發布時間：2022-03-07 21:49:06
序言：寫作是分享個人見解和探索未知領域的橋梁，我們為您精選了8篇的廣告數據分析報告樣本，期待這些樣本能夠為您提供豐富的參考和啟發，請盡情閱讀。
一、市場營銷模擬實驗教學中存在的問題
1.重策略執行而輕戰略制定，企業整體運作意識不強
戰略是企業發展的長期性、全局性指導思想，策略則是戰略的具體化。從決策邏輯上來說，企業必須先確定營銷戰略，然后再根據戰略制定策略。具體在營銷模擬實驗中，學生先要進行SWOT分析，明確企業的優勢、劣勢、機會和威脅;然后進行STP分析，把握各細分市場之間的差異性，明確公司的目標市場，確定產品的市場定位;之后再制定公司的具體發展目標，如市場占有率目標、銷售額目標、利潤目標，這些內容基本都屬于公司戰略決策的范疇，對企業后階段的策略制定起著方向性的指導作用。但在實驗操作實際中，很多學生對戰略分析不夠重視，把大部分時間和精力都放在了策略制定與執行上，熱衷于進行新產品的開發、新品牌的推出、價格的制定與調整、渠道的選擇、廣告促銷等，至于為何要這樣去制定和執行，以后要怎樣去制定和執行，則缺少全盤考慮。實際上，由于學生前期的戰略分析不全面，戰略目標不明確，很多策略的針對性和實用性不強，甚至有些策略就憑主觀感覺或估計來確定。
2.決策過程不嚴謹，數據分析能力弱
由于市場環境越來越復雜，決策風險越來越大，企業的決策日趨客觀嚴謹，決策中越來越重視數據的支撐作用。數據是市場的真實反映，揭示了事物發展的客觀規律，本身就是決策的重要參考，培養學生的數據分析能力和嚴謹思維也是營銷模擬實驗教學的一個重要目標。市場模擬營銷實驗中包含大量的數據，比如銷售量、銷售額、增長率、利潤額、利潤率、生產成本、投資收益率、知名度、股價等等，另外還有許多圖表，如折線圖、餅形圖、柱狀圖及矩陣圖等，每一次營銷計劃執行后，這些數據或圖表就會發生相應的變化。這些數據中蘊含著豐富的市場信息，非常值得我們去挖掘，但這些數據或圖表并沒有被學生很好地利用，學生對數據的敏感度不夠，不擅長去分析其中包含的信息，對它們的認識有些表面化，往往是在進行簡單的了解后便很快制定出營銷策略，決策過程欠嚴謹。
二、市場營銷模擬實驗教學的優化對策
1.科學分組，確保競爭公平
為使每一位同學都能始終保持實驗興趣，也為了保證小組競爭的公平，教師在實驗開始前必須對全班進行科學分組。分組時要考慮以下幾點:首先要確定每組的人數，每組人數不宜過多，太多了影響決策效率，還可能導致人浮于事，一般三人一組比較好，團隊比較精干，也便于協商或討論;然后要確定小組成員選擇標準，每一小組至少要有一位專業能力相對突出的同學，以保證決策過程的專業性和合理性，并帶動其他同學積極參與。確定組隊標準后，學生可以先行組合，然后把組隊名單交給老師，老師根據實際情況對各組成員進行適當調整，盡量使各組的實力保持相對平衡。
2.突出戰略決策，做好市場分析與戰略定位
企業的決策需要有戰略思維，要預先做好市場及產品的規劃，在此基礎上再制定出不同階段的營銷策略。為此企業需要對營銷環境做出全面細致的分析，了解企業的優勢、劣勢、機會和威脅，并在市場細分的基礎上做出目標市場的選擇，確定產品在目標市場的定位，最終形成成熟的營銷方案。這種戰略分析能力體現出了學生的宏觀視野和邏輯思維，但往往也是很多學生的弱項，需要教師在實驗環節中予以特別重視，通過一系列強化訓練來培養。比如要求學生在每次實驗中必須提交兩份戰略分析報告，一份是SWOT分析報告，一份是STP報告，報告中必須對營銷環境、戰略定位、營銷目標做出詳細分析和具體明確，并闡述原因和依據，在分析報告沒有提交之前，不能進入下一個實驗環節。在每一年度的營銷實驗結束后，教師還要對全班所有同學的分析報告進行評比，將評比結果作為期末成績的參考。通過這種硬性規定，讓學生重視戰略分析，逐步提高從全局把握問題的能力。
3.強化數據分析，做到嚴謹決策
數據分析能反映一個人看待問題的深度以及思維的嚴謹性，但對于很多學生來說，由于營銷分析工具掌握不牢固，對數據分析的方法比較生疏，難以從多個數據中發現事物之間的內在聯系或規律，更多是根據主觀感覺或個人經驗，再結合一些表面的數據來制定營銷對策，決策過程存在某種隨意性。為改變這一不良決策習慣，教師在實驗中必須強調一點，就是所有的決策必須有數據支撐，必須有數據分析，用數字說話。這并非提倡決策的數據主義，只是強調嚴謹決策的重要，這種訓練對學生以后的行為習慣和邏輯思維將產生積極影響，讓學生更理性地看待問題和解決問題。以營銷模擬實驗中的廣告投放決策為例，就要求學生先了解企業本年度的營銷預算、廣告的目標、媒體的成本、媒體的傳播效應、企業目前的知名度等數據，然后對這些數據進行科學計算，得出廣告投放的時間、次數和費用，而不能憑估計隨意給定一個數字。
引言
大數據在通信行業的資源十分豐富，但是怎樣才能對這些數據進行深層次的去挖掘，把在各個系統中分散的數據整合起來，形成有用的數據，十分復雜且非常困難，本文選取了幾個方面的數據進行了簡單的介紹，一起來研究下大數據在通信行業的應用。
一、通信行業大數據概述
近兩年來，大數據的概念受到了各界的熱捧，一時間大數據無處不在，而且隨著數據量的迅速膨脹，它正在決定著企業的未來發展，在商業、經濟及其它領域，越來越多的決策都是在大數據的基礎上做出的，而不再是傳統的依靠經驗以及直覺來進行重大決策的做出。大數據主要是指沒有辦法在可承受的時間范圍內，通過常見的軟件對其進行收集并管理再到處理的數據集合，是需要通過新型的處理模式才可以做出更強的決策力、洞察發現力以及流程優化能力的大量且高增長率并且多樣化的信息資源。大數據有以下幾個方面的特征：首先，數據體量十分大。由TB到FB;其次，類型復雜。比如說：網絡日志以及視頻、地理位置等等相關的信息等。第三，速度非?？欤軌蚩焖俚膹牟煌愋偷男畔斨泻Y選出有用的信息。最后，高回報。對數據進行合理的搜集、利用和分析，能夠獲得很高價值的回報。業界將其歸納為4個“V”——Volume(數據體量大)、Variety(數據類型繁多)、Velocity(處理速度快)、Value(價值密度低)。大數據的來源主要包含泛互聯網(物聯網、移動互聯網、車聯網等)、工業互聯網(大量傳感器等)、行業/企業信息系統、社交網絡(Facebook、微信等)。
通信行業發展至今積累的數據非常豐富，從2G、3G到4G數據的不斷升級，從話音、話單數據發展到GPRS上網的日志數據，從視頻、音樂、閱讀等不同業務所需要的數據到各類通信的行業數據等等各類數據，從數據量、數據質量等方面提供各類大數據資產。
二、通信行業大數據的分析方法
對于大數據進行分析的方法對大數據來說是十分重要的，它能夠最終決定信息是否具有價值。進行大數據分析的方法及步驟如下：(1)確定目標。在進行數據采集前，需要業務部門根據科學的手段制定獲取價值數據的目標，通常需要進行大量的數據收集和分析，制定一個可以衡量的方式，由數據來分析業務發展的方向是否正確。在進行數據分析的過程當中，關鍵權值或者性能的指標一定要盡量早點發現。(2)對業務方式的確定。不斷的該表業務方式，將關鍵指標提升并且最終達到業務所要完成的目的，在項目中，要盡早的將目標確定，以此來規避無用功的出現。(3)搜集數據。通過各種不同的渠道，搜集到各種類型的數據，找到更具有相關性的數據，塑造更完善的模型。(4)數據清洗。對采集的原始數據進行數據校驗、數據清洗、數據關聯、轉換處理等，形成目標文件和匯總數據，為數據分析提供數據基礎。(5)數據建模。數據建模是數據業務分析的關鍵所在，需要利用統計學、機器學習等知識，結合業務實現目標，構建科學、精確的模型。(6)優化和重復。為了保證預測數據的準確，業務達到預定的目標，要對模型進行重復的修正和迭代。由于數據量非常龐大，因此在進行大數據分析時需要更高效的分析手段和工具，目前比較流行的包括Hadoop、SparkStreaming、Storm、MPPDB等。
三、通信行業數據分析及應用
1.改變營銷方式
一是，實現精確營銷，將銷售和客戶的位置、關系網絡有效結合起來，開展實時銷售。對客戶的通信行為、位置、偏好、終端等數據進行整理，根據客戶的實際情況準確地推送合適的業務產品。二是，降低客戶流失率。綜合分析社交媒體數據、交易數據，對客戶流失率實現準確預測，進而可以制定有針對性的控制措施以有效地保留客戶。三是，挖掘客戶需求。主要是對各項業務系統的詳單、日志、用戶內容等數據信息進行整理，詳細分析不同類型用戶的特性，以更好的了解客戶的需求，進而可以實現客戶需求定位，有利于增強客戶滿意度，提高市場占有率。
2.改善客戶體驗
