时间：2022-02-27 16:44:42
序论：速发表网结合其深厚的文秘经验，特别为您筛选了11篇商务数据分析报告范文。如果您需要更多原创资料，欢迎随时与我们的客服老师联系，希望您能从中汲取灵感和知识！
数据分析的目的
把隐藏在一大批看似杂乱无章的数据背后的信息集中和提炼出来，总结出研究对象的内在规律。
数据分析的分类
数据分析的三大作用：现状分析、原因分析、预测分析。
数据分析的六部曲
数据分析流程
1.明确目的和思路
梳理分析思路，并搭建分析框架，把分析目的分解成若干个不同的分析要点，即如何具体开展数据分析，需要从哪几个角度进行分析，采用哪些分析指标(各类分析指标需合理搭配使用)。同时，确保分析框架的体系化和逻辑性。
2.数据收集
一般数据来源于四种方式：数据库、第三方数据统计工具、专业的调研机构的统计年鉴或报告(如艾瑞资讯)、市场调查。
对于数据的收集需要预先做埋点，在前一定要经过谨慎的校验和测试，因为一旦版本出去而数据采集出了问题，就获取不到所需要的数据，影响分析。
3.数据处理
数据处理主要包括数据清洗、数据转化、数据提取、数据计算等处理方法，将各种原始数据加工成为产品经理需要的直观的可看数据。
4.数据分析
数据分析是用适当的分析方法及工具，对处理过的数据进行分析，提取有价值的信息，形成有效结论的过程。
常用的数据分析工具，掌握Excel的数据透视表，就能解决大多数的问题。需要的话，可以再有针对性的学习SPSS、SAS等。
数据挖掘是一种高级的数据分析方法，侧重解决四类数据分析问题：分类、聚类、关联和预测，重点在寻找模式与规律。
5.数据展现
一般情况下，数据是通过表格和图形的方式来呈现的。常用的数据图表包括饼图、柱形图、条形图、折线图、气泡图、散点图、雷达图等。进一步加工整理变成我们需要的图形，如金字塔图、矩阵图、漏斗图、帕雷托图等。
一般能用图说明问题的就不用表格，能用表说明问题的就不用文字。
图表制作的五个步骤：
确定要表达主题
确定哪种图表最适合
选择数据制作图表
检查是否真实反映数据
检查是否表达观点
常用图表类型和作用：
图片来自于网易云课堂《谁说菜鸟不会数据分析》
6.报告撰写
一份好的数据分析报告，首先需要有一个好的分析框架，并且图文并茂，层次明晰，能够让阅读者一目了然。结构清晰、主次分明可以使阅读者正确理解报告内容；图文并茂，可以令数据更加生动活泼，提高视觉冲击力，有助于阅读者更形象、直观地看清楚问题和结论，从而产生思考。
好的数据分析报告需要有明确的结论、建议或解决方案。
数据分析的四大误区
1.分析目的不明确，为了分析而分析；
简历表格的格式一：姓名：性别：女年龄：21 岁身高：163cm婚姻状况：未婚户籍所在：现居住地：工作经验：3-5年联系电话：邮箱：最高学历：大专专业：建筑装潢设计求职意向最近工作过的职位：导购期望岗位性质：全职期望工作地：信阳市期望月薪：2900期望从事的岗位：客服专员/助理(非技术)期望从事的行业：互联网/电子商务技能特长技能特长：接受新生事物快，勤奋好学，具有2年多的电子产品销售经验。教育经历中国计算机函授学院(大专)起止年月：2007年9月至0年0月学校名称：中国计算机函授学院专业名称：建筑装潢设计获得学历：大专工作经历XX电脑城- 导购起止日期：2009年10月至0年0月企业名称：弘运电脑城从事职位：导购业绩表现：主要销售主装机，数码周边配件等 简历表格的格式二：姓名
性别
女
出生日期
1985.11.21
民族
汉族
血型
O型
婚姻状况
已婚
教育程度
本科
工作年限
4年
政治面貌
群众
现有职称
无
户口所在地
山东省青岛市
现居住地
青岛市
联系方式
电子邮箱
求职意向
期望从事职位：数据分析师
期望工作地点：青岛市
自我评价
1、具有扎实的统计学专业基础知识，掌握常见的统计方法；
2、熟练掌握常用的数据挖掘方法，算法和相关工具、熟练使用SAS软件；
3、数据处理能力很强，熟练使用Office软件；
4、有良好的逻辑思维能力，注重细节、对数字敏感，能挖掘数据背后的意义，能够独立完成、撰写业务数据分析报告。
工作经历
2010年7月-2012年7月
