道, 而内容提供商和终端位于价值链的顶部。移动互联网具有互联网的特征, 以内容为主。但目前的现状是:管道对内容很难控制。因此移动运营商面临着移动数据网络增量不增收的困境。

为了帮助运营商提升流量经营收益, 笔者认为通过深度内容经营, 掌控内容、管理内容、内容创新经营来提升流量价值。同时为合作伙伴提供内容引入和结算的平台。通过将流量管道的资源以能力的方式向第三方进行开放, 从而在扩大经营领域的同时, 实现与第三方服务商之间的共赢, 可以最大限度的提高运营商管道的价值。

2 现状分析

进入3G时代以来, 在通信网络上, 随着3G爆发性增长和智能手机普及, 移动互联网发展一日千里, OTT应用对运营商传统的短信、语音业务带来巨大冲击。运营商的短信、语音业务收入增速放缓, 而移动数据业务流量猛增大大超过运营商预期, 流量成为运营商最有价值的增长点。

移动互联网业务的发展, 给电信运营商带来数据业务流量的巨大提升, 也使运营商的移动通信资源被大量的第三方应用占用, 给移动网络造成一定的压力。在收益上, 运营商目前仅得到有限的管道流量价值。因此, 进行流量经营, 挖掘数据流量中蕴涵的价值, 避免沦为纯粹的流量管道, 这也就成为运营商的必然选择[1]。

目前移动数据经营现状是:

(1) 收益前景不明:在流量增加, 价格下降的趋势下, 虽然运营商数据业务总体收入仍在增加, 但收益率快速降低。同时为了支撑更多的数据流量, 运营商需要不停的扩容, 一些热点地区扩容难度加大;运营商面临着扩容越来越困难, 收益越来越低的困境。

(2) 缺少对流量内涵的深度挖掘:手机上网用户是一个庞大的用户群, 如果能够形成用户画像, 实现针对不同用户的精准营销, 则可以利用业务推荐和广告定投实现后向收益经营。

(3) 缺乏统一的流量节省方案:以无线宽带运营商为例, 移动网络无线流量比较昂贵, 但使用无线数据卡对网页访问时, 仍有很多广告很占流量, 而且还会弹出窗口。在手机端, 有的浏览器已经过滤了广告, 但是在电脑端, 广告基本没被过滤。如果运营商统一将广告过滤, 则会降低网络压力;对用户而言, 则节省了流量费用。

因为运营商有用户的详细信息, 同时运营商可以部署用户行为分析平台 (UBAS) 方便采集用户的日常数据流量习惯, 结合用户行为和用户信息, 如果运营商进行广告的统一管理, 向终端用户投放广告且还对这些广告流量免费的话, 那么将会意味着两点:

(1) 终端用户节省了流量费用, 并随着弹出窗口和广告的减少提升了使用体验。

(2) 运营商控制住了投放到终端用户的渠道。网站的大部分广告都可以被过滤, 取而代之是运营商自己的广告, 或者网站必须为用户下载广告而向运营商付费。这意味着管道具有比网站更佳的商业广告价值。

因此基于内容的业务经营平台的引入对移动网络十分必要。引入业务经营平台, 通过内容经营和精准营销的策略捆绑, 移动运营商才可以摆脱目前的管道现状。下文将详细介绍基于经营平台的网络架构和模式。

3 深度内容运营方案

3.1 建议的网络架构

业务内容经营平台包括移动网络、分析控制、经营平台三部分。

移动网络基于传统移动数据网络, 增加策略控制和套餐功能, 实现不同用户签约不同套餐, 提供不同网络服务等级功能[2]。

分析控制主要是基于成熟的用户行为分析 (UBAS) 平台, 提供了用户行为分析功能, 整合了多个业务系统的数据信息, 对业务信息进行有效挖掘, 实现了核心数据业务平台业务及合作伙伴的运营监控与运营管理功能, 提供了准确辨识、获取、保持和增加“可获利客户”的精确营销功能, 同时, 精分系统可以与生产系统实现联动和协同。

经营平台的精分系统可自动获取流量经营平台产生的各种业务数据, 依托系统自有的知识库和标签库, 进行深度挖掘分析, 生成完整的客户全景视图信息库, 即用户画像, 比如客户基本信息、客户行为信息、客户知识信息等, 然后进行以客户为主导的智能营销决策设计, 为营销和服务提供全方位的决策支持。

3.2 典型业务流程

“广告优化定投”业务解决方案:由广告优化定投平台对用户进行精确分类, 可以将合作伙伴的广告内容根据推广策略进行精准投放。可以采用的方式, 包括:PULL方式和PUSH方式。PULL方式为在门户、客户端或SDK插件上设置广告位, 然后根据不同的用户到平台拉取不同的广告内容, 从而实现针对用户的精准营销。PUSH方式, 由流量经营平台结合用户画像, 根据投放策略和广告内容, 采用短信、彩信、Email、客户端方式进行主动推送。

(1) 广告投放 (客户端、嵌入SDK投放) 业务流程说明:

(1) 合作伙伴 (广告平台) 向内容经营子系统注入广告内容。

(2) 内容经营子系统向业务管理子系统同步广告内容。

(3) 精准营销子系统获取到业务管理子系统的广告数据。

(4) 精准营销子系统进行精确分析。

(5) 客户端向业务管理子系统请求内容。

(6) 业务管理子系统根据用户请求的内容, 向精准营销子系统请求相应的广告内容。

(7) 业务管理子系统向客户端返回相应的广告。

(2) 广告投放 (主动推送) 业务流程说明:

(1) 合作伙伴 (广告平台) 向内容经营子系统注入广告内容。

(2) 内容经营子系统向业务管理子系统同步广告内容。

(3) 精准营销子系统获取到业务管理子系统的广告数据。

(4) 精准营销子系统进行精确分析。

(5) 管理员在精准营销子系统中制定广告投放计划。

(6) 精准营销子系统通知业务管理子系统进行广告投放。

(7) 业务管理子系统通过各种渠道向用户投放广告营销消息。

(8) 用户点击广告。

4 广告优化定投可行性分析

4.1 需求分析

广告平台拥有广告资源和广告运营平台, 但只能做品牌广告, 而无法做到效果广告;运营商拥有用户资源及与用户相关的海量信息, 如何利用这些信息产生更大的利润是个难题;应用开发者/开发商掌握应用资源, 但苦于如何盈利。“广告优化定投”可解决以上难题。

“广告优化定投”业务场景的核心在于细分用户, 精细运营, 精确地向用户投放广告, 增强广告效果, 降低成本并提升各方的收益。

4.2 业务场景

针对“广告优化定投”场景, 可以考虑实现如下形式精细运营:

(1) 内容的过滤, 比如将未付费广告过滤, 将悬浮式图片和弹窗过滤。很多这种悬浮式图片和弹窗都是色情广告或者游戏广告, 无论是企业还是家庭客户都有这种需求。

(2) 不对用户群体精准分类, 在流量管家或开发者的应用中插入品牌广告, 获取广告点击收费, 各方按约定规则进行分成。

(3) 对用户群体进行精准定位, 在流量管家或开发者的应用中插入效果型广告, 如网游广告, 各方按约定规则进行分成。

(4) 通过流量管家或开发者的应用对APP应用进行推广, 按照下载量和激活量来向APP开发者收费。

(5) WAP或WEB页面类广告, 有两种方式:一、由第三方合作网站在页面中插入品牌或者效果广告, 各方按约定规则进行分成;二、通过ISG将品牌广告或效果广告强制插入页面顶部或底部。

通过“广告优化定投”的方式, 实现对广告资源的精细化运营, 并与合作伙伴进行合作分成, 从而增加流量管道的经营收益。

图2给出了广告优化定投业务场景和流程。

4.3 对各方带来的价值

(1) 对运营商的价值

运营商负责提供业务运营支撑服务, 包括:

(1) 提供管道资源, 用于实现业务运行;

(2) 进行流量核减:在GGSN/PGW中设置来自于流量经营平台的内容流量的核减;

(3) 协助进行业务运营推广:通过运营渠道协助业务的运营, 包营业厅、短信、WAP PUSH等渠道;

(4) 对用户点击次数进行计量, 用于进行后向结算分成;

运营商与合作伙伴进行合作, 通过后向收费来提升流量价值。

(2) 运营服务商的价值

运营服务商负责主导业务运营, 包括:

(1) 寻找广告代理商, 并与广告代理商完成广告投放的合作。

(2) 负责合作伙伴内容的引入, 并进行“流量免费用”的内容播放。

(3) 负责运营策略的制定、执行以及相关KPI指标的完成。

运营服务商通过主导业务运营, 参与运营收入分成。

(3) 对广告代理商的价值

广告代理商负责提供广告资源和应用, 并支撑内容业务运营, 包括:

(1) 提供广告资源;

(2) 配合进行将广告内容植入到应用中;

(3) 配合进行内容注入及业务运营的系统改造;如:内容注入, 订购页面的跳转、内容点播次数计量等。

(4) 负责根据内容点击量与运营商进行后向分成。

利用运营商庞大的用户群, 为广告代理商提供全新的广告营销渠道, 为广告代理商带来新的营收渠道。

(4) 对用户的价值

通过不同签约包节省广告流量, 只浏览自己有兴趣的广告, 提升网络应用体验。

5 结束语

在移动互联时代, 运营商成为管道, 各种终端应用划分了大部分蛋糕。为了挖掘管道的价值, 业界都在思考智能管道的策略。笔者分析了智能管道在广告优化管控和定投方面的具体应用思路, 向用户提供基于内容的服务和针对用户开展营销工作, 来提升运营商智能管道利润。

参考文献

[1] 刘平.运营商优化内容模式研究.中兴通讯技术.2012, 3:42 ~44

3.数据运营数据分析报告 篇三

关键词 大数据分析 机场运营 作用 意义 必要性

中图分类号：V35 文献标识码：A

0前言

大数据分析作为近年来较为流行的IT行业的词汇，对其应用广泛深入到我国社会生产中的各个领域中，通过其对各个行业的指导作用，使得社会领域的各个行业得以高速发展。本文就现阶段我国机场运营过程中存在的问题进行分析，并由此引出大数据分析的概念，从而得出大数据分析在机场运营中起到的作用。

