JD.com comparte nuevos conocimientos y aplicaciones del big data empresarial

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

El big data ha estado muy estrechamente vinculado a la vida diaria de cada uno de nosotros.

Para darte un ejemplo aleatorio de un escenario, por ejemplo, cuando me desperté por la mañana, descubrí a través de los datos de mi reloj inteligente que la calidad de mi sueño de anoche no fue muy buena. Me lavé la cara, me lavé los dientes, desayuné y caminé más de 1.000 metros. Caminé hasta el metro de Liudaokou y deslicé mi tarjeta para tomar el metro. Cuesta 3 yuanes llegar al Parque Olímpico. , descubrí a través del cliente móvil de JD.com que un par de zapatillas de baloncesto Nike que había buscado antes tenían una reducción de precio. JD.com me envió proactivamente la información de este producto, inmediatamente hice un pedido y ahorré más de 100 yuanes. También compartí esta información con mi círculo de amigos a través de WeChat.

En este proceso, produje 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, por lo que, como productor de big data, Se produjeron muchos datos al mismo tiempo. Como consumidor de big data, cuando navegue por JD.com o la aplicación en el futuro, el sistema puede recomendarme almohadas que mejoren la inteligencia del sueño, zapatillas de baloncesto u otros productos relacionados con las zapatillas de baloncesto, y los amigos de mi círculo de amigos ven que después de compartir la información, ellos también pueden comprar gracias a mi participación.

Después de que las empresas, especialmente las de Internet, obtienen los datos que producimos, pueden agruparlos, dividirlos y predecirlos mediante estadísticas matemáticas y algoritmos de minería para obtener datos más relevantes. A través de estos datos, cada uno de nosotros tiene una etiqueta. descripción. Como género, estado civil, aficiones, ingresos, si te gustan los deportes, sensibilidad a la promoción, etc., obteniendo así muchos atributos de cada uno de nosotros, como atributos demográficos básicos, poder adquisitivo, características de comportamiento, redes sociales, características psicológicas, aficiones. , etc.

Una vez que las empresas dominan estos datos, ¿cómo los utilizan? ¿Se utilizan estos datos para marketing, como marketing de precisión, publicidad precisa y recomendación precisa de productos? ¿O utilizar estos datos para perfeccionar las operaciones y la gestión internas de la empresa? ¿O utilizar estos datos para mejorar el proceso de producción y guiar la investigación secundaria y el desarrollo de productos? Eso depende del nivel de práctica corporativa de big data. Si los big data se utilizan bien, realmente pueden alcanzar un 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, las operaciones comerciales de las empresas en diferentes industrias son muy diferentes. Por ejemplo, en la industria financiera, puede haber más aspectos financieros como inversión, financiación y gestión de efectivo, pero muy pocos datos sobre la cadena de suministro, mientras que en la industria manufacturera. o industria de servicios de circulación, solo hay una pequeña cantidad de datos relacionados con la cadena de suministro. Habrá más.

Los datos financieros se basan principalmente en los estados financieros, especialmente los tres principales estados financieros, balance, cuenta de resultados y estado de flujo de efectivo. Luego está el libro mayor. La contabilidad en el libro mayor incluirá temas. Si los temas no son suficientes, también estableceremos contabilidad auxiliar. La mayoría de las empresas harán presupuestos cada año. La mayoría de los presupuestos se formulan en torno a indicadores financieros. se basan principalmente en presupuestos financieros. Por supuesto, una gran parte de la gestión financiera es la gestión del dinero.

Habrá más tipos de datos en la cadena de suministro, desde proveedores ascendentes hasta consumidores descendentes, incluidos adquisiciones, almacenamiento, logística, producción, ventas, posventa y otros datos. Por supuesto, aún podemos perfeccionar aún más cada vínculo.

Además, creo que ninguna empresa produce o comercializa a puerta cerrada y debe consultar activamente datos externos, incluidas las políticas nacionales, el entorno económico, las condiciones del mercado de valores, los competidores, los precios de las principales materias primas, 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 Parte B, el diagrama de arquitectura de la solución del sistema que desarrollan durante el proceso de planificación o implementación es el siguiente. nada más que Dividido en tres niveles y como máximo cuatro niveles.

De abajo hacia arriba, la capa de metadatos de primer nivel o capa de fuente de datos son los datos de nuestro sistema de aplicaciones comerciales, finanzas, cadena de suministro, recursos humanos, presupuesto, etc.

