search
尋找貓咪~QQ 地點 桃園市桃園區 Taoyuan , Taoyuan

世界500強美的大數據建設的啟發

[導讀]本文向大家講述了美的是如何利用大數據來實現業務價值的,大數據基於客戶真實的業務場景來實現落地方案,真正造福於企業和消費者。

國內傳統行業的大數據項目建設案例中,我個人比較推薦的有兩個大數據案例非常值得大家關注。第一個是民生銀行阿拉丁大數據,第二個就是今天要給大家分享和總結的美的大數據。

之所以比較推崇這兩個大數據案例,核心原因是因為這兩個案例可以讓我們非常直接的看到大數據是如何幫助企業實現業務價值的 —— 以業務驅動、數據驅動真正形成業務上的決策指導,讓企業的業務決策、經營決策、生產決策、市場打法能夠真正的落地,併產生實際看得見摸得著的實實在在的價值:比如利潤的提升、市場產品的份額增長、經營成本的降低等等。

相對於這兩個比較非常成功的案例而言,很多企業在設計和規劃大數據項目的時候會存在很多的困擾 —— 大數據好,好在哪裡?我們為什麼要上大數據,上了大數據能解決我們什麼實際的問題?利潤的增加?成本的降低?找出之前我們沒有意識到的環節和問題?或者帶來新的業務模式讓企業更好的獲利。這些問題會帶給大家困惑,也是很多關心大數據的朋友們想要迫切了解的。很多企業能夠意識到大數據驅動的價值,也並不是不敢投入,而是擔心投入之後不能看到實際的效果,這是最大的問題。

參加過幾次美的大數據內部或公開的分享會,在徵得美的、美雲智數團隊的同意后,挑選出了幾個美的大數據實現業務價值落地有代表的案例與大家分享。

美的大數據業務價值實現之一:

完善產品細節、投訴率降低40%

很多人可能還不能直接想象到數據和產品品質有什麼樣的直接關係,但是我們需要去想象一下這樣的一個業務場景:產品品質對於製造行業來說這是一個企業的核心生命線,每從一個生產線上出一個產品,通過內部質檢,通過各種渠道到達終端店鋪、各種電商平台。產品上架了,如何判斷這個產品的在大家心目中的質量和品質怎麼樣?

僅僅靠銷售量嗎?很顯然是很局限的。靠內部質檢通過率、返修率、投訴率?這個思考的方向是正確的。但內部質檢通過率高、返修率低、投訴率高這個衝突的問題定位又該定位在哪裡?

美的有一款新的家用產品投入到市場,質檢通過率返修率都沒有什麼問題,但是對在電商平台上抓取的用戶評價數據進行分析,分析結果顯示用戶的吐槽率是比較高的。但通過用戶回訪,客戶自身也說不清什麼原因,就是反映產品漏了配件。這個很顯然就是售後部門和產品部門的博弈了,在產品質量層面是沒有問題的,該檢查的也檢查過,但投訴和丟失配件的評價依然存在,一時間也找不出來到底是哪個環節出現了問題。

但數據是不會騙人的,這個吐槽和投訴率就是實際存在的。最後數據部門和製造設計部門通過認真分析和對以往用戶回訪用戶所反映出來的問題,以及還原用戶在使用該產品的場景過程中,找到了這個問題的一個疑似原因:在該產品的設計包裝中,包裝箱上面的泡沫盒有一些配件,包裝箱底層的泡沫盒也有一些配件。用戶習慣是拿出上面的泡沫盒,再拿出產品,一些用戶就忽略了底層泡沫盒中放置的配件順著箱子就給扔掉了。

後來設計部門對該產品的包裝設計進行了改善,重新投放市場,之後通過每日的數據追蹤和分析,該產品的投訴率直線下降了40%左右,這是一個非常典型的利用數據發現問題,結合業務判斷問題的場景。

大數據會直接發現這個原因嗎?並不會。但是通過大數據(內部數據、外部各種電商平台海量數據抓取、評價反饋、文本分析、關鍵詞定位、打標籤)可以幫助美的快速定位問題所在的那個核心爆破點。通過對業務流程的熟悉和了解就可以快速判斷可能的原因,進而快速改進產品再投入市場再通過大數據不斷驗證並獲得成功。

所以,大數據在這個過程所起到的作用是:發現可疑現象或者問題,分析和問題定位,和嘗試解決問題之後的驗證。驗證成功則證明判斷正確,驗證失敗再回歸到這個流程中來。

很多人在想,這不就是一個抓取數據分析和判斷的過程嗎,算是大數據嗎?但要仔細想想,這種場景的時效性和美的產品線的豐富程度,需要對外部海量結構化或者非結構化的數據進行快速處理和分析則正是大數據所擅長的。把這種應用場景進行延伸,就意味著美的的每一項產品一旦上線,就都可以通過這種方式幫助和改進產品並完善產品細節,而這一切就是通過大數據來實現的。

