JD.com comparte: Nueva comprensión y nuevas aplicaciones del big data empresarial

JD.com comparte: Nueva comprensión y nuevas aplicaciones del big data empresarial

El big data ha estado muy estrechamente vinculado a cada una de nuestras vidas diarias.

Para dar un escenario aleatorio, por ejemplo, cuando me levanté por la mañana, usé los datos de mi reloj inteligente y descubrí que la calidad de mi sueño de anoche no fue muy buena. Me lavé los dientes, desayuné y caminé más de mil pasos hasta el metro de Liudaokou. Pasé mi tarjeta en la estación y tomé el metro. Sólo me costó dos paradas y tres yuanes. En el metro, utilicé el cliente móvil de JD.com y descubrí un par de Nike que había buscado antes. El precio de un par de zapatillas de baloncesto Nike que busqué se redujo activamente y me envió la información del producto. un pedido para comprarlo, ahorrando más de 100 yuanes. También compartí esta información con mi círculo de amigos a través de WeChat.

En este proceso, generé personalmente datos de sueño, datos de distancia recorrida, datos de consumo de tarjetas de metro, datos geográficos de inicio y fin de metro, datos de compras de JD y datos del círculo de amigos de WeChat. Como productor de big data, soy un gran productor de datos. generó tantos datos a la vez. Como consumidor de big data, cuando navegue por JD.com o la aplicación en el futuro, el sistema puede recomendar almohadas inteligentes para mejorar mi sueño, zapatillas de baloncesto u otros productos relacionados con las zapatillas de baloncesto, y mis amigos en el círculo de amigos ven eso. Después de compartir la información, también puedes comprarla gracias a que la comparto.

Después de que las empresas, especialmente las de Internet, obtengan los datos que generamos, las agruparán, dividirán y predecirán mediante estadísticas matemáticas y algoritmos de minería para obtener datos más relevantes. A través de estos datos, cada uno de nosotros tiene una descripción etiquetada. . Por ejemplo, género, estado civil, aficiones, ingresos, si le gustan los deportes, sensibilidad a las promociones, etc., obteniendo así muchos atributos de cada uno de nosotros, como atributos demográficos básicos, poder adquisitivo, características de comportamiento, redes sociales, características psicológicas. , intereses Pasatiempos, etc.

¿Cómo pueden las empresas utilizar estos datos una vez que los tienen? ¿Se utilizan estos datos para marketing, como marketing de precisión, publicidad precisa y recomendación precisa de productos? ¿O utilizar estos datos para mejorar las operaciones y la gestión internas? ¿O utilizar estos datos para mejorar el proceso de producción y guiar la investigación secundaria y el desarrollo de productos? Esto depende del nivel de práctica de big data empresarial. Si los big data se utilizan bien, realmente pueden alcanzar el nivel estratégico. Si no se utilizan bien, los big data son sólo la guinda del pastel y algo prescindible.

Según el pensamiento de agrupamiento de la minería de datos, los datos empresariales se pueden dividir en datos internos y datos externos, y los datos internos se pueden dividir simplemente en datos financieros y datos de la cadena de suministro (concepto de gran cadena de suministro). Por supuesto, existen muchas diferencias en el contenido comercial de diferentes industrias. Por ejemplo, en la industria financiera, puede haber más contenido financiero que involucre inversión, financiamiento, administración de efectivo, etc., mientras que la cadena de suministro rara vez participa. industria de servicios de fabricación o circulación, cadena de suministro Los datos involucrados en la cadena serán más.

Los datos financieros se basan principalmente en los estados financieros, especialmente los tres estados principales publicados por los estados financieros, el balance, el estado de resultados y el estado de flujo de efectivo. Luego está el libro mayor, que incluirá temas contables. Si los temas no son suficientes, también estableceremos contabilidad auxiliar. Además, la mayoría de las empresas elaborarán presupuestos cada año. La mayoría de los presupuestos también se formulan en torno a indicadores financieros. El presupuesto se basa en el negocio principal. Sobre la base del presupuesto, se invierte. Por supuesto, una gran parte es la gestión financiera y la gestión del dinero.

Los datos de la cadena de suministro serán más ricos, desde los proveedores ascendentes hasta los consumidores descendentes, incluidas las adquisiciones, el almacenamiento, la logística, la producción, las ventas, la posventa y otros datos. Por supuesto, podemos perfeccionar aún más cada vínculo.