El segundo nivel se llama capa de almacenamiento de big data, que recopila las fuentes de datos de cada nivel inferior en un almacén de datos. Después de eso, llega al tercer nivel, la capa del modelo de análisis, que construye el análisis. En el modelo de almacén de datos, algunas soluciones incluso omiten directamente la capa del modelo de análisis y van directamente a la última capa de la capa de visualización de datos para mostrar los datos en el modelo de análisis. Según los muchos años de experiencia del autor en la industria, una forma organizativa de este tipo puede, en el mejor de los casos, denominarse sistema de BI, pero no sistema de big data.

JD big data no es un sistema o producto independiente. Las aplicaciones de JD big data se han integrado en todos los sistemas de aplicaciones empresariales. 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, procesarán, analizarán y extraerán. distribución, se distribuye a varios sistemas comerciales y productos de datos, como centros comerciales, adquisiciones y ventas, brújula de datos, piloto, 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 requerir el soporte de big data. Bajo la premisa de satisfacer sus propias necesidades comerciales, ¿pueden las empresas también jugar con pequeñas aplicaciones de datos? 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 5 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. En esta etapa, las empresas implementan soluciones de inteligencia empresarial (BI), que en realidad son un sistema de informes automatizado para monitorear el estado operativo de las empresas existentes.

El monitoreo empresarial, a veces también llamado Gestión del desempeño empresarial, se refiere al uso de métodos de análisis básicos por parte de las empresas para proporcionar alertas tempranas cuando las operaciones comerciales son inferiores o superiores a lo esperado, y enviar automáticamente advertencias relevantes a la información adecuada. personal empresarial y directivo. El personal empresarial y administrativo de la empresa puede comprender de antemano la situación operativa del negocio de acuerdo con las reglas de alerta temprana establecidas anteriormente y lograr una alerta temprana, ayudándolos a tomar medidas y medios específicos y previsibles para prevenir problemas antes de que sucedan.

Hay dos puntos más críticos en esta etapa. Uno es el diseño de reglas de alerta temprana que incluyen métodos de referencia (comparación del mismo período, comparación de actividades de marketing similares, comparación de puntos de referencia de pares). o métodos de indicadores (desarrollo de marca, satisfacción del cliente, rendimiento 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 de hecho se necesita mucho cerebro para hacerlo. Permítanme darles un ejemplo que encontré antes. Por ejemplo, estaba diseñando una solución para una empresa dedicada a la fabricación discreta. Un indicador muy importante para la evaluación de su desempeño en términos de gestión de inventario era la tasa de rotación de inventario. días Este era originalmente un indicador muy normal y de uso frecuente, pero esto La gestión de inventario de cada unidad tiene envíos falsos y llegadas falsas. Esta situación hizo que el indicador de desempeño de la tasa de rotación de inventario se viera muy bien. La relación entre ventas y la relación entre inventario y ventas como indicadores para reducir el inventario. Los indicadores y los indicadores de ventas se utilizan en combinación para evitar envíos y llegadas falsos. 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 operaciones comerciales, sino también evitar el fraude artificial.

2. Información empresarial

La información empresarial significa que el sistema no solo proporciona informes de datos, sino también informes "inteligentes" o paneles de control "inteligentes", que requieren más predicción y extracción basada en Se revelaron datos históricos. Se revelaron algunos datos que no conocíamos a través del análisis multidimensional anterior.

Por ejemplo, cuando el autor estaba trabajando en un proyecto para una determinada cadena hotelera en Hangzhou, necesitábamos hacer algo más interesante basándonos en los datos operativos de los hoteles en los que había invertido en todo el país, como as Necesitamos predecir la inversión en un nuevo hotel en función de la inversión en decoración de hoteles previamente invertidos, la tasa de ocupación actual de diferentes grados, la tasa de ocupación y la tasa de rotación del departamento de catering del hotel, los ingresos operativos, los costos y gastos, y el Situación de los hoteles competidores en las ciudades locales. Tasa de retorno y período de recuperación. Además, existe un análisis DuPont que se utiliza a menudo en el análisis financiero. Hablemos brevemente sobre el análisis DuPont, que es un modelo que analiza exhaustivamente el desempeño financiero de toda la empresa desde una perspectiva financiera. Para el ROE, podemos descomponerlo en ROA × multiplicador de capital, y el ROA se puede dividir en tasa de interés de ventas netas × tasa de rotación de activos, y luego descomponerlo nuevamente y finalmente formar una estructura de árbol llena de indicadores financieros. Dado que estos indicadores financieros se calculan a través de elementos del estado financiero, temas contables y contabilidad auxiliar, existe una relación lógica muy urgente entre ellos. En este caso, podemos calcular algunos medios técnicos para lograr pronósticos de simulación, como hacer el próximo año Al presupuestar o. planificación, lo ajustaremos de antemano al nivel que queremos que alcancen ciertos indicadores financieros, y los indicadores relacionados con él también estarán vinculados, como aumentar la ganancia neta en 1, los ingresos por ventas, los costos de marketing, los gastos de gestión y otros indicadores. ¿Hasta qué punto es necesario lograrlo? Esto puede ayudarnos a predecir con antelación y planificar y presupuestar mejor.