1目前我国机场运营现状

（1）运营管理松散；目前我国大多数民航企业在机场运营中对员工的管理比较松散，缺少严格的赏罚制度和管理体系，这导致了部分专业素质较低的机场员工对待自身的工作比较松散并且对旅客的服务质量下降。运营过程中相关管理人员对待自身的工作比较懈怠，对于自身的工作职责和工作范围并不明确，往往对于一些看似平常但却关乎飞行安全的管理细节容易忽视，给飞机的飞行带来了较大的安全隐患。另外对于一些民航企业中的管理层人员来说，在其平时工作中对工作人员的监督和管理比较松懈，降低了工作人员的工作技能和服务水平。

（2）飞行区运营环境较差；飞行区的飞行环境是飞机得以安全飞行的重要保障。现阶段我国机场飞行区经常存在着污染物和碎屑的现象，这增加了飞机起飞过程中的危险性。另外，对于飞行区内的跑道并没有进行经常性的清理和维护，对相关跑道缺乏定期的评价，这严重影响了飞机的飞行环境。

（3）导航和通讯设备缺乏先进性；目前我国现阶段飞机导航和通讯系统运用的是GPS，即全球定位系统，而该系统则是由美国在20世纪七十年代开发研制并在随后加以创新的导航系统，对于自身导航系统缺乏创新，同时我国的导航和通讯设备较发达国家相比较为落后，使得我国的机场运营收到制约。

2大数据分析的概念及意义

2.1大数据分析的概念

（1）大数据分析的含义

大数据分析即较大规模的数据进行分析。大数据总体上可以概括成四个V，即Volume（数据量大）、Velocity（速度较快）、Variety（种类多）、Veracity（价值密度多）四点。近年来随着对大数据含义的引入，大数据分析在各个领域中的数据仓库、数据安全、数据分析和数据挖掘都具有较大的指导作用，因而广泛应用在社会生产的各个领域。

（2）大数据分析的构成

大数据分析是在一般数据分析的基础上，对规模庞大的数据进行集中分析并处理。大数据分析一般由数据仓库、联机分析处理、数据备份以及数据恢复等部分组成，其涉及的知识范围较为广泛，包括软件、硬件以及咨询服务和应用。

2.2大数据分析的意义

大数据分析即指通过商业智能工具对拥有庞大数据量的对象进行分析的过程，其通常被认为是将企业或机构中现有的数据转化为知识，帮助企业或机构作出利于其发展的经营决策工具。

3大数据分析在机场运营中的意义和作用

3.1数据处理的高效性

将大数据分析应用到机场运营中，可以有效地提高机场数据处理的效率。随着我国经济的高速发展以及人民生活水平的不断提高，人们的出行率也在逐渐升高，而随着旅客出行频率的加大，机场的航班信息也需要随时的变更，面对高频率的数据更新，传统的数据分析处理已经不能满足机场运营的要求，通过大数据分析，将较多的航班信息存储到系统的数据仓库中，再通过联机处理对数据进行分析，最后将实时数据传到显示前段，在保证航班信息准确无误的同时，大大提高了航班数据的更新速度。

3.2利于飞行安全

飞行安全历来是世界各国机场运行的难题，如何确保飞机在正确的航道上飞行对于保证乘客的人身财产安全具有重要的作用和意义。大数据分析系统通过对不同地区的航道信息进行广泛的收集，并应用其联机系统将不同航道信息传入各个民航机场的通讯机构，在保证了飞机飞行安全的同时，也有效地提高了机场的运营效率。

3.3提高了民航企业的利润

通过对不同时期、不同机场的运营情况数据进行集中采集、分析和处理，可以使民航企业自身了解到与其他企业存在的差距，通过数据进行企业内部的相应改革，进而提高企业的竞争力。

4结论

本文通过对现阶段我国民航运营中存在的问题进行分析，引出大数据分析的概念，并通过研究大数据分析的构成及意义，指出了大数据分析在我国机场运营过程中的作用和意义。

参考文献

[1] 覃雄派，王会举，杜小勇，王珊.大数据分析——RDBMS与MapReduce的竞争与共生[J].软件学报，2012.01（14）：32-45.

[2] 孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013.01（12）：146-169.

[3] 褚衍昌.机场运营效率评价与改善研究[D].天津大学，2009.

[4] 陈宝珠，智元媛.中国机场运营模式研究[J].浙江旅游职业学院学报，2010.04（23）：31-34.

[5] 李琦.机场运营效率评价方法研究[D].南京航空航天大学，2008.

4.数据运营数据分析报告 篇四

一.公众号属性

从如上数据可以看到，7成本地生活行业公众账号是订阅号，而且近7成做了认证，也就是有了导航栏。通过访谈，90%以上的商户和用户觉得有自定义导航栏会显的账号比较高大

上而且用户体验便捷。

从上图可以看到，超过60%的公众账号不满足于微信基础的图文推送功能，纷纷选择了高级开发模式，而绝大部分选择了微信第三方来提供专业的开发服务，比如微网站、微商城、微会员等，自己有能力开发的账号占到19%，且通过数据纵向分析，自行开发公众账号的比例呈现下降趋势。

微信公众账号粉丝数5000以上的仅为13.6%，一方面本地生活行业规模都相对较小，公众账号采取的是自运营模式，但由于人手和精力不够，内容和活动运营也不够专业，公众账号即便开发了精美的微网站，时间长了很多商户的公众账号进入了濒死状态。

针对消费者，所有开发模式下的公众号都加入了一键导航、一键电话功能，92%的公众号具有微网站，但在线客服功能比例为38%。

二.日常运营：

60%的商户微信公众账号的运营方是市场部，对于大部分小商户，没有明确的部门划分，所以统一归为市场部。

公众账号群发消息的频率40%一周2次，26.5%每天一次，还有近20%每周1次，从图文群发和粉丝增减的数目来看，每周1-2次的推送频率能够为大部分用户所接受，取消关注的概率为每天推送图文用户取消关注概率的1/3.群发的消息普遍存在优惠或活动的宣传信息推送为主，而且近六成的健身养生会所、理发店等选择在下午下班到晚上睡觉前这段时间来推送。

30%的账号在首次关注的图文里推荐给用户微网站，20%的推送了促销活动，这在一定程度上尊重了用户习惯，关注之后即可实现“有利可图，有趣可玩”。

本地生活行业微信公众号平日推送的图文内容，以店内活动、优惠信息、便民服务、生活常识为主，结合开发模式下做的活动，从线上引流客户到线下门店消费。

活动类型分为抽奖和促销两种，更多的商家选择把抽奖和促销结合起来做营销推广。就目前的数据来看，大部分账号都是在刚做了开发模式的时候做了微信端的活动，也在短期内赢得了不少的粉丝，但后期疏于运营管理，账号活动非常少。

三.运营数据：

如上展示数据真的是狠狠的伤了商户老板的心，甚至对微信充满了失望和迷茫。其实，在这种情况下，寻找靠谱专业第三方公司来做代运营和推广就显得尤为重要，这也是一批有眼光的第三方公司转型做代运营和推广的原因。

四.业务效果：

5.数据运营数据分析报告 篇五

近几年来“云计算”一词刚被各大科技公司炒得热火朝天的，这“云计算”还没走远，“大数据”又突袭而来。仿佛一夜间，各厂商都纷纷改旗换帜，推广起“大数据”来了。于是乎，本书也将针对这一热点技术，向读者阐述了什么是大数据，什么是数据挖掘，如何实战运用。书中列举了很多“高大上”的理论公式、专业名称、实战图表，说实话，我也没耐得下性子一一仔细专研，只是从广义地角度去通读了全书，了解到该书反映的现实中企业如何运用大数据分析来实现营销获利的。

这本书对这个大规模产生、分享和应用数据的新的大数据时代进行了阐述和厘清，作者围绕“要全体不要抽样、要效率不要绝对精确、要相关不要因果”三大理念，通过数十个商业和学术案例，剖析了万事万物数据化和数据复用挖掘的巨大价值。

如作者所言“大数据开启了一次重大时代转型。就像望远镜让我们能够感受宇宙，显微镜让我们看清微生物一样，大数据要改变的是，我们的生活方方面面以及理解世界的方式”。比如，谷歌通过全球搜索分析，比国际疾病控防中心更早更准地预测了流感爆发。

在思维变革部分，作者讲述的重点是：样本=总体，我们需要对全部数据的占有和分析；因此，数据缺乏时代的精确性不必执迷，接受混杂基于大数据的简单算法比小数据的复杂算法更有效；样本推断的因果关系不重要了，知道“是什么”的相关关系，或者结果就可以了。

6.数据运营数据分析报告 篇六

关键词：

关键词：电网营销;运营监控;数据架构;大数据电网营销运营监控平台数据架构的现状

电网营销运营监控现有数据架构主要处理结构化、非实时类型的数据，且仅对部分业务数据进行了采集和处理，其数据存储能力、数据处理能力、数据交换能力、数据展现能力及数据互动能力提升空间有限，大量数据资产未被合理有效利用;缺少流式处理的手段，无法支撑各专业对实时数据的应用需求。大数据对电网运营监控平台数据架构发展的意义

随着新能源技术、互联网信息技术的创新突破，第三次工业革命正席卷全球，并将深刻影响能源行业的未来发展。作为第三次工业革命的重要组成部分，大数据浪潮正汹涌来袭，成为全球范围启动透明政府、加速企业创新、引领社会变革的利器。电网企业高层强调“海量的用电数据、社会状态数据和客户数据都蕴藏着巨大的商业价值，是公司下一步智能电网发展非常重要的数据资源”。国外领先电网企业已经开展了大数据的试点应用，在促进管理精益化、决策科学化、推动业务管理模式创新等领域创造了价值。

