一、什么是大数据

　　21世纪是数据信息大发展的时代，移动互联、社交网络、电子商务等几大拓展了互联网的边界和应用范围，各种数据正在迅速膨胀并变大。互联网（社交、搜索、电商）、移动互联网（微博）、物联网（传感器、智慧地球）、车联网、GPS、医学影像、安全监控、金融（银行、股市、保险）、电信（通话、短信）都在疯狂产生着数据。如：在60秒内，YouTube会上传48小时的视频；Google会收到2000000次搜索请求；Facebook的用户会分享684478条信息；目前世界上90%以上的数据是最近3年才产生的；2009年0.8Z，每年将增长50%，每两年便将翻一番，而预测全球的数据使用量到2020年会增长44倍，达到35.2ZB (1ZB = 10亿TB)；

　　古语云：“三分技术，七分数据，得数据者得天下。”美国社会思想家托夫勒在《第三次浪潮》中提出：“如果说IBM的主机拉开了信息化革命的大幕，大数据才是第三次浪潮的华彩乐章。”这些都说明了数据的重要性。

　　图片来源于网络

　　那么。什么是大数据呢？

　　（一）大数据的定义

　　大数据最早在上世纪90年代被提出，麦肯锡在2012年的评估报告中指出 “大数据时代” 已经到来，使得人们对于大数据重要性的认知和关注度进一步增加。麦肯锡给出的定义：“大数据是大小超出常规数据库工具获取、存储、管理和分析能力的数据集，即大数据是现有数据库管理工具和传统数据处理手段很难处理的大型、复杂的数据集，涉及采集、存储、搜索、共享、传输和可视化等方面。”

　　最小的数据基本单位是bit，按顺序给出所有单位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB。

　　它们按照进率1024（2的十次方）来计算：

　　1 Byte =8 bit

　　1 KB = 1,024 Bytes = 8192 bit

　　1 MB = 1,024 KB = 1,048,576 Bytes

　　1 GB = 1,024 MB = 1,048,576 KB

　　1 TB = 1,024 GB = 1,048,576 MB

　　1 PB = 1,024 TB = 1,048,576 GB

　　1 EB = 1,024 PB = 1,048,576 TB

　　1 ZB = 1,024 EB = 1,048,576 PB

　　1 YB = 1,024 ZB = 1,048,576 EB

　　1 BB = 1,024 YB = 1,048,576 ZB

　　1 NB = 1,024 BB = 1,048,576 YB

　　1 DB = 1,024 NB = 1,048,576 BB

　　（二）大数据的特点

　　大数据的特点（4V）：数据量大（Volume）、数据类型众多（Variety）、处理速度快（Velocity）、数据价值高（Value）

　　1.数据量大（Volume）

　　根据IDC作出的估测，数据一直都在以每年50%的速度增长，也就是说每两年就增长一倍（大数据摩尔定律）

　　人类在最近两年产生的数据量相当于之前产生的全部数据量

　　预计到2020年全球将总共拥有35ZB的数据量，相较于2010年数据量将增长近30倍

　　图片来源于网络

　　2.数据类型众多（Variety）

　　大数据是由结构化和非结构化数据组成的10%的结构化数据，存储在数据库中。90%的非结构化数据，它们与人类信息密切相关

　　来源多：搜索引擎、社交网络、通话记录、传感器.....

　　格式多：文本、音频、图片、视频、模拟信号....

　　3.处理速度快（Velocity）

　　大从数据的生成到消耗，时间窗口非常小，可用于生成决策的时间非常少，时效性要求高

　　1秒定律：这一点也是和传统的数据挖掘技术有着本质的不同

　　4.数据价值高（Value）

　　价值密度低，商业价值高

　　以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒，但是具有很高的商业价值。数据价值密度低，但经过清洗、整合和建模分析，可形成高价值的商业业务

　　（三）大数据的主要来源

　　1.越来越多的机器配备了连续测量和报告运行情况的装置。几年前，跟踪遥测发动机运行仅限于价值数百万美元的航天飞机。现在，汽车生产商在车辆中配置了监视器，连续提供车辆机械系统整体运行情况。一旦数据可得，公司将千方百计从中渔利。这些机器传感数据属于大数据的范围。