通過利用數據分析，可以更好地收集和分析客戶投訴的行為、網絡質量的相關數據、客戶上網的時間以及聚集區域等相關的數據信息。通過對搜集到的數據進行分析總結的結果，運營商就可以對客戶的情況有一個準確的了解，之后根據客戶的需求不斷的優化流程。在此基礎上，運營商可以更好地制定銷售政策，并針對有可能發生投訴的行為進行預防和控制，以更好的實現客戶體驗。
3.開發和銷售新的產品
一是，運營商能夠利用打包銷售數據或者是報告的方式來給銀行或者零售商、政府和OTT服務提供商提供客戶信用查詢服務、客戶分析報告、目標客戶群行為軌跡分析等。
二是，定向廣告，通過對客戶的相關信息進行不斷分析，根據目標客戶的資料以及位置和消費習慣從而能夠更加有效地去投放相關的廣告。
三是，充分利用手機的高覆蓋率，和移動網絡相結合，對手機用戶的分布以及相關的行為屬性做出相應的統計分析，為政府以及旅游管理等有關部門提供一個標準化的基于位置的移動用戶多維度的統計信息管理平臺。四是，對于客戶的消費行為、位置信息、偏好等數據進行分析，對客戶進行分類和整理，以更好的獲得目標客戶，對經過商戶附近的目標客戶自動下發優惠券。
4.對通信網絡進行優化
通過開展大數據分析可以促進通信網絡的優化，進一步完善通信網絡監控體系，實現對整個通信系統的良好監控。通信網絡中的各個環節都會產生大量的數據，例如通信設備、終端、用戶和網絡等環節的數據信息，在對這些數據進行整理以及分析的基礎上，能夠對網絡運行的狀況有一個很好的掌握，從中分析網絡中的問題和不足，并采取有針對性的解決措施。
四、結束語
綜上所述，隨著大數據的不斷滲入到人們的生活和工作當中，怎樣更多的去獲取有價值的信息，對其充分的利用，是大數據的一個核心所在。大數據是一個蘊含無限機會的寶藏，海量的數據就是財富。
電信運營商擁有多年的數據積累，擁有諸如財務收入、業務發展量等結構化數據，也會涉及到圖片、文本、音頻、視頻等非結構化數據。從數據來源看，電信運營商的數據來自于涉及移動語音、固定電話、固網接入和無線上網等所有業務，也會涉及公眾客戶、政企客戶和家庭客戶，同時也會收集到實體渠道、電子渠道、直銷渠道等所有類型渠道的接觸信息。整體來看，電信運營商大數據發展仍處在探索階段。
大數據在電信行業應用的總體情況
目前國內運營商運用大數據主要有五方面：(1)網絡管理和優化，包括基礎設施建設優化和網絡運營管理和優化；(2)市場與精準營銷，包括客戶畫像、關系鏈研究、精準營銷、實時營銷和個性化推薦；(3)客戶關系管理，包括客服中心優化和客戶生命周期管理；(4)企業運營管理，包括業務運營監控和經營分析；(5)數據商業化指數據對外商業化，單獨盈利。
第一方面：網絡管理和優化。此方向包括對基礎設施建設的優化和網絡運營管理及優化。
(1)基礎設施建設的優化。如利用大數據實現基站和熱點的選址以及資源的分配。運營商可以通過分析話單和信令中用戶的流量在時間周期和位置特征方面的分布，對2G、3G的高流量區域設計4G基站和WLAN熱點；同時，運營商還可以對建立評估模型對已有基站的效率和成本進行評估，發現基站建設的資源浪費問題，如某些地區為了完成基站建設指標將基站建設在人際罕至的地方等。
(2)網絡運營管理及優化。在網絡運營層面，運營商可以通過大數據分析網絡的流量、流向變化趨勢，及時調整資源配置，同時還可以分析網絡日志，進行全網絡優化，不斷提升網絡質量和網絡利用率。
利用大數據技術實時采集處理網絡信令數據，監控網絡狀況，識別價值小區和業務熱點小區，更精準的指導網絡優化，實現網絡、應用和用戶的智能指配。由于用戶群的不同，不同小區對運營商的貢獻也不同。運營商可以將小區的數據進行多維度數據綜合分析，通過對小區VIP用戶分布，收入分布，及相關的分布模型得到不同小區的價值，再和網絡質量分析結合起來，兩者疊加一起，就有可能發現某個小區價值高，但是網絡覆蓋需要進一步提升，進而先設定網絡優化的優先級，提高投資效率。
德國電信建立預測城市里面的各區域無線資源占用模型，根據預測結果，靈活的提前配置無線資源，如在白天給CBD地區多分配無線資源，在晚上，則給酒吧地區多分配無線資源，使得無線網絡的運行效率和利用率更高。
法國電信通過分析發現某段網絡上的掉話率持續過高，借助大數據手段診斷出通話中斷產生的原因是網絡負荷過重造成，并根據分析結果優化網絡布局，為客戶提供了更好的體驗，獲得了更多的客戶以及業務增長；
第二方面，市場與精準營銷。此方向包括客戶畫像、關系鏈研究、精準營銷、實時營銷和個性化推薦。
(1)客戶畫像。運營商可以基于客戶終端信息、位置信息、通話行為、手機上網行為軌跡等豐富的數據，為每個客戶打上人口統計學特征、消費行為、上網行為和興趣愛好標簽，并借助數據挖掘技術(如分類、聚類、RFM等)進行客戶分群，完善客戶的360度畫像，幫助運營商深入了解客戶行為偏好和需求特征。
(2)關系鏈研究。運營商可以通過分析客戶通訊錄、通話行為、網絡社交行以及客戶資料等數據，開展交往圈分析。尤其是利用各種聯系記錄形成社交網絡來豐富對用戶的洞察，并進一步利用圖挖掘的方法來發現各種圈子，發現圈子中的關鍵人員，以及識別家庭和政企客戶；或者分析社交圈子尋找營銷機會。如在一個行為同質化圈子里面，如果這個圈子大多數為高流量用戶，并在這個圈子中發現異網的用戶，我們可以推測該用戶也是高流量的情況，便可以通過營銷的活動把異網高流量的用戶引導到自己的網絡上，對其推廣4G套餐，提升營銷轉化率?？傊覀兛梢岳蒙缃蝗ψ犹岣郀I銷效率，改進服務，低成本擴大產品的影響力。
(3)精準營銷和實時營銷。運營商在客戶畫像的基礎上對客戶特征的深入理解，建立客戶與業務、資費套餐、終端類型、在用網絡的精準匹配，并在在推送渠道、推送時機、推送方式上滿足客戶的需求，實現精準營銷。如我們可以利用大數據分析用戶的終端偏好和消費能力，預測用戶的換機時間尤其是合約機到期時間，并捕捉用戶最近的特征事件，從而預測用戶購買終端的真正需求，通過短信、呼叫中心、營業廳等多種渠道推送相關的營銷信息到用戶手中。
(4)個性化推薦。利用客戶畫像信息、客戶終端信息、客戶行為習慣偏好等，運營商可以為客戶提供定制化的服務，優化產品、流量套餐和定價機制，實現個性化營銷和服務，提升客戶體驗與感知；或者在應用商城實現個性化推薦，在電商平臺實現個性化推薦，在社交網絡推薦感興趣的好友。
第三方面，客戶關系管理。此方面包括客服中心優化和客戶生命周期管理。
(1)客服中心優化?？头行氖沁\營商和客戶接觸較為頻繁的通道，因此客服中心擁有大量的客戶呼叫行為和需求數據。我們可以利用大數據技術可以深入分析客服熱線呼入客戶的行為特征、選擇路徑、等候時長，并關聯客戶歷史接觸信息、客戶套餐消費情況、客戶人口統計學特征、客戶機型等數據，建立客服熱線智能路徑模型，預測下次客戶呼入的需求、投訴風險以及相應的路徑和節點，這樣便可縮短客服呼入處理時間，識別投訴風險，有助于提升客服滿意度；另外，也可以通過語義分析，對客服熱線的問題進行分類，識別熱點問題和客戶情緒，對于發生量較大且嚴重的問題，要及時預警相關部門進行優化。
(2)客戶關懷與客戶生命周期管理?？蛻羯芷诠芾戆ㄐ驴蛻臬@取、客戶成長、客戶成熟、客戶衰退和客戶離開等五個階段的管理。在客戶獲取階段，我們可以通過算法挖掘和發現高潛客戶；在客戶成長階段，通過關聯規則等算法進行交叉銷售，提升客戶人均消費額；在客戶成熟期，可以通過大數據方法進行客戶分群(RFM、聚類等)并進行精準推薦，同時對不同客戶實時忠誠計劃；在客戶衰退期，需要進行流失預警，提前發現高流失風險客戶，并作相應的客戶關懷；在客戶離開階段，我們可以通過大數據挖掘高潛回流客戶。國內外運營商在客戶生命周期管理方面應用的案例都比較多。如SK電訊新成立一家公司SK Planet，專門處理與大數據相關的業務，通過分析用戶的使用行為，在用戶做出離開決定之前，推出符合用戶興趣的業務，防止用戶流失；而T-Mobile通過集成數據綜合分析客戶流失的原因，在一個季度內將流失率減半。
第四方面，企業運營管理?？梢苑譃闃I務運營監控和經營分析。
(1)業務運營監控分可以基于大數據分析從網絡、業務、用戶和業務量、業務質量、終端等多個維度為運營商監控管道和客戶運營情況。構建靈活可定制的指標模塊，構建QoE/KQI/KPI等指標體系，以及異動智能監控體系，從宏觀到微觀全方位快速準確地掌控運營及異動原因。
(2)經營分析和市場監測。我們可以通過數據分析對業務和市場經營狀況進行總結和分析，主要分為經營日報、周報、月報、季報以及專題分析等。過去，這些報告都是分析師來撰寫。在大數據時代，這些經營報告和專題分析報告均可以自動化生成網頁或者APP形式，通過機器來完成。數據來源則是企業內部的業務和用戶數據，以及通過大數據手段采集的外部社交網絡數據、技術和市場數據。分析師轉變為報告產品經理，制定報告框架、分析和統計維度，剩下的工作交給機器來完成。
第五方面，數據商業化。數據商業化指通過企業自身擁有的大數據資產進行對外商業化，獲取收益。國內外運營商的數據商業化都處于探索階段，但相對來說，國外運營商在這方面發展的更快一些。