2.1 构建大数据处理能力、高性能融合的数据架构，提高管理成效

电网营销的数据具有“量类时”等特点，即容量巨大，自身具有多种类型，并且有着很高的价值。电网企业在电网营销业务过程中会得到海量运行数据，同时还有电网营销运营监控平台中的数据。一般来说，大数据主要包括营销业务中的发电量与电压特性等动态实时上传数据，而营销运营监控中的经营管理数据，如售电量，电价实时数据，用电客户数据，企业ERP与电网运行管理在线办公系统等动态数据与存楼数据，再加上物联网云计算，新能源开发后的并网数据，以及车联网与移动互样等扩展性数据都将归入电网企业中的大数据，可以说大数据的来源广泛，数据价值高。构建具备大数据处理能力的低成本、高性能融合架构，那么电网营销运营监控就能做好更多有针对性的附加值服务工作，也能达到电网企业科学管理的目标。

2.2 构建大数据处理能力、高性能融合的数据架构，是完善电网营销运营监控平台的重要工具

推动电网企业营销业务未来的发展，离不开电网企业自身的市场适应力。而作为民生服务业，电网企业的服务水平与服务质量直接决定了人们生活舒适度。信息化时代里，大数据是完善电网企业信息化的重要工具。电网业务目前已经全部引入IT系统进行管理，数据采集量海量增长。电网企业要善于在大数据的处理与应用中积累信息化管理经验，进而为电网运营与提升整个电网系统运行打下良好的管理基础。可以说，对于大数据的应用与分析，代表着电网企业是否能适应时代，是否能做大做强的重要标准。大数据架构的关键技术

电网大数据的关键技术既包括数据分析技术等核心技术，也包括数据管理、数据处理、数据可视化等重要技术。

数据分析技术：包括数据挖掘、机器学习等人工智能技术，具体是指电网安全在线分析、间歇性电源发电预测、设施线路运行状态分析等技术。由于电网系统安全稳定运行的重要性及电网发输变配用的瞬时性，相比其他行业，电网大数据对分析结果的精度要求更高。

数据管理技术：包括关系型和非关系型数据库技术、数据融合和集成技术、数据抽取技术、数据清洗和过滤技术，具体是指电网数据ETL(Extract，Transfer和Load，即提取，转换和装载)、电网数据统一公共模型等技术。电网数据质量本身不高，准确性、及时性均有所欠缺，也对数据管理技术提出了更高的要求。

数据处理技术：包括分布式计算技术、内存计算技术、流处理技术。具体是指电网云、电网数据中心软硬件资源虚拟化等技术。

数据展现技术：包括可视化技术、历史流展示技术、空间信息流展示技术等。具体是指电网状态实时监视、互动屏幕与互动地图、变电站三维展示与虚拟现实等技术。电网数据种类繁杂，电网相关指标复杂，加以未来的电网用户双向互动需求，需要大力发展数据展现技术，提高电网数据的直观性和可观性，从而提升电网数据的可利用价值。结 语

综上所述，在现有营销运营监控平台的数据架构基础上，构建具有业界领先水平的包含大数据采集、存储、计算、分析等基本要素的大数据架构，将大数据融入电网营销运营管理及监控过程，发挥数据资产价值，辅助公司提升决策的科学化水平，促进电网营销业务管理向精益化转变，推进营销业务管理模式创新，持续提升优质服务水平，促进公司价值创造能力和经济效益不断提升，并为科学研究提供有力的分析应用支撑。

参考文献

7.数据运营数据分析报告 篇七

一、大数据时代给新型企业带来的挑战分析

1. 对数据的准确分析

如今,全球的经济都在快速发展,企业必须在发展过程中把握机会。但是,大数据时代的到来给企业带来了新的挑战,企业必须对产生的数据信息进行快速有效的分析整理,并根据分析结果合理制定企业运营监控方案,并根据市场变化来调整运营监控方案。随着新型企业数据量的不断增多,企业必须对这些数据进行深入的研究分析,从中提取出有价值的数据信息,推动企业的发展。

2. 数据的安全性保障

新型企业数据里既包括企业的数据信息,也包括客户的数据信息,如果这些信息被恶意窃取必定会给企业和客户带来巨大的经济损失。因此,新型企业必须认识到数据安全管理的重要性,保障数据的安全性。

3. 数据决策

在大数据模式下,企业必须做出合理的决策,降低企业的运营风险,提高企业的管理水平。目前,很多企业并没有认识到数据管理的重要性,数据管理还停留在数据汇总上,数据没有被合理利用。如果企业可以合理利用数据,必定可以实现企业的有效管理。

4. 数据整合

如今,新型企业的数据信息包括两种:一种是企业基础性的信息,另一种是非固定形式的数据信息。非固定形式的数据信息主要是指在网络环境系形成的数据信息。但是,很多企业只能处理整合基础性信息,无法处理非固定形式的数据信息。对非固定数据信息的整合成为新型企业面临的新的挑战。

二、大数据在新型企业运营监控中的应用意义分析

1. 满足企业发展的需求

在大数据模式下,新型企业通过对客户数据的分析可以更好的了解客户的需求,并根据客户的实际需求进行产品生产和定位,满足客户的需求,进而提高企业的经济效益和社会地位。企业可以设置产品评价平台,让客户在平台上发表产品使用之后的感受和评价,这样的方式比传统调查形式更加直接,也更具真实性。企业可以对客户的评价和反馈进行整理分析,如果发现产品存在问题,企业管理者需要详细分析问题存在的原因,并针对存在的问题及时采取调整对策。在企业传统管理模式下,企业重大事件均由管理者决策监控。在大数据模式下,企业管理者的权力被弱化,企业员工成为重大事件的决策者,企业员工可以在企业管理平台上发表自己的意见和想法,管理者可以整理员工意见,并整合成大数据进行研究分析,从中提取对新型企业发展有用的数据信息。

2. 合理把握行业数据

在大数据模式下,行业数据的利用率不断提高。新型企业可以在企业内部建立数据化系统,保证数据信息的真实性和可靠性,并在第一时间获取行业数据信息,紧跟时代脚步。除此之外,企业也可以通过数据平台把企业的信息发布出去,实现数据资源的共享,提升企业的服务质量。企业可以利用数据平台对市场上同类产品的价格进行分析监控,并分析企业产品的优势和弱势,并进行产品优化,满足不同层次客户的需求。

三、大数据模式下新型企业运营监控手段分析

1. 加强管理人员培训

如今,新型企业管理人员和数据技术人员的专业水平和综合素质对企业运营监控成效有很大影响。但是,从新型企业现有人员结构来看,企业内部缺乏专业的数据技术人员。在大数据时代,数据技术人员需要掌握以下能力:一是市场营销知识,二是信息处理技术,三是运营管理知识。随着企业的快速发展,数据技术人员的重要性日益凸显,数据技术人员从属于企业的IT部门,数据技术人员被越来越多的人认可。通过对数据整合和分析可以实现社会和新型企业的对接。数据技术人员可以帮助企业管理者合理制定管理方案,提高企业的管理水平。但是,要想提高数据技术人员的专业水平和综合素质,企业必须加强数据技术人员培训,加大人员培训方面的资金投入。人员培训的方式有两种:一种是派遣数据技术人员外出学习,另一种是邀请专业人士来企业举办座谈会,新型企业数据技术人员可以互相交流工作经验,丰富自己的知识储备。企业还要在数据技术人员内部设置奖励机制,对表现优秀的数据技术人员给予一定的物质奖励和精神奖励,提高数据技术人员的工作积极性和热情。

2. 加强新型企业运营监控管理

在大数据时代下,新型企业不仅要掌握处理基础性信息的能力,还要掌握处理非固定性数据信息的能力,搭建非结构数据信息平台。非结构数据平台包括以下内容:一是社交媒体,二是文本,三是微博,四是影像,帮助企业更合理的分析市场行情,了解用户需求。非结构数据平台可以兼容各种数据,扩大企业的业务范围。

3. 建立网络系统

在大数据时代下,新型企业可以搭建网络系统,整合企业数据信息,利用大数据的新功能来调整企业管理模式。

四、结语

大数据时代的到来给企业带来了新的挑战,企业必须在发展过程中把握机会.企业必须对这些数据进行深入的研究分析,从中提取出有价值的数据信息,推动企业的发展。在大数据模式下,企业通过对客户数据的分析可以更好的了解客户的需求,并让客户在平台上发表产品使用之后的感受和评价。果发现产品存在问题,企业管理者需要详细分析问题存在的原因,并针对存在的问题及时采取调整对策。除此之外,企业可以利用数据平台对市场上同类产品的价格进行分析监控,并分析企业产品的优势和弱势,并进行产品优化。在新型企业发展过程中,数据技术人员的重要性日益凸显,企业必须加强数据技术人员培训,提高数据技术人员的专业水平和综合素质。

参考文献

[1]苗晴.中国A股上市公司市值管理研究[D].江苏大学,2014.

[2]逄锦荣.基于服务模式创新的物流业与制造业协同联动体系研究[D].北京邮电大学,2012.

8.企业这样运营数据可获得业务价值 篇八

TalkingData合伙人&执行副总裁林逸飞开门见山说，国内企业大数据应用已进入“下半场”。这家从事智能数据服务的公司发现，企业，尤其是受互联网冲击最大的零售、金融和电信企业，大数据应用已具有相当深度，基本完成基建，正在收集和运营更多数据，离企业的业务价值越来越近。而自去年以来，房地产业大数据应用的步伐也在加速。

招商银行的“交互门”

3年前，招商银行开始培养自己的“交互门数据”，就是客户在移动APP、微信端、PC端留下的“痕迹数据”，像各种点击、浏览、流入的渠道、位置等，这与它“鼓捣”多年的内部交易数据并不在一个维度上。

TalkingData 参与了招行信用卡APP——“掌上生活”数据的深度运营。招行的明确目标是，既然线上支付正在冲击银行传统业务，银行也要通过移动APP争夺战，发展线上业务。当时，招行“掌上生活”只有三四百万下载量，约200万用户绑卡，月活用户不到100万人。

经过3年营销活动与大数据的闭环运营，到2015年底，“掌上生活”APP上绑卡客户已经在整体招行信用卡客户中占比超过80%。

银行APP如何与用户建立强黏性？

以前，银行的营销活动都是单向的。现在，大数据把任何一次营销都能做成闭环。通过一次次闭环运营，招行将用户一批批“牵引”到“掌上生活”上来，成为其线上用户。

以“六一”期间的母婴营销活动为例。宝宝树、小天才等应用积聚了上千万亲子用户。TalkingData的数据平台把这类母婴用户通过数据勾勒出来，再与招行信用卡用户做关联分析，筛选出招行用户中类似的“亲子人群”，并向这一目标人群发送优惠卡券。

