市场数据

市场数据（共12篇）

市场数据 篇1

如今 , 行业主流 订货模式 有:电话订货、网站订货 (电子商务) 、POS机订货及网上配货模式等, 根据要货行为发起方的不同, 又可归并为“主动要货”和“被动配货”两种:

(一) 主动要货模式

电话订货、网站订货、POS机订货均由卷烟零售客户发起, 通过电话、网络和POS机等不同媒介, 根据自身卷烟销售情况、当前库存状态、客户经理经营指导、自身经营经验等因素自主上报卷烟需求。

(二) 被动配货模式

网上配货属于被动配货模式, 是在POS机订货的基础上发展起来的, 而与POS机订货的最大不同就是不需要零售客户自主上报需求。其基本运作原理是根据零售客户的近期销售和期末库存情况, 结合各个卷烟规格的投放策略, 通过系统自动计算合理的配货数, 实现供应商管理库存的批零互动。核心配货参数和公式如下:

库存边界:判断卷烟是否脱销的临界值。每天通过POS机、PC-POS等渠道采集客户期末库存, 若期末库存≤库存边界, 则判定为脱销, 并进行计数, 用于判断脱销天数, 还原真实销量。

库存天数:公司希望客户“备几天”的安全库存, 体现各个卷烟的货源供应策略和库存管理策略。对于紧俏卷烟, 货源供应采取合理限量的方法, 允许脱销, 因此库存天数一般为0;对于顺销卷烟, 按照客户需求供应货源, 客户应防止脱销, 库存天数以3-7天为宜。

合理定量:描述客户各个卷烟规格的近期销售能力, 取前N个自然周 (周一至周日) 的周均零售销量, 结合脱销天数, 还原真实销量作为合理定量。

季节系数:描述卷烟消费的季节性变化, 如重大节日前卷烟需求迎来一波高峰、夏季卷烟消费存在回落现象等。

网上配货公式:

配货数= (合理定量-上期期末库存+库存天数*日均销量) *季节系数

例如:某顺销规格库存边界设置为0.2条 (用于保障出样) , 库存天数设置为7天, 平季时, 通过POS采集某客户每日进销存信息, 前5个自然周共零售18.3条, 其间库存小于0.2条的有5天, 订货前库存有4.1条。

正常销售天数=5周*7天-5个脱销日=30天

日均销量=18.3条/30天=0.61条/天

合理定量=0.61条/天*7天 =4.27条

计算配货 数 = ( 4 . 2 7 - 4.1+7*0.61) *1=4.44条 (取整为4条)

一、客户要货模式与市场需求的关系

主动要货模式下, 客户自主要货, 往往会因为紧俏卷烟长期不能满足供应, 而产生夸大性、重复性的要货 (图1) , 因此要货数据会远远大于真实的市场需求。而在这种模式下, 对于顺销牌号, 客户要货往往过于谨慎, 担心动销缓慢库存囤积, 而且由于长期能够满足其要货需求, 客户不愿意将流动资金转为安全库存, 所以往往要货数会略小于真实的市场需求。

可见, 主动要货模式下客户要货并不等于市场需求, 但这两者之间的差距, 与卷烟价位、紧俏程度等因素有关, 并不能很准确地定量衡量。

被动配货模式下, 从公式来看, 库存天数*日均销量=需要客户备货的数量, 与上期库存量理应相近, 因此配货数与还原得到的真实需求 (即合理定量) 是基本一致的, 并且客户配货数由系统自动生成, 不受客户人为因素干扰 (图2) 。

于是可以得到“被动配货模式下, 配货数能够较为准确地体现市场实际需求情况”的结论。

二、建立要货-需求关系模型

由上文可知, 网上配货的客户配货数基本等于市场实际需求, 并且在货源投放没有倾斜的情况下, 这种货源满足关系可以代表整个区域的平均水平, 通过建立要货-需求关系模型, 就可以以点带面地了解整体的需求情况, 并可以根据多期数据, 得到市场需求的变化趋势, 结合其他统计方法, 更有效预测后期市场需求。

(一) 模型架构

第一步是建立起网上配货数与市场需求之间的关系:

系统计算配货数=网上配货真实需求

第二步是以网上配货的货源满足率代表整体市场的满足情况:

网上配货客户货源满足率=确认货源数/计算配货数*100%

第三步是结合主动要货客户的确认数, 还原出整体市场的需求:

整体市场需求=所有客户确认货源数/网上配货客户货源满足率

(二) 数据论证

采集公司主动要货和被动配货客户2013年第11周至第18周数据, 在紧俏卷烟中选择中华 (硬) 数据, 统计整理如下表1所示:

可见, 对于紧俏卷烟, 在同样的供应策略下, 主动要货的客户会将需求放大, 导致要货满足率明显降低, 而被动配货部分则去除了这部分人为因素的影响。

以第15周为例, 被动配货客户配货数5980条, 代表被动配货客户群体的真实市场需求, 而这部分客户货源满足率为72.56%, 代表当周制定的货源供应策略对需求的满足程度为72.56%, 而货源供应策略对于所有客户是一致的, 则认为对于所有客户, 实际的货源满足率也是72.56%, 而所有客户的确认数为7900条 (3561条+4339条) , 则还原出所有客户的真实需求为10888条。

在顺销牌号中, 选择红双喜 (硬精品) 为例, 同样采集2013年第11周至第18周数据, 统计整理如下表2所示:

对于顺销卷烟, 供应策略是充分满足客户需求, 货源满足率较高, 除15、16周由于货源衔接问题, 其他各周均为100%, 此时主动要货客户不会对需求进行夸大, 其要货基本能够体现需求。因此, 运用此模型也能够有效还原市场需求。

通过以上数据论证, 可以发现运用要货-需求模型, 既为还原市场真实需求找到了切实可行的方法, 又避免了盲目根据客户订单进行判断。

三、要货-需求关系模型的应用

(一) 还原市场真实需求, 提 高需求预测准确性

现行的短期需求预测方法, 主要是通过运用移动加权平均法、季节波动法等模型根据前期批发销量对需求进行拟定, 结合集合意见法、德尔菲法等定性方法调整预测值。但这些方法本质上都忽视了客户的需求、消费者的需求、市场的 需求, 没有真正做到市场导向。

而要货-需求模型则以客户要货为突破口, 既关注客户要货, 又不盲从客户订单, 通过科学鉴别客户要货数据的真实程度来还原市场需求, 真正做到了市场导向, 从而提高需求预测准确性。

例如, 以2013年6月硬中华需求预测为例, 比较这两种方法的优劣:

方法一:移动加权平均法

采集2、3、4月硬中华批发销售数据分别为9124条、22000条、31087条。由于2月受元春节后淡季影响需求较小, 3、4月正常, 所以分配权重0.2、0. 4、0.4, 运用移动加权平均法, 计算得到预测值为23059条。

方法二:要货-需求模型

采集4月各周各要货模式客户的硬中华要货数、确认数, 具体数据及算法见表1中14-17周数据, 计算得到4月还原需求41562条, 6月与4月同属平季, 因此可预测需求量没有太大波动, 为41562条左右。

我们发现, 在方法一中, 数据波动明显, 权重分配并没有定量或定性依据, 其测算得到的预测值仅可作为批发销售预计, 难以代表真实需求。而方法二则准确定量了市场真实需求, 两种方法得出的结果也有较大差异。

(二) 体现客户对不同品牌的 培育信心和期望

运用要货-需求模型, 还可以利用客户的要货心理, 准确把握客户对不同品牌的信心, 主动要货客户对需求的“夸大程度”则正好体现出其信心强度 (图4) 。

我们经常疑问, 市场更看好软中华还是硬中华?现在可以通过要货-需求模型进行解答:

以2013年第14-17周软、硬中华要货-需求数据来看, 首先得到被动配货满足率, 代表整体满足程度, 其次还原主动要货客户真实需求 (主动要货确认数/整体满足程度) , 最后计算主动要货客户需求夸大程度 (主动要货数/真实需求-1) 。

我们发现, 各周软中华的需求夸大程度均高于硬中华, 一方面说明软中华的市场满足程度更低, 另一方面说明客户要货时对软中华更为期待, 对软中华的销售信心更高。

四、结论

从如今卷烟行业客户订货模式来看, 可以分为主动要货和被动配货两种, 其中主动要货会夸大市场真实需求, 而被动配货则能够正确反映当前市场供求关系。在此基础上, 建立要货-需求模型, 在分配政策没有倾斜的前提下, 将被动配货的货源满足率视作整个市场的满足率, 以此还原整体市场真实需求。这一模型不仅能够使需求预测更具有可行性和科学性, 在判断客户对品牌培育的信心程度等其他方面也能够有所应用, 该模型的更多更深入应用将作为今后的课题延伸。

市场数据 篇2

回归分析。任何一个市场营销问题都要涉及一组变量，而市场营销调研人员主要对其中的一个感兴趣，他要了解在不同的时间、地点该变量的变动情况。这个变量就叫做因变量。市场营销调研人员在确定了因变量之后，还要进一步考察其他变量在不同的时间、地点对因变量的变动有何影响。这类变量就叫自变量。所谓回归分析、是指一种表述自变量对因变量影响的公式技术。