(1)對外提供營銷洞察和精準廣告投放。
營銷洞察：美國電信運營商Verizon成立了精準營銷部門Precision Marketing Division。該部門提供精準營銷洞察(Precision Market Insights)，提供商業數據分析服務。如在美國，棒球和籃球比賽是商家最為看中的營銷場合，此前在超級碗和NBA的比賽中，Verizon針對觀眾的來源地進行了精確數據分析，球隊得以了解觀眾對贊助商的喜好等；美國電信運營商Sprint則利用大數據為行業客戶提供消費者和市場洞察，包括人口特征、行為特征以及季節性分析等方面。
精準廣告投放：Verizon的精準營銷部門基于營銷洞察還提供精準廣告投放服務；AT&T提供Alert業務，當用戶距離商家很近時，就有可能收到該商家提供的折扣很大的電子優惠券。
(2)基于大數據監測和決策支撐服務。
客流和選址：西班牙電信于2012年10月成立了動態洞察部門DynamicInsights開展大數據業務，為客戶提供數據分析打包服務。該部門與市場研究機構GFK進行合作，在英國、巴西推出了首款產品名為智慧足跡(Smart Steps)。智慧足跡基于完全匿名和聚合的移動網絡數據，幫助零售商分析顧客來源和各商鋪、展位的人流情況以及消費者特征和消費能力，并將洞察結果面向政企客戶提供客流分析和零售店選址服務。
1課程性質
本課程是云南經濟管理學院商學院為經濟管理、商務管理、國際經濟與貿易、市場營銷、藥品經營與管理專業學生開設的一門專業基礎課。本課程開設的目的就是通過市場調查與預測的學習，使學生對市場調查與預測的基本理論和方法有一個大致的了解。本門課程的主要內容有市場的調查的方式和步驟、市場普查、重點調查、典型調查、抽樣調查、市場觀察調查法、詢問法、文案調查法、實驗調查法等；市場的預測方法主要有專家預測法、德爾非法、頭腦風暴、時間序列、相關回歸分析等。
2改革思路
2.1課程改革的目的在本門課程的教學中，要求學生能較好地完成調查方案設計、問卷設計、調查分析報告撰寫、預測分析報告撰寫等模擬訓練項目；切實提高了學生市場調查設計能力，數據處理與分析能力，調查報告和預測報告的寫作能力，達到了課程教學目標的需求。教學的效果要求主要體現在以下幾個方面：
2.1.1培養高學生的解決實際市場調研方案撰寫和問卷設計的能力，絕大部分學生都能設計出較好的市場調查方案和調查問卷。
2.1.2培養學生數據獲取、數據處理、數據分析與建模能力。
2.1.3培養學生的市場調查分析報告和預測分析報告的寫作能力。
2.1.4培養學生的統計軟件的使用能力。讓大部分學生都能利用Excel、SPSS等統計軟件進行數據處理、生成統計圖表，建立預測分析模型。
2.1.5鞏固了學生所學的其他專業知識。比較好地解決了知識轉化為能力的問題，相關專業學科知識走向整合，最終形成良好的專業技術技能。
2.1.6通過本門課程的教學改革，讓學生畢業以后能夠真正的學會運用本門課程相關知識來解決工作中的實際問題。
2.2課程改革的必要性市場調查與預測課程教學改革的必要性主要體現在以下幾個方面：
2.2.1學院辦學指導思想的要求該院定位于“職業教育院?！?、“培養應用型專業人才”等辦學指導思想，為《市場調查與預測》課程建設和改革提供了導向。我們認為作為商學院的經濟管理、商務管理、市場營銷等專業的學生應具備較強的市場調研和市場預測能力，才能體現商學院培養應用型專業人才的內在要求。為此，市場調查與預測確立強化案例與項目驅動教學法，著力培養學生的市場調研和市場預測的意識，符合學院的辦學指導思想和定位的要求。
2.2.2課程性質的要求《市場調查與預測》是在《管理學》、《經濟數學》、《市場營銷學》等課程基礎上開設的。因此，市場調查與預測單純講授市場調查的理論和方法，勢必與其他相關學科在教學內容上造成很大程度上的重復，達不到培養應用型人才的教學要求。因此，市場調查與預測課程需要從應用的角度組織教學，重視實踐性教學。
2.2.3教學實訓、實踐提供的啟示過去我們在市場調查與預測課程教學中，存在著重理論、輕實踐的教學傾向，導致學生在學習本門課程后，仍然不會設計市場調查方案和問卷，不會數據的獲取、處理和分析，寫不出符合要求的市場調查報告和市場預測報告。后來，我們嘗試采用案例與模擬教學法，學生的市場調研和市場預測能力有了較大的提高。因此，市場調查與預測只有確立“強化案例與教學模擬、動手實踐”的教學法，才能使本課程建設和改革具有特色。
3課程教學改革的路徑
根據近幾年的教學實踐來看，我們從教學目標、教學內容、教學模式、教學方法手段、考核考試方式、實訓實踐教學課等方面展開教學改革。
3.1改革課程教學目標我們認為作為商學院的經濟管理、商務管理、市場營銷等專業的學生，通過本課程的學習，除了應掌握市場調查和市場預測的基本理論和基本方法外，應重點獲得五種能力：市場信息（數據）獲取、處理與分析能力；調查方案與問卷設計能力；調查分析報告所撰寫能力；市場預測分析與建模應用能力；市場預測報告撰寫能力。因此，本課程的教學目標應從過去以傳授知識為主向知識傳授與能力培養相結合、強化能力培養的方向改革。
3.2改革教學內容根據作為商學院的經濟管理、商務管理、市場營銷等專業特點和培養應用性能力原則，我們增加了市場環境研究、市場供求研究、銷售潛力研究、消費者市場研究、顧客滿意度研究、生產者市場研究、銷售潛力研究、產品市場研究、產品銷售市場分析、產品品牌研究、廣告研究等市場調研內容的教學。同時增加統計軟件在數據處理和分析的應用等等。
3.3改革課程教學模式《市場調查與預測》課程教學模式，是以市場調研和預測能力培養為教學目標，以教學內容更新和優化為基礎，以案例和模擬訓練為實踐教學平臺，以案例和項目分析為教學手段。
3.4改革教學方法手段主要采用能力培養為導向的課程教學方法手段?？傮w思路是將案例教學法、項目試驗教學法、計算機軟件輔助教學法、模擬教學法引入教學中。
3.5改革考試方式傳統的閉卷考試以基本理論、基本知識和基本方法測試為主，難以測試學生的綜合應用能力。本課程的教學目標在于提高學生的調查方案和問卷設計能力，數據處理與分析能力，調查報告與預測分析報告的寫作能力。為了適應本課程教學目標的要求，我們采用綜合性測評的考核方式。
3.6改革實訓、實踐教學模式本著提高學生市場調研和市場預測能力，實現教學目標的要求，構建了包括課程設計、計算機軟件應用、案例教學、課外實踐教學等方式相結合的實訓、實踐教學體系式。
4教學內容、教學模式，考核考試方式、實訓，實踐改革操作初步設計
4.1教學內容、教學模式初步設計根據作為商學院的經濟管理、商務管理、市場營銷等專業特點和培養應用性能力原則，我們將教學體系分為市場調查和市場預測兩部分考慮，再分別從理論和實踐部分進行設計。
4.1.1市場調查部分①市場相關概念、市場類型等相關教學內容介紹。②市場調查的主要內容指標介紹討論。主要內容包括市場環境（宏觀、中觀、微觀）、市場供求、銷售潛力、消費者市場、顧客滿意度、生產者市場、銷售潛力、產品市場、產品銷售市場分析、產品品牌、廣告等市場調研內容的指標體系提示討論。③市場調查方案、方式方法介紹。主要內容包括市場調研方案的設計，市場普查、重點調查、典型調查、抽樣調查等，文案調研法、觀察調研法、詢問調研法、實驗調研法，還增加網絡調研法。④數據收集與整理理論教學，回顧統計基礎計算知識，EXCEL、SPSS軟件簡單常見功能介紹。⑤實踐教學部分設計初步。在第一堂課的時候，就將學生按自由組合的方式，以6～8人為一組，成立“模擬調查公司”，并讓學生為自己的公司取一個名稱，確定公司總經理及內部人員分工。在成立公司之后，告訴他們，先學理論知識，在學完市場調查的相關知識后將讓他們以模擬公司為單位，開展一次真實的市場調查活動，并且每個公司要完成一份調查報告，還要在課堂上來介紹分享自己的調查過程和調查結果。期望讓學生以這種特有的身份投入到學習中來，以提高他們的學習興趣，并且通過實際體驗，更好地理解和掌握理論知識，也希望真實的調查活動能激發他們認真學習的興趣。在調查過程中主要讓學生體驗幾種調查方法：文案調研法、觀察調研法和詢問調研法。讓學生根據本組確定項目設計調研過程。過程中將涉及調查方案策劃、調研方法、時間安排、資料整理與分析、調查報告撰寫等一系列環節。通過真實的調查活動不僅能加深學生對理論知識的理解。還能在活動中提高他們的團隊合作能力、人際交往能力、思考問題和解決問題的能力以及口頭表達能力。課堂情景模擬。觀察調研法、詢問調研法兩種方法可采用課堂模擬教學。數據的收集與整理。對調查部分的數據進行處理，包括圖表在EXCEL、SPSS等軟件中的制作。提出調查報告，進行PPT概述介紹。