这仅仅是数据运营的第一步。当对卡券有反馈的人群数据源源不断地返回时，人群分析模型被一次次校准和迭代。这样，“亲子人群”模型的精准度越来越高。

在这个过程中，双方摸索出运营体系和方法论，指导银行采集什么样有价值的数据，在APP中做哪些埋点。

3年中，游戏、亲子、轻奢、出境游等一次次营销活动发起的闭环数据运营，招行和TalkingData不仅把信用卡用户拉到线上，还精准地把用户画像描摹出来。

当线上数据积累到这个阶段，新算法模型被引入，富有想象力的大数据应用开始了。例如，寻找那些高净值客户。

在银行自己的“交易门”——交易系统中，很多用户看上去并不算高净值客户。但如果把这些客户与几种外部数据进行关联分析后，有趣的事情发生了。

比如，通过移动终端的授权信息和公开数据，可以针对不同圈群的客户进行描摹，比如金融理财相关的APP的使用偏好，或者股票相关的使用习性等；通过地理围栏与LBS（地理位置信息）结合的分析，将客户的“职、住、娱”位置信息进行管理建模，与房产数据等叠加后，客户的消费潜力会浮出水面；再结合电信运营商的提供的合作评分数据等等，银行可能找到一类客户——沉睡的高净值人群。他们在外部消费活跃，但并没有在这家银行购买相应水准的理财产品。

找到这群客户后，再根据他们的地理位置信息模型、频繁使用的线上线下服务、品牌倾向，选择出效率最高的手段触达他们。

今年上半年，一家银行与TalkingData合作，通过对银行客户几万台设备的分析刻画，再与上述TalkingData积累的多种外部数据——人群移动互联网形态、地理位置形态、品牌偏好形态进行数据叠加，找到沉睡的高净值客户。通过最传统的短信方式，在两个多月中推送了三组服务，在客户有效触达率方面提升了数百倍，实现理财产品人均购入超过数万元的惊人业绩。

如何运营出数据的业务价值

从银行的应用案例出发，林逸飞对数据如何产生业务价值进行总结：

首先，企业，尤其是大企业，数据不能全靠买，要有自己的运营能力。企业要投入新IT建设，“养”出自己的数据。

以一家住宅房地产商为例。在过去2年中，它只积累了4000个成交业主的数据，看房人的数据全部在渠道商手中。今年，它在售楼处铺设了免费WiFi（一些企业还可以铺设iBeacon、地磁传感器等新IT设施），在四个月中培养出到访售楼处的设备数据在四五万的规模，而这些数据成为了刻画其到访客户的种子数据样本，从无到有建立自己的潜在意向人员的模型。

这些数据让它能对川流不息的人群进行判断，如人们在沙盘区、样板间、洽谈区等不同位置的逗留时长。当把众多设备数据与外部的多层数据叠加、关联分析后，就能了解看房人的线上线下形态、品牌偏好和出没区域。接下来，房地产商指导地推团队，到哪里营销效率会更高；也对它长期包租的几十个昂贵的户外广告牌进行调整；还投放了一个看房人群经常使用，但并不知名的公交站APP应用。

同样，在商业房地产中，房产商靠自己养出来的数据，再与外部数据叠加打通，就能洞察商业品牌的选择与落位、品牌活动设计、错位竞争等价值。

值得关注的是，很多企业营销的钱花出去了，但什么也没有留下。通过新IT建设和运营，任何营销活动都能获得数据资产作为回报。

再如，一家银行赞助了一场马拉松。参加者有3万人，观众有超过10万人。由于这类人群爱运动、爱自拍，从养数据的角度考虑问题，就应该在出发和结束地分别提供自拍背景墙并铺设WiFi，作为数据线索获取的手段。

其次，只建设IT设施还不够，培养数据要靠运营体系。很多企业无目的地“疯狂”投资建设大数据平台，买了一堆存储，购买了不同的大数据平台，把数据压进去，但不知怎么发挥数据的价值。

如一家电器制造商，在过去7年，收集存储了超过5000万个会员数据，但会员状况，近期上门维修、二次购买等基本情况一概没有分析统计。企业APP和公众号的数据也未与会员库打通。投资IT设施，无目的地“疯狂”收集数据，是很多企业的误区。

企业要有数据运营的目标和思路，但这其中任何环节都不简单。仅仅在数据收集上，采集什么样的数据有价值，怎么采集，怎么做埋点，都是专业活。如一家银行曾在APP中埋了数百甚至上千的数据采集点，并随着活动、档期等的不同，动态进行调整。这需要一套运营体系和方法论。

今年，TalkingData与兴业银行推出直销银行移动运营体系；与国泰君安推出移动券商运营体系；与华住推出酒店运营体系；与东航及深航联合推出航空公司运营体系，这些都是在于TalkingData的客户深度合作，共同开发使用的指标体系。在此之前，TalkingData已推出通用类、游戏类和电商类运营体系。

再次，企业内部ERP数据要做，外部交互数据也要养，两者要并行开展。外部数据早一天培养，就多一天优势。

如一些手机制造企业，有内部进销存系统，能看到正常的渠道出货；但通过外部的产品激活等数据统计和分析，可以看到真正的产品使用情况，真实的一二三四线城市分布状态。通过统计分析激活产品上TOP10的APP应用，还能帮助企业找到新的营销渠道与交叉合作。

最后，不要迷信标签这件事。

TalkingData在做数据获取、打通、训练、算法与模型过程中发现，很多企业热衷于做数据标签，对自己的数据打了几千个标签，但没有获得业务价值。TalkingData建议，在做标签之前，要找到问题域——是要唤醒沉睡客户，捅一下瞌睡客户，还是要找高净值客户？带着问题把数据的基本属性挑出来，再进行训练学习，找到细分问题的场景标签、动作标签才有价值。

9.数据运营数据分析报告 篇九

电信行业大数据应用案例分享 互联网+行业大数据应用案例分享

第一套题

1、哪个选项不属于大数据4V特点？（B）A、Volume B、Valid

C、Variety D、Value

2、大数据的特点不包含（B）A、数据体量大

B、价值密度高

C、处理速度快

D、数据不统一

3、业界对大数据典型特征定义，一下哪像描述正确 ABC

4、Hadoop包括（ABC）

A、HadoopDistrbutedFilesystem（HDFS）B、HadoopMapReduce C、Hbase

D、HadoopStreaming

5、有关HDFS文件系统说法正确的是以下那些？（AD）

A、HDFS本身是个高可用系统架构

B、HDFS采取的是多NameNode、DataNode架构

C、HDFS数据副本的数量越大越好

D、HDFSNameNode分主备，主备不同时对外服务

6、关于大数据的理念的描述，以下哪些不正确（BD）A、相关性比因果更重要 B、要效率也要绝对精准 C、大数据的核心价值是预测

D、遵从隐私和法律并非大数据的风险

7、HDFS文件系统适用于以下哪些场景（AC）A、将单文件分割成很多小块存储 B、存储大量小文件 C、流式数据读取 D、实时数据读取

8、对海量大数据管理可能面临的难题包括（ABCD）A、如何实现快速查找，提升检索效率； B、如何保证数据真实性，防止数据诈骗； C、如何实现PB级不同类型数据的存储； D、如何降低数据产生数量，节约存储资源。

9、大数据应用大大方便教育资源的管理，彻底改变教育模式，特别是在科研领域，面向数据密集型科研发现，将成为继三大范式之后的第四范式，此处提到的科学发展领域的三大范式是指（ABC）A、理论 B、推演 C、模拟 D、计算

第二套题

1、运营商大数据主要遍布在一下哪些域？（多选）（ABC）A、B域 B、O域 C、M域

D、R域

2、以下哪些是运营商大数据应用痛点？（多选）（ABCD）A、价值呈现：大数据应用价值呈现和创新不足 B、应用建设：周期长、门槛高、多冗余、体验差

C、组织流程：应用跨部门，缺乏流程贯串和使能业务生产 D、生态建设：无法有效构建和融入新的数字生态圈

3、一下那个不是运营商大数据服务能力构建实录？（B）A、基于“客户画像理论”构建六大能力模型 B、对外变现

C、基于场景化设计，构建应用数据服务产品 D、基于“三维矩阵”开展数据服务产品设计

4、基于“客户画像理论”构建六大能力模型是源自以下哪个著作？（C）A、《犯罪心理》 B、《原罪》 C、《犯罪心理学（第七版）[Criminal behavior]》（美巴特尔等著）D、《精准营销》

5、以下哪些属于“客户画像理论”构建六大能力模型之位置洞察？（多选）（ABCD）A、常驻位置 B、实时位置 C、区域位置 D、位置轨迹

6、以下哪个不属于“客户画像理论”构建六大能力模型之行为预测？（C）A、套餐推荐指数 B、宽带推荐指数 C、视频偏好指数 D、客户离网预测

7、以下哪些属于“客户画像理论”构建六大能力模型之价值管理？（ACD）A、身份特质 B、商品关注指数 C、价值贡献 D、来源去向

8、以下哪个是网页财融合管理平台主要解决的问题？（多选）（ABCD）A、促进财务和业务的精益化管理协同

B、在整体上对收益、业务、网络建设等因素综合考虑，有序规划 C、为基站选址及扩容、促销活动资源投入提供决策依据 D、识别价值基站小区指导网络规划、保障；评估促销活动收益、优化营销资源合理投入

9、以下哪种场景不是视频业务指标体系？（C）A、业务体验指数 B、用户发展指数 C、基尼指数

D、内容运营指数

10、哪种资源通常是集群的最主要瓶颈？（C）A、CPU B、网络 C、磁盘IO D、内存

11、运营商视频业务的发展目前出在以下哪个发展阶段？（C）A、核心体验 B、融合产品 C、智慧运营 D、区块链运营

12、以下哪些是大数据的4V特性？（多选）（ACDE）A、Volume B、Valid C、Velocity

D、Value

E、Variety

13、常用的数据结构类型是？（多选）（ABD）A、结构化数据 B、非结构数据 C、无结构化数据 D、半结构数据

14、Spark架构的组件包括哪些？（多选）（ABCD）

A、Spark SQL在HDFS文件上可根据自定义方式进行文件与表的映射关系 B、Spark Streaming准实时流计算框架，数据可以消费MQ、Kafka等 C、Spark MLlib机器机器学习算法库，封装了主流的机器学习算法 D、Spark GraphX进行基于图计算的服务支持