　　2.计算机产生的数据可能包含着关于因特网和其他使用者行动和行为的有趣信息，从而提供了对他们的愿望和需求潜在的有用认识。

　　3.使用者自身产生的数据/信息。人们通过电邮、短信、微博等产生的文本信息。

　　4.至今最大的数据是音频、视频和符号数据。这些数据结构松散，数量巨大，很难从中挖掘有义的结论和有用的信息。

　　（四）大数据应用的案例

　　1.美国第二大超市Target

　　美国一名男子闯入了他家附近的Target店铺（美国一家零售连锁超市）。“你们怎么能这样！”男人向店铺经理大吼到，“你们竟然给我17岁的女儿发婴儿尿片和童车的优惠券，她才17岁啊！”店铺经理不知道发生了什么，立刻向来者道歉，表明那肯定是个误会。然而，经理没有意识到，公司正在运行一套大数据系统。但神奇的是，一个月后，这个愤怒的父亲打来电话道歉，因为Target发来的婴儿用品促销广告并不是误发，他的女儿的确怀孕了。

　　在这个案例中我们看到，数据的力量，不仅让商家提升了自己的业绩，还让客户为之心甘情愿买单。据报道，Target创建了一套女性购买行为在怀孕期间产生变化的模型，不仅如此，如果用户从他们的店铺中购买了婴儿用品，Target在接下来的几年中会根据婴儿的生长周期情况定期给这些顾客推送相关产品，使这些客户形成长期的忠诚度。

　　2.腾讯的MIND3.0社交策略

　　腾讯推出了MIND3.0的社交策略，即通过对用户行为数据的洞察、分析和挖掘、描绘出每一个用户族群，用差异化标签在品牌和受众之间建立社会化的营销关联。比如，对于成熟妈妈与新生儿妈妈两个细分族群，其通过对大数据分析得出差异化洞察结果。成熟妈妈常常是一群理智的玩乐女人帮，在娱乐应用上，她们最喜欢游戏、音乐和古装剧；在社交互动层面，她们以QQ群、鲜花工坊与日记为主。新生儿妈妈们则往往是社交活跃的时尚辣妈，可能会更关注数码产品的微博。

　　3.Prada的营销之道

　　PRADA在纽约的旗舰店。每件衣服上都有RFID码。每当一个顾客拿起一件PRADA进试衣间，RFID会被自动识别，试衣间里的屏幕会自动播放模特穿着这件衣服走台步的视频。人一看见模特，就会下意识里美化自己。同时，数据会传至PRADA总部。每一件衣服在哪个城市哪个旗舰店什么时间被拿进试衣间停留多长时间，数据都被存储起来加以分析。如果有一件衣服销量很低，以往的作法是直接干掉。但如果RFID传回的数据显示这件衣服虽然销量低，但进试衣间的次数多。那就能说明一些问题。也许这件衣服的下场就会截然不同。

　　二、 国内外大数据发展的现状

　　大数据已经成为资源、生产要素，甚至可以说谁掌管了大数据谁就掌握了话语权。大数据像土地、水和空气等自然资源一样，渗透到每一个行业和业务职能领域。当前，许多国家的政府和国际组织都认识到了大数据的重要作用，纷纷将开发利用大数据作为夺取新一轮竞争制高点的重要抓手，实施大数据战略，对大数据产业发展有着高度的热情。那么国内外大数据发展的现状如何呢？本文将列举一些主要国家和中国和大数据发展相关的情况。

　　图片来源于网络

　　国外：

　　美国政府将大数据视为强化美国竞争力的关键因素之一，把大数据研究和生产计划提高到国家战略层面。2012 年《大数据研究和发展计划》：国防部、能源部等6个部门，投资2亿美元，用于研发大数据技术和工具。2016 年《联邦大数据研究与开发战略计划》：利用新兴的大数据基础、方法和技术，创造新的大数据能力；设计支持数据驱动型决策的工具 强化国家数据基础设施；促进数据管理和共享，提升数据价值； 重视大数据采集、共享和应用过程中所涉及的隐私、安全和道德问题；强化大数据教育培训工作以及人才培养；鼓励跨部门、跨机构的大数据合作，完善大数据创新生态系统。美国是数据开放和共享的领头羊，在数据开放与共享方面进行积极尝试，制定了一系列的相关政策，并以实际行动大力推动政策落实。