4.1.2市場預測部分①預測理論學習。包括預測相關概念、類型，對于我們學院學生主要從定型預測方法的學習討論和定量的時間序列、相關回歸預測、抽樣調研的基本估計進行教學。②實踐教學。觀看頭腦風暴的視頻，看后確定學生關注熱點話題進行模擬頭腦風暴，讓學生切實了解頭腦風暴的相關概念、操作步驟、實際應用的意義。引入上機實訓，提高學生利用計算機處理數據的能力。筆者設想在講授市場預測的內容時引入上機實訓。根據一些簡單數據預測未來的數據走勢，設計簡單模型。
4.2考核考試方式初步設計
《市場調查與預測》考試改革先采用班級試點的形式開展，實際操作成熟后進行推廣至全部班級。主要采用能力測試為導向的考試方式。改革方案的總體思路是成績分兩個學期進行評定，最后合成本課程的成績，最后按比例與平時成績合成總成績，分段測試的內容如下：
4.2.1第一學期,創業計劃書撰寫大賽階段根據問卷設計、創業計劃書市場調查問卷設計及實際調研報告撰寫情況進行能力評估。由班級內部對市場調查與預測部分撰寫情況進行評定，分5等級進行，即優、良、中、及格、不及格，其中，90分（優秀）以上按10%的比例進行，80～90分（良好）按20%的比例進行，其他不限比例。
4.2.2第二學期,市場調查校外實踐階段調研方案再加工，校外調查效果，調查報告再加工能力評估。成績評定應根據調查方案和調查問卷設計、調查數據分析與報告寫作測試、市場預測分析與報告寫作測試的質量、篇幅大小、觀點（結論）是否正確，分析方法是否科學，內容是否完整、要素是否齊備等評定成績。以上各階段以100分為滿分，按完成情況，由教師和學生組成考評小組進行審核打分。
4.2.3平時成績，主要用到課率來衡量。平時表現不及格者，期末成績不予認定，作缺考處理?？傇u成績=第一學期創業大賽成績、第二學期評定成績均值×70%+平時成績×30%
5市場調查與預測課程的改革效果
市場信息（數據）獲取、處理與分析能力；調查方案與問卷設計能力；調查分析報告所撰寫能力；市場預測分析與建模應用能力；市場預測報告撰寫能力。學生應用能力和綜合素質得到了明顯提高，也培養了學生的團隊精神，鍛煉了學生獲取相關市場、產品等方面信息的能力，口語表達能力、發現問題、分析問題、解決問題的能力。
5.1課程改革效果
5.1.1提高學生獲取數據、處理數據、分析數據與建模的能力。
5.1.2提高學生軟件使用能力，特別是Excel的統計功能，大部分學生能利用Excel進行數據處理、生成統計圖表，建立簡單的預測分析模型；部分學生對SPSS軟件應用能力也有一定的提高。
5.1.3提高學生市場調查方案撰寫和調查問卷設計的能力，大部分學生能設計出較好的市場調查方案和調查問卷，解決實際工作中遇到的難題。
5.1.4提高學生市場調查分析報告、預測分析報告的寫作能力，大部分學生基本掌握了調查分析報告、預測分析報告的寫作過程、技巧、方法和要求。
5.1.5鞏固了學生所學的其他專業知識，較好地解決了知識轉化為能力的問題，通過市場調查、預測模擬等實踐，真正整合了《管理學》、《統計學》、《市場營銷》等學科知識。
5.1.6通過教學改革，我們正在將《市場調查與預測》申報為云南省精品課程。2012年由王召寶完成本校商學院輔導員工作情況調查報告、學生參與完成本校商學院班級管理情況調查報告，成果提交學校相關領導，為學院學生管理工作提供決策依據，本年度商學院被授予“平安學院”；經過本門課程的實踐，對學生參加創業大賽起到一定的幫助，據學校相關就業統計數據，參與省級、國家級“挑戰杯”創業計劃大賽等競賽的獲獎大學生就業率100%；2013年參加云南省“高等職業院校技能大賽”高職組市場調查分析比賽（主辦方未公布最終結果）；2014年榮獲海峽兩岸市場調查大賽一等獎。另外，由于該院學生數學基礎較差，學生很難通過筆算掌握本門課程預測定量計算題，經過考核方式改革，改變了過去出卷考試計算題空檔而導致分數不高的尷尬局面。
5.2課程改革小結與不足
在XX年上半年，從總體來講，日常的數據采集依然占據了很大的比重。在數據錄入方面，我依然嚴格要求自己，在保證速度的同時做到準確錄入。在上半年，我參與了第一季度數據報告以及5月份月報的撰寫，雖然是常規數據報告，我依然不敢松懈，盡力做到一遍通過，不犯低級錯誤。
另外，在日常工作之余，也向周*學習了專刊考核方面的工作?？己斯ぷ鲗ξ襾碚f并不陌生，因為以前曾經也接觸過，考核規則簡化之后，上手更加容易。主要是做到耐心細致就不會出錯。
那么，本年度除日常工作外，應中心領導要求，每日由廣告部渠道組提供當日未到達名單，由李*和我輪流在系統中查詢最后一次投放本報的時間。廣告部渠道組提供名單并不細致，加大了查詢工作的難度，希望日后通過有效的交流和溝通，雙方可以達成統一，提高工作效率。
二、調研項目
人才招聘行業調研報告：年初，在報社領導的指示下，我和祁*共同完成了人才招聘行業的專項調研報告。本次報告通過對全國人才招聘行業的仔細研究，包括全國媒體人才招聘廣告投放情況與沈陽地區媒體投放對比分析，沈陽地區自身招聘行業的特點以及報紙、網絡、人才市場等多個方面的深入分析，在金融危機的影響下，對XX年招聘行業情況做出了有預見性的預測，并驗證了領導的想法。通過撰寫此次報告，使我的思路更加開闊，學到了很多東西，也掌握了一些撰寫專項分析報告的技巧，對我日后撰寫某個行業的專項報告有一定的幫助。在這里感謝主任對我和祁*的信任和指導。
**電器調研項目：4月份，在領導的指示下，我們與**電器一起合作了一次關于家電行業的調研活動。本次調研方式為街頭攔訪。關于問卷，個人認為，由于街頭攔訪形式比較特殊，被訪者是在行走過程中，問卷題目應該盡量短小簡單。本次問卷題目一共26道題目，包括單選、多選以及復合題目，a4紙打印需要三張。在訪問過程中，感覺有些繁瑣冗長。被訪者大多覺得題目較多，一張問卷訪問下來，大約需要10分鐘的時間。就日后的調研來看，個人認為，街頭攔訪問卷一般題目在10-20個問題，a4紙打印2張，訪問時間控制在5-8分鐘左右為宜。過長會導致被訪者的厭煩情緒，在問卷的最后容易隨便糊弄了事，影響調研的準確性。雖然調研中有這樣和那樣的困難，但經過全體項目人員的努力，本次調研項目執行到位，保質保量的完成了任務，達到預期要求。
版面監測調研：4月份，與**市場研究公司合作開展了“XX年第一期版面監測調研項目”。針對項目執行過程中的各個環節嚴格把關，務求使版面調研數據的真實準確。并在6月初召開了報告講解會。本次報告在原有基礎上增加了定性研究與版面的直觀對比，對各部們領導解讀報告起到一定的作用。
客戶滿意度調研：6月末，在集團要求下，和祁*一起完成了《XX年上資:料;來/源,于gzu521學:習;網 gzu521.com半年客戶滿意度調研報告》，為經營工作考核提供了一定的數據依據。
發行調研：在XX年初，發行調研已經全部由市場部獨立進行，每月進行一周。雖然人員有限，但市場部人員盡出，保證了發行調研的按期進行。就發行調研本身來說，個人認為，由于選擇攤點過少，每期報告不免單調重復，在XX年下半年應當改進調研方式，不再單純進行要報銷報的數量，要在原有基礎上有計劃的進行較為深入的調研。這樣可以使得發行調研更加具有指導意義。
三、活動配合與外出培訓
在上半年，市場部配合房產?？窟M行了“購房消費卷”活動，在活動結束之后，為領導撰寫了《春暖花開購房消費卷報告》，報告以漫畫等幽默的方式展示了華商晨報“購房消費卷活動”，并對其他媒體在房產行業方面的政策以及地產商投放廣告心態進行了分析，得到了領導的認可。
另外，在5月末，在中心領導的指示下，深入研究了**活動，在查閱了大量資料，并在部門主任的指導下，撰寫了《****》活動策劃報告。通過此次報告的撰寫，讓我自己所從事的工作的認識更加深刻，了解到自己的工作思路要依據數據而不局限于數據。作為市場部的一員，我要更加鞭策自己，拓展自己的思路與眼界，放眼市場放眼全局。
在5月，我有幸赴北京參加了 “市場研究基礎知識培訓”。本次培訓主要是數據基礎分析與處理，在介紹了我們日常工作常用軟件execl的同時，講解了專業的數據統計軟件spss的基礎操作。這次學習機會對我來說相當珍貴，而這次培訓也對我日后的工作有了很大的幫助，希望在接下來慧聰所舉辦的一系列培訓中依然可以去學習參加，提高自己的分析水平，業務能力。
四、展望
隨著信息技術的發展以及計算機的數據存儲和處理能力的提升，數據分析技術的應用領域逐漸拓展，各種技術也日趨成熟。目前，在數據挖掘分析技術上已經形成了較為完備的體系，在大多數行業的業務數據分析領域已經形成了固定的技術模式。
1數據源準備