如果在回归分析中，统计方程式中只涉及一个自变量，我们称该统计方程式为简单回归； 如果涉及两个或两个以上自变量，我们称该统计方程式为多元回归。

爱点击:数据深耕精准市场 篇3

爱点击互动（北京）广告有限公司创办人

曾担任雅虎大客户部销售总监，成功为多个跨国公司提供ROI驱动的在线营销解决方案。2009年他与现任CEO薛永康先生一起在香港创立iClick爱点击，并于2010年全力投入发展中国业务。

2012年广告主对市场更为谨慎，我们预见广告主将会更加倚重技术去提升营销ROI，越来越多的同业将会加入竞争。

随着科技的发展和互联网的普及，我们的生活已经发生了根本性的变化。过去要出门购物，现在网购就能购买心仪商品，并且商品种类让消费者眼花缭乱。80后、90后等网络主流人群逐渐踏入社会，消费能力提高，网购市场规模将继续高速增长。根据中国互联网络信息中心(CNNIC)的监测报告数据获知，截至2011年12月底，中国网民规模已突破5亿，全年新增网民5,580万。

在此背景下，传统企业不可能对之视而不见，2012年将会是传统企业电商化的爆发期。接下来的问题将是互联网营销商如何在这片兵家必逐之地吸引最多的客户流量，并同时维持一个合理的ROI。iClick（以下简称爱点击）则是兵家之一。

2012年是爱点击进入大陆的第三个年头，凭借着自主研发的跨媒介广告优化技术XMO(Cross-marketplaceOptimization Platform)在行业立足，服务于众多电商品牌，像卓越亚马逊、当当网、凡客与麦考林。目前，爱点击的团队正在不断深挖精耕XMO技术的数据收集与追踪、效果预测、投放组合优化和数据分析报告四大功能。

综合2011年超过200个企业帐户的表现，XMO的自动优化系统平均能够在一个星期以内提升转化量30%。以一个龙头电商为例，其在关键字搜寻的转化量在使用XMO自动优化系统后，提升了27%，营业额提升了13%。XMO技术的下一步发展计划将延伸至SNS社交媒体。

社交媒体最令广告主头痛之处在于难以评估其实际价值，XMO的传播率分析(Amplification Analysis)功能能够评估每一个社交信息所能接触到的线上用户，更能为多渠道投放的广告主解构搜索广告、展示广告及社交媒体之间的协同效应，找出社交媒体在整个营销计划中发挥的功能。长远来说，XMO将能够把社交类信息加入客户关系管理(CRM)的概念，并把该媒体所取得的数据用以扩大客户广告的覆盖层面。

爱点击进入大陆后，将团队和产品进行本土化调整。产品方面，2011年11月爱点击完成技术本土化，XMO能够通过人工智能技术，为广告主提供媒体购买、自动优化、预算调整及数据分析等一站式服务，能够简化广告主繁复的工作流程，优化广告投放效果，帮助广告主突破预算瓶颈，大幅扩展业务；团队方面，我们聘请了一些传统广告公司和网络营销公司的精英加入，并将我们的行销理念灌输于团队。

在新的一年里，爱点击的主要方向就是把XMO技术做精做专，做到跨平台优化，坚持“数据深耕是数字时代的惟一出路”的理念。

Q：2012年，您所处的领域将会呈现哪些营销新趋势？未来营销工作重点是？

A：最突出的趋势就是广告优化技术能够做到从以往的按媒介购买到按受众购买的跨越。爱点击公司未来营销工作重点是收集与分析大量的广告数据，并迅速作出策略调整。

Q：对业界近期哪个营销案例或技术有深刻印象？为什么？

A：令我们印象深刻的技术是国外同业纳入语言进行广告组合的优化技术。比如受众在社交网站上对某汽车品牌给予评价，将影响该汽车品牌在受众眼前所呈现的广告创意与文案，这种技术务求把广告营销的精准性推到极致。

市场数据 篇4

数据保护与管理市场发生巨大变化

Com mvau lt公司从事数据管理已经有20年, 在11年前正式进入中国, 而市场也发生了巨大变化。Com mvault亚太及日本地区副总裁Owen Taraniu k说, 中国市场有大量的数据, 在数据管理方面有非常多的挑战, Commvault解决方案通过在中国的落地和实施, 能够帮助中国的这些企业应对这些挑战。

无论亚太的数据中心, 还是全球的数据中心, 都发生了变化, 应用的复杂程度以及基础设施的复杂程度等, 都发生了非常快的变化, 并且形势越来越复杂, Commvault公司愿意提供最新的技术, 希望能够在流程自动化方面帮助客户能够摆脱供应商锁定的困境, 希望他们能够在不同的云端、在不同的硬件上、在不同的基础设施之间实现数据自由的管理, 能够让各自孤立的数据孤岛联系在一起。C om mvau lt亚太区解决方案营销总监Mark Be nt kowe r说, 11年前, 我们提供的是非常基础的备份和恢复方面的能力, 我们把数据放到磁带里面, 我们要对所有不同的磁带进行管理, 尽可能快地把它下载到一个磁带上管理;多年之后, 这个产品发生了巨大的变化, 我们把数据放到了硬盘上, 然后对它们进行加密做各种各样的处理, 与11年前相比有很大不同。

一旦我们将数据下载到硬盘上, 就有了更多的机会, 备份不再是简单的备份了, 需要做更多的工作, 实际上我们真正进入到数据管理的环节。现在我们除了备份之后, 还将这些虚拟的工作负载来进行管理, 要对于所有虚拟机上的数据进行全生命周期的管理, 同时对于云端的操作也进行管理。

Com mvau lt公司大中华区总经理王波说, 过去的11周年是非常不平凡的11年, 我们与合作伙伴及客户一起共同经历了一个技术发展变革的年代, 也是中国经济迅速增长的一个年代。现在IT迎来了新一波的革命性转变, 这就是数字化转型。Commvault如何在这个过程中与合作伙伴和客户一起去面对挑战并获得新的增长, 这是我们下一个11年的主要任务。我们对中国的投资是不变的, 在过去11年我们投入了大量的人力和财力建设中国的团队, 在下一个11年, 我们会更加有信心进一步增加对中国的投资。

第11版Commvault解决方案产品

Owen Taraniuk介绍说, 第11版Com mvau lt解决方案产品组合旨在帮助客户激活数据, 加快其从传统数据管理环境向现代环境的转型, 以获得重要的商业洞见, 并利用他们的技术投资创造新的价值。Commvault的解决方案产品由一系列在数据保护与恢复、云计算、虚拟化、归档、文件同步与共享领域领先业界的产品组成, 可适应不断变化的市场趋势、增长领域和客户用例。Commvault数据管理平台是一个开放和基于标准的平台, 可帮助客户更好地利用数据, 改进IT运营, 并促进第三方创新。他表示, Commvault的全新解决方案从根本上重新定义了数据保护、归档和云端数据市场, 其中, 系统具备应用感知能力, 数据安全认证和加密至关重要, 备份窗口大幅减少, 即时恢复成为标配, 数据可以从本地数据中心或其他数据站点轻松访问, 做到自动灾难恢复, 资源也得以优化和精心配置 (存储、计算和网络) 。最新解决方案中的产品创新特性, 使Com mvau lt各种规模的客户都可因其受益, 从传统基础设施过渡到超融合的现代基础设施, 采纳新技术, 并充分利用云来完成关键的工作。

Mark Bentkower补充说, 我们的V11版本是下一代的数据管理平台, 是针对各种层面的、各种hy pe r v isor管理程序以及各种应用各种云端的自动化能力的处理, 从而能够使数据的备份和恢复非常迅速。另外, V11是一种嵌入式自动化的性能, 不需要花更多的时间针对每一个硬件、每一个云端的基础设施来设置不同的人, 提供不同能力的培训, 等等。它还可以让客户摆脱供应商的锁定效应, 不用再只与一个供应商合作。另外, 因为它是自动化的, 所以可以让客户在不同供应商、不同应用、不同基础设施, 不同云环境中, 自由迁移你数据, 并对数据进行本地化管理。

市场数据 篇5

读书报告题目：大数据时代的生活、工作和思维变革 书名：大数据时代作者：[英]维克托·迈尔-舍恩伯格，肯尼思·库克耶 出版社：浙江人民出版社出版时间：2013年1月

内容梗概：

大数据又称巨量资料，指的是所涉及的资料规模巨大，无法通过目前主流软件工具处理。所以，需要在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。在本书中，作者通过许多浅显易懂的道理和例子，阐明了大数据时代对我们生活、工作和思想的变革。在第一部分中，作者主要讲的是大数据时代中思维的变革：抽样等于全体；效率大于绝对精确；相关关系分析通常情况下能够取代因果关系起作用。在第二部分中，作者主要讲的是大数据时代中商业的变革。作者认为我们应该重视数据化，把重心转移到信息本身上来，并且创造数据在重利用中的价值。在第三部分中，作者主要讲的是大数据时代中管理的变革。作者描绘了大数据的风险和如何面对这些不良影响。

读书心得：

我认为，作者对于第一部分的论述最为深刻。所以，我主要从第一部分来谈谈我的心得体会。第一部分中有三个观点：抽样等于全体；效率大于绝对精确；相关关系分析通常情况下能够取代因果关系起作用。这三个观点涉及的面很广，包括了统计学、逻辑学、哲学等等。