15、以下哪些是视频大数据使能场景化智慧运营依托的标签知识库？（多选）（BC）

A、业务体验指数库 B、用户标签库 C、内容标签库 D、内容运营库

16、以下哪些是视频标签知识库？（多选）（ACD）A、基础标签 B、网络标签 C、人工标签 D、衍生标签

17、客户综合价值评估模型主要包括？（多选）（ABD）A、历史价值 B、社交价值 C、智慧价值 D、潜在价值

18、以下哪些是大数据精准广告发展方向？（多选）（ABC）A、精准化 B、自动化 C、平台化 D、价值化

19、以下哪些是运营商地理栅格的应用场景？（多选）（ABCD）A、区域安全 B、城市规划 C、区域价值 D、智慧旅游

10.数据运营数据分析报告 篇十

几经考虑后，选了一个在很多人看来也许不是最好，但自己却觉得最合适的，人不能贪心地想把所有好处都占着，而最好的也未必是最适合的。所谓选择也许只是综合了多方面因素，取重去轻后做出的一个现阶段的决定，它会影响一段时间，但却未必是一辈子，毕竟后来的道路上我们还会不断自我修正。

在面试之前也在网上看过一些面经，所以从感谢前辈和回馈后来者的角度还是要先写点干货，不过我觉得真正有用的还是那点心得体会，世界上没有绝对的真理，只是单纯记录这一阶段自己的一些想法，希望能有所帮助。

一、阿里运营

阿里的校招历年都是互联网公司里边行动最早的，8月底之前就会截至网申，所以锁定互联网行业的小伙伴们一定要早行动。

在线笔试全部是开放性问题，主要是对个人经历和一些产品运营类的思考。

面试分为三到四轮，群面，一到两轮专业面，HR面，整个流程节奏非常快，两天搞定，第二天晚上直接出结果。

1、群面

我们这组的群面过程是，轮流自我介绍，分析每个人的优势，然后每个人15分钟时间，针对暖男在淘宝上做一次运营活动，15分钟自我思考后每人分别陈述，最后大家统一意见选出一个方案进一步讨论完善，再由一个代表做陈述总结。

关于群面就是把它当成一次真实的团队协作，大家共同努力解决一件事情，而至于做什么角色完全取决于你本人的优势，还是那句话最适合的才是最好的。我个人的优势在于清晰的逻辑思维和陈述总结能力，所以在团队协作中会做一个倾听者和框架的搭建者，在大家跑题的时候适时拽回来，另外能在凌乱的陈述中迅速梳理重点并清晰表达做最终陈述，但是缺点是不愿意跟别人争，所以如果团队中碰到喜欢抢话又提不出建设性意见的搅局者就会比较惨。

2、专业面

采用的是交叉面的方式，两轮时间分别在1小时左右，会针对你的简历经历问一些项目的问题，另外也会在你的项目经历上做一些延伸性的提问，所以两点很重要，第一写在简历上的经历必须真实且有的说，第二面试前自我提问式地回顾之前的项目也很重要，毕竟时间久了谁都会记不清。另外专业面还会问一些跟面官的项目相关的问题，比如天猫双十一你有什么运营上的创新点子，你怎么看待阿里产品和运营的区别等。

我认为最好的单面的状态应该是聊天，所以不光是面官问，你来答的状态，也可以适当地去引导面官的提问。比如我会从自己之前的餐饮O2O经历扯到淘点点，从之前自己的旅行经历和在蚂蜂窝的工作经历扯到淘宝航旅，也会去往一些近期的运营动态上去靠，比如当时比较火的S2O的案例女神的新衣，天猫APP中刺激UGC产生的频道FUN，而这些内容除了之前长期的关注和积累外，也有一些是可以短时间内去集中恶补的。

阿里的面官还有个特点就是蛮喜欢听故事的，所以除了工作经历外，如果有些其他能佐证你某项品质的故事也是可以讲出来听听的，但是前提是它是有效信息且能调动对方兴趣，比如讲到策划能力和执行力的时候我说到了自己线上卖明信片的故事，当面官问及看起来你一路都很顺没吃过苦的时候，就开始给他讲当年自己在没有暖气的房子里一个冬天的北漂故事。不过讲故事的前提还是，你真的得是一个有故事的人，这个恶补不了。

3、HR面 侧重于考验你这个人本身，特别是一些真实性的问题，这个过程会很轻松，但是在和风细雨中也极有可能埋有雷，所以再次强调在面官面前真实性最重要，你的情商还不足以在他面前耍小聪明，阿里的HR当时就揪住了简历上特别不起眼的一句话，是大二的时候在媒体的一段经历，让我详细阐述是怎么实现的以及自己从中承担了什么任务，我只能很坦诚地说时间过去太久，确实记不清楚，而且当时自己毕竟是一个大二的学生，还不足与在一个联动全国各省市媒体的活动中承担太重要的角色顶多就是一个联络的工作，不过细想来也怪自己在简历上给自己埋了一个雷。面试中还会有一些比较有趣的问题，比如你这么喜欢旅游，又做过西南西北自助游的创业项目，那给我画下中国的地图吧，再给我推荐些旅游目的地。

二、百度大数据商业产品经理

这是一份我蛮不舍的工作，确实也得来的不易，百度商业产品经理是目前接触的所有互联网类职位中要求相对最高的，首先笔试环节就会挂掉一大批的人，它对一个人的逻辑思维能力、语言表达能力，数理分析能力，甚至与气场都会有比较高的要求。

鉴于自己之前的经历和接触的东西都是用户产品类的，对于商业产品并没有太大的信心，但还好对于应届他们是有耐心的，不需要你有完全匹配的经历，只要在综合素质上符合他们的要求，他们是有耐心和时间去培养的，毕竟对于很多中国的大学生而言，步入职场才是真正学习的开始，而之前在学校只是教给你了学习的能力。

1、一面

时长大概在半小时，主要是挖简历上的内容，说白了是考察你这个人还有之前的经历，如果你有互联网的相关经历，会集中在这部分来问，我是有两段互联网公司的实习经历加两次互联网创业的项目经历，这部分对创业项目问的比较多，比如针对其中的一个旅游项目，跟市面上其他的同类产品和百度内部同类产品之间的对比分析。所以也打消了我最初的顾虑，作为应届，就算你没有产品类经历也是可以投产品经理的，就算你没有接触过商业产品，也是可以尝试的。

2、二面

时长持续了1个多小时，这是所有面试中最像聊天的一轮面试，面官人很好，在问完问题的时候会补上一句，你可以尝试着说说你的想法，我对这个问题也没有想太清楚，我们可以共同讨论下之类的话，所以很像两个喜欢互联网热衷于研究产品的朋友之间的聊天。这部分主要都是些开放性的问题，鉴于对商业产品了解并不是很多，加上当时百度刚刚推出直达号，所以针对直达号谈了很多自己的想法，过程中也涉及到一些自己之前做餐饮类O2O项目时跟线下接触的一些经验。当然在产品讨论之余也会问一些素质考验型的问题，如我提到了产品经理的沟通协调能力，就被问到，如果你是直达号的产品，这个产品上线后有可能损害到百度内部哪些产品的利益，如何去协调这个关系。

3、三面

就像三面的面官所说，到了这个环节，就是一个双向选择的过程，在面官了解你的同时，你也要尽可能地去了解将要进行的这份工作，这个团队，甚至于这个领导，当然对于应届来说，还是多少会有些压力的，因为很少能看到应届面试的时候双方处于一个很平等对谈的位置，多少会有些紧张和担忧。

这个环节，面官考核的重点我觉得是综合素质和气场，很赞同后来这位面官跟我说的话，一个人跟一个团队的气场契合很重要，就跟一家人一样，不是一家人不进一家门。所以顺便说一句宽慰大家的话，有些时候被拒未必代表你不够优秀，也许只是气场不够契合。而气场外化的体现，就是你的言谈举止，自信的人最美，而有理有据说话让人信服也是助力面试成功很重要的一点。我身边也有很多极其聪明，很有想法，但是嘴皮子跟不上脑袋运转速度，甚至于完全不能同步运作的人，针对这类人，建议可以重点锻炼下语言表达能力，模拟情景地做一些演讲，录下来自己听听，然后不断修正是会有帮助的，如果实在不行，也不要勉强，毕竟人各有所长，那就去无限放大自己的优势就好了。

三、腾讯产品策划/运营

腾讯内部好像不太细分产品策划和运营，所以招聘的过程也是混在一块进行的，因为8月份招过一次产品培训生，所以这次产品的招聘拖到了10月，而且需求量也不大。决定再去霸面下腾讯，可能有之前产培挂在了群面的遗憾，也有纯粹想体验下霸面的感觉的新奇，当然更重要的一点是，离开上海两年后很怀念那个时候周末扫街时压的马路，于是就想借着这么个引子再去逛逛徐汇和卢湾，走走思南路、雁荡路、陕西南路„„

1、霸面

互联网公司是比较开放的，所以一般都会接受霸笔、霸面这事，不过一般霸群面是比较容易的，只要你有耐心等，但是霸单面就比较难了，这次第二天的单面，愣是一个霸面的都没放进去。

2、群面

上午游荡着愣是被百度地图骗到了一个距离腾讯大厦3公里开外的地方，差点就放弃去面试直接跑去压马路了，后来鉴于跟朋友约好，还是赶了过去，霸面的大概有20个左右，交份简历，坐那等，如果面官挑中你的简历，就会被安排进某一组面试，索性有很多霸面的小伙伴一起等，过程到是很轻松有趣。