數據源是數據分析技術應用的重要前提，數據來源關系到各種業務分析所需要的數據是否齊全、原始數據質量是否可靠、數據提供的性能方面是否滿足相關要求等。對于不同的行業領域，數據來源的渠道各不相同，對于數據分析應用而言，也需要在眾多的數據中選取合適的部分進行后續加工和處理。對于大多數信息化技術應用比較廣泛的企業而言，主要的業務運營數據源都可以從自身的信息管理系統中取得，如業務支撐系統、企業資源規劃和管理系統以及流水線作業信息管理系統等。有部分數據信息是從非常專業的系統中直接采集到的，如專業調度系統、電話交換機以及生產線控制系統等。從這些系統中，可以取得企業運營過程中的基礎信息和關鍵數據，這些數據通常是最能真實客觀地反映企業運行情況。此外，數據獲取的成本也比較低，穩定性和質量比較好，并且易于管理和重構。然而，就經營分析的角度而言，從企業內部提供的數據還不能滿足全方位分析的需要，需要從企業外部獲取必要的信息。比如為了深入了解客戶的信息，就需要進行相應的市場調研工作，設計一些調查問卷，搜集與業務開展和經營相關的重要信息。另外，在某些特定的場合下，還有可能還需要從其它一些外部渠道去集中獲得一些有關客戶和市場的數據信息，目前有不少機構專門從事市場信息數據提供的服務工作。從企業外部獲得的業務數據往往是針對性較強，有較高利用價值的信息。但這些信息的真實性、穩定性程度就比內部的數據源要低，并且數據獲得的成本相對比較高。
2數據倉庫技術的應用
目前，數據倉庫技術對于大多數經營業務數據分析任務而言，是必備的基礎條件之一，尤其是對于規模較大、業務開展較廣泛的企業。由于日常運營涉及到的數據來源和種類較多、數據量較大，在進行數據分析處理時需要對原始的信息進行大量的加工處理工作，因此數據倉庫技術的應用就是必然的選擇。應用數據倉庫技術的主要目的是將原始的數據源按相應的要求進行轉換并按專門設計的數據結構進行存儲。數據倉庫技術對原始數據加工處理流程目前一般稱為ETL，即抽取(Extract)、轉換(Transform)和加載(Loading)。抽取過程是指從各類原始的數據源獲取數據的過程，綜合考慮信息系統的處理性能和數據時效性以及分析應用需求等因素，數據抽取過程可以是實時的，也可以是非實時的。對于抽取出的數據需要進行一定的轉換處理，才能夠進行后續的應用，轉換過程主要是根據后期應用需求將原始的數據進行過濾、異常處理后再進行格式變換、維度調整以及初步分類匯總等處理。數據加載過程就是將處理后的數據裝載到倉庫模型中，并根據應用需求進行數據關聯關系的調整以及性能優化。在一些專題分析應用場合，還可以將已經加載至數據倉庫中的數據進行進一步的歸納處理，形成相關主題的數據集市，以提高數據的可用程度。
數據分析方案的設計和實施
數據倉庫建設完成之后，為了實現業務分析的目標，就可以考慮實施一些數據分析方案，選擇合適的分析方法和工具建立相應的模型，對數據進行處理，最終得到能夠支持業務經營分析的關鍵信息，這一步對于整個業務數據分析工作而言是一個關鍵點。數據分析建模工作不僅需要掌握相關分析方法技術，更需要對業務背景和業務分析目標有充分的認識。因為數據分析挖掘建模方法沒有嚴格的定律可以遵循，往往需要在實踐中運用一些基本的方法去探索影響業務目標的關鍵因素，并且需要長期跟蹤業務發展情況，不斷地完善模型、調整相關參數，才能夠得到能正確輔助經營決策制定的方案。此外，隨著業務運營模式的調整和市場環境的變化，業務分析模型還可能隨時需要重構并且反復驗證。目前用于數據挖掘分析的方法有很多，從基本的數理統計方法到目前研究比較廣泛的神經網絡、遺傳算法等。但是并不是越復雜的算法效果越好。在很多場合下，應用較為簡便的方法得出的結論更易于描述業務信息，便于理解以及實踐操作?，F在市場上用于進行數據挖掘和統計分析產品也比較豐富，比較典型的分析工具如SPSS、SAS、STAT等，在一些行業應用領域，還有更加專業的數據分析工具和軟件包可供使用。在實際運用過程中，可以根據數據分析的需求和應用范圍進行選擇。
互動點播業務的業務分析需求
以及數據分析方案設計目前，有線電視運營商在互動點播業務開展過程中關注最多的經營目標是如何提高用戶對服務的認可程度、擴大用戶規模、避免用戶流失以及提升用戶的業務貢獻價值等方面。在這個過程中同時也需要對點播內容的使用情況進行分析，判斷哪些產品的點播頻率比較高，以便進行內容安排方面的調整。為了支撐互動點播業務經營分析的目標，首先需要初步選擇可能對點播業務使用頻率影響比較大的一些關鍵性因素，并且判斷哪些信息是有手段可以收集到的，以及從哪些渠道收集等等。這個過程通常需要對基礎業務有一定的認識，此外還需要對信息數據的分布和管理有相應的了解。通常情況下，對于大多數有線電視運營商而言，目前都在建設和使用業務支撐系統。互動業務分析所需要的基礎信息大多數都可以從業務支撐系統中獲取，例如從客戶關系管理平臺中可以收集到用戶的基本信息，如客戶名稱、聯系方式、業務使用的地址等。另外，客戶開通的業務信息以及訂購的各種產品信息、業務變更記錄信息以及終端信息等基本上都可以從業務支撐系統中獲取到。經過一些信息轉換和匯總，我們就可以了解到用戶業務的在網時間、消費情況、訂購記錄、離網情況等。從這些基本信息里面可以選擇一些業務上感興趣的因素進行統計分析，以歸納總結出經營分析相關的業務特征。對于互動點播業務相關的另外一些信息，如客戶的點播行為記錄，一般就不是直接從業務支撐平臺上進行采集到。這些數據的來源通常是在互動業務管理平臺中，用戶在終端上進行點播操作后，互動業務管理平臺會記錄下與用戶點播操作相關的信息。從這些記錄中，我們可以了解到用戶的點播時間、點播內容、收看時間等等。根據點播的內容，可以在互動業務內容管理平臺上關聯到其價格、類型、上線時間等信息。綜合上述信息后，就可以整理出互動點播業務的使用記錄，通過統計分析可以發現用戶點播的時間、內容偏好和使用量發展趨勢等數據，這些數據可以幫助判斷系統的容量以及內容的受歡迎程度等信息。最后，為了綜合評估互動業務的發展情況，發現與業務分析目標關聯較大的一些因素，可以綜合用戶的業務記錄信息和點播使用情況進行模型構造，并且對結果進行驗證和評估，以得到對決策分析有價值的信息。
互動點播業務的數據分析方案的實施應用
根據業務數據分析基本方案設計的思路，可以著手開始實施相應的分析方案。在本文中主要介紹兩類數據分析應用案例，一個是基于基礎點播行為數據進行的統計分析應用，另外一個是根據用戶點播行為數據以及基礎業務數據綜合分析影響用戶的互動業務在線情況的因素。
1用戶點播行為數據分析案例
為了了解點播業務的使用情況，可以根據用戶的點播行為記錄進行數據挖掘分析，以實現總結互動點播內容、時段和使用量趨勢等業務特征的分析目標。根據方案設計的結論，從互動業務管理平臺中可以取得這類業務分析所需要的全部源數據。但是，互動業務管理平臺中的點播記錄通常全部是以文本記錄的方式保存的，并且由于點播記錄的數量較大，一般按照記錄數量或者時間間隔進行了拆分。為了利用這些信息就有必要進行相應的數據抽取轉換工作。在實際應用中可以使用預先設計的腳本定時從互動業務管理平臺中進行數據的抽取，然后經過簡單的類型變換后加載至數據倉庫中。為了達到分析目標，主要抽取的信息有產生用戶點播記錄的用戶ID、點播內容的代碼及分類信息、點播的開始和結束時間等等。原始的點播記錄信息轉換后，就可以進行下一步的主題分析準備了，例如可以按照點播的時段、點播的內容，以及用戶區域等信息進行不同維度的數據分析。圖2是對互動點播類業務按每日播頻率進行的一個分類統計后用SAS統計工具生成的圖形，在生成統計數據前需要從原始數據中分離出點播時段信息，并行分類匯總。從圖2中可以發現，點播頻率在一天之中的大致分布規律。從點播總量上看，每天點播頻率最高的時段是在18:00至22:30左右，峰值在21:00到22:00左右出現，此外在中午12:00左右也有一個高峰時期。點播頻率最低的時段大約在3:00至5:00左右。根據每天點播業務頻率的分布情況，可以進行相應的網絡容量分析，比如通過業務高峰數值可以評估出互動點播平臺的并發容量是否足夠。另外，根據每日點播頻率的分布特征，可以安排相應的業務運營工作部署。例如在業務高峰時段可以集中投放一些廣告、通知信息，而一些系統割接和調試工作盡量應安排在使用頻率較低的時段內進行。如果需要了解一些特殊的節假日的點播頻率分布特征，可以在原始數據中進行重新過濾篩選，生成類似的頻率分布圖并與圖2進行比對，然后分析其特點。從互動業務點播數據還可以按內容代碼維度進行分析，以統計出與互動視頻節目內容相關的數據，也可以將不同維度的數據進行組合分析，進一步挖掘出業務方面感興趣的信息。
2影響互動業務用戶在線狀態因素的綜合分析案例