首先，作者认为大数据的关键就在于要利用所有的数据，而不再仅仅依靠一小部分数据进行分析总结。作者通过人口统计的例子阐明了随机采样是在不可收集和分析全部数据的情况下的选择，它本身存在许多固有的缺陷。所以，当今时代，我们需要全数据模式，即样本=总体，并且学会在大数据中进行分析总结。作者用大数据与乔布斯的癌症治疗例子很好地说明了使用全部数据而非样本的意义，只有这种获取所有数据而不仅是样本的方法才能科学地使用对他治疗有帮助的药，进而延长他的寿命。作者的观点不无道理。但是，我认为，在现如今社会里，使用大数据进行研究，无疑会增加成本，造成资源浪费。所以，这种分析方法应该被用于某些特定的领域，例如危险评估或者风险分析上。当然，随着科技的进步，我也相信，我们有一天会进入完全大数据时代。

第二，作者认为数据是需要混杂性的。随着数据使用的越来越多，其得出的结果并不一定能绝对精确。所以，采用小数据一个数据的错误就会导致结果的误差很大，但是如果数据足够多、数据足够杂，那得出的结果就越靠近正确答案。大数据的简单算法比小数据的复杂算法更加有效。谷歌翻译的成功很好地证明了这一点，谷歌的翻译系统不像Candide那样精确地翻译每一句话，它之所以优于IBM的Candide系统并不是因为它拥有更好的算法机制，而是谷歌翻译吸收了它能找到的全部翻译并且接受了错误的数据。在这样繁杂的数据下，就可以降低它出错的概率，吸引更多的用户使用它。

第三点是我印象最深的一点，作者认为相关关系比因果关系更重要。他认为，找到数据之间的相关性就能更好地预测未来。从亚马逊的案例中，我们可以看出，亚马逊的成功在于他抓住了每个客户自身不同的特点，从历史数据出发来为客户推荐书目，这比评论家点评更有效果。只有找到了数据之间的关联性，才能获得很高的成功率。另外，大数据也可以帮助企业分析现状，提前做出规划，降低风险。大数据的相关关系分析法就是知道是什么就够了，不用知道为什么。尽管这个观点存在很多争议，包括书中电子科技大学教授在推荐中就不认同这一观点。但是，我认为，这也是大数据的一大特点，它通过大量的数据分析，然后得到具有相关性的信息，经过加工总结，最后能够提前做出具有科学性的预测。这在商业领域甚至科学领域都有十分重要的意义。

市场认可改革不认可数据 篇6

这次会议的几大看点在于：首先，加大地方债务风险的排查。对地方债务的论述已经非常多，其潜在风险巨大也已形成共识，如果处理不好将形成新的金融危机。现在的焦点在于如何化解，难点在地方财政收入的可持续性，在建项目的效益性，而这两点都比较难解决。前者有望通过财税体制改革加以缓和，但需要时间、需要中央政府让利，后者则涉及行政体制改革，见效取决于多种因素，较难预测。

地方平台贷、平台债，及其他形式的借贷，如果出现坏账或违约，其传递路径会是怎样？对银行体系、金融市场会造成怎样的影响？政府最后要不要施以援手？都颇费考量。同时，排查之后必须给地方政府举借开个口子，这样，最近债券市场的整治是不是与之暗中切合？

其次，清理取消和调整行政审批项目也是下阶段的工作重点之一。要想通过释放改革红利推动经济的发展，就需要有更好的创业环境、更好的企业运营环境，行政审批制度不在很大程度上取消，则政府自认比市场更聪明的观念就仍存，低效与贪腐的空间就仍存。深圳、珠海率先试行商事登记制度改革，办企业门槛几乎不再，老百姓马上就有了很多想法——我要不要去办家企业？创业就是这样开始的，这就是改革红利的释放。

另外，在投资上，只剩下城市道路、轨道交通、环保基础设施作为继续的保留项目。又加上对地方债的清理排查，各地轰轰烈烈的、动辄奔万亿的工程会不会无疾而终？可能性是存在的。没有了中国的冤大头似的购买力之后，国际大宗商品的好日子还真要成为昨日黄花，铜很可能步黄金的后尘、正式破位。黄金暴跌的原因很多，但至少证实了一点，再多的流动性也不会把价格炒到天上。

此外，着力解决制度性问题、解决根本性问题，也是这次会议的特点之一。我们看到， “两会”后总理的记者招待会以来，基本上没有就房地产调控表过态，没有过正式的讲话。当然，我们切不可以为房地产的状况是令当届政府满意的、认同的，可能只是在没有有效的解决办法之前，暂不过多表态、过频举措，以免引发市场不必要的振荡。关于深圳将成为房产税下一个试点城市的说法，相信不是空穴来风。

金融改革也有看点。“积极稳妥推进利率市场化和人民币资本项下可兑换”之下，可能更偏重于“积极”，而不是以往的“稳妥”。利率市场化暂没有动静，人民币资本项下可兑换近日则是潜流涌动，从人民币兑美元波动区间的扩大，到A股指数纳入MSCI新兴市场指数之说，背后是对人民币资本项下可兑换的憧憬。对此，外资已经闻风而动，今年以来外汇占款激增、资金流入明显、人民币兑美元频创新高，固然有看好中国今后发展质量的因素，但人民币国际化及自由兑换的因素显然也是成因。

虽然一季度数据不理想，但国内A股市场明显已经越过了当前经济数据可能带来的困惑，着眼点已经放在对改革前景的判断上，故而市场并没有在内外挤压之下继续大幅下沉。环保行业在这次会议上被三次提及，市场也很好地领会到了这点。对于政策友好型行业，机会正在凸显。

市场数据 篇7

随着政府职能转变不断加快、简政放权力度不断加大、市场监管体制改革不断深入、新型商事制度的全面实施,市场主体数量快速增长态势明显,新兴业态、新兴产品、新兴服务层出不穷,市场形态多样化、经营方式现代化、市场竞争激烈化、违法行为隐蔽化日益突出,市场监管的长期性、复杂性、艰巨性不断增加。各地重点产业在数量安全、发展安全与质量安全间的矛盾短期内难以解决,市场秩序领域的风险更加多元分散和难以预测。传统监管方式难以为继,市场监管工作必须更加注重通过深化改革和强化法制来推进和展开。在当前和今后一个时期深入推进政府治理体系和治理能力现代化的大格局下,基于大数据的市场监管革新创新势在必行,大数据应用将成为工商部门创新服务方式、提高监管水平、参与宏观管理的重要基础与有力支撑。

1 运用大数据加强市场主体监管的体系框架

为适应当前市场监管新形势、新特点,工商部门需构建基于自身职能的市场主体服务与监管体系框架。该框架包含监管主体、监管与服务范畴、监管与服务手段、监管与服务体制、大数据监管方式五大部分,如图1 所示。监管主体以问题为导向,在现有监管体制框架下,充分运用各类监管资源,使用行政与技术等手段,对市场主体的资格、行为及专业领域和消费维权等进行大数据监管,有效履行工商部门在市场主体监管中综合性、基础性的主体责任,实现政府主导、部门协同、社会共治的统一化、主动化、常态化、制度化、科学化、专业化的市场主体监管新格局,着力营造宽松的投资环境、公平公正的市场环境、安全健康的消费环境、合理有效的行政环境。

( 1) 监管与服务主体分为政府监管主体和社会监督主体两大类。市场主体监管是政府为实现公共政策目标,制定并执行,直接介入、干预市场配置,对市场主体进行规范和制约的规则和行为。政府具有主体责任,为更好发挥政府作用,需要在政府强力市场监管前提下,发挥社会监督、行业自律、市场主体自我保护监督等作为有益补充作用,工商系统包含国家工商总局各职能部门、地方工商局以及基层工商所。

( 2) 监管与服务体制包括两个方面,一个是纵向的条线业务层面监管,满足业务层面专项指导要求; 另一个是横向的属地综合监管,满足属地企业全覆盖要求。工商市场主体监管实行分级管理、业务条线监管、基层属地综合监管模式的全系统统一监管。

( 3) 监管与服务范畴涵盖资格监管、行为监管、专业监管、消费维权服务四大部分。其中资格监管包括市场主体资格监管、经营资格在先照后证后条件下的监管、广告许可、商标注册等; 行为监管包括生产行为监管、交易行为监管和垄断竞争行为监管等; 专业监管包括流通领域商品质量、合同、拍卖、农资等专项监管。

( 4) 监管与服务手段主要包括行政手段、司法手段、政策手段、技术手段四种。以行政手段为主,运用好工商独立的行政许可、行政确认、行政指导、行政执法、行政监督检查等行政职权。

( 5) 大数据监管方式包括信用监管、在线监管、协同监管等。

2 运用大数据构建市场主体监管体系的构想

2. 1 建设目标

大数据市场监管其本质是为经济保持活力提供秩序保障。活力和秩序是社会主义市场经济的两翼。没有活力,市场经济就失去了生机和魅力; 没有秩序,市场经济就失去了信任和安全。所谓“活力”,就是通过改革商事制度和行政审批制度,最大限度地向市场放权、为企业松绑、为市场机制让出空间,实现市场准入便利化,投资贸易和服务便利化,激发市场和社会投资潜力,提升经济发展内生动力。所谓“秩序”,就是创造宽松平等、优胜劣汰、公平竞争的市场环境,按照规范化、法治化的要求,建立科学有效的事中事后监管制度,让放与管两个轮子同向运转、协同跟进,推动经济更有效率、更加公平、更可持续发展。今后一个时期,市场监管系统应紧紧围绕“活力与秩序”两大目标,努力实现有效市场和有为监管的统一。

