论大数据视角下零售业精准营销的应用实现.doc

论大数据视角下零售业精准营销的应用实现
　　内容摘要：本文基于大数据思维和大数据处理，提出精准营销新模式，即精准营销=精准数据+精准分析+精准推送。然后通过一个零售业数据实例，详细地说明了该模式的应用过程和实现方法。
　　关键词：精准营销 数据挖掘 关联分析 大数据 零售业
　　大数据思维
　　维克托?迈尔?舍恩伯格前瞻性地指出，大数据带来的信息风暴正在变革我们的生活、工作和思维，大数据开启了一次重大的时代转型。他明确指出，大数据时代最大的转变就是，放弃对因果关系的渴求，取而代之关注相关关系。维克托认为，在大数据时代，可以分析更多的数据，甚至可以处理和某个特别现象相关的所有数据，而不再依赖于随机采样；大量的数据能够让传统行业更好地了解客户需求，提供个性化的服务；数据能告诉我们，每一个客户的消费倾向，他们想要什么，喜欢什么，每个人的需求有哪些区别，哪些又可以被集合到一起来进行分类。精准营销正是这种大数据思维的应用体现。
　　大数据处理
　　大数据处理是人运用大数据处理技术实现大数据思维的过程，主要内容有：
　　数据采集和存储。数据采集不仅要了解数据的原始面貌，包括数据产生的时间、地点、格式、内容、长度、限制条件等，更要找出数据之间的关联，即大数据内部的业务逻辑。数据存储不只是传统意义上的数据库，它包括数据存储系统选择、数据仓库结构及各库表之间的关联、数据接收规则、数据字段定义、异常值处理、ETL规则、数据更新机制、数据同步规则、数据差异处理等。数据采集和数据存储最终要形成面向应用主题的可供数据挖掘之用的数据仓库或数据集市。
　　数据挖掘和分析。数据挖掘是实现大数据从量变到质变的关键技术。进行数据挖掘时，算法选择尤其重要。兼具准确性、可操作性、可理解性、可应用性是算法选择的基本原则。相对于数据挖掘来说，数据分析更多地是偏向业务应用和解读。当数据挖掘算法得出结果后，如何解释算法在结果、可信度等方面对于业务的实际意义是数据分析的重点。
　　数据展现和应用。数据展现是数据分析人员把数据观点展示给业务的过程。有价值的数据报告是数据展现最重要的承载形式。深入浅出的数据报告、言简意赅的数据结论更利于业务理解和接受。数据应用是将数据挖掘和分析的结果应用到业务操作过程中，这个过程需要数据应用人员具备业务推动能力，即在业务理解数据的基础上，推动业务落地，实现数据建议。
　　零售业精准营销应用实例
　　基于上述，精准营销可定义为：精准营销=精准数据+精准分析+精准推送。
　　（一）精准数据
　　精准营销是一项商业主题，构建面向该主题的数据仓库或数据集市是其精准数据的直接表现。本文引用数据挖掘软件Clementine自带的用于关联分析的“购物篮”数据和购买者个人资料数据，它们分别取自超市的“交易”数据表和“会员卡”数据表，结果存于BASKETS1n数据文件中，共18个字段，1000条记录，如图1所示。BASKETS1n是面向“购物篮”分析的已被精准化了的数据集市，其每条记录代表一个购物篮（即一次购物内容的集合），其中，T表示客户购买了对应的物品，F表示没有购买。具体内容包括：
　　购物篮摘要：Cardid（会员卡标识符）、value（购物篮付款总额）、pmethod（购物篮付款方法）。会员卡个人信息：Sex