山东****网络有限公司
单位性质：合资
所任职位：数据分析师
工作地点：青岛市
职责描述：
1、根据业务需求，制定用户使用行为数据的采集策略，设计、建立、测试相关的数据模型，从而实现从数据中提取决策价值，撰写分析报告；
2、跟踪并分析客户业务数据，为客户的发展进行决策支持；
3、完成对海量信息进行深度挖掘和有效利用，充分实现数据的商业价值；
4、支持微博事业部等产品部门下的运营，产品，研发，市场销售等各方面的数据分析，处理和研究的工作需求。
2008年6月-2010年6月
****公司
单位性质：国企
所任职位：数据分析助理
工作地点：青岛市
职责描述：
1、完成对行业销售及相关数据的分析、挖掘，熟练制作数据报表、撰写评估分析报告；
2、独立完成用户行为特征与规律的分析，关注市场动态与风险，为产品方向提出合理建议；
3、在分析师的指导下构建公司业务领域数据分析与挖掘模型和方法论；
4、针对历史海量商业数据，能及时发现和分析其中隐含的变化和问题，为业务发展提供决策支持；
5、完成数据分析相关的需求调研、需求分析等。
项目经验
2011年5月*****项目
项目职责：
1、收集用户使用行为数据；
2、完成行为数据的分析；
3、制定模型与产品运营间的联动接口。
教育背景
2004年9月-2008年6月
山东**大学
统计学专业
本科
主要课程：数学分析、几何代数、数学实验，常微分方程、数理统计、抽样调查、多元统计、计算机应用基础、程序设计语言、数据分析及统计软件、回归分析等。
掌握了扎实的专业基础知识，擅长数学，有很强的分析和演算能力，业余广泛了解相近专业的一般原理和知识，如经济学、计算机操作等，在统计计算的基础上锻炼了视野广阔的分析技能。
培训经历
2010年3月-2010年10月
数据分析与SAS培训
主要课程：SAS体系内容、ETL技术、SAS分析技术、假设检验、方差分析以及各种模型分析等。
通过本次数据分析培训，全面掌握了SAS的内容，如逻辑库及操作符与SAS的表达式等，能够完成复杂数据步的控制，数据集整理以及主成分分析、因子分析等，提升了数据的分析能力。
专业技能
熟悉数据分析模型的建立，能独立完成数据分析并针对结果给出一定的建议。
简历表格的格式三：姓 名性 别男出生日期1990-10-9户口地广州住宅电话*****手 机EMAIL个人主页****联系地址广东省xxxx毕业院校工作经历时间所在公司职位相关说明20xx年1月2日——
20xx年10月15日广州无限信息传播有限责任公司网页制作工程师/WEB美工/项目经理毕业以后找的第一份工作，主要职责是网页设计、FLASH制作以及平面设计。由于能力突出，后期在做大型项目中国校园商务网时任项目经理20xx年10月——
20xx年3月馨蓝数码工作室设计师第一份工作辞职以后与几个朋友自行开发制作馨蓝游戏网20xx年3月——
20xx年9月31日广州高安软件有限公司美工监理，设计师馨蓝游戏网与该公司签署合作协议，正式合并到该公司，自己也加入该公司参与网站建设工作，为寻求个人更大发展而离开该公司主要作品（建议上我的求职主页查看详细*******）网页作品FLASH作品精益眼睛眼镜店网站导入FLASH
NEC网站导入FLASH
红宝石电子网站导入FLASH
实验教学是培养经管类专业学生实践能力的重要手段。经济管理类专业学生不仅要熟练地掌握理论知识，更要具备较强的实践能力，特别是大数据时代的到来，强调以数据为基础进行研究，并快速做出决策[1]，不仅对掌握大数据思维和技术的人才需求量扩大，而且对经管类专业人才培养提出了新的要求[2]，因此在大数据背景下应充分认识实验教学对经管类专业学生实践技能的重要性，科学全面地构建面向数据分析和管理的实验教学体系，以适应大数据背景下经管类专业人才的培养需求。