2. 2 建设内容

基于“活力与秩序”两大目标,大数据市场主体服务与监管体系以大数据融合中心为基础,围绕服务市场监管和区域发展两个应用方向,分宏、中、微三个层次,构建“三层两翼”的大数据市场主体服务与监管应用体系。

以“三层两翼”市场主体服务与监管应用体系为指导,以大数据融合中心数据资源为基础,建设大数据市场主体服务与监管平台。平台以需求为导向,面向决策层、监管部门、社会公众等不同服务对象,实现服务效果的最大化。平台建设内容主要分为三部分:

( 1) 辅助决策服务平台。运用大数据技术,加强各类数据与区域经济的关联分析研究,提高经济发展决策的科学化和精准化,实现区域经济有质量有效益可持续的发展。建设内容以经济建设为主线,围绕经济运行预测、产业结构调整、产业集聚、区域辐射带动、招商引资、小微企业发展、区域创业分析等构建服务发展应用,为各级政府部门提供决策支撑服务。

①经济运行监控

及时、准确把握经济运行动态与预测发展趋势是政府决策层开展经济工作的第一要求。经济监控预测模块对经济发展运行的各项关键指标进行连续性观测、分析、预测,直观展示经济发展的动态,并对其规律性进行揭示,为领导制定相关的政策和策略提供技术支撑。

②产业结构调整

中国经济开始进入新常态,经济增长由过去的高速增长进入中高速增长阶段,促进经济结构调整被提到更加重要的位置上。通过结构优化、产业升级,为整体经济中高速增长提供新动力,推动整体经济稳定增长、提质增效。产业结构调整模块的分析内容不仅局限于三次产业的比重变化关系,还要从高端产业进入和增长情况,产业集聚等方面反映产业结构优化升级情况。

③区域协调发展

区域协调发展就是强调把区域发展差距控制在合理限度内,发挥各地区的发展潜力和优势,在发展中建立起良好的区际经济关系,从而推动经济整体稳定发展。

④资本流动情况

包括外埠投资分析、企业跨区域投资分析、创业投资、企业迁入迁出分析等。

⑤重点专题分析

包括重点企业分析、小微企业分析、区域创业指数分析、企业存活分析、企业年报公示分析等。

( 2) 市场监管支撑平台。主要基于大数据手段,互联网思维,以信用监管为核心,构建全过程、协同式的监管体系。“纵向”构建全过程监管链: 从资格监管、行为监管、专业监管、消费维权四大监管领域建设应用,实现对市场主体从准入、经营到退出的全过程监管覆盖。“横向”构建社会共治的监管维:联合多个监管部门,引导社会力量,形成“企业自治、行业自律、社会监督、政府监管”社会共治的市场监管机制。通过横、纵交叉的应用体系建设,形成大数据市场监管应用网。

针对重点高危行业、重点群体等监管重点构建大数据监管模型,进行关联分析,及时掌握市场主体经营行为、规律与特征,主动发现违法违规现象,提高政府科学决策和风险预判能力,加强对市场主体的事中事后监管,不断提高政府服务和监管的针对性、有效性。建设内容包括市场环境运行监测、消费环境分析、高危行业监测、重点群体监测、企业活跃度监控、企业违规风险监测、年报及公示信息分析等,支撑监管部门加强事中事后监管,提高风险防控能力。

①市场环境运行监控

市场环境风险分析模块通过构建监控预警模型,对整个市场环境的状况进行监测预警,同时具备对重点行业( 领域) 、重点区域的市场环境进行监测预警。

②市场主体活跃度监控

整合各种内外部数据,构建市场主体活跃度监测模型,对市场主体尤其是商事制度改革后新成立的市场主体的活跃状况进行监测分析,为及时掌握市场主体运行状况提供支撑。

③企业违规风险预测及监控

企业违规风险监管主要是利用企业风险评估模型,预判企业未来可能发生的各类型违法违规行为的概率,实现对企业的分级分类,为精准定向检查提供支持。

通过实时监控企业风险评分的变化情况,从而帮助决策者了解企业违规风险的变化。还可以帮助用户及时发现超出业务规则的信息,并通过各种方式提醒用户对这些预警信息进行关注。

可通过简单搜索和高级搜索两种方式实现对具体企业风险评分的查询。搜索可按企业名称、注册号进行模糊匹配,高级搜索可以用更多搜索条件快速定位所要查询的企业。

④企业年报及公示信息分析

对企业年报信息及公示信息进行分析,及时掌握企业动态变化。

⑤消费维权状况分析

通过对消费者诉求信息与反映消费市场环境指标的总量、变化趋势的关联分析,客观真实地反映消费环境的发展特点和不平衡状况,进而实现评价、监测和预警的三大功能。构建消费维权工商指数,主动预测消费市场、产业发展、政策实施潜在问题及机遇,改善相关决策的速度和质量。

( 3) 移动信息公示平台。建设以移动设备为载体的信用信息公示平台,及时向社会公开有关市场主体违法失信数据、投诉举报数据和企业依法依规应公开的数据,提高市场主体生产经营活动的透明度,为新闻媒体、行业组织、利益相关主体和消费者共同参与对市场主体的监督创造条件。引导有关方面对违法失信者进行市场性、行业性、社会性约束和惩戒,形成全社会广泛参与的信用监管格局。

3 运用大数据构建市场主体监管体系的实现路径

基于大数据技术与思维建设市场主体服务与监管体系要以应用为驱动,建设大数据融合中心和应用支撑平台,需要完成以下三个方面的工作。

3. 1 建立以市场主体为主线的大数据融合中心

从监管对象看,市场监管包括主体、客体和自然人监管三方面。客体的监管最终将追溯到生产主体和经营主体,自然人的监管则源自于其关联的主体身份,如企业股东、法定代表人、个体工商户经营者等。三者通过主体形成了有机的整体,因此市场主体服务与监管体系的建设需要整合以市场主体为主线的所有政府部门数据的大数据融合中心。其一是整合工商系统的内部信息,包括注册登记、行政执法案件、消费维权、商标等多方面数据的融合。其二是整合税务、海关、商务、交通、质监、食药、环保、公安、法院和金融监管等部门以及金融机构、公共服务机构掌握的主体数据资料,实现政府层面的数据互联互通。其三是利用大数据技术手段加强对外部信息的采集,例如整合物联网信息、网络消费舆情信息等信息,通过规范、融合、关联,把堆积的数据,梳理成企业、人员、商品、行业、区域、族谱等全景信息视图,把静态的数据变成鲜活的动态数据,建成市场监管大数据中心,形成宝贵的数据财富,为政府决策、市场监管、社会公众服务奠定坚实基础。

3. 2 构建基于大数据的分析应用体系

构建基于大数据的分析应用体系,实现涵盖宏观、中观、微观的全方位的服务和监管体系。宏观上利用大数据及时准确掌握区域和行业市场运行状况,综合评价市场秩序,服务经济发展和规范市场秩序; 中观上,利用大数据可以对监管对象进行分类分级,实现差别化监管,提升监管效能; 微观上,能够实现监管个体的风险评价,辅助监管人员制定监管策略、确定重点监管对象以及业务预警提示,结合信息公示平台服务社会公众,提升政府的公众影响力。

3. 3 建设一个应用导向的技术支撑平台

以大数据分析应用体系为依托,以数据管理技术为支撑,构建应用导向的技术支撑平台。建设跨部门、跨系统间的数据共享通道,对各类业务数据进行整合,利用自动化和智能化技术,实现监控、预警、分析、挖掘等多种数据应用,及时、准确、全面地为决策者、管理者和市场监管业务人员提供应用支撑。

工商大数据应用作为我国经济社会发展新形势下的新工作、新任务,并无成熟的模式可借鉴。总体上应遵循以下几个原则: 一是目标明确,以大数据、互联网思维创新市场监管与服务模式,创建全国领先的示范项目; 二是要研究先行,建立各种标准体系、方法体系、模型体系和应用体系,发现可行的建设路径; 三是应用导向,应用是衡量大数据价值的唯一标准,以应用为导向进行数据融合中心建设和应用开发等各项工作; 四是分步实施,根据应用的优先级分布实施,扩展应用,最终实现全方面的服务支撑。

摘要：近年来,以大数据、云计算等代表的现代信息技术飞速发展,已在经济社会各领域广泛应用,对政府治理理念、方式和手段都产生深刻影响,并带来前所未有的机遇。在市场监管领域,需要充分认识大数据的重要作用,深化大数据应用,建立起以大数据支撑的新型市场监管体系。

关键词：大数据,应用,监管

参考文献

[1]严霄凤.大数据研究[J].计算机技术与发展,2013(4):168-172.

[2]胡雄伟.大数据研究与应用综述[J].标准科学,2013(9):29-32.

[3]白军伟.市场经济体制下的工商市场监管问题研究[J].经济管理者,2014(14):179.