互動業務經營分析的另外一個重點就是用戶的流失特點分析，其目的在于找到影響用戶在線狀態的主要因素，并且根據這些信息和目前的業務狀態去預測未來一段時間內可能流失的用戶情況。另一方面可以針對影響用戶在線狀態的主要因素實施有針對性的市場營銷策略，盡可能避免用戶流失情況的產生。此外，在通過分析影響互動在線狀態的主要因素后，也可以從中發現進一步發展擴大用戶規模的一些線索。為了實現上述業務目標，首先需要確定分析數據來源。由于是綜合因素分析，首先需要使用業務支撐系統中用戶的互動業務狀態變更信息以及其它一些屬性特征信息。此外，用戶的點播行為數據也是一項重要的數據源，因此也需要引入到模型中。由于最終目的是需要分析影響用戶在線狀態的主要因素，而在某一個觀測時間點用戶的在線狀態一般認為是一個二值型的變量，因此可以使用邏輯回歸(logisticregression)方法進行建模。然后將在此時間點前一個時段的用戶點播次數、用戶的在網時長、終端特征等作為自變量。在本案例中，按照某一個時間段內用戶在線狀態是否發生變更這一特征，選擇一個用戶的樣本使用SAS軟件的proclogistic過程進行分析。SAS的分析報告中還給出了模型的相關參數以及各變量的參數估計情況。根據分析結果中的卡方值和P值可以了解模型對數據的適配性和穩定性。從分析結果給出的參數估計信息中可以了解不同自變量對于互動用戶在線狀態的影響情況。用戶的點播次數、在線時長以及終端屬性等參數都會影響到用戶的在線狀態。從參數估計中可以看出點播次數較高的用戶，其流失的比率相對較低，另外使用高清互動終端用戶流失率也相對較低，并且終端類型因素有較高的預測能力。在網時長似乎對用戶的在線情況影響不大，但實際建模的過程中需要考慮套餐贈送的情況，因此最好重新調整參數模型后再進行分析。根據分析的結果可以得出相關的結論，互動用戶的點播頻率越高，其連續使用的可能性就越大，并且使用高清終端用戶連續在線的概率比使用標清終端的用戶更大。因此在后續的分析過程中就可以預測目前點播頻率較低的用戶流失的風險較大，在進行針對性的營銷活動時就可以設法引導用戶更多地進行互動業務的體驗，并且鼓勵其進行終端升級，以提高這部分用戶在線的概率。當然在分析過程中可能會發現一些使用頻率非常高的用戶意外流失了，這就值得進一步跟蹤分析，因為很有可能這些用戶選擇了競爭對手提供的類似服務。
一、安全就是大數據的事
傳統信息安全的核心是一個“防”字，就像是為了保證安全給房間裝上門、窗和鎖。門、窗和鎖雖然是必可不少的安全裝備，但是在大數據時代，您不覺得在房間里多安裝一些“攝像頭”會更加保險嗎?北京瀚思安信科技有限公司(以下簡稱瀚思安信)就是一家專門做“攝像頭”的大數據安全分析公司。攝像頭只是一個比喻，其實就是借助大數據工具，對企業內外部所有相關的數據進行分析，找出傳統安全工具無法發現的安全漏洞，從而改善企業的安全狀況。
從防御到偵測和響應
IDC預測，到2020年，全球信息安全市場的規模將達到500億美元，云安全、互聯網安全和大數據安全是信息安全市場的三大支柱。大數據安全就是通過分析的手段實現安全的智能化。它是未來保證企業安全的重中之重。
傳統的信息安全策略是基于簽名和規則的安全模型，對已知的各種安全威脅進行防御。但是在云計算、移動化等趨勢出現后，傳統的安全邊界正在被打破。早在兩年前，Gartner就已經預言，安全的邊界會越來越模糊，大數據將成為解決安全問題的關鍵所在。
“隨著安全威脅的增多，以及安全攻擊變得更有針對性，企業已經不能再依靠傳統的安全設備的簡單組合，就像門、窗和鎖那樣應對所有的安全攻擊了。”瀚思安信聯合創始人董昕分析說，“利用大數據解決安全問題并不是紙上談兵，而是已經有了實實在在的產品和解決方案。”美國硅谷已經出現了很多從事大數據安全分析的公司。在中國，瀚思安信沖在了前面。
信息安全1.0時代的特征是以防御為中心，它的基礎是基于規則和身份驗證的安全模型。但是現在，傳統的安全手段已經無法有效應對日益增長的高級可持續攻擊和內部安全攻擊?，F在已經步入信息安全2.0時代，其特征是以偵測和響應為中心。現在也是大數據在安全方面真正發揮作用的時候了。
Gartner的數據顯示，過去，企業將安全預算的90%投入在防御方面，而今后60%的安全預算將用于偵測與響應。大數據將完全改變安全市場的規則。上一次信息安全市場的大變革發生在1998年，轉折點是網絡安全取代了單機殺毒。Gartner認為，現在，大數據給安全領域帶來的變革比上一次安全變革的意義更加重大，影響也更加深遠。
大數據安全不是紙上談兵
雖然公司成立不久，但瀚思安信基于大數據分析的下一代安全信息分析系統HanSight Enterprise已經在銀行、公安等關鍵行業客戶那里得到了部署。董昕舉了個例子，國內某銀行的網銀系統采用瀚思安信HanSight Enterprise，每天分析1TB的日志數據，通過算法和模式識別的方式，找出了很多以前用戶沒有發現的內部和外部的攻擊。
“我們遇到的或刻意尋找的客戶都是已經在安全方面有了較大投入的企業，它們很清楚自己的安全問題所在，而且知道必須采用新的方法去解決?！倍垦a充說，“采用大數據安全分析解決方案的企業，首先必須部署一個比較完善的安全防護體系，防火墻、入侵檢測系統、防信息泄露系統等要一應俱全。在這種情況下，企業還要有分析大量數據的需求，比如1TB以上的數據，這樣才能更充分地發揮像HanSight Enterprise這樣的產品的能力。不過，使用HanSight Enterprise并不需要掌握復雜的技術，普通的IT管理員就能勝任操作和管理工作?！?/p>
Gartner預測，到2016年，25%的全球大型企業將部署大數據分析系統，專門應對信息安全或網絡欺詐，而今天這一比例僅為8%。企業在部署大數據分析系統的前6個月就可獲得有效的投資回報。
目標是大企業
談到公司的定位，董昕表示，大數據分析與安全在瀚思安信身上實現了有機統一。一方面，瀚思安信會基于Hadoop等不斷提升大數據的處理效率;另一方面，瀚思安信還會將大數據處理工具與企業的業務關聯起來，用于安全分析。
解決大數據時代的安全問題，瀚思安信的理念是“數據搜索+安全分析”，具體來說包括存儲和索引、搜索和檢測、機器學習和模式識別、安全知識庫、監控和告警、報表和分析等六大環節。
瀚思安信目前只有21個人，其中18個是工程師。新產品開發對公司的發展來說至關重要?，F階段，瀚思安信只有兩個產品：一個是免費版的企業級日志管理系統HanSight DataViewer 2.0，它是基于業界較成熟的分布式生態系統Elasticsearch開發的企業級日志管理平臺，支持100TB數據量，提供搜索、大規模日志分析和可視化等服務;另一個是HanSight Enterprise。董昕希望用戶通過試用免費版的企業級日志管理系統，先對瀚思安信利用大數據解決安全問題的思路和想法有一個直觀的認識，然后在企業需要進行大數據安全分析時就可以更好地采用HanSight Enterprise。
HanSight Enterprise具有三大能力：未知威脅的發現能力、安全事件取證和上下文關聯檢索能力、全面安全態勢展現和長周期分析報告能力。董昕介紹說：“正因為有了HanSight Enterprise，我們才可以幫助銀行客戶在秒級的時間里處理8億條數據，并從中發現安全漏洞?！?/p>
HanSight Enterprise的目標客戶群是大型企業。出于數據保密性和數據處理性能的考慮，現在的用戶都是將HanSight Enterprise部署在私有云的環境中?！跋乱徊?，瀚思安信會考慮與公有云服務商合作，讓中小型企業客戶未來也能采用瀚思安信的大數據安全分析工具?！倍拷榻B說，“現階段，我們只能分析IT設備的日志數據。2015年，我們的產品將依靠全量網絡流進行更大規模的數據分析?！?/p>
與傳統安全廠商是互補關系
大數據安全分析產品與傳統的網絡安全產品并不矛盾，兩者是互補的關系。比如，傳統安全設備上的數據也能為HanSight Enterprise所分析。
“在很長一段時間里，我們將與傳統的安全廠商共存。畢竟‘門和窗’是必需的，但只有‘門和窗’已不能解決安全問題，還需要‘攝像頭’，然后對攝像頭采集來的數據進行分析?！倍拷榻B說，“我們與國內的一些安全廠商，比如綠盟、啟明星辰等都保持著密切的溝通?！?/p>
其實，像瀚思安信下一代安全信息分析系統中最基本的日志數據分析功能，其他許多廠商的產品也都有，它們的區別到底在哪里呢?董昕解釋說，雖然很多廠商也在做日志分析，但是它們的產品只能分析自己系統產生的數據，在關聯性分析方面不盡如人意。另外，其他廠商的大數據分析工具在處理能力上還有不足，不能進行全量分析，無法將大數據分析工具的價值全部發揮出來。而瀚思安信的下一代安全信息分析系統是一個企業級的產品，在滿足安全性、合規性和審計要求的情況下，可以實現實時的全量數據的安全分析，無論是數據分析的廣度還是深度都有明顯優勢。
二、數據資產要管起來
數據是有價值的，毋庸置疑。但是，在大數據的概念提出前，又有多少企業真正把數據當成資產去經營、管理和更深入地挖掘其中的價值呢?