　　欧盟在大数据方面的活动主要涉及四方面内容：研究数据价值链战略因素；资助“大数据”和“开放数据”领域的研究和创新活动；实施开放数据政策；促进公共资助科研实验成果和数据的使用及再利用。

　　英国在 2017 年议会期满前，开放有关交通运输、天气和健康方面的核心公共数据库，并在五年内投资 1000 万英镑建立世界上首个“开放数据研究所”；2012年《开放数据白皮书》政府各部门应增强公共数据可存取性，促进更智慧的数据利用；各部门均需制定更为详细的两年期数据开放策略；英国研究理事会将投资 200 万英镑建立一个公众可通过网络检索的“科研门户”。

　　法国政府于2013年《法国政府大数据五项支持计划》中说明引进数据科学家教育项目，设立一个技术中心给予新兴企业各类数据库和网络文档存取权；通过为大数据设立原始扶持资金，促进创新；在交通、医疗卫生等纵向行业领域设立大数据旗舰项目；为大数据应用建立良好的生态环境，如在法国和欧盟层面建立用于交流的各类社会网络等。为促进大数据领域的发展，将以培养新兴企业、软件制造商、工程师、信息系统设计师等为目标，开展一系列的投资计划。

　　日本为了提高信息通信领域的国际竞争力、培育新产业，同时应用信息通信技术应对抗灾救灾和核电站事故等社会性问题。2013 年 6 月，安倍内阁正式公布了新IT战略——“创建最尖端 IT 国家宣言”。“宣言”全面阐述了 2013～2020 年期间以发展开放公共数据和大数据为核心的日本新IT国家战略，提出要把日本建设成为一个具有“世界最高水准的广泛运用信息产业技术的社会”。

　　在重视发展科技的印度，不仅印度的小公司纷纷涉足大数据市场淘金，一些外包行业巨头也开始进军大数据市场，试图从中分得一杯羹。印度毫无疑问是美国亦步亦趋的好学生。在数据开放方面，印度效仿美国政府的做法，制定了一个一站式政府数据门户网站 data.gov.in，把政府收集的所有非涉密数据集中起来，包括全国的人口、经济和社会信息。

　　国内：

　　我国在发展大数据上有其特点，主要体现在以下四点：

　　其一，党和政府高度重视。2015 年 5 月编制实施软件和大数据产业“十三五” 规划，大数据产业第一次明确出现在规划中。2015年6月，《加快推进云计算与大数据标准体系建设》中提出加快云计算与物联网、移动互联网、现代制造业的融合发展与创新应用，培育新业态、新产业，加快推进云计算与大数据标准体系建设。 2015年9月《促进大数据发展行动纲要》是第一个真正意义上的大数据发展国家战略，明确提出了我国大数据发展的关键任务，即加快政府数据开放共享、推动产业创新发展、强化网络及数据安全保障。2017年1月《大数据产业发展规划 ( 2016－2020) 》明确“十三五” 期间的发展目标和重点任务，如强化大数据技术产品研发、深化工业大数据创新应用、促进行业大数据应用发展、大数据标准体系建设等。

　　其二，数据资源内容丰富。人人互联向万物互联的格局形成，新形态不断出现，零售、医疗、交通、能源等率先沉淀大数据资源。据国际研究机构预测，到2020年，中国数据总量将会超过8万亿GB，占全球数据总量的比例达到20%左右。

　　其三，技术产业快速壮大。我国大数据软硬件自主研发能力正在提升，新兴专业化大数据企业创新活跃，我国独有的大体量应用场景和多类型实践模式，促进了大数据领域技术创新能力处于国际领先地位。

　　其四，融合应用蓬勃发展。无论是从新增企业数量、融资规模还是应用热度来说，与大数据结合紧密的行业正在从传统的电信业、金融业扩展到健康医疗、工业、交通物流、能源、教育文化等行业，应用脱虚向实趋势明显。