我们组的群面题是给广场舞大妈设计一款产品，这一组成员比较多，大概在十三四个的样子，一开始的规则是轮流发言，我前方的四五个人分别陈述了很多后都还没扯到互联网和产品上来，明显带着大学生办社团活动的思路来对待这个问题，吸取了上次产培群面太谦逊的状态，还是决定稍微带动下团队的节奏，不然怕又出现上次马上到时间大家还没统一意见的惨剧，其实群面最怕的就是碰到奇葩队友，当然这个全看运气，还好这次运气没上次那么背，搭好框架后大家也就顺着讨论起来了，再适时补充下，提些有亮点的建议，最后的总结陈述不算出彩，但至少把大家思考的精华都总结出来了。

3、专业面

专业面的面官是群面面官之一，这个时候也基本能判断出来你有可能进入哪个部门，对于我们这种霸面没有选部门的人来说，这还真是个随机随缘的事情。我的面官是偏图像类产品的，所以对我摄影和旅游的爱好比较看重，插一句话，人有些爱好总是好的，即使它看起来有些不务正业，但是但凡你喜欢并且乐于钻研它，从中积累的东西，早晚都会让你受用无穷，比如那些拿到游戏策划offer的很多就是从不务正业地玩游戏开始的，但是这不是鼓励大家都去玩游戏或者出去旅游，凡事有个度，掌握平衡很重要，玩的过程中的思考和自我技能的提升更重要。腾讯的面试还是比较费脑子的，甚至于还会问一些考验智商的题，比如时针、分针、秒针一天重合几次；估算中国iPhone用户的比重；烧一根质地不均匀的绳子需要一小时，现在有一把，让它恰好烧1小时15分钟，怎么实现。关于智力题这事，我觉得除了考验智商外，更重要的是考验你的应急能力，我是分分钟被自己的智商蠢哭的纯文科生，庆幸面官没有就此把我pass掉，所以就算你不能立马答出这些问题，你也还是有希望的。另外就是会涉及到一些产品方面的问题，比如你常用的图片类的APP 有哪些，如果让你做一款图片类的APP 你会从哪个角度切入，用三句话概括它的亮点，大众点评的APP产品优化你有哪些提议，对现行的社交类产品怎么看，都关注哪些互联网类的媒体，从哪些渠道获知信息等，反正这些天马行空的问题真的都是得看平时的积累，看看自己手机里满屏的APP和飘红，外加没事把APP store当淘宝逛得习惯，总归是能扯一些东西的。

4、总监面

又是为时1个小时的一场面试，这场面试是脑细胞死的最多的，因为基本上他不会去考察任何你可能准备好的经历或者case，所有的问题都是在聊天的过程中抛出的假设情境下你会怎么做的未来时问题。针对包车自助游项目的创业经历，问到了如何准确定位你的目标用户并估算数量，你之前只是做针对西北西南的包车自由行中的租车业务，那如果现在我是风投，你怎么说服我投你，资金资源到位的情况下，业务领域怎么扩展，过程中扯了很多旅游类互联网的东西。找工作都看哪些网站，应届生这个网站如果优化怎么做，做独立APP的话，画一个demo图，阐述下产品思路和框架逻辑关系。鉴于当天脑细胞损伤严重过去的时间又久，很多问题已经记不清了，当然还有个智力题记得很清楚，说俩人一块从一个筐里拿苹果，一共100个，每次每人只能取不超过5个，对方先拿，怎么能保证最后一个是你拿到，估计又是一个理工科秒答，我要推半天的题，神伤。四、一些心得体会

1、心态是最重要的。对于应届生而言，不着急、心气太高、孤注一掷是一个极端，太着急、太浮躁、海投海面是另外一个极端，心态调整好很重要，工作总归会有的，而且是最适合当下的自己的，可能没别人的好，可能没达到你的预期，可是一切才刚刚开始，起头的这步其实什么都决定不了。

2、早点明确自己的喜好，和想要从事的行业。对于中国学生而言，打小更多的就是填鸭式教育，很少想得清楚自己想要什么喜欢什么，如果高考填志愿的时候你这么说我觉得可以理解，但是大学毕业甚至研究生毕业的时候还这么说，就只能说你已经错过了人生一个很好的试错阶段。

学生时期我尝试过很多事情，有务正业的也有不务正业的，呆过报社、电视台，后来又转去互联网，在一度迷茫的时候还去体验了一下房地产，最后还是坚定地回归了互联网。除了实习自己还参与过两个互联网的创业项目，在创业公司给你的锻炼是远超出想象的，毕竟在公司体量很小的时候，是不会有具体的职能区分的，于是产品、运营，甚至商务，市场都会接触，从中学到了很多更重要的是明确了自己的不足。当时去创业的时候曾经告诉自己，在这么好的试错空间就该去尝试，就算失败了又能怎样，我又没损失什么，只要顺利毕业我至少没比别人落后，而这段经历是无价的。

3、只要去经历都是好的。我是个精力过度旺盛的人，喜欢挑战和尝试不同的事物。不过究其根本还算好学生，本科年年奖学金毕业直接保送研究生，但是也做过很多所谓的坏学生会做的事，体验过间隔年，临近毕业的半年走了很多地方，会去青旅做过义工，会一随性跑西藏呆一个月，会保持着一个月出行一次的频率，或近或远，反正我赚的那点钱都用来旅行了；身边的人总是弄不清楚我的状态，有人觉得我在读书，有人觉得我在工作，还有人觉得我天天都在玩，所以也变相验证了不要单纯地相信自己片面的视野范围内告诉你的事情。除此之外，出于兴趣爱好，也是为了给自己多赚点外快，还会同时兼职做一些工作，比如咖啡馆微博运营，杂志专题写作，线下活动组织等，而这些看似做着玩的活动在面试的过程中反而也能帮到你很多。比如有一次从产品的一个“约饭”的功能延伸到陌生人社交类产品，再去挖掘需求的时候，我就可以直接把海伦屋做线下美食、摄影、桌游等活动的案例搬出来，这样的回答也许会显得不那么空虚。

4、我们都不乏好的想法，但是缺乏说做就做的执行力。其实这点，我自己也蛮惭愧的，有100个想法，却未必有1个执行了的，但是在某些事情上，还是够雷厉风行的，比如当时心血来潮地卖明信片，思考到落地执行只用了不到2天，只问了自己一个问题，如果成本全赔进去，能承受吗，其实只要回答是yes那就去试吧，反正年轻没什么输不起的。

5、人是社会人，你身边的人的高度在某种程度上会决定你的未来。我是一个不擅于维系人脉的人，因为觉得人脉这个词太冰冷，但是我喜欢交朋友，因为朋友是一种基于感情无关利益的存在。也很庆幸自己一路走来总能有贵人相助，就说一句话，世界是公平的，与人善，于己善，在索寻所得时先去看看自己付出了哪些。

6、路是一步步走出来的。自己没有太大的野心，也说不好几年或者几十年后的事情，唯一能做到的就是每天别让自己闲置，闲久了人会废掉，今天比昨天好一点，明天比今天好一点，然后这么一步步走下去就好了。在做职业抉择的时候我们都会考虑长远发展的问题，但是在这个瞬息万变的时代，其实以我们现在的浅见根本看不到多远的长远，所以谁都说不好明天，我们都在摸索着前行，而最需要做的就是看好眼前脚下的路，用力过好今天。

11.数据运营数据分析报告 篇十一

（1）Volume：数据量庞大，例如，每天Twitter产生的数据量高达7TB，而Facebook的上传数据量则高达10TB；

（2）Variety：数据种类多样，除了传统数据库表的结构化数据，新增了更多的网页、图片、音视频与地理位置信息等半结构化和非结构化的数据；

（3）Velocity：数据实时性强，大量数据以实时流的方式高速产生，如运营商的信令数据、日志数据等，以往非实时的批处理方式，已逐渐不能满足要求，需要通过流计算等技术进行实时或准实时的处理；

（4）Value：数据价值需要提升，原始的数据价值密度低，需要通过数据交换、整合与知识共享、交叉复用，才能形成新知识、创造新价值。

大数据的“4V”虽然带来了技术上的挑战，但给予大数据价值创造和企业管理能力提供了更大的空间，电信运营商具有庞大的用户资源，积累了丰富的数据资源，而且作为电信业务、信息业务服务的主体，一方面需要在大数据支撑下，既要实现总部——省份两级运营主体的科学运营，又要发挥互联网时代下一级平台带来的信息化业务创新，与互联网企业实现“一点对接、全网服务”。本文将探讨运营商如何围绕数据核心资产，营造数据生态环境，推动大数据产业生态圈的建设，助力业务创新和企业管理创新。

运营商数据生态环境

按照数据集中能力建设、数据能力开放运营以及数据价值增值的大数据应用来看，运营商数据生态环境由内而外，分为三层，分别是数据核心圈、数据供给圈和数据增值圈，如图1所示。

其中，数据核心圈主要完成集中数据的能力建设，融合各类数据，完成数据的清晰、整合、存储，加工能力以及挖掘能力的建设，主要由开放式大数据平台和开放式分析挖掘平台构成，前者采用“Hadoop+MPP+SMP”混搭架构，实现基础数据的加工和整合；后者基于基础数据加工平台加工的结果数据，实现建模能力的开放，由业务人员、分析人员以及数据建模人员在平台上实现业务场景的模型开发、模型训练以及模型运行，并能够实现“一点建模，知识共享”。

数据供给圈是企业数据开放的触点，完成结果数据资源的分发、敏感数据的过滤和安全审计等，实现数据开放的安全管控，实现数据能力、数据资源的开放和安全运营。

数据增值圈是企业数据创新的外在体现，由大数据应用开发平台和大数据应用管理平台构成，通过开放数据应用开发能力，管理各种个性化的数据应用服务，在实现业务创新转型的同时，实现数据价值的增值。借鉴APP Store开发模式，大数据应用开发平台通过提供的数据服务功能（数据语义、数据封装等），降低数据的使用门槛，让业务人员可以从原先的数据应用使用者转变为数据应用生产者；提供PaaS层组件（业务组件、技术组件、数据库组件），降低应用开发门槛，让运营商集团总部、省公司、地市公司中优秀的IT人员和建设厂商都能够参与进来，敏捷、高效地开发、组装自己的个性化应用，并方便地实现应用共享，以及应用的快速复制与推广，从而改变以往“烟囱”式的开发模式，在满足数据应用快速增长需求的基础上，进而解放全公司范围IT人员的积极性和生产力，实现大数据应用的百花齐放和智慧分享。大数据应用管理平台以用户为中心，提供应用规划、构建、发布、监控、评价、下线的全生命周期管理，助力用户快速查找应用，精心打造内容分发渠道，实现分布式创造。