數據管理新模式
以前，企業在數據管理方面的實踐最多就是把數據庫中的數據存儲起來，然后適當地做一些分析，用于營銷或提升客戶滿意度，但是這些做法并沒能充分發揮數據的價值。一方面，并不是所有的企業都做了類似的數據管理和挖掘工作;另一方面，數據挖掘的廣度和深度也不理想。
“企業在對一小部分數據進行分析時，可能之前已經扔掉了99%的數據。這是因為有的用戶沒有意識到這些被扔掉的數據具有價值，還有的是因為用戶沒有稱手的工具能夠加工和處理如此龐大的數據量?！眮喰糯髷祿聵I群總經理張灝告訴記者。
張灝認為，未來人工智能的發展可能會進一步促進人們對大數據的有效利用。通過深度的機器學習，系統可以自動幫用戶捕捉所需的數據，其中很多數據可能以前僅憑人的經驗是無法獲得的。舉例來說，現在黑客的攻擊越來越有針對性，威脅無處不在，而僅靠銀行人員的專業知識和經驗來設定安全的規則，已經不能有效防范黑客的攻擊。因此，銀行希望他們的系統具有自動學習的能力，可以通過大數據分析來判斷威脅所在。
針對這樣一種趨勢，企業應該建立一種新的管理思維模式，即數據資產的管理思維。張灝表示，為了讓數據資產管理思維落地，必須做好以下幾件事：第一，企業管理者必須認可數據是一種資產，數據存儲的時間越長，數據可能越有價值;第二，企業內部要建立數據開放、共享的機制;第三，解決相關的技術難題，包括數據的安全性、隱私性等;第四，讓數據流動起來，并建立以流動性為關鍵點的資產管理思維方式，更好地實現數據可視化。
過去，人們通常以現金資產和設備資產來評估一個企業的價值，而未來一定會以企業所擁有的數據資產的量和活性來評估企業的價值。在這個轉變的過程中，數據資產的管理思維是必不可少的。
數據管理的利器
亞信就是數據資產管理思維的倡導者。如今，亞信可以提供包括數據采集、數據處理、分析挖掘等環節在內的大數據整體解決方案。近期，亞信了兩款大數據新品——數據資產云圖和數據資產管理一體機。
所謂數據資產云圖，其實就是一個大數據的挖掘、監測和分析平臺，其上搭載了多種數據挖掘應用產品，包括電商價格監控平臺、產品口碑監測與分析、企業品牌監測與分析等，可根據用戶的需求針對不同類型的數據進行多維度的分析。數據資產管理一體機則順應了當前軟硬件一體化的潮流，是一款集計算、存儲、網絡、大數據平臺軟件、大數據分析應用軟件等于一體的集成化解決方案。它基于異構計算的理念將應用與硬件進行了深度融合，提供比通用的大數據平臺更強大的數據分析和處理性能。
亞信的數據資產管理一體機采用的是標準化的x86硬件，并基于開源軟件進行了軟件開發。因此，該一體機具有很高的性價比，可以取代國外同類的一體機產品。由于亞信在電信行業擁有多年的開發和應用經驗，尤其是在聚合數據、加工數據方面具有很強的能力，此次的數據資產管理一體機1.0版也在處理電信運營商數據方面表現出很強的實力。不過，這并不代表亞信的數據資產管理一體機就是為電信一個行業量身定制的。從其底層數據的處理能力來看，它還是一個適用于多個行業的產品。“我們希望通過自己的技術專長和對用戶需求的透徹理解，為行業用戶提供一個經過全面優化的軟硬件一體的解決方案，提高大數據處理的效率，而不要讓用戶自己再費心選擇和搭配軟硬件?！睆垶忉屨f。
雖然亞信的數據資產管理一體機可以適用于不同的行業，但是每個行業的需求、應用場景畢竟有所差異。所以在實際使用中，亞信還是會根據不同用戶的特殊需求提品定制化的服務。
轉變思維
張灝強調說：“數據資產管理平臺對所有行業用戶來說都是不可或缺的基礎平臺。不過，部署一個數據資產管理平臺和部署一個Hadoop產品有很大不同，用戶需要轉變傳統的管理思維。接受數據資產管理平臺的前提是必須承認數據的價值是因為使用數據資產而產生的，然后才能談到具體如何管理數據資產，對數據進行聚合、分析、加密，并最終從應用中獲取價值。”
亞信是首個在銀行和電信運營商兩個領域里率先提出數據資產管理這一理念的。這兩個行業目前是大數據應用水平最高的行業。這兩個行業的客戶對于數據的可視化、可管理性、數據挖掘等有很大的需求。亞信的數據資產管理方案對于提升行業用戶的大數據應用水平起到了積極的作用。
三、數據交換要有開放的心態
北京騰云天下科技有限公司(以下簡稱騰云天下)高級總監陳星霖向記者介紹說，“騰云天下專注于移動互聯網，目前覆蓋的獨立智能終端超過10萬個，所以在移動數據的采集和分析方面具有明顯優勢?！?/p>
騰云天下在企業和移動應用之間搭建起了一座橋梁，將企業與個人消費者緊密聯系在一起。比如，國內TOP10的股份制商業銀行都是騰云天下的客戶。騰云天下幫助這些銀行通過數據的建模和分析提升了營銷和征信服務水平。
“我們發現，許多銀行客戶非常愿意借助大數據工具改善服務，提升營銷能力。”陳星霖介紹說，“下一步，我們要做的就是擴展業務范圍，覆蓋更多的數據消費場景。”
如今，數據的來源渠道越來越豐富，大量用戶更傾向于在移動終端上進行瀏覽、搜索、數據分析和社交。騰云天下的一大優勢就是擁有大量的移動端用戶數據，可以對用戶的消費行為進行分析，并將分析的結果反饋給直接面向終端客戶的企業用戶，主要包括銀行、零售、快銷、汽車等行業的客戶。陳星霖介紹說：“我們只提供數據和數據分析，而數據與業務應用如何關聯還要由相關的應用軟件開發商來完成。我們的策略是與這些應用軟件開發商進行廣泛的合作?！?/p>
談到未來如何在移動互聯網領域進一步發展，陳星霖表示，騰云天下的一個努力方向是讓數據的來源和形態更豐富，包括線上線下的數據和企業內外部的數據，通過對這些不同來源的數據進行采集和分析，可以了解個人用戶喜好和消費行為。陳星霖舉例說：“我們在與航空公司接觸時發現，它們對于來自于PC和移動終端的數據無法進行關聯和統一的識別。而我們的優勢就是可以打通移動互聯網與用戶生態圈，整合不同來源的數據進行統一的身份認證?！?/p>
為了豐富數據的來源，騰云天下也愿意在一定條件下與相關單位進行數據的交換。這就涉及到一個十分敏感的問題——數據隱私?！拔覀儾粫杉魏闻c個人身份相關的隱私數據，比如身份證信息?！标愋橇乜隙ǖ乇硎荆跋鄬τ谙胥y行這樣在數據交換方面較封閉的企業來說，我們的心態比較開放?！?/p>
一些移動互聯網領域的廣告主希望從更多途徑了解用戶的消費行為，所以愿意在一定條件下將自己的部分數據托管到由第三方可信的機構搭建的數據共享平臺上。來自各方的大量數據可以在這個第三方數據共享平臺上得到聚合、分析和挖掘，最終的分析結果也會反饋給廣告主或相關方?！拔覀兣c一些廣告主也在就此事進行溝通?！标愋橇亟榻B說，“這個數據共享平臺究竟由誰來負責搭建，是由行業內部自行決定的。參與數據交換的廣告主都可以使用這個平臺上的數據，但使用之后，數據就要被銷毀。這種數據共享模式可能會先在某些垂直行業中得到采用?！?/p>
【關鍵詞】大數據 企業管理 機遇 挑戰
一、大數據的定義及性質
大數據，是指涉及的資料量的規模巨大到無法通過目前主流軟件工具，在合理時間內達到擷取、管理、處理并整理成為幫助企業經營決策更積極目的的資訊，亦即它是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。
大數據的特性包括：第一容量大。數據中的非結構數據比結構數據增長快10～50倍，占數據總量的80%～90%。第二格式多。數據具有很多不同的形式，如文本、圖像、視頻、機器數據等，沒有固定的模式且模式不明顯，而且語法或句義也并不連貫。第三價值高。通過對大量不相關信息的提純，可以對未來趨勢進行可預測分析，或者進行深度復雜分析。第四速度快。可以立竿見影的對數據進行實時分析。通過對其特性的分析，可見利用大數據的實質也就在于對大數據內部信息的關聯、挖掘，通過對大量數據的整合和分析，發現新知識、創造新價值，帶來新發展。在新在監管體制日益完善，企業管理制度逐漸固化，資源又日益匱乏的年代，要想利用有限的資源獲得最大的收益，充分利用信息等無形資產提高企業的軟實力至關重要。信息時代的競爭，已經從勞動生產率的競爭轉變為知識生產率的競爭。數據是信息的載體，是知識的源泉。所以，基于知識的競爭，將集中表現為基于數據的競爭，這將成為經濟社會發展的必然，大數據的商業價值也顯而易見。
二、大數據時代企業管理的機遇
那么，大數據時代的企業管理會得到哪些前所未有的機遇呢？
（一）從大數據中充分及時的挖掘顧客的需求
大數據的出現使得人們不再需要通過調查問卷等形式來了解客戶群，對大數據的利用和整合使得人們能清楚地看到顧客的偏好。比如，在網絡購物盛行的今天，我們經常在郵箱中收到根據我們的偏好所推薦的產品等信息，而這些偏好信息從哪里來，當然是根據我們在網絡購物中所瀏覽的產品、收藏的產品以及訂單購買的產品。而商家通過網絡平臺，可以很輕易的收到這些信息，根據這些信息，不僅可以向顧客推薦降價優惠產品，也可以調整自己的生產庫存量，產品設計傾向，還可以在顧客的消費評價中找到需要改進的地方。在這種情況下，與其說是方便了消費者，更是為商家提供了一條捷徑。
（二）針對客戶的需求和評價隨時對產品做出改進