基于大数据的旅游市场研究综述 篇8

关键词：大数据,旅游市场,发展趋势

随着网络信息技术的飞速发展, 搜索引擎成为广大网民的重要网络信息平台, 人们按照自己的需求和兴趣, 利用其检索服务功能查询和获取信息。这期间, 庞大的网络搜索数据被网络搜索工具记录下来。有研究表明, 这些庞大的搜索数据与现实的社会行为之间存在一定的相关性。互联网已成为游客搜索旅游信息及购买旅游产品的有效手段, 旅游网站信息成为旅游开发者和旅行代理商向旅游者提供服务和促进购买的重要渠道, 挖掘出用户对旅游的网络关注度和实际旅游需求的关系, 了解旅游需求趋势是研究的新角度。

1 国外研究综述

1.1 旅游网络信息导引作用探究

近年来, 国外学者针对无形信息流对有形人流的导引作用问题进行了有益探索, 包括旅游网站信息对潜在游客导引作用的说明, 旅游网站对有形人流的导引过程和导引机理分析。主要研究通过针对供需行为, 对旅游网站在线服务能力和旅游网站使用者满意度之间的协同关系进行了研究, 并提出了反映网站信息流与现实人流关联性的模型。

1.2 基于网络搜索数据的时空导引作用的定量估算研究

基于网络搜索数据的预测研究始于医药领域, 最早是利用网络搜索指数提前预测出流感发病情况及流感的死亡率。在房地产方面也有类似的实证研究, 发现网络关注度对美国房屋的交易价格和交易量具有较强的预测能力;这些研究对基于网络搜索技术的旅游行为预测研究起到促进和深化作用。

在量化研究方面, 主要集中在建立回归分析模型, 对美国零售业、房地产业、交通运输业、旅游行业的产品销量进行预测, 在传统的回归模型的因变量中加入与预测对象有关的关键词关注度指数, 预测结果的精度均有较大的改善。

国外在宏观经济领域, 通过网络搜索指数与宏观经济的研究主要集中在失业率、消费、股市指数、经济现象和经济衰退等方面。研究表明, 在庞大的网络搜索数据被网络搜索工具记录下来的过程中, 这些庞大的搜索数据与现实的社会行为之间存在一定的相关性。在旅游网络行为方面成果较少, 大部分研究侧重于网络整体性信息与某些社会行为宏观的、概括性的关联性研究。

2 国内研究综述

目前, 我国学者对大数据相关问题研究较多, 应用在各个领域, 在旅游方面的研究主要集中在三个方面:大数据出现后对旅游业带来的影响研究;具体搜索引擎的数据与实际旅游市场需求的相关性研究;利用搜索引擎数据对旅游市场的预测方法研究。

2.1 大数据对旅游业带来的影响研究

伴随着大数据、云计算的产生及在各个领域的应用, 很多学者提出了旅游大数据的概念, 并从旅游大数据的产生, 旅游大数据的挖掘, 旅游大数据的应用方面提出了见解。

伴随着网络技术的发展, 旅游企业及用户对网络的使用, 导致旅游数据信息爆炸性的增长, 旅游数据已经形成一个巨大的海量信息空间, 这些海量数据的产生, 如何应用这些数据, 找出规律, 应用在旅游业当中。在大数据的挖掘方面, 大多采用关联分析对旅游数据进行搜索, 并从中找出出现概率较高的模式, 或者通过数据的聚类与分类, 分析旅游数据的相似性, 为决策者提供决策支持。

大数据在旅游行业的运用方面主要提出在旅游市场营销, 线路优化、挖掘有价值的旅游信息方面。

2.2 具体搜索引擎的数据与实际旅游市场需求的相关性研究

在大数据与实际旅游市场相关性研究方面成果较多, 在搜索引擎的的选择方面, 国内研究大多选择百度指数这种海量免费数据, 并通过百度指数的搜索量和实际游客量之间的关系分析, 主要研究体现在:搜索关键词的选取技术;网络信息流和实际游客量之间存在正相关性, 网络空间信息流是一种重要的“前兆”导引现象。

对关键词的选取, 大多数研究中采取根据旅游活动的六大要素, 或通过问卷调查、关键词推荐的方法获得;大多数研究选取了五一、十一等主要节假日的客流量及网络关注度进行对比, 发现旅游网络关注度和景区客流量之间存在正相关关系;旅游者在产生旅游需求的前提下, 通过网络提供的旅游信息进一步了解旅游地概况, 为其旅游的目的地, 因此, 旅游者对旅游网络信息的关注度一定程度上昭示其出游行为, 基于此, 旅游信息流又是重要的旅游客流的“前兆”。

2.3 运用大数据进行景区旅游市场预测的研究

对于旅游市场的预测研究成果较多, 大多数研究都采用历史数据对未来游客量进行研究, 在预测方法上不断创新, 但在数据的选择上面基本停留在使用历史统计数据。运用大数据进行旅游市场预测研究的研究成果较少, 大多数还停留在相关性研究方面。

黄先开以北京故宫为例, 建立了没有百度关键词和加入百度关键词的两种预测模型并进行了预测精度比较。运用带有百度关键词的模型可以实现利用当天及滞后1~2天的百度指数数据预测故宫当天的游客量, 不仅增强了预测的时效性, 还可以更加及时、准确地为故宫景区管理部门提供决策的依据。

3 结论

综上所述, 人们对网络的某些社会行为的研究使其成为研究的一个焦点, 并为旅游行为的深入研究和探索奠定了基础。在旅游网络行为方面, 大部分研究侧重于网络整体性信息与某些社会行为宏观的、概括性的关联性研究, 对于微观层面上、有针对性的旅游行为与网络信息的关联性研究和预测较少。在传统的预测方法的基础上借助网络信息技术和大数据, 更新了数据来源, 以得到更好的预测效果。进而分析旅游景区发展的现状、特征和趋势, 并从中找出存在的问题, 提出相关的政策建议将是一个新的趋势。

参考文献

[1]李山, 邱荣旭, 陈玲.基于百度指数的旅游景区网络空间关注度:时间分布及其前兆效应[J].地理与地理信息科学, 2008 (6) :27-29.

[2]Ginsberg J, Mohebbi M H, Patel R S, et al.Detecting influenza epidemics usingsearchenginequerydata[J].Nature, 2009 (2) :1012-1014.

[3]李君轶, 马耀峰, 杨敏, 等.旅游网络信息场理论及其导流机制研究[J].情报杂志, 2008 (12) :22-25.

[4]孙毅, 吕本富.网络搜索与经济行为相关性研究[J].管理评论, 2011, 23 (7) :72-77.

市场数据 篇9

近年来, 伴随着信息和网络技术的飞速发展, 人类日常生产活动所产生的数据量已经呈指数级剧增。据统计, 近三年所产生的数据量已经超过此前四万年产生的数据总量。一场翻天覆地的变革就在我们眼前, 如何合理使用大数据已经变成影响企业发展的关键因素, 以往的数据处理技术已经无法应对Pb级的海量数据。数据已然渗透到各行各业的方方面面, 逐步成为不容忽视的生产要素, 人们通过合理利用大数据将会迎来新一轮生产率的增长。

作为企业价值实现前端的营销工作, 大数据时代的到来也对其产生了深远的影响。伴随着各类产业营销领域自身数字化进程的推进以及对于客户行为数据、销售数据等各种数据的积累, 基于大数据的商业新分析将极大地推进企业营销工作的开展。现在我们不能再单纯的依靠经验进行决策了, 通过对大数据的合理使用来更精确的找到客户以降低营销成本, 提高企业的销售量以增加利润, 不断地发现制造激发新的客户需求, 是大数据时代营销工作的必然发展趋势。

2 研究综述

大数据这个词汇, 最早出现是在上个世纪九十年代, 数据仓库之父Bill Inmon在当时经常提到大数据。对于大数据目前还没有一个完全统一的定义。虽然对于大数据的各种定义表述都不尽相同, 但无一不强调数据量、数据的复杂度以及数据的生成速度三方面都远远地超过了传统的数据形式, 也超越了现有技术的处理能力, 并带来了巨大的产业创新的机遇。大数据涵盖了智能设备、互联网、移动设备、医疗设备、非传统IT设备以及视频监控设备等多种渠道生成的海量结构化或者非结构化的数据, 并且随时随刻都在接连不断地渗透到企业日常运营和管理的各个方面。

关于大数据对于市场营销的影响的研究目前主要有以下:

马志龙和米热古丽·艾力 (2010) 研究了聚类分析方法在企业的网络营销工作中的应用, 他们针对企业在以往的网络营销工作中积累的大数据进行深度的挖掘分析, 以一个具体的网络营销公司为研究对象对其积累的客户数据进行了聚类分析, 参照分析结果反映的有效信息来帮助企业制定营销决策。宋宝香 (2012) 对于数据库营销进行了研究, 即就是通过数据采集、储存以及处理等程序系统的建立客户资料数据库, 对于市场进行更加精细的划分和企业自身更加明确的定位, 从而进一步创造性的实施个性化的企业营销策略。惠琳 (2012) 展开了对于本土零售业精确营销的探讨。作者认为在目前所处的大数据时代, 以往传统的营销思路所建立的竞争优势已经逐渐消失殆尽, 企业应该从数据挖掘的视角应用精确化营销, 才能从根本上提升我们本土零售企业的核心市场竞争力。