　　三、 精准营销的主要方法

　　精准营销自其提出以来就被奉为顺应时代发展的产物，它不是对传统营销的颠覆和否定，而是对其的继承和进一步发展。较为公认的说法是世界级营销大师菲利普·科特勒在2005年首次明确提出精准营销，并将其描述为公司需要更精准、可衡量和高投资回报的营销沟通，需要更注重结果和行动的营销传播计划，还有更注重对直接销售沟通的投资。国内较为权威的说法是著名精准营销学者徐海亮提出的精准营销就是在精准定位的基础上，依托现代信息技术手段，建立个性化的顾客沟通体系，实现企业可度量的低成本扩张。

　　图片来源于网络

　　精准营销与传统营销的对比：

　　随着大数据时代的到来以及消费者需求的迅速变化，如何利用大数据从而对消费者展开精准的营销活动是目前每个企业面临的问题。精准营销主要有以下几种方法：

　　图片来源于网络

　　1．基于数据库营销

　　进行精准营销的重要基础是建立一个相关信息比较完备的潜在消费者数据库，需要企业持续的努力，如果企业还没有建立独立的、完备的消费者数据库，可以借助其他组织的数据库，从中挑选出符合企业需要的潜在消费者的信息，来开展自己的精准营销活动。大数据为精准营销提供了海量的数据，以此建立起更加精确的市场定位与分析，高效地寻找客户，为客户提供更加个性化的产品和服务。

　　2．关键词搜索广告

　　搜索引擎利用特殊的信息过滤技术，将不同的内容，例如电影、音乐、书籍、新闻、图片网页等，推荐给可能感兴趣的用户，从而实现精准推送。百度、谷歌、bing 等搜索网站都提供关键词搜索广告服务。大多数消费者购买某类产品或服务时，都会通过搜索网站去查询相关信息。企业的产品信息通过搜索网站，就出现在需要的消费者面前，针对性、精准性强。如购买手机，你很可能会通过搜索网站去查询手机的相关信息，而当你浏览其他网页时，也会显示手机的广告。

　　3．数据挖掘技术

　　通过数据挖掘技术对数据库中的数据进行分析是数据库营销的主要分析技术。数据挖掘的目的是在信息不完全和随机的庞大数据中，提取出隐含于其中有用的信息和知识。其目的是让企业分析内外部的信息、预测客户的行为、检验异常模式，帮助企业决策者调整市场策略、减少风险，以做出正确决策。

　　4．自媒体营销

　　自媒体时代，很多意见领袖脱颖而出，例如粉丝众多的微博名人、豆瓣小组、高质量的微信号。这些自媒体明星的特点是，只针对某一类人群，形成了话语体系与传播公信力，如果商家的潜在消费者刚好就是这些自媒体既有的读者人群，与这些自媒体合作推广，就等于集中面向你的人群。微博能够实现网络数据库精准营销，这种微博营销通过话题互动，充分利用名人效应，而且操作简单，费用较低，是一种很好的精准营销方式。

　　四、大数据对于精准营销的作用

　　大数据为精准营销提供了海量的数据，以此建立起更加精确的市场定位与分析，高效地寻找客户。营销决策将日益基于数据和分析做出，从而更加科学和精准，实现营销的新发展。通过用户数据的积累和挖掘，可以分析用户行为规律，准确地描绘其个体轮廓，为用户提供更加个性化产品和服务。大数据对于精准营销有如下作用 ：

　　1．助力客户信息收集与处理

　　精准营销所需要的信息内容主要包括：①描述信息：顾客的基本属性信息，如年龄、性别、职业、收入和联系方式等基本信息；②行为信息：顾客的购买行为上的特征，它通常包括顾客购买产品或服务的类型、消费记录、顾客与企业的联络记录，以及顾客的消费偏好等； ③关联信息：顾客行为的内在心理因素，常用的顾客关联信息包括满意度和忠诚度、对产品与服务的偏好或态度、流失倾向以及与企业之间的联络倾向等。通过数据挖掘技术，在海量的客户资料中筛选出对公司有价值的信息，对客户行为模式与客户价值进行准确判断与分析，找到与公司自身产品和品牌定位相匹配的客户，减少在市场推广和营销上的无效投资，提高营销的精准度。