對大數據的應用和分析可以使生產者們可以了解到顧客需要什么以及什么時候需要，針對他們對已購買商品的評價可以對已生產的產品做出改進，針對產品需求的發展趨勢可以對做出新的產品設計。最重要的是，這些信息通過大數據是可以及時收集到的。所以，在現代的消費者導向市場，對大數據的應用更是勢在必行。當然，大數據對于生產者的有用性，不僅適用于線上產品生產商，同時也適用于線下產品生產商。也就是說，獲取大數據信息既可以通過直接的途徑，也可以通過間接的途徑。
（三）尋找新的市場和商業機會
通過利用大數據，企業甚至可以預知顧客尚未提出的需求，而這通過企業掌握的數據模式和回歸分析即可實現。大數據也可以幫助企業發現哪個市場適合首先推出新產品。
（四）高效節約的組織管理企業
通過對企業所掌握的大數據的分析，可以輕易地發現組織管理中效率較低的地方，從而改進目前的管理制度設計和方法，使得企業管理變得更加高效。特別是在物流業中，將道路狀況、交通信息和天氣條件以及客戶的位置結合起來進行配送安排，可以大大減少資源的浪費。比如，沃爾瑪的成功即源自于其對大數據的成功應用，它的采購、庫存、訂貨、配送和銷售已實現一體化，在節省很多時間的前提下，加快了物流的循環。高效的運行效率，使其總是先人一步，進而從激烈的市場競爭中脫穎而出。
（五）加強企業風險管理
對企業經營的各個過程進行風險預測、風險監督和風險控制是企業管理的一個重要方面。利用大數據，可以針對企業的生產經營以及接觸的客戶或供應商確定其風險類別。特別是在保險業，對大數據的應用可以確定客戶在未來可能的損失，幫助保險公司以恰當的價格和時間范圍為客戶提供恰當的產品，并降低索賠成本和避免客戶騙保行為。當然，在除了保險業以外的其他行業，該項技術應用都是非常有用的，對于向外界提供貸款的金融行業來說，利用大數據對客戶進行全方面分析，也是當務之急。
三、大數據時代企業管理的挑戰
大數據除了為企業管理提供了很多機遇，又為企業管理帶來哪些挑戰呢？
全球各國企業對大數據應用的迫切需求，也突顯出了一個嚴重的問題，就是各國普遍缺乏數據科學家，國內對大數據的應用雖然才剛開始，但也需要面臨這些重大挑戰。
（一）數據分析人才不足
企業對于大數據的應用首先要對大數據進行處理才能實現，而在對大數據的處理環節，數據科學家是能否點燃大數據價值的關鍵。通過數據科學家對數據關系的重新建構，賦予數據新的意義，才能為企業所利用，構筑企業核心競爭力。
但是，成為合格的數據科學家，必須同時具備3種能力：一是熟悉數據分析工具操作。二是熟悉企業業務運作細節。三是具備數據勘探知識。所以，可以同時具備這3種能力專長的人才，還是非常稀缺的。目前國內所有的數據分析師，他們都擅長于為已經發生的問題找出問題源頭并排除問題，卻大都缺乏發掘未知問題的能力。所以，企業在對大數據進行處理的過程中，大多需要國外顧問飛來國內解決問題，而這所花費的時間與成本，也讓大數據處理的效益大打折扣。更根本的是，國內的企業長期以來對于數據的價值都沒有充分的認識，也沒有依賴數據做出決策的習慣，甚至很多還忽視數據的存在，所以，很多企業都沒有長期性的保留數據與應用數據的計劃，這也使得數據分析的前提都難以滿足。
（二）數據存儲能力的限制
從大數據的定義中可以知道，大數據是指所涉及的數據量的規模巨大到無法通過人工在合理時間內進行獲取、管理、處理并整理成為人們所能解讀的信息。視頻作為數據體量最大的一部分，數據量也正以55%的速度逐年增長。目前單節點的存儲設備已無法滿足很多企業巨大數量的視頻監控數據的管理需求，其發展也很難跟上數據的增長速度。目前視頻文件的存儲主要存在以下三個問題：第一存儲設備管理接口不統一。第二存儲資源的管理和分配制度還需補充完善。第三以文件系統為核心的數據存儲方式存在很多弊端，例如，寫文件會導致文件系統元數據區頻繁的持續更新，從而導致文件系統的元數據區被損壞，進而導致文件系統不可用。視頻存儲的重要性因其作為圖像數據和報警事件記錄的基礎載體不必多說，其存儲的需求已經不是一臺或幾臺設備就能夠滿足，我們需要的是建立一個平臺來作為解決方案。但是這些條件，目前還難以滿足。
（三）數據安全的隱患
雖然海量信息的集中存儲會使數據的分析處理更加便捷，但在管理不當的情況下，反而容易導致數據泄露、丟失或損壞，繼而使得企業利益遭受重大損失。數據安全的威脅長期存在，研究表明，目前在泄密事故中由內部人員所導致的泄密事故占75%以上，雖然通過管理制度規范、訪問控制約束以及審計手段威懾等防護措施能在很大程度上降低內部泄密風險，但在個人靈活掌握終端的情況下，這些防護手段仍然很脆弱。一旦終端信息脫離組織內部環境，泄密情況就很可能會發生。所以，為了保護信息的安全，必須采取更完善的措施對信息進行加密，才能實現整個信息生命周期的有效保護，從根本上解決數據泄密的問題。
綜上所述，對于企業來說，大數據既是機遇也是挑戰，大數據中所潛在的巨大價值必然會掀起一場商業模式和管理決策的深刻變革。企業在大數據時代為了獲得領先優勢，必須轉換思維，變革管理模式，充分、有效地利用大數據，挖掘其中蘊含的附加價值，力求在瞬息萬變的全球化經濟環境中贏得競爭，發展壯大。
四、如何在企業管理中正確應用大數據
大數據的興起會顛覆既有的企業管理體系。簡單的來說，大數據就是打破存儲壁壘，對企業多年積累的業務、財務、市場和人事等方面的信息進行深入挖掘和分析，從而發現阻礙業務發展的癥結所在，從而對癥下藥，解決問題。
（一）財務管理中大數據的應用
在大數據時代，首席財務官的工作職責已經從管理財務延伸到企業整體績效的提升。他們可以利用各種數據分析工具對企業進行分析，從而將有限的資源配置在高增長領域，并且制定行之有效的財務流程對企業進行現金流管理、兼并管理及風險管理等。
以前，企業在大力推行財務管理的信息化和標準化時，主要強調要內部統一標準的建立，以確保財務和業務信息的統一。但在大數據的條件下，由于數據采集和分析的工具更為先進，在數據格式不統一的情況下仍能對其進行高效分析，這也就為原本信息基礎架構很差的企業提供了轉型升級的機會。
此外，在大數據時代，企業財務轉型升級的大勢所趨是管理會計與財務會計的融合。如今在數據環境下，財務領域的不斷崛起會是企業在激烈的市場競爭中的最強有力的支撐者，而財務也是最擅于從大數據里發現未來發展機遇和趨勢的開拓者。管理會計與財務會計的融合必能使得財務成為數據挖掘利用的強者，一方面為企業經營管理者作出決策提供科學依據，另一方面也為企業面對大數據的沖擊提供了有利武器。
（二）人力資源管理中大數據的應用
全球范圍內大數據處理技術應用的迅猛增長，將整個社會推動進入到大數據時代。而大數據處理技術本身也將成為中國人力資源管理與招聘行業制勝的重點。近年來，在人力資源管理與招聘行業中，以大數據技術為支撐的產品和解決方案在全球范圍得到了快速增長。人力資源行業企業開始通過出售經過分析處理的商業報告來獲取收益，這種新的商業模式的出現就是基于對商品化的大數據的應用。與此同時，人力資源管理與招聘行業的大數據處理技術還得到了一些歐美政府部門的注意。據此，伴隨大數據時代的來臨，中國的人力資源管理與招聘行業也會而告別過去依靠市場投入驅動增長的粗放發展模式，進入以技術競爭，尤其是以大數據技術為代表的高壁壘競爭時代，從而使這個行業的發展更加成熟。
事實證明，利用大數據下研發的智能系統可以幫助人力資源管理從經驗模式逐步轉化為事實數據模式，從而讓人力測評逐漸由主觀經驗測評轉向數據建模測評，測評結果也將更加客觀可靠。而所謂的大數據人力資源智能系統，它主要解決的問題是利用數據對整個人力資源過程進行控制分析，即通過建立一系列基于企業人力資源管理過程的數據分析模型，利用智能系統強大的分析統計功能和豐富的展現形式等特點，實現對企業人力資源管理分析決策的支持。這個人力資源智能系統可以通過其多維數據倉庫功能進行數學建模，提高人力資源管理決策分析效率，使得人力資源管理體系能夠不斷找到問題所在，從而不斷進行調整和優化，以更好的支撐企業發展和滿足企業整體發展戰略的需要。
在數據爆發的時代背景下，每個企業都已經重新開始確立自己的定位，將對數據資源的整合及分析歸置到核心戰略中，并據此衍生出一系列新的產品和服務。各大招聘網站也利用先進的大數據技術，研發出了一系列以社交網絡和大數據技術為基礎為企業招聘提供服務的產品。也有一些公司通過提供人力資源管理解決方案和行業宏觀分析報告，包括將這些方案和報告提供給獵頭、企業人力資源管理部門、媒體、政府等來獲得收益。例如Wanted Analytics和Forensic JobStats這兩家公司的做法就比較典型，它們可以通過了解在哪里可以找到候選人等方法，快速確定在何處放置招聘廣告，輕松填補職位空缺，幫助企業更快速的找到了合適的求職者。51job的“個人競爭力”分析即與Wanted Analytics的功能類似， 企業通過它可以直接看到投遞該職位的應聘者人數、工作年限、學歷等信息，這樣企業就能更為直觀的比較應聘者的競爭力。
（三）大數據在營銷管理中的應用