Por supuesto, hay muchas cosas que se pueden predecir en esta etapa. Por ejemplo, en la industria minorista, las ventas de la mayoría de las categorías tienen ciclos de ventas, podemos predecir las ventas en función del ciclo de ventas. También puede basarse en la relación entre la respuesta histórica de los usuarios a diferentes métodos de marketing, gastos de marketing, productos de marketing y efectos de marketing para dirigirse con mayor precisión al grupo objetivo para el marketing dirigido, mejorar la eficiencia del marketing y reducir los costos de marketing.

3. Optimización empresarial

La optimización empresarial sigue siendo muy atractiva para la mayoría de las empresas y también es el 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 tendrán la capacidad de incorporar tecnología analítica en las operaciones comerciales. Este 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, podemos introducir el modelo de desempeño del suministro. En este modelo de desempeño del proveedor, hay muchos factores, como la calidad del suministro, la eficiencia del suministro, la tasa de defectos, el servicio posventa y muchos otros factores. Al comprar, el personal de compras puede seleccionar de forma independiente los proveedores adecuados según el modelo de desempeño del proveedor. un ejemplo Además, los precios de mercado de las principales materias primas también se pueden conectar a la interfaz de adquisiciones en tiempo real, lo que permite a los gerentes de adquisiciones controlar el ciclo de adquisiciones y organizar los planes de adquisiciones de manera razonable.

En la industria minorista, todos sabemos que existe una fuerte correlación entre productos y productos, entre usuarios y usuarios, y entre usuarios y productos, como en el ejemplo de la cerveza y los pañales del que todo el mundo habla a menudo. , ejemplos de chocolate y condones. Aquí puedes hablar un poco sobre cómo lo hacen la mayoría de las empresas de comercio electrónico. Usamos estos productos para encontrar la relación entre cada dos productos en los registros de compra. Esta relación no es igual, por ejemplo, cuando los usuarios compran teléfonos móviles. Por lo general, 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 demuestra que existe una relación entre teléfonos móviles y fundas para teléfonos móviles, y es una relación fuerte. La relación entre la carcasa del teléfono móvil y el teléfono móvil es una relación débil. Aquí utilizamos coeficientes para explicar la fuerza de la relación. Por tanto, esta relación entre mercancías y mercancías forma un modelo de mercancías. Según este modelo de producto, podemos recomendar mejor productos a los usuarios que han 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 función de la relación de comportamiento entre usuarios, podemos recomendar al usuario algunos productos que otros usuarios que son muy relevantes para él han comprado o en los que están interesados.

Esta es una práctica común utilizada por muchas empresas de Internet para recomendar publicidad, productos e información promocional.

4. Beneficio de datos

Beneficio de datos significa que a menudo hablamos de monetización de datos. Una forma de obtener beneficio de datos es la productización de datos. Actualmente, existen muchas empresas de servicios de datos que pueden recopilar juegos móviles, uso de aplicaciones, comportamiento del usuario y otros datos a través de su tecnología de análisis y extracción de datos, y pueden lograr el propósito de monetización generando resultados a través del comportamiento de productos o servicios. Además, los fabricantes de teléfonos móviles, como Xiaomi y Huawei, tienen cientos de millones de usuarios activos y disponen de datos de primera mano sobre el comportamiento de los usuarios en los teléfonos móviles, incluidos datos de pago. Hay muchos aspectos que se pueden realizar, y lo que los limita son sus ideas. Además, cada vez más fabricantes tradicionales están digitalizando sus productos. Por ejemplo, el big data de los automóviles se ha convertido en Tesla y el big data de los hogares se ha convertido en hogares inteligentes.

5. Reinvención empresarial

La reinvención empresarial debe ser la etapa más alta del modelo de madurez del big data. En esta etapa, algunas empresas esperan utilizar el análisis de los patrones de uso de los clientes, los comportamientos de rendimiento de los productos y las tendencias generales del mercado para convertir modelos de negocio en nuevos servicios en nuevos mercados, como el nuevo negocio de JD.com, JD.com Finance, JD.com. Inteligencia. Además, podemos usar nuestra imaginación para ver qué negocios de BAT se desarrollan en base a los principales datos del negocio. ¿Se te ocurren muchos?

No hay muchas empresas en China e incluso en el mundo que realmente tengan big data. Tenemos suerte de tener 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 el contenido compartido por el editor sobre la nueva comprensión y aplicación de big data empresarial de JD.com. Para obtener más información, puede seguir a Global Ivy para compartir más información útil.