　　2．更精准的市场定位

　　根据二八原则，企业大约 80% 的收益是由企业 20% 的忠诚客户提供的，因此企业需要将极其有限的资源投入到这少部分的忠诚客户中，把营销开展的重点放在这最重要的 20% 的客户上，更加关注那部分优质客户，以最小的投入获取最大的收益。大数据助力精准营销可以利用海量数据和先进的数据挖掘技术，发掘客户行为特征，清晰地描述目标消费者对企业产品和服务的需求特征，从客户需求、客户认知、竞争者的角度等多方面因素来考虑企业要提供的产品和服务所应该满足的客户群体，从而进行精准的市场定位。

　　3.辅助营销决策与营销战略设计

　　通过数据的收集和挖掘，找到目标客户群，根据目标客户群营销活动的目标，设计有针对性的营销活动创意，包括产品、价格、渠道和促销，并就各方案进行评估，挑选出最佳创意，形成最终营销方案。一个好的营销方案必须聚焦到某个目标客户群，如果没有数据支撑， 那么营销方案制定和营销决策难免会不够科学合理，不能真实地聚焦用户。在得到基于现有数据的不同客户群特征后，市场人员需要结合企业战略、企业能力、市场环境等因素，在不同的客户群体中寻找可能的商业机会，最终为每个群制定个性化的营销战略，每个营销战略都有特定的目标。

　　4．对未来的预测能力

　　人们不仅需要通过数据了解现在发生了什么，更需要利用数据对将要发生什么进行预测，以便在行动上做出一些主动的准备。在小数据世界中，事物的相关联系无法通过一个局部样本体现出来，所以“预测”被认为是凭感觉和经验的。但在大数据的背景下，百度等“网络巨头”几乎掌握了一定调研对象的庞大的数据资源，所以这些用户的前后行为将能够被精准地关联起来。在公共卫生、经济发展和经济预测等领域中，大数据的预见能力已经崭露头角。

　　五、大数据助力精准营销的实施

　　大数据助力精准营销的实施可以体现在以下几个方面：

　　1．用户数据的挖掘

　　例如：Facebook拥有海量的消费者数据，超过12亿的用户量，每个用户每时每刻都会更新个人状态、分享图片以及他们“喜欢”的内容，通过收集、存储和分析用户的个人数据，可以从这些数据中分析其用户行为的方式。如在互联网上通过追踪cookies来追踪它的用户。若用户在登录 Facebook的同时浏览网页，它就能跟踪到其用户正在访问的网站地址；通过 Facebook 里添加的标签，用户的图像能够进行画面处理和面部识别；通过分析用户Facebook点过的“赞”，就能精准预测其在一定范围内的个人特性，这包括预测用户的个性取向、对生活的满意度、智力水平、情感的稳定性、宗教、酒精以及药物的摄入情况、情感状态、年龄、性别、种族以及政治观点等方面的信息。企业可以通过访问 Facebook主题数据研究顾客群，获得更多的社会领域数据，进一步绘制品牌受众地图和进行品牌内容评估，从而实现精准的一对一营销，进行准确的广告推送和客户开发。社交网络分析研究表明，可以通过其中的群组特性发现用户的属性，比如通过分析用户的 Twitter信息，可以发现用户的政治倾向、消费习惯以及喜好的球队等。

　　图片来源于网络

　　2．定向广告推送

　　例如：爱奇艺以百度大数据平台为支撑，推出“一搜百映”，其技术核心就是通过对搜索引擎数据的深入挖掘与分析，优化视频广告服务，并降低对非目标用户的广告投放率。结合专业的数据测算结果，该技术能够确保页面广告渗透率达到50%以上，效果显著。简单来讲，就是在品牌的视频广告植入时，依托大数据技术更为精准定位用户需求，充分发挥互动广告价值。知名社交网络广告商 Local Response 对互联网和移动应用中超过 3000万的社交媒体个人页面进行搜索，实时查找提到品牌厂商的信息，并从用户所发布的文字、图片等信息进行判断，帮助广告商投放实时广告，使得投放的广告更加符合消费者的实际需要，因而更加准确有效。比较成熟的方式是将社交网络与客户关系管理结合，如Oracle等运营商将传统的客户管理系统加入了社交网络信息，以提供更全面的客户信息；统计并分析社交网络、博客、论坛中用户与品牌相关的信息，这些信息对于企业有重要意义。