Además, el autor cree que nadie puede hacer las cosas a puerta cerrada. Si quiere hacer un buen trabajo en producción y marketing, debe consultar activamente datos externos, incluidas las políticas nacionales y el entorno económico. , mercado de valores, competidores y principales materias primas. Precio, etc. La arquitectura general de big data

La mayoría de las empresas deberían haber implementado sistemas de BI o sistemas de automatización de informes. Si estos sistemas son planificados y construidos por la unidad de parte B, entonces los sistemas que desarrollan durante el proceso de planificación o implementación. La estructura del programa se divide en tres niveles y hasta cuatro niveles.

De abajo hacia arriba, la primera capa es la capa de metadatos o capa de fuente de datos, que son nuestras aplicaciones comerciales, finanzas, cadena de suministro, recursos humanos, presupuesto y otros datos.

La segunda capa se llama capa de almacenamiento de big data, es decir, las fuentes de datos de cada capa se recopilan en un almacén de datos, seguida de la tercera capa, la capa de modelo de análisis, que construye modelos de análisis basados ​​en en el almacén de datos. Algunos El programa incluso omitirá la capa del modelo de análisis directamente e irá directamente a la última capa de visualización de datos para mostrar los datos en el modelo de análisis. Según los muchos años de experiencia del autor, esta forma organizativa solo puede denominarse, en el mejor de los casos, un sistema de BI y no un sistema de big data.

JD big data no es un sistema o producto independiente. Las aplicaciones de JD big data se han integrado en varios sistemas de aplicaciones comerciales. Nuestra plataforma de recopilación de big data recopila automáticamente todos los datos en la plataforma Hadoop de forma regular y en tiempo real sin afectar la eficiencia del sistema o del producto ni la experiencia del cliente. Con la plataforma de big data como núcleo, los resultados se procesarán, transportarán, analizarán y extraerán. Distribuido a diversos sistemas comerciales y productos de datos, como centros comerciales, compras y ventas, brújula de datos, navegación, etc. La siguiente figura es solo como referencia: Nivel de aplicación de big data empresarial

No todas las empresas son JD.com, no todas las empresas son empresas de Internet y no todas las empresas deben estar respaldadas por big data. Bajo la premisa de satisfacer sus propias necesidades comerciales, ¿pueden las empresas también utilizar aplicaciones de datos pequeños? La respuesta es sí, las aplicaciones de big data también se pueden dividir en niveles y cada nivel satisface las necesidades de las empresas para diferentes niveles de datos. Está dividido aproximadamente en cinco niveles, y cada nivel es una relación progresiva.

1. Monitoreo empresarial

Esta es la etapa inicial de la aplicación de big data, es decir, la etapa tradicional de DW/BI. Durante esta fase, las empresas implementan una solución de inteligencia empresarial (BI), que es esencialmente un sistema de informes automatizado que monitorea las operaciones del negocio existente.

El monitoreo empresarial a veces se denomina gestión del desempeño empresarial (Business Performance Management), que se refiere al uso de métodos de análisis básicos por parte de las empresas para emitir advertencias cuando las operaciones comerciales son inferiores o superiores a lo esperado, y notificar automáticamente departamentos relevantes. Envíe alertas relevantes al personal comercial y administrativo. El personal comercial y administrativo de la empresa puede comprender de antemano la situación operativa del negocio de acuerdo con las reglas de alerta previa establecidas anteriormente, y realizar una alerta temprana, ayudándolos a tomar algunas medidas y medios de manera específica y previsible para solucionar los problemas en el brote.