傅琳雅和傅琳晶 (2013) 探讨分析了大数据时代的到来对于营销工作的深刻影响。她们指出大数据已经改变了人们的消费方式, 企业从思维方式、营销理念和营销方法上都将面临全方位的变革, 大数据营销将成为未来的营销发展趋势。朱博卡和钱巍 (2014) 研究了大数据时代营销领域的发展趋势。他们通过对2014年度澳网公开赛的决赛中以往的比赛数据进行深层次的分析, 揭示了大数据的内涵以及特征。高源和张桂 (2014) 研究了大数据时代针对网络营销的相关对策。通过对新浪微博的大数据网络营销案例进行分析, 给出了针对大数据网络营销方法的大概研究思路。

从大数据对于市场营销的研究和应用发展现状可见: (1) 关于大数据对市场营销方式的影响的研究目前仍处于起步阶段, 学术研究还主要局限在宏观层面; (2) 大多数研究都是关于大数据时代市场营销的发展趋势以及研究思路, 鲜有对于市场营销方式改变的研究。

3 大数据分析对市场营销方式的改变

3.1 精确化营销

所谓的精确化营销就是改变传统的营销渠道和方法, 把制造商的客户、销售商作为营销工作的中心, 通过互联网、电子媒介、邮件、电话访问等多种方式创建客户和销售商资料数据库, 继而通过科学的分析, 最终确定可能会购买商品的客户, 进而指导制造商改变以往的营销策略, 针对具有购买潜力的客户制定出一套切实有效的营销推广方案, 同时为制造商提供销售商和客户的持续追踪服务。

随着大数据时代的到来, 才使得精确化营销成为可能。在网络条件下, 随着数据存储能力、处理能力以及数据收集成本的下降, 企业可以记录或者搜集客户在各种渠道 (例如移动网络化的媒体和渠道) 、生命周期的不同阶段 (客户产品体验、品牌参与、购买产品、购买之后的评价以及社会互动) 的行为数据, 从而制定出绩效可高度量化、高精准度的营销策略。

消费者的异质性在丰裕时代也越来越明显的表现出来。这种异质性主要体现在消费者在消费、阅读、交友等日常生活的各个方面的喜好的不同。大数据已经为个性化营销提供了必要的基础条件, 基于归纳整理后的可流转数据以及透明可见的客户个体行为和偏好数据, 使得企业可以大大地提升对客户的洞察力。其中提升客户洞察力包括对静态客户的细分和基于客户生命周期的动态客户细分, 需要从客户的需求出发, 选择最佳营销组合策略, 其包括促销 (promotion) 、产品 (product) 、价格 (price) 以及渠道 (place) 四个发面, 只有将量身定做的4P营销组合在恰当的时机提供给特定客户, 才有可能实现营销收益最大化。但组成这些要素的因素也不是单一的, 例如产品就包括产品的包装、品牌、设计、质量、服务等多个方面, 这些数据构成还可以进一步细化成更具体的维度;同理价格也包含支付方式、目录价格、信用条件、付款期限信用条件等多个维度;渠道包括存货地点、运输方式、覆盖区域等多个方面;促销包括降价打折、人员推销、采用广告、公共关系等多个维度。企业通过大数据挖掘就可以发现消费者的行为偏好和消费习惯, 从而可以准确的根据每个消费者的不同消费习惯和偏好为其提供具体的、个性化的产品和服务。

3.2 客户关系管理

随着经济的全球化和大数据浪潮的到来, 产品同质化已经演变成令企业管理者困扰的难题。企业也开始变得愈加重视客户关系的维护和管理, 良好的客户关系能直接帮助企业快速有效地洞察客户的需求动态, 如何加强企业的客户关系管理, 能否高效的管理和挖掘客户资源, 能否与客户之间建立长期的良好关系已成为企业持续保持竞争优势的关键之所在。

客户分类是比较复杂的, 一般不同的企业会采用不同的标准。按行业、按地区、按性质对客户分类, 是一种比较常见的分类方式, 这种分类方式往往不能准确反映出其对客户的影响。通过对以往的销售数据进行挖掘和分析, 可以找出企业现有客户中那些最能够影响客户划分的关键因素, 并且把客户进一步细分成为更加精细的组别, 以使得每个组别里的客户具有更多的关联性和相似性特征, 从而企业可以更加有针对性的管理客户关系。在维护好现有客户的同时挖掘潜在客户, 以此来增加销售额并降低营销成本, 从而提高企业的利润率。

3.3 改进商品销售管理以促进交叉销售

实体零售业会每天产生海量的销售数据, 通过运用数据挖掘技术对日积月累产生的交易数据进行深层次的挖掘分析, 可以清楚地了解各类商品的销售情况, 从而可以更有针对性的制定各类商品的营销对策。比如针对不同的产品进行分类管理, 把商品的直接盈利能力和间接盈利能力进行综合分析, 从而为零售货架制定最优的产品组合, 并合理有效的控制各类商品的进货、库存等。

与此同时, 基于商品的销售管理, 通过对数据挖掘中关联规则的应用, 可以对顾客的购物车做相关性分析, 寻找不同商品在被销售时的相关性, 挖掘顾客经常购买的商品组合当中隐含的潜规则, 从而指导商家制定经营决策, 通过分析以往的顾客消费数据, 还可以掌握顾客的消费行为模式。其效果会反映在顾客的一次购买行为当中, 这称为交叉销售的即时效果;也会体现在顾客在不同时间点的多次消费活动中, 这称为交叉销售的延时效果。商品的交叉销售效果反映的是一种商品的销售能在多大程度上促进其他商品的销售。

商品的盈利能力既体现在销售商品本身所获得的直接收益, 也反映在通过该商品交叉销售其他商品所产生的间接收益。通过使用数据挖掘中的聚类分析和关联规则等分析方法, 可以有效地改善商品的销售管理, 促进商品的交叉销售, 还可以优化零售商场的货架布局、指导商品价格的制定以及协助营销计划的编制。

3.4 企业营销组织结构的变革

既然通过合理运用大数据可以实现精确化营销, 能够给企业带来巨大的利润。那么以数据的搜集、挖掘、分析为工作中心的组织架构和员工分布必将成为大数据时代企业营销变革的一个必然趋势, 将来会有越来越多企业的营销组织的人员布局和工作内容将围绕数据的搜集、分析以及处理而开展。

企业数据分析部门在企业营销中扮演的角色越来越重要, 也将可能逐步取代传统的营销决策机构而日渐成为企业营销的核心部门。和以往企业配置大量销售人员去推销产品相反, 大数据时代的企业会配置大量的数据采集人员, 这些数据采集人员会四处奔走, 采集或购买企业所需要的各种源数据。

4 结论

大数据时代已经到来, 而且将成为全世界下一个创新、竞争和生产率提高的前沿。作为企业价值实现前端的营销工作, 大数据时代的到来也对其产生了深远的影响。随着数据存储能力、处理能力的提升以及数据收集成本的下降, 使得企业有机会把各种结构化和非结构化的销售数据收集起来, 通过对大数据的合理使用, 对于寻找潜在客户、减少销售时间和提高交易成功率会有极大的帮助, 使得精确化营销成为可能。同时, 通过大数据的合理使用, 可以使得客户关系管理更具有针对性, 从而极大提高客户管理效率。此外, 通过大数据的合理使用, 还可以高效地改进商品销售管理以促进交叉销售。最后, 企业营销组织的人员构成以及工作内容的重心也应该逐渐向数据的采集、分析、处理以及应用转移。企业只有充分融入大数据时代并且将其与市场营销充分的结合起来才能在市场竞争中获胜。

摘要：大数据时代已经到来, 作为企业价值实现, 前端的市场营销工作架构在大数据的基础之上。先从大数据出现的时代背景出发, 探讨了大数据的定义, 以及大数据对营销工作的影响。最后根据目前的研究现状, 分别从精确化营销、客户关系管理、商品销售管理以及企业营销组织结构的变革四个方面探讨了大数据分析对营销市场营销方式的改变。

关键词：大数据,企业,市场营销

参考文献

[1]马志龙, 米热古丽·艾力.聚类分析在网络营销中的应用[J].科技信息, 2010, (21) :600-601.

[2]惠琳.大数据时代本土零售业精确营销探讨——基于数据挖掘的视角[J].市场营销, 2012, (2) :58-59.

[3]宋宝香.数据库营销:大数据时代引发的企业市场营销变革[J].价值工程, 2012, (30) :132-134.

[4]傅琳雅, 傅琳晶.大数据时代的营销革命——一场席卷全球的商业变革[J].营销策略, 2013, (12) :21-22.

[5]朱博卡, 钱巍.大数据来了, “营销”去哪?[J].统计与咨询, 2014, (1) :44-45.

[6]高源, 张桂刚.基于大数据的网络营销[J].湖北经济学院学报, 2014, (2) :66-68.