這是美的大數據建設中一個非常真實且很普通的案例,大數據有沒有落地?有,投訴率直線下降40%就是最好的落地,很好的實現了業務價值。

美的大數據業務價值實現之二:

理解用戶需求、產品博弈

在沒有自己的大數據平台之前,很多的用戶需求分析和製造產品是割裂的。什麼意思呢?產品設計人員對於一款產品比如電暖器的功能和外觀設計基本上是憑經驗的,通常認為電暖器只需要把取暖做好就可以,這是取暖器的核心功能。

但是,一個企業的成長應該有上進心,一個好的產品也應該不斷與時俱進獨具匠心。通過美的大數據平台發現在關於取暖方面,有很多用戶在評論中提到類似於這樣的話:「家裡有小孩子,每天要換衣服用這取暖器取暖效果很好,但是感覺不安全」,「取暖器效果很好,但是還得自己弄個架子烤衣服」,「取暖器很不錯,又能烘衣服」。用戶的需求是什麼:取暖是剛需,烘衣服也是實實在在的需求。後來,也發掘到很多用戶除了提到烘衣服之外,還提到了加濕的需求。

如果放在以往,這種需求如何提煉,調查問卷、電話回訪等畢竟耗時耗力且用戶所表達的也不一定是真實的。最真實的需求是用戶在沒有任何內在外在壓力,一种放松的狀態下表達出來的,比如購物之後的商品評價。

這種需求拿到之後交給設計改,這就涉及到了多方對於用戶需求定位的博弈,為什麼要改設計、加這個功能,依據是什麼?美的用數據說話,用近百萬條用戶針對取暖器的評價來說話,數據在這裡,分析結果就是多少比例以上的用戶都提到了這些問題,用戶關心的是不是我們關心的? 最後產品改進了,產品上線之後還是通過美的的大數據平台對該產品的相關數據進行跟蹤分析,效果非常明顯,用戶正向情緒和滿意度提升到一個新的高度。

我們在日常生活中經常會有這樣的代入感,我採購了一個商品,用的時候總在想,如果這個產品這樣改進下這樣改進下就好了,如果是我在做這個產品我就這樣改下。用戶所想的不也正是製造廠商所想的嗎,而製造廠商是如何聽到用戶心聲的?在這裡,美的通過大數據平台就做到了。

這兩個案例其實反映的就是美的大數據觀星台的作用。觀星台在古代是什麼?測影、觀星和計時,是古代天文科學發展中一個很有價值的產物,具有很高的價值。而美的大數據將這部分的產品定名為觀星台,很顯然想更好的「繼承」古人的這一智慧,在浩瀚的電商產品中,哪種產品好賣哪種不好賣,不好賣不好在哪裡?好賣的好在哪裡?觀察好這些產品,觀察電商評論和輿情網站的數據,這就跟觀察星星一樣,浩瀚而繁多,但總能總結出規律和結果,這就是觀星台。

只有觀察清楚了,才知道下一步應該怎麼做。通過大數據平台了解了要了解的情況,才知道如何更好的提升和改進業務,這就是大數據對業務的推動能力,也是大數據業務價值的落地和實現。

觀星台的背後是什麼?還是大數據平台! 除此之外,還有服務號、水晶球、地動儀、陀螺儀這幾大產品共同構成了美的開普勒大數據產品體系。

美的大數據業務價值實現之三:

用戶畫像與精準營銷

我們在很多大數據自媒體、各種大數據沙龍活動中經常聽到用戶畫像、精準營銷,這幾個詞出現的頻率非常高。但是為什麼我們發現除了這些大的電商、互聯網平台之外,在我們身邊的很多企業很少有看到他們有用過。原因非常簡單,用戶畫像、精準營銷、商品推薦這些需要的是一個海量的數據資源基礎—— 商品資源、用戶基數、用戶行為和標籤屬性資源等這些資源的結合。

沒有這些資源,無法真正做到用戶認知,也沒有這麼精細的分類產品去進行推送,最重要的是這種投入產出比很多企業可能要去想一想,值不值得去做。

美的握有這些資源,大家可以想象一下在自己的身邊有哪些朋友家裡從來都沒有購買過美的的產品,應該很少。小到熱水器、電飯煲電磁爐、中到風扇、大到空調電冰箱,美的的家用電器產品體系非常全面。美的目前擁有近1.5億的帶手機的唯一身份用戶,並且每天以至少12萬的數據在遞增。並且最重要的是,用戶購買的記錄、購買渠道、地域、使用偏好等等信息全部標籤化。一條用戶記錄可以打上近600個標籤和多級標籤屬性,一個完整的360度的用戶畫像就被刻畫出來,基於這些用戶標籤再來做精準營銷、商品推薦成功的幾率就會非常大。

