智能制造网APP
智能制造网手机站
智能制造网小程序
智能制造网官微
智能制造网服务号
智能控制
机器人
仪器仪表
物联网
3D打印
工业软件
回放
预告
品牌
杭荣
【中国智能制造网 智造快讯】企业决策中，通常我们面临的情况是，没有大数据可用，或者有了大数据却用不好。实际上，没有大数据可用的情况会更多一些。毕竟，现在大数据分析已经成了一种开放的能力，拥有大规模用户数据的企业必然会挖空心思从这些数据里“掘金”。
数据掘金：5大通用法则教你如何玩转大数据
对挖掘数据潜力有兴趣的公司会这么说，“如果我们有大数据技术，系统或……那么必然能提高我们的业务表现。”对部分公司来说，这种说法可能是成立的，但对大多数公司来说，这种说法未免过于乐观。想想你能把现有的 Medium / Small Data 玩好吗？
大数据对业务的价值不只是在于拥有并使用大数据或系统，更关键的是对于实际开始挖掘数据并从中获得有价值见解的好奇心，并且你需要采取行动来落实这些见解。
Medium / Small Data的超级价值
这里我们就来探讨，在没有前置“Big”的情况下，如何用“中型数据”甚至“小数据”实现业务优解。下面的案例结合了笔者之前的经验，表明对数据保持足够的好奇心，并对洞察采取积极的动作，很多业务优解是可以实现的。你会发现这3个典型的业务优化的案例，是基于“ Medium / Small ”而不是“Big”数据驱动的洞察。
案例1：工业服务市场需求的意外提升
一家工业维修服务提供商近遭遇了市场需求的下滑，正在寻求业务增长的方法。虽然该公司有一个所有已安装的工业设备的数据库，方便执行维护服务，但他们从来没有实际观察这些数据的细节。不挖掘，这些数据又如何能够带来更好的结果呢？
经过我们对数据的分析，结合对工业维修的了解，我们发现，一定比例的已安装设备的使用年限造成了维修市场的低迷。这些机器已经运行了20年，做过轮大型维护，第二轮维护会在接下来的10年进行。
幸运的是，设备安装的第二部分即将进入主要维护期，这可能带来这家公司的业绩提升。这些数据能够深入了解相关的机器类型以及所处的地理位置，告诉公司该向哪儿派遣销售人员，以及如何向这些客户进行 up-sells 。
案例2：建筑材料制造商销售能力提高30％
建筑产品制造商习惯为它们的三个主要产品线部署专门的销售部门。由于这个策略，每个位置(甚至客户)被发现由三个不同的销售人员提供服务。他们的逻辑是，三个不同的产品有不同的买家和不同的购买过程。
虽然只有有限的数据可用，我们发现，这个逻辑实际上是无效的。对于这些不同的产品线，买家和购买过程是完全相同的。于是，我们决定让每个销售人员负责特定地区的所有产品线，并进一步向销售团队分配更小的地理区域。
结果是，现在每个销售人员在较小的地区拥有更高的客户密度，他可以销售三个产品线给几乎每个客户。这使销售团队的客户联系时间提高了50%，导致很显著的业务增长。
案例3：金融服务新合同增加了15％
一家金融服务提供商根据(潜在)客户可能产生的案例数量分割市场。他们把市场分为5个部分，范围从只有少数案例到大量案例。这个市场策略导致销售压力很大的公司有很多案例，但销售压力较轻的公司的案例数量较少。这样的结果不是很好!
通过仔细挖掘他们的财务和客户数据，我们发现，实际上有三种类型的客户。每种客户为公司创造了不同的价值。
总价值大的一部分来自具有非常高数量案例的客户，但这些案例的平均价值都很小，导致每个案例只能带来很少的收入。
总价值小的一部分来自具有较少案例的客户，但每个案例的价值更高。
价值显著的一部分来自客户只有几个案例的情况(因此在旧的分割方法中没有吸引力)，但每个案例的价值非常高。
将营销和销售工作重新分配到这后一个类别导致与重要客户签订的新合同增加了15%，这几乎是以前的5倍。
上面是很好的例子，但你的公司跟这些情况不一样。
上面三个例子表明，即使没有大数据，通过巧妙地使用你的“中”或“小”数据仍然可以有很多收获。我们总结出了一些通用法则。
1.好奇心是关键
显然，如果好奇心只是让你在数据上徘徊，你永远不会有任何发现。获得上述见解和相关的业务改进有点像掘金。你永远不知道你可能会找到什么，但你需要相信，肯定有金子存在。此外，你还要有好奇心来不断寻找它。如果你自己没有这种好奇心，确保团队中有人有。
2.构建假设，发现瓶颈
第二个是制定可能阻碍或推动你的增长的假设。好的做法是为推动市场上全部(潜在)客户需求的因素做一个漏斗。然后层层分剥：
目前有多少人知道你？
你实际联系了这些人里的多少？
其中有多少可能成为你的客户？
有多少实际(可能)转换并成为你的客户？
其中有多少是你的忠实客户？
有多少人在他们的网络中宣传你？
完成后，建立假设，是什么在驱动潜在客户通过这个漏斗，以及你可以如何影响这一点。这样的分析通常会告诉你在你的市场或商业过程的约束，并让你做出推动增长的假设。
3.查找相关数据
当你制定了改进行动的假设，那么接下来就是执行，从数据看你的假设是否成立。
对于工业设备维护公司来说，数据是相关机器的安装基础和它们的使用年限。
对于金融服务公司，这些数据包括客户，他们的案例数量和每个案例的价值。
对于建筑产品的制造商，这是描述他们不同产品的买家和他们的购买过程的数据。
所有相对较小的数据集，通常是手工制作的，但是在导致优化业务结果的措施方面是非常有用的。
4.务实
许多使用数据的人倾向于先构建综合数据库和分析工具，然后才开始使用它。我们建议使用精益的方法。开始使用数据，并尽快构建数据库和工具。这可能会导致一些遗憾(如多个非统一的数据集，不适合在一个系统)，但速度为王。你不利用数据，别人可能会用数据打败你。所以，要实用。不要害怕从多个电子表格开始，没有正确记录分析等。先利用再优化。
5.行动
后但并非不重要的，ACT !坦率地说，大多数分析结果后都放在抽屉里没有用或没起到作用。多么耻辱和浪费啊。因此，只要你的数据能带来潜在的业务改进，设置一个小试验，导致有形的结果(然后放大!)或无效(它没有工作)。通过启动试验改变工作方式通常更容易实现，然后通过大规模流程改进或组织更改。通过小规模试验证明了一种新的工作方式的价值之后再扩大规模，比让整个组织仅根据业务案例或未经证实的理论或概念进行更改要容易得多。
(原标题：数据掘金：“大数据”要是没前面的“大”，该怎么玩)
浙公网安备 33010602000006号
智能制造网APP
智能制造网小程序
微信公众号
