企业大数据实战案例一、家电行业
以某家电公司为例，它不仅生产大家熟知的空调、冰箱、电饭煲等产品，还涉足智能家居领域，产品种类繁多。在其集团架构中，IT部门与HR、财务等部门平级，以事业部形式独立运作。
当前，家电及消费电子行业面临“内忧外患”，产能过剩、价格战和产品同质化现象严重。互联网企业的涉足，如小米的“粉丝经济”，乐视的“平台+内容+终端+应用”，都表明行业的竞争焦点转向了“用户”经营而非单一的产品生产。该公司旨在打造极致产品和个性化服务，希望通过合适的渠道将合适的产品推荐给合适的客户。但在CPC模型中，目前仅实现了CP匹配（产品渠道），缺乏用户全景视图的支持，无法实现“CP（客户产品）”和“CC（客户渠道）”的匹配。
面对这样的业务需求和市场环境，该公司希望将大数据应用于所有业务解决方案中。以大数据DMP作为企业数据的核心，整合内外部数据资源，按不同领域组织企业数据，构建完整的企业数据资产。然后，利用这一系统服务于企业价值链中的各项应用。
然而，公司的数据分布在不同的系统中，互联网电商数据也散布在各大平台上，难以有效利用。针对这一问题，公司采取了两项策略：首先从互联网外部数据入手，引入大数据处理技术，既解决了外部数据的利用问题，又为公司提供了大数据技术的实践机会；其次，建设DMP作为企业统一数据管理平台，整合内外部数据，构建用户全景视图。
一期建设项目包括：通过定制Spark爬虫每天抓取互联网数据（主要来自天猫、京东、国美、苏宁、淘宝上的用户评论等），利用Hadoop平台进行存储和语义分析处理，实现了“行业分析”、“竞品分析”、“单品分析”等模块。这一系统在市场洞察、品牌诊断、产品分析和用户反馈等方面迅速展现了效果。
二期建设目标是建设统一数据管理平台，整合公司内部系统数据、外部互联网数据和第三方数据。
该项目对企业的最大价值在于将沉淀的数据资产转化为生产力。IT部门通过建设统一数据管理平台，快速支持新应用，实现敏捷IT。业务部门通过洞察产品、品牌和行业，优化产品设计、广告营销和服务。战略部门通过市场和行业分析，指导产品布局和战略部署。
企业大数据实战案例二、快消行业
以宝洁为例，在与宝洁中国市场部的合作中发现，并不需要先整合内外部数据才能进行用户画像和客户洞察。宝洁抓取了主流网站上所有与宝洁评价相关的数据，利用语义分析和建模，掌握了不同消费群体的购物喜好和习惯，仅利用外部公开数据，就快速实现了客户洞察。
宝洁还在渠道管理上进行了创新。通过监听互联网用户评论数据，监控与宝洁合作的50个零售商店相关的用户评论，利用线上数据进行渠道/购物者研究并指导渠道管理优化。
实现过程包括：1) 锁定微博、大众点评等数据源，采集数百万条消费者讨论与宝洁购物相关的内容；2) 利用自然语言处理技术，对用户评论进行多维建模，包括购物环境、服务、价值等10多个一级维度和50个二级维度，实现对用户评论的量化；3) 对沃尔玛、屈臣氏、京东等50个零售渠道进行持续监控，并通过DashBoard和周期性分析报告展示结果。
因此，宝洁能够更有效地掌握KA渠道整体情况，甚至关键细节、优势与劣势，指导渠道评级体系调整，帮助制定产品促销规划。
企业大数据实战案例三、金融行业
对于消费金融来说，家电、快消的案例同样适用，尤其在精准营销、产品推荐等方面。这里主要分享征信风控方面的应用。显然，互联网金融如果对小额贷款都像银行一样做实地考察，并投入大量人力进行分析评估，成本是相当高的。因此，基于大数据的批量信用评分模型应运而生。其目的也是实现企业画像和企业中关键人物的画像，再利用数据挖掘、数据建模方法建立授信模型。宜信的宜人贷、芝麻信用等都是这一架构的体现。
在与金融客户的接触中发现，无论是银行还是金融公司，对外部数据的需求都越来越迫切，尤其是外部强特征数据，比如失信记录、第三方授权后的记录、网络行为等。以上是关于企业大数据实战案例的相关内容，更多信息可以关注环球青藤分享更多干货。