运营商数据业务创新

基于数据生态环境，运营商可以对内提升管理水平，优化IT系统，对外开展丰富的数据创新业务。

企业管理分角色仪表盘（Dashboard）

以运营商的商业模式模型作为关键理论基础，分析企业核心价值的创造过程，剖析企业价值蓝图的主要价值动因包括收入增长、盈利能力、资产效率、公司形象（客户感知）四个方面（如图2所示）。

由管理重点驱动指标的构建，根据企业5大主题域（客户、营销、运营、网络、感知），通过因果关系将运营绩效和企业价值链接在一起，依据运营商的企业价值蓝图（企业核心价值的逻辑框架），梳理运营商的企业级指标体系，从运营到财务，在价值创造的各个环节/层级匹配相应的绩效指标，自上而下地层层构建关键指标（绩效指标→流程指标），从而形成不随业务而变的全景指标体系（如图3所示），全面、清晰反映企业价值创造的过程。

根据集团—省份—本地网—营销一线管理人员的不同的诉求和角色，采用端到端多层技术架构以及数据可视化技术，将运营商企业内部生产经营数据和企业外部生态环境数据，依据企业统一编码和统一指标的定义，经过从数据源层、ODS层、DWD层、DWA层、DM层到展现层的采集、加载、计算处理，通过分角色仪表盘（如图4所示），以图表形式，清晰、直观地展现企业经营状况，更好地促进管控透明、服务透明、资源透明，构建无边界的透明企业。

网络质量优化

通过网络信令数据分析，实现网络指标实时监控，对定制的重点KPI指标进行实时监控，以动态反映指标情况，并可结合GIS地图进行呈现。通过实时采集信令数据计算相关KPI，准确地发现和解决网络覆盖与干扰、频率规划、时隙规划等问题，实现网络优化。

根据网络维护需要，利用实时信令数据不但能够根据时间趋势、网元、链路等维度进行网络质量分析，并且能够根据告警阈值设定，提供网络性能指标告警。支持2D直方图、3D直方图、2D曲线图、3D曲线图等多种图形显示方式，更加直观地反映网络质量的性能指标。

精准化实时营销应用

通过实时分析用户动态行为，结合用户静态行为，利用精准化匹配规则，精确解析匹配目标用户，主动触发精准化营销机制（如表1所示），实现面向用户动态需求即时响应的主动营销模式，实现营销维系智慧化、资源投放精准化、渠道接触协同化、客户体验人性化。

客户交往圈与社会影响力分析

通过分析客户的通信行为和社交网络行为，构建客户的社会交往圈，分析其社会影响力，作为客户价值新的重要维度。量化每个客户的影响力价值，识别具有高社会影响力的关键客户，作为口碑营销的对象，也是客户维系的关注重点，分析并引导关键客户在社交网络上的行为（如图6所示）。

人口流动应用

基于移动无线网络信令数据的统计分析，实现人口密度动态分布和停留特征画像（如图7所示），对内辅助支撑运营商渠道选址/建设以及网格化服务；对外为交通及政府提供更详尽的统计结果，为规划交通、制定政策提供良好的数据基础，有利于提高交通主管部门交通规划、监控管理的效率和效果，方便用户及时了解交通情况，合理安排出行方案。

金融征信应用

基于用户消费行为数据，构建个人与集团客户信用评价体系，面向金融领域的银行、保险、互联网金融、支付平台、征信机构、风投公司，提供用户识别、风控模型开发、信用度控制、贷后管理、精准化营销等金融征信应用（如表2所示）。

在数据驱动的信息化时代，如何盘活数据资产，从中萃取更大的业务价值，是大数据发展的根本诉求。电信运营商拥有全面、准确的数据，具有先天发展优势，借力大数据发展，推动业务创新转型，推进运营商的科学运营和多级的透明管控、各级责权利的匹配，使得上下形成合力，支撑线上、线下的一体化经营等将是运营商发展的重要方向。

（责任编辑：陈海峰）

作者简介

李 卫，中国联通研究院高级工程师，工学博士。

魏进武，中国联通研究院高级工程师，工学博士。

12.数据运营数据分析报告 篇十二

受到微信等OTT业务影响, 2014年春节期间全国短信发送量同比2013年下降42%, 而移动互联网接入流量增加86.4%。短信发送量的大幅下滑导致电信运营商收入下降, 而手机上网流量由于极其低廉的单位价格, 流量的增长难以弥补短信收入的下降, 从而给电信运营商运营收入任务的完成带来极大压力。加上2014年6月1日起中国电信业税收政策被纳入“营业税改增值税”试点, 为确保利润, 国资委要求三大电信运营商在3年内减少营销费用400多亿元。宏观环境及国家政策的改变迫使电信运营商在必须优化营销环节, 降低成本, 提升效率, 实现用更少的成本维持稳定的运营收入。

二、大数据的应用有助于解决电信运营商面临的困境

大数据的应用技术日趋成熟为电信运营商优化营销过程, 利用更少成本, 创造更高收入创造有利条件。大数据, 指的是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。利用大数据, 可以洞察客户的消费心理与行为, 可以帮助企业定位合适的客户、选择合适的推广内容、优化产品质量、优化推广渠道。对于现代企业来说, 大数据就是等于大机会!当然, 把握机遇的前提是有目的地整合数据, 建立数据中心, 做好营销数据管理。由于个人客户的通话、短信、手机上网等行为均承载于电信运营商的通信网络, 因此电信运营商在大数据运用方面具有无可比拟的天然优势。下面, 我们以真实的大数据商业应用案例来介绍某一个市级电信运营商如何利用大数据进行营销分析及业务推广, 从而优化营销过程, 以更少成本获得更高业务推广成功率。

三、大数据挖掘简介

大数据挖掘是一种从海量数据中提取有价值信息的综合技术, 它包括数据分类 (分类、估计、预测) 、聚类分析、关系分组与关联分析。本文针对数据分类技术, 实施对各场景业务的特征的发现, 实施过程如下:一是对实施业务/产品进行调研。了解分析挖掘的要求和目的, 做好之后每个环节的规划。二是通过业务/产品调研后, 提取相关数据进行探索与理解, 为数据挖掘设计、建立数据宽表。三是使用分析挖掘工具对宽表数据进行分析挖掘, 提炼出当中隐藏的有价值的知识, 形成模型成果。四是根据商业目的, 对模型成果进行推广或应用, 如:模型提炼出目标用户后, 实施营销推荐活动。

四、案例1:借助大数据分析协助制定营销策略

OTT业务对电信运营商的短信业务造成了巨大的冲击, 虽然短信收入下降趋势不可阻止, 但电信运营商仍需采取正确的策略去延缓短信收入下降速度。

采用何种策略延续短信下降, 首先我们需要分析哪些客户的短信发送量下降了, 是什么原因导致他们的短信发送量下降。在本案例, 具体的分析方法是采用把在网一年以上全市的短信客户按同比去年短信量上升或下降程度分为7个客户群, 通过海量数据对比分析短信上升客户与短信下降客户有何差异。从而发现客户短信发送量下降或上升原因, 并采用针对性举措延缓全市短信发送量下降趋势。

(一) 整合数据形成数据宽表是应用大数据的基础

运用大数据的基础是有目的地整合数据, 建立数据中心, 做好营销数据管理。由于客户所有的通信行为均承载在电信运营商的通信网络, 在这方面电信运营商具有天然优势。开展大数据分析的第一步, 便是整合客户的海量数据。在本案例中, 客户的海量数据包括以下9方面:一是客户基础属性:包括品牌主套餐、在网时长、所归属的乡镇等行政区域等;二是流量特征:4G流量、3G流量、2G流量、点对点短信发送量等;三是消费特征:语音消费金额、短信消费金额、流量消费金额等;四是业务特征:流量套餐、短信套餐、家庭网、短号网等业务属性;五是余额及充值记录:可用余额、充值次数、充值金额、近4个月充值金额趋势值、近4个月充值金额波动值等;六是交往圈:语音紧密联系人人数、短信紧密联系人人数等;七是地理位置:日间活跃场景 (学校、厂区、办公楼等) 、夜间活跃场景等;八是语音特征:本地、长途等通话时长, 呼叫转移等行为;九是数据业务特征:飞信使用次数、139邮箱使用次数等。

(二) 运用数学模型识别影响客户短信量的关键因素

对以上9方面数据进行清理整合, 形成一张囊括客户移动通信行为海量数据的数据宽表。基于这张数据宽表, 运用数据挖掘工具SPSS Modeler中的决策树算法对全市短信客户进行对比分析。通过比对结果, 我们可以发现, 客户的总ARPU (即话费消费总支出) 、2G流量、在网月数、流量业务收入、家庭网通话次数占比、所在家庭网成员数、是否办理短信套餐这7个因素, 对客户短信量同比去年上升还是下降, 有显著的影响力。柱形的面积越大, 说明影响的力度越强。

(三) 针对每一个关键因素进行详细分析

通过数据挖掘分析, 我们发现短信量同比去年上升或下降的客户, 在总ARPU (话费支出) 、2G流量等7个关键因素有显著差异。接下来就需要针对每一个关键因素, 详细分析短信量下降的客户和上升的客户, 在这些关键因素上具体有何差异, 从而解答我们对短信量下降原因的疑问。

1. 哪些人短信发送量降了

从上图可见, 短信量下降的客户中, 高ARPU客户 (黄色、绿色部分) 占比低, 而且短信量上升的客户, 高ARPU的客户占比更大。也就是说, 我们初步可以得出结论, 资费敏感的低ARPU客户, 更容易减少短信发送量。

2. 为什么短信发送量下降

人际间的沟通需求是不变的, 短信量的下降, 证明客户采取了其它方式代替短信进行沟通。接下来我们对第2个关键因素“2G流量”进行分析。

上图是对全市短信客户14年比13年同期短信量变化及手机流量变化做的一张散点图。其中纵轴是每一个客户的短信量同比增幅, 横轴是客户流量的同比增幅。中间一条明显下降的红色趋势线告诉我们, 客户的短信发送量增幅与流量增幅是负相关的。也就是说, 客户的流量增长得越快, 则短信发送量下降更快。因此, 微信、QQ等即时通信业务对短信业务量的影响是真实存在的。