Hay dos puntos más críticos en esta etapa. Uno es el diseño de reglas de alerta temprana que incluyen el método de referencia (comparación del mismo período, comparación de actividades de marketing similares, comparación de puntos de referencia). la misma industria) o el método de indicadores (comparación de marcas, satisfacción del cliente, desempeño del producto, análisis financiero), el método de análisis de indicadores es elegir indicadores razonables. Por supuesto, elegir indicadores razonables aquí es fácil de decir, pero lo es. ¡También es difícil de hacer! Permítanme darles un ejemplo que encontré antes. Estaba diseñando una solución para una empresa de fabricación discreta. Un indicador muy importante en su evaluación del desempeño de la gestión de inventario fue la tasa de rotación del inventario o los días de rotación del inventario. es un indicador de uso frecuente, pero en la gestión de inventario de esta unidad, hay salidas y entradas falsas. Esta situación hizo que el indicador de desempeño de la tasa de rotación de inventario se viera muy bien. Posteriormente, consideramos cambiar a una tasa de ventas dinámica. La tasa de ventas de inventario es un indicador, y los indicadores de inventario y los indicadores de ventas se utilizan juntos para evitar situaciones de entradas y salidas falsas. El propósito de dar este ejemplo es ilustrar que cuando realizamos un seguimiento empresarial, la selección de indicadores es muy importante. No sólo debemos reflejar de forma precisa y justa las condiciones operativas del bloque empresarial, sino también evitar el fraude artificial.

2. Conocimiento empresarial

El conocimiento empresarial significa que el sistema no solo proporciona informes de datos, sino que también debe proporcionar informes "inteligentes" o paneles de control "inteligentes", que deben ser más amplios. Analizado en base a datos históricos, desenterrando algunos datos que no conocemos a través del análisis de datos previo, a través de análisis multidimensional.

Por ejemplo, solía hacer un proyecto para una cadena hotelera en Hangzhou. Necesitábamos hacer algunas cosas interesantes sobre los datos de inversión del hotel en función de las operaciones del hotel en todo el país. Haga algunos datos interesantes basados ​​​​en la decoración anterior del hotel, la situación de la inversión, la tasa de ocupación actual de los diferentes grados, la tasa de ocupación y la tasa de rotación de mesas del departamento de hotelería y restauración, los ingresos, costos y gastos, así como la situación de las nuevas. Se prevén hoteles abiertos por competidores en ciudades locales. Utilice la situación de los hoteles competidores en las ciudades locales para predecir el retorno de la inversión y el período de recuperación de los hoteles recién invertidos.

Además, existe el método de análisis DuPont que se utiliza a menudo en el análisis financiero. Introduzcamos brevemente el método de análisis DuPont es un modelo que analiza exhaustivamente el desempeño financiero de toda la empresa desde una perspectiva financiera. es lo máximo Lo anterior es ROE. Para el ROE, podemos descomponerlo en ROA × multiplicador de capital, y el ROA se puede dividir en margen de beneficio de ventas netas × tasa de rotación de activos, y luego descomponerlo nuevamente y finalmente convertirse en un indicador financiero completo. Finalmente, se convierte en una estructura de árbol llena de indicadores financieros. Dado que estos indicadores financieros se calculan a través de elementos de los estados financieros, asientos contables y contabilidad auxiliar, existe una relación lógica muy urgente entre ellos. En este caso, podemos lograr la simulación a través de algunas técnicas de cálculo, como qué nivel queremos determinado financiero. Indicadores a alcanzar a la hora de realizar presupuestos o planes para el próximo año, haremos ajustes con antelación y vincularemos los indicadores pertinentes. Por ejemplo, para aumentar la utilidad neta en un 1%, ¿qué niveles deben alcanzar los ingresos por ventas, los costos de marketing, los gastos administrativos y otros indicadores? Esto nos ayudará a predecir con antelación y mejorar la planificación y el presupuesto.

Por supuesto, se pueden hacer muchas otras predicciones en esta etapa. Por ejemplo, en la industria minorista, la mayoría de las categorías tienen un ciclo de ventas y podemos hacer predicciones basadas en el ciclo de ventas. También puede dirigirse con mayor precisión a grupos objetivo para llevar a cabo marketing dirigido, mejorar la eficiencia del marketing y reducir los costos de marketing basándose en las respuestas históricas de los usuarios a diferentes métodos de marketing, costos de marketing, la relación entre los productos de marketing y los efectos del marketing.