並且最重要的是,這些用戶畫像推薦模型會幫助服務一線導購,包括售後。這就完成了從線上線下整個立體空間對用戶進行了解和定位,以前需要是什麼、目前在關注什麼、後面可能需要什麼,可能需要美的提供什麼樣的服務,大數據平台統統清楚。當然,實際的服務過程一定因為具體執行人(導購、售後客服)的因素有所體驗不同和偏差,但是從整體上來看,對產品的引導和服務是具備很強的指導性的。

而這一切也是依靠大數據平台來做到的,數據有進也有出,進去的是數據,出去的是信息,並且有非常有價值的信息。

在美的,這種非常具有業務價值的從大數據平台中發掘出來的案例有好幾百個,真正的做到了用數據說話,這種內部大數據項目的建設無疑是非常成功的。

美的是一個傳統的製造行業,但是美的 IT Inside 的理念在美的有很強的落地,這種理念不是一句簡單的口號,而是要實實在在的在產生業務價值。

美的大數據建設對我們的啟示

如果你有機會近距離的去了解美的的IT建設和大數據建設的話,每個人都會有不同的收穫和感受。

IT的規劃和建設、大數據的建設不是一個戰術層面的產物,而是一個實實在在的戰略。這些戰略的形成是基於美的決策層紮根這個行業幾十年,對這個行業的現狀和未來的發展有著深刻的認識並站在一個非常高的高度才能看清楚的。

踏踏實實的深入行業不斷總結和認真思考,用心積累才能真正了解整個行業的痛點、現狀,只有這樣才能在機遇出現的時候抓住它。

所以,對於很多企業來說我們企業的大數據項目的建設我覺得有以下幾點是需要注意的:

1. 大數據項目的規劃需要提高到企業級的高度去重視和執行。IT的建設和大數據的規劃不會一蹴而就,需要一個過程去構建和驗證,有必要的投入也需要有強有力的執行。

大數據項目涉及到各種資源的整合、幾十上百個系統的打通、數據的打通、部門的配合、業務的驗證等各個方面,很顯然沒有一個高瞻遠矚的高層集體來推動和協調,內部對於 IT Inside 的統一認識和執行,大數據項目的落地將會十分困難。

2012 年美的開始對 IT 治理做全面和集中的重構,從以往的外包交付逐步走向內部交付。美的投資的十多個億的 632 戰略也是從那個時候開始的:構建6大運營系統、3大管理平台、2大門戶和集成技術平台。最終實現了業務訂單到收款,從採購到付款,內部關聯交易、合作夥伴業務流程與系統打通等等流程重構。業務系統的規範,對數據結構和數據流程的規範起到了非常重要的作用。

而其中的核心就在於需要強大的領導意志站在企業級的高度去全力推動。

2. 需要考慮清楚為什麼要做大數據,大數據的應用場景和業務場景在哪裡。大數據需要頂層設計、它不是一個簡簡單單的技術堆砌,需要解決什麼樣的問題,它發生的業務場景在哪裡。離開業務場景的大數據,實現不了業務價值,大數據的建設也將會形同雞肋。

對於很多企業來說也是如此,在規劃和建設企業內部大數據平台之前,需要認真考慮數據和業務嫁接的場景,在什麼樣的場景下面需要通過什麼樣的數據來解決什麼樣的問題。如果這個問題想不明白,倉促的上大數據,最終還是會迷失方向,或者反過頭來認為大數據一無是處。

業務場景想清楚了,之後再才是數據來源的問題,使用什麼樣的技術手段和什麼樣的技術解決方案來共同完成這件事情。數據永遠都是有價值的,關鍵還是在於怎麼用好它,但如果脫離了業務價值,數據便只是數據。

3. 數據文化的建設,企業的數據意識和產品意識。數據文化的建設和企業的數據意識簡單來說就是用數據說話,相信數據和善於使用數據,並且懂得利用數據來分析和發現問題,尋找解決問題的思路和方向。

而產品意識則是站在一個更高的高度來更高效的處理和利用好數據,流程歸類,解決方案歸類,共性的問題共性處理。用好大數據是一個階段,能夠將大數據變成一個成熟的平台和通用的產品又是另外的一個階段。

我們都知道做好一個項目難,把這個項目標準化讓更多的人使用更難,項目標準化之後形成商業化的產品就是難上加難。

非常幸運的是,美的的大數據團隊有這樣的一個機會完成了美的內部大數據平台的搭建,將大數據平台變成通用的解決方案,將這種解決方案再標準化並且形成商業化的產品並服務於除美的之外更廣闊的市場。

註:本文來源索信達數據,作者:呂品,天善智能聯合創始人&運營總監,編輯:Fynlch(王培),:cbdioreview) ,欲了解更多大數據行業相關資訊,可搜索數據觀(大數據產業觀察網www.cbdio.com)進入查看。

點擊下方「閱讀原文」了解大數據實驗平台


熱門推薦

本文由 yidianzixun 提供 原文連結

寵物協尋 相信 終究能找到回家的路
寫了7763篇文章,獲得2次喜歡
留言回覆
回覆
精彩推薦