大数据扩宽了信息的来源，提高了信息获得的速度，分析对象从传统的结构化数据过渡到非结构化数据，因此对经管人才需要更全面地掌握大数据思维方式和分析流程。对工商管理、企业管理专业而言，需要其更注重利用多种类型的企业运作的数据，通过对其进行整理分析，帮助企业进行业务流程改革，提升企业运营效率，提高经济效益[3]。对于电子商务、市场营销专业而言，应学会利用大数据技术探索新商业模型，分析营销网络，评估投资风险及创新服务模式[4]。而对于和大数据技术紧密相关的信息管理专业来说，需要更全面地从数据采集、分析到数据挖掘多个方面转变传统的数据分析思维，以适应大数据环境下知识管理与智能决策的需要[5]。
1.实验目的不合理，实验设计不当。
目前，对于经管理类专业的大数据实验教学体系还处于基本概念阶段，与科研前沿脱节，实验目标大多只要学生掌握数据采集、统计分析等基本概念和方法，就学会对给定的数据进行分析。但是在大数据环境下，数据分析和挖掘需要针对结构化数据、非结构化数据等用创新性的思维方式解释分析结果，并用于智能辅助决策及知识发现。因此，大数据实验课程应与时俱进地适应大数据的要求，开展多样化、启发式的实验项目，不仅让学生掌握如何收集信息和整理信息，还要解释隐藏在数据背后的潜在规律。
2.实验教学方法和手段陈旧。
传统实验课是学生按照老师的要求和给定的数据，学习各种数据分析方法。实验内容设计单一，没有针对不同知识结构的学生开展有针对性的实验训练项目，学生学习积极性不高。因此，在大数据实验教学中，要以培养学生创新实践能力为主要目标，在教师的帮助下，通过团队协作、自主设计完成。同时，分层次制定针对不同知识结构背景的实验项目，便于学生根据自身的特长和能力自主选择实验项目。
由此可以看出，传统的实验教学已不能满足大数据背景下的经管类专业人才对数据分析和处理的新需求，在实验教学方式、实验教学内容等多方进行创新和改革，才能培养出顺应时代背景的优秀经管类人才。
在大数据背景下，经管类人才应该具备：发现问题的能力，收集整理数据和信息的能力及理解分析数据的能力。对此，我们从教学方式、课程体系、技能与经验三方面入手，开展实验教学改革，以适应大数据时代对于经管人才培养的要求。
3.创新实验教学方式。
大数据时代，书本和课堂不是获取信息的唯一选择，网络资源、各种移动端应用程序等方式都扩展了学生获取信息的方式，在这种情况下，实验教学不仅需要让学生掌握如何搜集、整理数据的技术，还要培养学生观察、分析问题的能力，从而真正调动学生的学习积极性。例如可以提供多种获取大样本数据的渠道，学生组队进行数据分析和挖掘，设计算法，进行相关分析直到最后撰写出分析报告，整个流程全部由学生独立完成。
4.完善大数据实验课程体系的构建。
对于经管类专业的学生而言，实验目的主要是让他们掌握数据分析的主要流程、主要算法的基本原理，具备大数据应用的初步能力。另外，考虑到不同专业的学生知识结构不同，我们构建多层次的经管类大数据实验课程、基础实验，以验证和演示实验为主，强调掌握数据分析工具和分析算法，理解数据分析基本流程。专业实验，以简单设计性实验为主，强调利用现有的数据分析工具，较完整地体验从数据采集、数据整理、数据分析到数据挖掘的全过程，并编写简单的数据分析代码。综合性实验，采用自助式、合作式模式，让学生自己动手收集数据，团队合作分析问题，在实验教师的指导下，综合运用各种数据分析工具，自主设计算法，进行相关分析，直到最后分析报告，初步具备大数据的应用能力。
5.培养专业技能和增加实践活动。
积极开展大数据应用相关的实践活动，提供多种形式让学生参与大数据的实践环节，在提高专业水平的同时，提高实践操作能力。合理利用现有慕课、微课等在在线课程作为实体课堂的有益补充，引导学生深入学数据技术。另外，积极联系软件企业提供各种实习途径和岗位，让学生真正参与与大数据的各种项目开发，强化课堂的理论知识，丰富实践经验，提高专业级技能，有效地提高学生的数据分析能力和数据挖掘能力。
大数据作为近年来的热点研究问题，已经广泛应用于经管类学科当中。经管类专业学生只有更好地掌握并懂得如何利用大数据，才能在大数据时代拥有更多的优势。因此，本文从教学方式、课程体系、技能与经验进行创新，提出切实可行的改革措施，以更好地培养经管类学生的数据分析的专业能力，适应大数据环境下知识管理与智能决策的需要。
参考文献：
[1]祝智庭，沈德梅.基于大数据的教育技术研究新范式[J].电化教育研究，2013（10）：5-13.