3. Optimización empresarial

La optimización empresarial sigue siendo muy atractiva para la mayoría de las empresas y también es un objetivo en el que muchas empresas piensan día y noche. De hecho, en esta etapa, podemos hacerlo paso a paso, poco a poco. Al menos las empresas tienen la capacidad de incorporar el análisis en las operaciones comerciales. El siguiente es un caso que hemos hecho anteriormente para una empresa tradicional. Como la mayoría de las empresas, esta empresa también tiene un sistema ERP en el proceso de adquisición, por supuesto, podemos introducir este modelo de desempeño del proveedor. en cuenta Hay muchos factores, como la calidad del suministro, la eficiencia del suministro, la tasa de defectos, el servicio posventa y muchos otros factores. El personal de compras puede elegir proveedores adecuados en función de esto durante el proceso de adquisición. . Además, los precios de mercado de las principales materias primas se pueden ingresar en la interfaz de adquisiciones en tiempo real, de modo que los gerentes de adquisiciones puedan controlar sus propios ciclos de adquisiciones y organizar planes de adquisiciones de manera razonable.

Todos en la industria minorista saben que existe una fuerte correlación entre productos y productos, entre usuarios y usuarios, y entre usuarios y productos, como en el ejemplo frecuentemente mencionado de la cerveza y los pañales, el chocolate y el condón. ejemplos. Aquí podemos hablar un poco sobre cómo se realiza la mayoría del comercio electrónico. Usamos estos productos para encontrar la correlación entre cada dos productos en los registros de compra. Esta correlación no es igual. Por ejemplo, después de comprar, los usuarios de teléfonos móviles generalmente también compran. fundas para teléfonos móviles al mismo tiempo, y las personas que compran fundas para teléfonos móviles no necesariamente también compran teléfonos móviles. Esto muestra que existe una relación entre teléfonos móviles y fundas para teléfonos móviles, y es una fuerte correlación. La relación entre la funda del teléfono móvil y el teléfono móvil es una relación débil, y el coeficiente aquí ilustra la fuerza de la relación. Por lo tanto, a partir de esta relación entre mercancías y mercancías, formamos un modelo de mercancías. Con base en este modelo de producto, podemos recomendar mejor a los usuarios los productos que ha navegado, comprado, recopilado y comentado. Después de hablar de productos, hablemos de usuarios. A través de comportamientos de navegación, comportamientos de búsqueda, comportamientos de comentarios y comportamientos de compra similares, podemos encontrar la relación entre los usuarios. En base a la relación entre los comportamientos de los usuarios, podemos recomendar algunos productos que sean muy relevantes para el usuario para que éste pueda comprar o interesarse. Esta es una práctica común utilizada por muchas empresas de Internet para recomendar publicidad, productos e información promocional.

4. Monetización de datos

La monetización de datos es lo que a menudo llamamos cifrado de datos, y una forma de monetización de datos es la productización de datos. En la actualidad, existen muchas empresas de servicios de datos que pueden lograr el propósito de la monetización utilizando los datos recopilados sobre juegos móviles, uso de aplicaciones, comportamiento del usuario y otros datos a través de su propia tecnología de análisis y extracción de datos, y luego convertirlos en productos o servicios. a través del comportamiento. Además, los fabricantes de teléfonos móviles, como Xiaomi y Huawei, tienen cientos de millones de usuarios activos y dominan los datos del comportamiento del usuario en sus teléfonos móviles, incluidos los datos de pago. Hay muchos aspectos que se pueden lograr, lo que los limita son sus ideas.

Además, cada vez más fabricantes tradicionales están digitalizando sus productos. Por ejemplo, los coches + big data se han convertido en Tesla, y el hogar + big data se ha convertido en hogares inteligentes. Por supuesto, hay muchos otros ejemplos aquí.

5. Reinvención empresarial

La reinvención empresarial debería ser la etapa más alta del modelo de madurez del big data. En esta etapa, algunas empresas esperan utilizar el análisis del uso de los clientes, el comportamiento del rendimiento del producto y las tendencias generales del mercado para transformar sus modelos de negocio en nuevos servicios en nuevos mercados, como el recién lanzado business-JD.com Finance y JD de JD.com. com inteligente. Además, también podemos echar mano de la imaginación. ¿Qué negocios de BAT se desarrollan en base a los principales datos empresariales? ¿Se nos ocurren muchos?

No hay muchas empresas en China, e incluso en el mundo, que realmente tengan big data. Tenemos la suerte de contar con big data en toda la cadena de valor del comercio electrónico. ¿Cómo aprovechar esta mina de oro? Lo único que nos limita son nuestros propios pensamientos.

Lo anterior es la nueva comprensión y aplicación compartida por el editor sobre el intercambio de big data corporativo por parte de JD.com. Para obtener más información, puede seguir a Global Green Vine para compartir más información útil.