市场数据 篇10

中国幅员辽阔,各类医院、社区卫生服务中心、乡村医疗工作站、疾病监控中心、急救中心等卫生医疗机构大量分散。医疗信息化在十余年的发展中,沉积下的IT系统涉及技术门类众多,给数据采集、数据质量、数据标准以及后续的维护带来了巨大的挑战。假如均采用定制开发、标准接口或人工录入的方式,不可避免地要投入大量的人力物力,并且在数据准确性、实时性上无法得到保证。

中国疾病预防控制中心信息中心主任马家奇在接受《E医疗》记者采访时介绍:“局限于过去的技术水平,以前公共卫生相关数据的上报效率非常低。大部分数据从地方上报到国家,可能需要按月度报告,有些甚至是年度报告,而且报告上来的也只是统计结果的指标数据。而如今,开始逐步收集原始数据、个案数据,在我国人口基数大的背景下,每天产生的数据量可想而知。以传染病报告为例,中国CDC每年会收到全国600多万个案信息,而且这个信息量还在逐年增加。”面对庞大繁杂的结构化与非结构化数据,通过专用的数据采集交换设备来解决数据采集、汇总中的数据质量、实时性和标准化的问题,方为加速大数据落地,使各级区域卫生信息平台、网络直报平台、疾病监控平台、应急指挥处理平台等以数据为支撑的平台真正发挥价值的标本兼治之法。

2 大数据管理在我国卫生市场的发展

中国政府、医院近年来在医疗信息化领域投入较大,医疗卫生领域吸纳了国内外当前先进的信息技术,医疗信息化水平得到迅速提高。但总体来说,中国医疗信息化水平还处于初级阶段,存在信息共享机制不健全、全国各地区发展不平衡、相关标准不统一等诸多问题。伴随着中国医疗卫生服务信息化进程推进,必将产生大量的数据。这些数据主要来源于医疗业务活动、健康体检、公共卫生等九项服务医疗卫生服务。数据内容主要包括来自医院的大量电子病历、区域卫生信息平台采集的居民健康档案等,其中充斥着大量非结构化/半结构化的数据,如何从各种类型的数据中快速获得有价值的信息,并通过对数据的整合对卫生市场主体服务进行监管,对于辅助医疗机构做出决策支持、政府公共卫生决策及个人健康管理都会发挥积极的作用。

国家卫生综合管理信息平台是我国卫生信息资源管理的重要组成部分,实现了医疗卫生机构统计数据和各级卫生行政部门在线汇总数据,建立了动态的医疗卫生机构、卫生人力等信息库,卫生资源与卫生服务利用、疾病报告与健康监测等大型数据资源库。

医疗卫生“大数据”的数据资源包括医疗服务的EHRs数据,医院与医保的结算与费用数据,医学研究的学术、社会、政府数据,医疗厂商的医药、医械、临床实验数据,居民的行为与健康管理数据以及政府的人口与公共卫生数据,连同我国公共社会经济生活中网络产生的数据,构成了医疗卫生领域大数据的初期数据资源。而随着医改的不断深入,卫生统计和信息化建设得到了进一步加强,统计方法不断改进、多种信息系统广泛使用,医疗和健康数据急剧扩容并呈几何级增长,利用包括影像数据、病历数据、检验检查结果、诊疗费用等在内的各种数据,搭建合理先进的数据服务平台,将为广大患者、医务人员、科研人员及政府决策者提供服务和协助方面发挥主要作用。

然而,其价值的实现取决于一个重要的前提条件:只有在取得准确、全面、及时的高质量数据的基础上,才能借由有效的分析手段,呈现出数据背后的商机或警示。否则,再好的商业模式都只是基础薄弱的空中楼阁。

正是基于这样的理性思考,中国卫生医疗行业对于大数据的持续升温始终持冷静、审慎的态度。据HIT专家网报道,国家卫生和计划生育委员会统计信息中心王才有副主任在医疗大数据高峰论坛(华东站)的发言中表示:当今世界,医疗卫生发展面临很多的挑战,如人口健康存在老龄化、慢性病、临终前消费压力等问题,医疗技术发展在解决问题的同时,推动了高昂的医疗费用,不协同的医疗、低效的流程、医疗错误、再次住院、院内感染、医护短缺反映出医疗质量问题,全球医改面临着欺诈、浪费、市场扭曲、预防性医疗、管理成本高等问题。有人估计,美国2010年2.5万亿美元的医疗费用中至少有7000亿是无效的。这些正是“大数据”所要研究和解决的。业务系统迅速积累数据,数据采集设备大量产出数据,社区网络制造数据,使得数据利用需求快速发展,复杂环境下的数据采集能力以及数据分析处理能力需要继续提高。

3 运用大数据加强卫生市场主体服务和监管的发展趋势

大数据被认为是改变行业的关键节点。(下转P103)(上接P101)随着生物科技和医疗技术的迅猛发展,高通量手段的成熟,生物医疗行业的大数据急剧膨胀。然而,与其他行业的数据不同,生物医疗行业的数据呈现分散、破碎、低透明度以及意义尚待解析等特征。不像其他行业,数据具有时效性以及数据很轻,易于解析;生物医疗行业的数据普遍很“重”,信息量超大,不同的解析策略可能得出丰富的结果;而且生物医疗大数据随着时间推移,数据累积量的增加,数据价值将变得越来越重要。关系型数据库逐渐从IT行业中淡出,但生物医疗行业大数据却十分重视数据间的复杂关系。加上中国健康人群及患者数量庞大,就越发会产生超海量的数据网络。在医疗大数据的时代,如何构建大数据基础架构与上层应用的生态系统、解决大规模数据引发的问题、激发数据挖掘所带来的竞争力,是当前需要重点解决的问题。

大数据技术在医疗行业的应用主要有:临床数据对比;药品研发;临床决策支持;实时统计分析;基本药物临床应用分析;远程病人数据分析;人口统计学分析;新农合基金数据分析;就诊行为分析;新的服务模式。

3.1 临床决策支持系统

临床中遇到的疑难杂症,有时即便专家也缺乏经验,做出正确的诊断和治疗更加困难。临床决策支持系统可以给临床工作者、患者或个体提供知识或统计信息,并可以自动选择适当的时机,智能地过滤或表示这些信息,以促进临床决策,减少人为的医疗错误,更好地提高医疗质量和患者安全。

3.2 远程监控诊疗系统

从远程监控系统收集数据,并将分析结果反馈给监控设备及人员,从而实时诊断并确定治疗方案。目前已有医院通过结合手机APP软件等方式,进行心率、体温及血糖等的检测,但检测的内容仍很单一。临床上希望针对不同病种开发一些诊治后辅助系统,可以减少病人住院时间或门诊复诊次数,提高家庭护理的比例及质量,也帮助医院和医生锁定患者群。

3.3 公共卫生监管系统

卫生主管部门可通过监控数据库,实时统计分析,快速检测传染病、院内感染等情况,并进行快速响应。同时也利于网络覆盖地区发病及诊治情况的数据汇总。如果将整个数据系统整合,不仅有利于整个体系内的医疗资源分布和供给,也便于实时监管和调控。

参考文献

[1]周光华,李岳峰.数据挖掘技术在卫生统计信息工作中的应用研究[J].中国卫生信息管理杂志,2012(6).

[2]蔡佳慧,张涛,宗文红.医疗大数据面临的挑战及思考[J].中国卫生信息管理杂志,2013(4).

[3]周光华,辛英,张雅洁,等.医疗卫生领域大数据应用探讨[J].中国卫生信息管理杂志,2013(4).

甲骨文抢占大数据市场 篇11

在大数据市场，甲骨文沿袭了其一贯的软硬一体的思路：以大数据机作为获取大数据的源头，再配合其数据库云服务器Exadata、商务智能云服务器Exalytics以及其他相关软件（如NoSQL数据库、R分析等）组成了一个“豪华阵容”来全面满足用户的大数据需求。 “Oracle大数据机、Exalogic中间件云服务器、Exadata以及Exalytics一起组成了甲骨文的高度集成化端到端的大数据解决方案，可满足企业对大数据的处理需求。” 甲骨文公司副总裁兼大中华区技术总经理喻思成表示。

据悉，Oracle大数据机是一款软硬一体、集成设计的系统。该数据机采用18台Oracle Sun服务器的全机架式配置，总共拥有864 GB主内存、216核CPU、648 TB原始磁盘存储空间。 Oracle大数据机还集成了Cloudera公司的Distribution Including Apache Hadoop（CDH）和Cloudera Manager软件，同时还集成了很多Oracle的特色软件，包括：

Oracle NoSQL数据库：Oracle NoSQL数据库专门为管理海量数据而设计，可以帮助企业存取非结构化数据，并可横向扩展至数百个高可用性节点。

分析沙盒：通过分析沙盒，企业可获得分析工作区，控制对资源和数据的访问，而且完全不影响生产系统。

针对Hadoop 架构的系统：Oracle大数据机中的开源Apache Hadoop、Oracle数据集成Hadoop应用适配器、Oracle Hadoop装载器、Oracle Direct Connector，可以帮助企业充分应对大数据带来的挑战。