[2]朱怀庆.大数据时代对本科经管类统计学教学的影响及对策[J].高等教育研究，2014（9）：35-37.
[3]李永，刘玉红.大数据时代大学生学习模式转变研究[J].长春工业大学学报（高教研究版），2014，35（4）：38-41，100.
A / B测试是非常基本的电子邮件营销技能，即我们发送电子邮件的一个版本(称之为A)给10%的客户，与此同时发送电子邮件的另一个版本(称之为B)给10%的客户。然后通过比较这两部分数据来决定向剩余的80%的客户发送哪封最佳邮件版本。
邮件营销A / B测试技巧是培育优秀邮件内容的前提。Webpower首席数据分析师Dr.MauritsKaptein认为其实这其中也包含了未被充分验证的部分，我们可能并没有通过A / B测试真正筛选出最佳邮件版本，实际上，我们只是对20%的客户进行了测试，其余80%客户其实是割裂状态。如果我们能相对充分地覆盖客户，才真正较为客观地进行了消费者洞察。
动态A / B测试
这里有一个基本事实：在A / B测试期间，有一半概率接收到电子邮件“A”，另一半概率接收到“B”。试验结束后，如果“A”的转化率为最高，“A”与“B”的概率分别变为1和0。然而随着时间的推移，这一概率比例会被平顺地改变。当缺乏数据支撑时，概率演变为1/2和1/2。但是在小范围测试中，若“A”有更好的表现，概率值变为2/3和1/3。也就是说，做动态A / B测试，在测算品质上是完胜静态A / B测试的。动态A / B测试的好处不仅在于它在准确度上优于静态的，它还允许添加新的测试选项，并覆盖更多的时间。因此，在面对一封自动生成的“购物车挽回”的电子邮件时，你可以随时增加新的邮件版本测试最佳呈现效果。你不该只是做“是”或“否”的单一测试，而是要适时地持续优化。
不断学习
使用动态A / B测试，为邮件与客户互动空间开辟了更多的空间。比如，你如何通过推广邮件确定一个新的在线服务产品的最佳价格？如果定价太高，可能没有人会购买该产品；如果定价太低，又可能无法盈利。
所以该如何取舍平衡呢？不妨试试摒弃付费的市场研究机构所做的潜在客户成本分析，激发邮件功能，有效利用相关数据探索最优价格。在邮件中，尝试新的定价给客户，观察他们的反馈，计算你的收益，并不断调整实时更新价格策略。可称之为结合邮件反馈的动态定价。
个性化发送
如果将电子邮件营销活动延伸开来看，可以与客户个体有连续的互动学习。比如你每周的newsletter是针对同一组收件人，基于客户newsletter的反馈你可以展开积极地调研，从而发现是什么让用户买单。
经过反复的邮件试探，我们可以了解客户的产品偏好，他喜欢什么电影、音乐。或者他喜欢公路自行车运动还是攀岩？我们可以应用电子邮件对这些问题展开积极测试，并建立客户的个人资料。
目前，越来越多的网站开始重视数据，并期望从中发现新的机会，不管你是做网络营销、互联网产品设计、电子商务运营、个人站点运营维护，我们都希望从数据中寻找有价值的结论，并且指导公司管理层的决策，最终创造更大的网站价值。本书以通俗易懂的方式来讲解网站分析所需掌握的知识，剖析日常工作中遇到的问题，并且配合大量的实战案例的讲解。
本书适合网站运营人员、网络营销人员（SEO、SEM、EDM）、网站产品经理和个人站长阅读，本书也适合计算机专业或者市场营销专业的自学。
目录
第1章解密神奇的网站分析——网站分析的目的、流程及价值
1.1 为什么要对网站进行分析
1.2 网站分析是什么
1.3 如何进行网站分析
1.3.1 网站流量质量分析
1.3.2 网站流量多维度细分
1.3.3 网站流量重合度分析
1.3.4 网站内容及导航分析
1.3.5 网站转化及漏斗分析
1.4 网站分析为什么很重要
1.5 网站分析带来的价值及改变
1.6 网站分析的基本流程
1.6.1 定义（Define）
1.6.2 测量（Measure）
1.6.3 分析（Analyze）
1.6.4 改进（Improve）
1.6.5 控制（Control）
1.7 我能成为网站分析师吗
1.7.1 网站分析行业概况
1.7.2 兴趣和一个免费的分析工具
1.7.3 了解JS及HTML语言
1.7.4 了解网络营销知识及常见广告模式
1.7.5 Excel和PPT的使用能力
1.7.6 强大的沟通能力