　　3．主题数据的开发

　　“主题数据”是一种能将消费者关于品牌、事件、活动和主题的反馈展示给市场营销者，通过提供某个特定活动中用户潜在的消费行为来帮助市场营销者，为市场营销者带来一个可行的、全面的首次新用户视图，将数据分类并且将相关用户的个人信息剥离，在某种程度上保护消费者个人隐私的技术。如：企业可以通过访问 Facebook主题数据来研究顾客群，获得更多的社会领域数据，从而选择性地改变他们在平台和其他渠道的营销方式，企业绘制品牌受众地图和进行品牌内容评估，从而实现精准的广告推送和客户开发。通过对用户在社交网络平台上的数据进行挖掘和分析，可以看出一个用户的喜好、社交圈、兴趣取向等传统调查方式无法获取的个人数据（不仅仅是个人的电话、职业、住址等基本信息），为企业进行一对一精准营销奠定了数据基础。

　　六、大数据精准营销面临的挑战

　　现如今大数据精准营销越来越重要，然而对面许多挑战，主要有以下几个方面：

　　1.数据规模庞大，价值挖掘有难度

　　目前数据规模爆炸式增长，在能源、制造业、交通服务业、医疗卫生等领域都积累了TB 级、PB 级的大数据，这些庞大的数据造成存储压力和成本的加大，数据挖掘的难度也相应增加，使得许多中小企业无力进行数据的挖掘与开发。目前，数据挖掘技术无法满足大数据的挖掘需求，对已收集的数据难以进行科学合理的分析，导致大数据的价值无法被充分地挖掘，实质上增加了精准营销的难度，一定程度上也提高了精准营销的成本。

　　图片来源于网络

　　2.数据开放共享程度低

　　各大互联网公司平台掌握着大量用户资源，政府部门、民间组织、公共服务部门等机构也掌握了各种用户的相关数据，但是各家公司或平台的数据并不会完全向公众和社会开放，或者是费用和门槛太高，限制了数据的开放。没有实现数据的开放和共享，使得大量的数据闲置和沉睡，没有得到合理有效的利用，造成资源浪费。数据资源的共享度低阻遏了精准营销的实现。

　　3.涉及安全隐私问题

　　在大数据时代，用户的一举一动都会被记录着，在线上交易、线上支付、社交互动、移动终端、物流配送等各个环节都会留下痕迹，可以说用户在获得所需产品或者服务的同时，也暴露了自己的数据。企业在利用这些大数据时常常会侵犯用户的个人隐私以及在隐私保密性上做得不到位。因此产生个人隐私和数据安全问题。

　　4.大数据营销相关人才稀缺

　　2016年7月15日，数联寻英发布的《大数据人才指数报告》显示，我国大数据人才仅有46万，之后5 年内将面临 150 万的缺口，而且培养的难度很大。一方面对大数据的挖掘不仅要靠专门的计算机软件，对于计算机软件还需不断地更新升级；另一方面是精准营销，需要学习市场营销专业。可见，计算机软件应用人才不仅要精通计算机还要具备市场营销学方面的知识，才能达到预期的效果。

　　5.数据运算结果和消费者需求之间存在差距

　　数据的分析在一定程度上可以反映客户的需求倾向，但是客户的心理活动受多种因素影响，是难以把握的，并且经常性地随着时间的推移而不断发生波动。例如，大数据判断某个消费者是对价格敏感的人，企业根据这个判断进行降价营销，结果确实也引发了消费者的购买行为。但是也可能消费者对价格敏感是大数据培养出来的，而不是消费者自身的主动行为，到底是企业引导消费者还是企业找对了消费者需求，我们不能完全确定。因此，数据算法勾勒出来的消费者人物画像和消费者真实形象是存在差距的，甚至完全相反，因为消费者是善变的，这种变化对于企业来说是比较难以及时捕捉并且通过算法计算出的。

　　七、大数据精准营销的困境解决建议

　　面对大数据精准营销的困境，有如下建议：

　　1.提高数据开放共享程度

　　发挥大型企业大数据平台的作用，实现大数据信息共享。从中小企业自身的状况来看，其要依靠自身的能力去挖掘大数据的价值，这在目前的情况下是难以实现的。而大型企业在这方面具有一定的优势，因此，中小企业可以与大型企业展开合作，共享大数据信息，以化解大数据营销过程中的大数据价值挖掘困境。早在2009 年，阿里巴巴就推出了阿里云服务，为全球的中小企业提供大数据的分析、应用服务。

