实战：电子商务企业如何把握大数据？
大数据对商家的价值，很大程度上取决于第三方服务商能够提供怎样的数据工具。作为商家，应该从几十家甚至上百家工具提供商中，找到适合自己的大数据工具。 着眼情报数据挖掘 除了大数据工具的运用，情报数据也是电商公司真正应该关注的。 所谓的情报数据处理人员，从日常的工作场景来看，出去奔波收集情报的工作占了多数份额。他们会跟上下游供应链，以及进行跨部门沟通。例如，一个采购人员应该去生产线，去分析每家供应商的生产水平如何，优秀的工厂和二线工厂的生产周期区别，哪里的原材料采购价格最低。一般来讲，这样的一条情报能使用一到三年。 虽然数据性不强，但这些情报价值十分高。郝欣诚说得更为直截了当：“讲数据挖掘不如讲情报挖掘，情报挖掘才能够为电商企业提供真正生产力级的支持，如果情报挖掘都没做好，就想把它数字化和量化，有点操之过急。” 举个夸张的例子，当一个品牌商拥有20万家生产厂商无从选择时，为了找一个与需求相匹配的生产企业，才需要建立一个大数据模型，进行筛眩而现在只需情报先行，当规模达到一定程度难以进行决策时，才使用数据挖掘技术。 的确，大数据的应用要渗透到中国的电商企业内部，还有很长的路要走。 而营销领域则不同，市场营销的数据模型已经成熟，而互联网又带给电商企业足够多的信息源(+微信关注网络世界)，大数据的应用已经可以直接给决策层提供建议，可以理解为“有米下锅”。 以淘宝原创女装品牌橡菲为例，他们会每天花费500~1000元做情报挖掘。他们有专门的情报收集人员，根据数据魔方、量子恒道、CRM系统分析数据，再把这些信息结合辅助最基本的经营决策，考虑下一款新商品款式如何，基于对老会员的分析，是否需要拓展新类目等等。 比如，当橡菲有50件商品、100万现金时，究竟应该怎么安排生产?情报挖掘人员会提醒决策层，这其中有2件爆款、6件长尾、2件滞销品，甚至可以提出对各款商品的补货、清仓建议。从系统中取得所需数据并不困难，但数据需要进一步拼接，再去思考各个数据之间的因果联系。 通俗来理解，商业领域中的情报，是商业逻辑。 “情报支持的是对商业逻辑的理解，而数据支持的是对商业情报的处理能力。”郝欣诚认为必须先做情报挖掘，再做数据挖掘，如果情报没做好相当于对商 |
