易观数聚论丨陈云龙:数据工具如何助力企业解决实际问题

2018 年 9 月 24 日 Analysys易观


9月20日,由Analysys易观发起的大数据驱动新零售之道线下沙龙活动在北京举行。来自易观的陈云龙、永洪科技的刘兵以及快推的李敬通过具体案例,共同探讨如何通过大数据驱动助力新零售高效增长。其中,易观售前总监陈云龙先生发表了题为《如何通过数据工具解决企业实际问题——线上线下用户分析》的精彩演讲。

 

易观售前总监陈云龙围绕“新零售行业中的数据分析与营销”展开论述,通过多个案例场景的解析,详细论述了大数据精益四步分析法和企业六大问题解决方案,向在场嘉宾们论述了大数据在行业中的作用。


易观售前总监陈云龙


新制造与新零售的共性


演讲开始,陈云龙从新制造和新零售的共同特点谈起。新零售是完美演绎了线上和线下结合,而新制造是把服务业和制造业进行完美的融合。紧接着,他通过对比IT时代和DT时代的两个区别详细论述了大数据背景下新零售和新制造的共性。

 

陈云龙认为,IT时代,主要是本着一个标准化、规模化的原则;而在DT时代下的新制造,就是按需制造。按需制造一定要洞察用户的需求,这种需求是把所有的行为和现象总结归纳为数据,通过数据找到共性,通过共性再找到个性。他表示,企业要通过数据进行总体综合评判,如此以来才能给消费者更好的场景体验。


大数据精益分析四步走


陈云龙表示,企业应通过线上线下数据整合分析来创造新的收入场景,并提出大数据精益分析四步走法。这四步分别为流程、问题、数据、营销。即在行动前,先对工作流程进行梳理;针对每个业务流程,找到需要解决的问题;然后对其进行数据分析;最后通过数据显示的背景去做营销。

 

随后,陈云龙通过案例进行逐一解析。他指出,在整个数据行业中,以时间为基础,再加上人的数据、物的数据、地理位置的数据这三个重要的数据维度,只有整合了这些维度,数据分析才更为全面、准确。

 

零售行业在数据分析中遇到的六大痛点问题


陈云龙介绍到,分析的第一步是在每个业务环节中,将人、货、场关联起来,即要进行数据整合,列出流程和关键问题。这些问题同时也是企业的需求,包括六大方面:进店之前用户从哪里来?进店之后用户的行为?买了什么货?用户到店的原因?如果他不来,不来的原因及流向?类似的更多用户存在于哪里?

 

紧接着,陈云龙通过易观部分合作案例以及医疗电商和零售领域的案例,向大家陈述了线上线下渠道转化的具体做法,也是解决六大问题的基础前提。同时,他还提供了一套方法论,即着重付费用户的特征分析,给出用户价值分层以及漏斗式的营销度。此外,他还提到,数据可以快速帮助企业分析用户属性,如知道用户买了什么产品、花费了多少,复购率多少等,同时,数据分析还能让企业有一定的反思。

 

数据方法+行业经验+分析工具  解决企业实际问题


在演讲最后,陈云龙借助S型曲线向大家阐述了自己对企业发展的理解。他认为,对于企业,在S型曲线中,只需掌握两点,最低点和最高点,也就是破局点和转型点,只要能找到这两个点的破局和转型方法,就可以突破S型曲线,帮助企业发展。换句话说,只有工具还不行,还需一套可行的经验和方法论,加上企业提供的服务,再用到产品里,如此才能更好地解决自己的问题。而易观刚好能通过自己的第一方数据分析产品——易观方舟、数据分析服务和数据方法论,帮助大家解决企业问题。


 

2018易观A10峰会


价值1500元的峰会「5人团体两日通票」尊享来袭

九大分论坛,呈现50余场干货演讲

48小时精彩放送不停歇

结伴前行,共同成长

共享年度大数据巅峰盛典


点击下方视频,查看往届A10精彩 📽


点击文末“阅读原文”  了解A10大数据应用峰会


 