大数据发展下的金融市场新生态 篇12

关键词：大数据,金融市场,麦肯锡,风险投资

一、大数据及其发展

继物联网、云计算、移动互联网之后, 近来大数据 (Big Data) 主题投资引起资本市场的高度关注。

2011年5月, 以倡导云计算而著称的EMC公司在其“云计算相遇大数据”的年会上抛出了大数据概念。2011年6月底, IBM、麦肯锡等众多国外机构发布大数据相关研究报告予以积极跟进。同时, 由EMC赞助的IDC (International Documentation Centre, 国际文献资料中心) 编制的年度数字宇宙研究报告《从混沌中提取价值》发布, 文中提到三点重要论断:根据IDC过去五年的研究发现, 全球数据量大约每两年翻一番;2010年起全球数据量跨入ZB时代, 预计2011年全球数据量将达到1.8ZB;未来全球数据增速将会维持, 预计到2020年全球数据量将达到令人恐怖的35ZB, 被称为“大数据摩尔定律”。IDC在该报告中对大数据的定义是:一般会涉及2种或2种以上数据形式;它要收集超过100TB的数据, 并且是高速、实时数据流;或者是从小数据开始, 但数据每年会增长60%以上。

最早提出大数据时代已经到来的机构是全球知名咨询公司麦肯锡。麦肯锡在研究报告中指出, 数据已经渗透到每一个行业和业务职能领域, 逐渐成为重要的生产因素。人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。2011年10月, Gartner第一次将大数据放入十大战略技术预测, 2011年11月底, 与IDC将大数据放入2012年信息通信产业十大预测之一的同时, 由CSDN举办的中国大数据技术大会在北京成功举行。2011年12月, 中国券商大量推出大数据主题研究报告, 大数据在中国证券市场正成燎原之势。

在2011年12月8日我国工信部发布的物联网“十二五”规划上, 提出了4项关键技术创新工程, 分别是信息处理技术、信息感知技术、信息传输技术、信息安全技术, 每一项都与大数据密切相关。其中包括的海量数据存储、数据挖掘、图像视频智能分析都是大数据的重要组成部分。因此, 大数据产业实际已得到政府的关注与政策支持, 这无疑也将会带动行业快速发展壮大。

二、大数据下的金融市场

随着大数据时代的到来, 首先引起全球关注的是产业界和金融界。

(一) 大数据下的产业企业

大数据有望开拓一个新的黄金时代。根据麦肯锡的研究显示, 大数据技术将通过多种方式来为我们这个世界创造价值。首先, 大数据技术能够增加企业和价格的透明度, 降低社会管理的成本和交易摩擦成本。其次, 大数据技术能够提高企业数据的准确性和及时性, 使得企业可以更好地控制自己的设备与制造流程。另外, 庞大的消费者数据将有利于企业进一步挖掘细分市场机会, 提高产品的消费者满意程度。同时, 大数据的智能分析还将提高企业的决策水平, 进一步降低企业经营的风险。最后, 大数据分析在研发过程中的应用, 还能够缩短产品研发时间, 提高企业在商业模式、产品和服务上的创新能力。

Gartner对未来五年的预测提醒企业, 如果不采取大数据的策略将失去竞争力。谁能提前采用大数据技术, 就能在竞争中取得一些先机。

图1是麦肯锡全球研究所针对美国各个行业应用大数据潜在价值提升做的一个评估, 可以看到, 未来政府、批发贸易、金融保险、信息技术等诸多行业都将在大数据技术中获得极大的价值提升。

从麦肯锡的研究报告我们可以看到, 仅美国医疗服务业、欧洲公共管理部门和全球定位数据市场三个领域每年就能产生超过7千亿美元的市场价值。我们有理由相信未来大数据的产业规模将会至少以万亿美元来进行衡量, 大数据将有可能给IT行业开拓一个新的黄金时代。事实上, 全球互联网巨头都已意识到了大数据时代数据的重要意义。自2010年以来各大IT巨头在大数据领域的产品推出进度, 关于大数据主题的并购数量和规模正在逐步上升, 包括EMC、惠普、IBM、微软、Oracle、SAP、Teradata在内的全球IT巨头纷纷通过收购大数据相关厂商来实现技术整合, 其中最大的一笔是2011年8月惠普宣布的以103亿美元收购英国非结构化信息处理软件公司Autonomy, 亦可见其对大数据的重视。近年IDC预测2012年可能会是充满由大数据引发的合并及收购活动的一年。

根据麦肯锡《大数据:创新、竞争和生产力的下一个前沿领域》披露的数据, 目前政府、传媒、银行、证券、公用事业等行业平均每家企业存储数据总量已经超过1PB。最高的证券行业, 平均存储数据量已经近4PB。几乎已经到了“数据就是业务本身”的地步。随着互联网技术的不断发展, “数据本身是资产”这一点在业界已经形成共识。如果说云计算为数据资产提供了保管、访问的场所和渠道, 那么如何盘活数据资产, 使其为国家治理、企业决策乃至个人生活服务则是大数据的核心议题, 也是云计算内在的灵魂和必然的升级方向。

大数据对中国产业的影响主要在于两根主线:数据分析与存储设备。前者一方面将加快中国企业信息化建设的进程, 另一方面会刺激企业在数据分析相关产品上的支出;后者则会推动企业在硬件设备上的支出和数据中心的建设。娱乐、媒体、医疗保健和视频监控则是新的数据增长源最明显的例子。如Twitter、Facebook和Youtube等社交媒体解决方案是最新的新数据源。

麦肯锡报告的发布也引起了金融界对大数据的高度关注。包括国金证券研究所、国泰君安证券研究所、银河证券在内的多家卖方研究机构在对大数据进行深入调研后, 认为这或将会成为贯穿2012年的一条全新投资主线, 并开始向买方机构大力推荐。多家卖方机构表示, 随着政府和国内实体企业对大数据重视程度的提高, 相关上市公司将明显受益。从事数据处理与分析、语音识别技术、视频识别技术、商业智能软件开发商、数据中心建设与维护、IT咨询与方案实施、信息安全等领域的上市公司业绩想象空间巨大, 预计明年大数据有望成为贯穿全年的主题投资。

(二) 新产品研发和企业转型带来的投资机会

掘金大数据, 有望开拓一个新的黄金时代。在大数据时代, 几乎所有应用软件企业都处于同一起跑线上。这为诸多转型企业提供了一个难得的弯道超车机会。那些拥有核心软件技术开发能力, 具备较强转型意愿的企业无疑会占先机。也就有可能迅速成长为世界级的软件企业。

由于大数据产业链贯穿从数据生成、数据存储、数据处理、数据分析和数据可视化到数据应用等数据生命周期过程, 涉及了从硬件到软件及信息服务的整个IT业务领域, 因此大数据产业链涉及面广、子话题多, 可能涉及中国A股30%-50%的计算机行业上市公司。这些不同环节的商业需求正在催生新的技术模式和方法以实现新的商业模式。但随着数据规模的指数级增长, 以及数据生态系统各个环节技术模式与标准的变化, 以大数据发展作为商业机会和广阔前景正在催生更大的市场和利润空间。随着政府和国内实体企业对大数据重视程度的提高, 相关上市公司将明显受益。其中包括从事数据处理与分析、语音识别技术、视频识别技术、商业智能软件开发、数据中心建设与维护、IT咨询与方案实施、信息安全等领域的上市公司。

数据生命周期过程中的数据处理与应用环节是未来大数据技术应用的主要领域, 也是未来行业规模最大的一个市场, 主要包括数据管理软件和数据分析产品, 涉及ERP、BI、数据分析等多个子领域。综合处理的IT厂商如拓尔思、美亚柏科;视频信息的存储与处理的优势企业如捷成股份;在线分子行业数据分析拥有优势地位的IT企业有恒泰艾普、潜能恒信、广联达、远光软件;从事商业智能软件开发的IT企业有东方国信、用友软件、久其软件等。此外, 还有很多新类型的应用, 比如期货、股票。

(三) 风险分析

大数据涉及数据库技术从底层到顶层的一系列变革, 这也可能是一个比较长期的过程, 其所带来的成长有可能在短期难以兑现。目前欧债危机、美国经济低迷、国内通货膨胀使全球经济形势不甚明朗, 未来也充满了不确定性。在世界经济与社会发展不平衡性并存的背景下, 通过创新和变革来增强应对能力, 成为全球企业的共同选择。

在围绕大数据生态系统的商业模式正在形成的同时, 这一系统在安全领域同样也引发了广泛的注意。在2012年的RSA大会上对大数据分析是否能给予安全引发了激烈的讨论。有的分析机构和分析师认为大数据将催生新的安全算法市场, 为安全分析提供新的可能性。与此同时, 虽然面临的问题和障碍还有很多, SIEM安全工具必须要跟上趋势的发展。

对于大数据的跟踪和研究, 关注在其影响下的金融市场, 以此解释快速发展变化的新技术, 洞察信息产业发展规律。才能发现真正具备长期投资价值的公司。我们相信, 更宽广的视野、更频繁的交流、更深入的思考, 将对投资人更有价值。

参考文献

[1]Boris Lublinsky.Big Data–The Next Frontier, 2011-06-07.http://www.infoq.com/news/2011/06/BigData

[2]赵国栋.大数据时代的三大发展趋势及投资方向.国金证券交易2012年1月4号大数据专题.

[3]未知.云计算与大数据相遇北京2011大数据世界论坛三大亮点.[EB/OL]http://info.txooo.com/Business/2-2409/1374301.htm.2011-07-06.

[4]白云川.迎接大数据时代[J].中国制造业信息化, 2011 (12) :23-25.

[5]wsj.com.发展机遇:“大数据”时代的投资机会.[EB/OL]2012-05-22.http://ndc.cnw.com.cn/ndc-focus/htm2012/20120522_247259.shtml