　　政府、企业、社区等机构每天也产生大量的数据，相关部门制定开放标准和政策，实现数据的开放和共享，避免大量的数据闲置和沉睡，造成资源浪费。数据资源的共享度提高有利于精准营销的实现。

　　2.加强用户隐私数据的安全防范工作

　　首先，企业应该改进算法，提高大数据环境下用户隐私数据的安全性。针对上述问题，电商企业可采取基于混沌自逆矩阵用户隐私数据加密算法，在不改变原始数据的情况下，通过对用户隐私数据结构的改变，搭建自逆矩阵建立初始密钥，再根据初始密钥置乱数据维度，构建置乱矩阵，以不规则扩散形成隐私数据最终密钥。其次，有效掌握系统内核环境，注意移动智能终端APP用户隐私数据的防范。相关审批或者安全部门应该充分审查各类移动终端智能系统中的API接口功能，对系统内核代码及功能模块所描述功能和实际功能要尽可能的一一验证。掌握移动端智能系统的核心技术才能把握互联网产业的命脉，加大自主研发和商业推广力度，从硬件方面保证用户的信息安全。此外，政府相关管理部门应积极完善相关法律以及制定互联网个人隐私管理政策以保护用户隐私安全，为用户隐私安全构建更为良好的行业发展环境。

　　3.培育大数据与精准营销的复合型人才

　　大数据应用于精准营销服务是未来市场营销发展的必然趋势，所以有机融合精准营销与大数据是未来市场迫切需要解决的任务。大数据挖掘人才的巨大缺口不仅仅制约了大数据技术自身发展，而且也影响了大数据在精准营销中的应用效果。对于高等院校而言，高校应该增设相关专业，可以培养既要掌握大数据技术又要熟悉市场营销的复合型人才，可以引入企业中的专业人士进行授课和交流，达到实践与理论相结合的效果，提高复合型人才的质量与数量。同时，企业可以对其新员工进行岗前培训、老员工进行定期的在岗培训，以及通过校企联盟培育复合型人才，将大数据技术真正高效地融入精准营销中去。进而填充大数据人才的巨大缺口，满足社会各界对于大数据精准营销人才的迫切需求。还可以通过制定和实施必要的奖励政策，提高科研人员的薪酬待遇等吸引国内外专业技术人员等加入大数据挖掘技术的行列中，并对有重大成果的人员给予必要的补贴和奖励，如设立专门的奖项，以彰显数据挖掘的重要程度，最终达到提高数据利用率，整合零碎化的数据，以促进精准营销的有效实现。

　　图片来源于网络

　　4.用户画像的精准化和及时更新

　　消费者的善变性和算法的迟钝性使得电商企业无法真正地满足消费者的需求，因此电商企业需要充分结合数据追踪和数据挖掘技术与企业的营销洞察力，精准化用户画像并且精准化算法，及时更新消费者的用户画像，以确保营销方案能满足消费者现在的需求。用户画像就是给用户进行标签从而把数据转化成用户属性的过程。用户画像是由各维度的数据勾勒而出，数据包括姓名、照片、年龄、家庭情况、收入、工作、喜好等元素。根据元素的性质，用户画像数据可分为以三类：基本人口属性数据、行为偏好数据和购买数据。人口属性数据包括社会属性和自然属性，如岁数、性别、工作等。行为偏好数据主要是通过收集消费者在进行商品购买时的浏览情况得出，包括关注领域等。购买数据包括购买的产品、价格、退货率、评价等。一个用户画像可能由3 000个标签才能形象勾画出，并且标签的比重会有不同，甚至标签会随着消费者的需求而改变，因此，不断收集和更新用户数据对于人物画像勾勒以及后面的精准营销具有重大作用。用户画像是需要全方面定位和计算的，只有精准化用户画像，才能更好的结合用户画像和商品画像，从而实现精准化营销，消除数据运算结果和消费者存在的差距。

　　浙江省社科联社科普及成果

　　课题编号：19YB29

　　课题名称：大数据精准营销

　　课题负责人：李菁羚

　　单位：金华职业技术学院