运营小伙伴们,快来加入易观「数据工会」吧


与群主一起深度交流,碰撞思想的火花~


请添加微信好友:ygxm222 拉你进群哦~



数聚论·往期精彩


数聚论新零售专场【北京站】丨大数据驱动新零售之道

易观数聚论干货丨大数据驱动新零售之道


 “阅读原文”参与优惠活动吧

登录查看更多
0

相关内容

陈云博士现任上海财经大学信管学院计算机系助理教授,研究方向为自然语言处理,包括机器翻译、预训练语言模型、问答系统等。她于 2020 年加入上海财经大学,于 2018 年在香港大学获得博士学位,2013 年在清华大学获得学士学位。2016 至 2018 年期间曾在清华大学自然语言处理和社会人文计算实验室,纽约大学 CILVR 课题组进行访问。取得博士学位后,曾于香港华为诺亚方舟实验室担任语音语义研究员。2017 至 2021 年期间在 ACL, EMNLP, AAAI, IJCAI 等 CCF A/B 类国际顶级期刊会议上发表学术论文十余篇。目前担任 ACL, EMNLP, NAACL, AAAI, COLING, AACL 等会议的程序委员会成员,以及 ACM TALLIP, JCST 等期刊的审稿人。
华为发布《自动驾驶网络解决方案白皮书》
专知会员服务
126+阅读 · 2020年5月22日
2020年中国《知识图谱》行业研究报告,45页ppt
专知会员服务
240+阅读 · 2020年4月18日
德勤:2020技术趋势报告,120页pdf
专知会员服务
191+阅读 · 2020年3月31日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
197+阅读 · 2020年3月8日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
304+阅读 · 2019年12月23日
2019年人工智能行业现状与发展趋势报告,52页ppt
专知会员服务
122+阅读 · 2019年10月10日
Python数据分析案例实战
炼数成金订阅号
5+阅读 · 2019年5月9日
如何做数据治理?
智能交通技术
18+阅读 · 2019年4月20日
【干货】电商数据中台如何构建?
AliData
11+阅读 · 2019年4月4日
如何运营15万付费用户?
三节课
6+阅读 · 2019年2月28日
企业数据AI化战略:从数据中台到AI中台
36大数据
11+阅读 · 2019年2月18日
业务中台:如何在互联时代,快速响应用户需求?
互联网er的早读课
24+阅读 · 2018年12月26日
2017全球大数据产业八领域典型公司盘点分析
人工智能学家
3+阅读 · 2017年12月6日
【大数据】如何用大数据构建精准用户画像?
产业智能官
12+阅读 · 2017年9月21日
A Survey on Bayesian Deep Learning
Arxiv
63+阅读 · 2020年7月2日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
26+阅读 · 2020年3月13日
Arxiv
24+阅读 · 2019年11月24日
Arxiv
15+阅读 · 2019年6月25日
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
Arxiv
12+阅读 · 2018年9月5日
Arxiv
5+阅读 · 2017年4月12日
VIP会员
相关VIP内容
相关资讯
Python数据分析案例实战
炼数成金订阅号
5+阅读 · 2019年5月9日
如何做数据治理?
智能交通技术
18+阅读 · 2019年4月20日
【干货】电商数据中台如何构建?
AliData
11+阅读 · 2019年4月4日
如何运营15万付费用户?
三节课
6+阅读 · 2019年2月28日
企业数据AI化战略:从数据中台到AI中台
36大数据
11+阅读 · 2019年2月18日
业务中台:如何在互联时代,快速响应用户需求?
互联网er的早读课
24+阅读 · 2018年12月26日
2017全球大数据产业八领域典型公司盘点分析
人工智能学家
3+阅读 · 2017年12月6日
【大数据】如何用大数据构建精准用户画像?
产业智能官
12+阅读 · 2017年9月21日
相关论文
A Survey on Bayesian Deep Learning
Arxiv
63+阅读 · 2020年7月2日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
26+阅读 · 2020年3月13日
Arxiv
24+阅读 · 2019年11月24日
Arxiv
15+阅读 · 2019年6月25日
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
Arxiv
12+阅读 · 2018年9月5日
Arxiv
5+阅读 · 2017年4月12日
Top
微信扫码咨询专知VIP会员