此外, 我们对另一个关键因素“家庭网通话次数占比”进行分析。为加强客户黏性, 防止客户离网, 电信运商营推出了家庭网业务, 家庭网内成员每月只需5元, 即可无限免费与家庭网内其它成员通话。“家庭网通话次数占比”指的是客户与家庭网网内成员通话的次数, 占该客户总通话次数的比例。

从上图可见, 家庭网通话占比越接近0, 短信量上升的客户 (黄色、橙色、蓝色、绿色部分) 占比较高。而家庭网通话占比越接近1, 短信量下降的客户占比较高。

在短信业务爆炸式增长的2003年, 语音通话高达0.5元/分钟, 而短信通信费仅0.15元/条。十几年之后的今天, 语音通话基本接近0.2元/分钟, 并且还有许多类似家庭网网内通话免费服务, 而短信的资费标准却仍维持在十几年前的0.15元/条。既然打电话的成本远远低于发短信, 那客户为什么不打个电话1分钟内把事情说清楚, 而还要选择更贵的短信发送方式呢?因此我们这里可以得出另一个结论, 除了微信等OTT业务对短信业务产生了替代作用, 语音资费的不断下降也对客户的短信发送量造成了冲击。

3. 哪些客户的短信发送量还在上升

虽然短信量下降是大势, 但我们发现仍然有35%的客户短信发送量与去年持平甚至提升超过60%。接下来主要分析这些短信发送量上升的客户有什么特征。

从上图可见, 办理了短信套餐的客户短信发送量同比上升的客户占比, 远高于没有办理短信套餐的客户。也就是说办理短信套餐有助于稳定客户的短信收入, 减缓短信量下降趋势。

4. 小结

在本案例中, 我们首先采用决策树等数学模型对全市的短信客户进行数据挖掘分析, 发现短信上升客户与短信下降客户在ARPU值、2G流量、家庭网网内通话次数占比、短信套餐这几个因素有显著的差异。然后我们再单独针对每一个因素进行仔细分析, 找出具体的差异点在哪里。经过大数据分析, 我们发现短信量下降主要来自资费敏感型的客户, 由于微信/家庭网等产品提供了近似免费的沟通方式, 对短信产生巨大的替代作用, 是导致客户短信发送量急剧下降的主要原因。同时, 我们也发现客户办理了短信套餐之后, 有助于稳定短信收入, 减缓短信量下降。因此接下来短信业务运营的重点策略便是大力推广短信套餐, 提升短信套餐渗透率, 从而实现收入稳定, 延缓发送量下降的目标。

五、案例2:借助大数据开展精确营销

虽然客户手机流量增长迅速, 然后流量的单位价格极为低廉, 电信运营商必须在流量业务的基础上推广手机视频、手机阅读、手机游戏等数字内容产品, 才能实现新的收入利润增长点。由于国资委要求电信运营商大幅削减营销费用, 大数据在精确营销方面的成熟运用, 可以优化电信运营商的营销流程, 大幅提升推广成功率, 实现用更少的成本去发展更多的客户及收入。本案例构建目标客户分析、业务关联运营、位置服务信息和终端信息合成的全景式客户视图, 通过大数据挖掘+场景化营销手段, 实现在合适时间、合适地点、向合适用户、推荐合适业务的4R要求, 从而提高客户流量使用量和手机视频、手机阅读、手机游戏等数字内容产品渗透率及信息费收入。

(一) 数据准备, 生成宽表

大数据营销的第一步同样是生成数据宽表, 除上案例1提及的客户基础属性、流量特征、消费特征、业务特征、余额及充值记录、交往圈、地理位置、语音特征等, 这里我们增加多一部分客户的手机APP使用习惯。部分数据示例如下:

由于智能手机的普及, 客户越来越多的在手机上运行微信、手机QQ、手机导航等手机APP应用程序。通过分析客户曾经使用过什么APP手机应用, 可以让我们对客户的行为偏好有一定的认知。

(二) 数据探索, 找出关键因素

2014年是世界杯年, 某市电信运营商计划借助世界杯热点契机向客户推广手机视频业务, 引导客户通过手机视频APP观看世界杯直播。首先, 我们先对比分析一下已经使用手机视频业务的客户与没有使用手机视频业务的客户有什么差异。

利用SPSS Modeler提供的网络图功能对某市全量客户的手机APP使用行为进行分析, 我们发现, 使用手机视频APP的客户, 往往会同时使用音乐类、即时通信类、影音图像类、社交网络类APP (详见下图, 线条越粗, 代表越多客户同时使用这两类手机应用APP) 。因此, 我们可以把客户是否使用以上4类APP作为分析客户是否手机视频业务潜在客户的关键因素。

我们继续对数据宽表中的其它字段进行探索性分析。这里, 我们利用SPSS Modeler提供的分布图功能对“品牌主套餐”、“手机操作系统”、“客户活跃区域场景”等名义型字段进行分析。我们发现使用android操作系统手机的客户数最多, 并且使用手机视频类APP的客户占比最高。

对品牌主套餐进行分析, 我们可以看到办理3G网聊卡的客户, 使用手机视频类APP的客户比例也比较高, 这也比较符合3G网聊卡的年青互联网客户的产品定位。

我们还可以发现, 在风景区、汽车站、火车站、酒店等场景活跃的客户, 使用手机视频业务的比例往往也比较高。

我们采用分布图对其它名义型的字段进行分析, 可以发现客户是否办理流量套餐、客户手机品牌名称、以及手机市场价格等字段与客户是否使用手机视频业务有显著的相关性。

接下来我们采用SPSS Modeler提供的直方图功能对数值型的字段进行分析。从下图可见流量越高, 使用手机视频业务的客户占比越高。

下图告诉我们, 当交往圈在100以下, 交往圈越小, 使用手机视频客户比例越高。说明手机视频是宅男宅女们的最爱。

下图告诉我们, 在网时间短的客户中使用手机视频业务的客户比例较高。在网时间长的客户往往年纪较大, 对手机视频这种新事件接收能力较低。

我们采用直方图对其它数值型的字段进行分析, 可以发现客户的3G流量、2G流量、3G流量近4个月波动值、2G流量近4个月波动值、总流量近4个月趋势值、3G流量近4个月趋势值、网内通话次数等数值型字段与客户是否使用手机视频业务有显著的相关性。

(三) 数据挖掘建模

通过前面进行的数据探索, 我们确定了客户是否使用音乐类、即时通信类、影音图像类、社交网络类APP等逻辑型字段, 客户是否办理流量套餐、客户手机品牌名称、以及手机市场价格等名义型字段, 与客户的3G流量、2G流量、3G流量近4个月波动值、2G流量近4个月波动值、总流量近4个月趋势值、3G流量近4个月趋势值、网内通话次数等数值型字段作为数据挖掘建模的输入字段。然后我们把客户是否使用手机视频APP作为数据挖掘建模的输出字段, 选择SPSS Modeler的决策树模型进行建模。得出结果如下:

图的右方告诉我们数据挖掘模型中, 哪些因素对判断客户是否手机视频APP潜在客户最为重要。从上图可知客户的3G流量、总流量、被叫次数、是否使用音乐类APP等字段是判断客户是否手机视频潜在客户的重要因素。而图的左方则是提取手机视频潜在客户的规则集。我们可以把这些条件导出, 然后提取符合以上条件的客户作为手机视频业务推广的目标客户。

我们还可以运用生成的决策树模型对全量客户进行运算, 计算出每一个客户的手机视频业务使用可能性。在营销资源有限的情况下, 我们可以优先选择业务使用可能性最高的客户群, 输送到短信平台、微信平台、营业厅等渠道, 针对目标客户进行手机视频业务推荐, 最大化提升资源运用效率, 提升业务办理成功率。

(四) 应用效果

2014年6月某市电信运营商向手机视频办理可能性指数大于等于0.03的16万客户推广手机视频世界杯直播业务, 推广成功率为3.2%。而从全体客户随机抽取的参照组客户办理成功率为0.9%。通过数据挖掘促进业务推广成功率提升250%, 有效提升营销资源利用率。

(五) 小结

在本案例中, 我们首先采用网络图、分布图、直方图等工具, 找出判断客户是否手机视频业务潜在客户的关键因素。并将找到的关键因素作为输入字段, 将客户是否使用手机视频业务作为输出字段。选择决策树模型进行数据挖掘分析, 找出这些影响关素的重度性排序, 并助生成手机视频业务潜在客户提取规则, 并计算出每一个客户的手机视频业务办理可能性指数。在电信运营商营销资源有限的情况下, 可以将有限的营销资源, 集中投放到业务办理可能性指数较高的潜在客户, 从而实现运用最少资源产生最大效益的目标。

六、结论

面对着外部环境客户短信消费不断下降, 以及营销成本压缩的内部环境压力, 电信运营商急需优化流程提升营销效率。而大数据的成熟运用为电信运营商的精细化营销提供了无限可能。面对大数据浪潮的汹涌而来, 电信运营商这类传统企业本身已经拥有较为完善的信息化架构, 并无须对现有企业进行大的变革, 只需用好当前所拥有客户大数据, 即可以为企业创造更高的价值。例如提供更完善的市场分析为营销策略决策提供更精准、更客观的依据。或者可以精确定位业务办理高倾向性潜在客户, 进行更高成功率的产品推荐营销。

当然我们在应用大数据的时候也不能一味求全求大。应用大数据的关键能力之一, 是把数据变小的本领。在运用数据的时候, 需要的不是面面俱到的数据, 而是比较敏感的数据, 对预测或者分析起到关键影响力的数据, 因此在运用大数据的时候, 同样需要人为地去探索, 去判断发掘关键因素。

大数据人人都知道, 每个人都觉得很高深, 但真正的挑战是把大数据应用起来。本文举了两个案例, 分别是大数据在市场分析以及精确营销产品推荐方面的案例, 只需简单的几个步骤便可以借助大数据提升制定营销策略的准确性及精确营销的成功率。