1.7.7 不畏错误和挑战的能力
1.7.8 良好的职业操守和道德底线
1.8 本章小结
第2章从这里开始学习网站分析——网站分析中的基础指标解释
2.1 我们如何获得网站的数据
2.1.1 常见的数据获取方式
2.1.2 网站日志和JS标记
2.1.3 用户识别
2.1.4 点击流模型
2.2 网站分析中的基础指标
2.2.1 网站分析中的骨灰级指标
2.2.2 网站分析中的基础级指标
2.2.3 网站分析中的复合级指标
2.3 本章小结
第3章网站分析师的三板斧——网站分析常用方法
3.1 数据分析前的准备工作
3.1.1 数据的来源类型
3.1.2 数据的清洗与整理
3.1.3 我们的数据准确吗
3.2 网站数据趋势分析
3.2.1 同比、环比、定基比
3.2.2 趋势线拟合
3.2.3 移动均值
3.2.4 数据监控自动化
3.3 网站数据对比分析
3.3.1 简单合并比较
3.3.2 比较实验的设定
3.3.3 让比较结果更可信
3.3.4 别忘记与目标对比
3.4 网站数据多维度细分
3.4.1 指标和维度
3.4.2 为什么要使用细分
3.4.3 什么是细分
3.4.4 细分的常用方法
3.5 本章小结87第4章网站流量那些事儿——网站流量分析
4.1 网站中常见的流量分类
4.1.1 网站中常见的三种流量来源
4.1.2 直接流量的秘密
4.2 对网站流量进行过滤
4.2.1 过滤流量来源的基本原理
4.2.2 Google Analytics流量过滤速查表
4.3 如何对广告流量进行追踪和分析
4.3.1 对你的流量进行标记
4.3.2 区分搜索付费流量与免费流量
4.3.3 监测百度竞价流量ROI
4.3.4 挖掘有价值的搜索关键词
4.3.5 追踪EDM的活动流量
4.4 如何辨别那些虚假流量
4.4.1 虚假流量与真实流量的特征
4.4.2 辨别虚假流量的十二种方法
4.5 为你的网站创建流量日记
4.5.1 什么是网站流量日记
4.5.2 如何创建流量日记
4.5.3 网站流量日记的作用
4.5.4 开始第一次网站分析报告
4.6 流量波动的常见原因分析
4.6.1 直接流量波动常见原因
4.6.2 付费搜索流量（SEM）波动常见原因
4.6.3 自然搜索流量（SEO）波动常见原因
4.6.4 引荐流量波动常见原因
4.7 本章小结
第5章你的网站在偷懒吗——网站内容效率分析
5.1 网站页面参与度分析
5.1.1 什么是页面参与度
5.1.2 页面参与度的计算方法
5.1.3 设置并查看页面参与度指标
5.1.4 页面参与度指标的两个作用
5.2 页面热力图分析
5.2.1 Google Analytics热力图功能
5.2.2 Google Analytics热力图中数字的含义
5.2.3 Google Analytics热力图中的细分功能
5.2.4 Google Analytics热力图中的路径分析
5.2.5 Google Analytics热力图的常见问题
5.3 页面加载时间分析
5.3.1 理想情况下的Landing Page时间分布
5.3.2 Landing Page缺乏吸引力的时间分布
5.3.3 页面打开速度慢的时间分布
5.4 网站中的三种渠道分析
5.4.1 网站的流量来源渠道
5.4.2 网站的内部渠道
5.4.3 网站的目标渠道
5.5 追踪并分析网站404页面
5.5.1 使用Google Analytics追踪404页面
5.6 最终产品页分析
5.6.1 如何评价内容的热门度
5.6.2 基于多指标的内容简单分类
5.6.3 基于多指标的内容综合评分
5.7 本章小结
第6章谁在使用我的网站——网站用户分析
6.1 用户分类
6.1.1 用户指标
6.1.2 新老用户
6.1.3 活跃用户和流失用户
6.2 用户行为分析
6.2.1 每个用户行为指标的分析价值
6.2.2 基于用户行为指标的用户分布
6.2.3 基于用户细分的用户行为分析
6.3 用户忠诚度和价值分析
6.3.1 基于用户行为的忠诚度分析
6.3.2 基于用户行为的综合评分
6.3.3 用户的生命周期价值
6.4 本章小结
第7章我们的目标是什么——网站目标与KPI
7.1 对网站进行全面货币化
7.1.1 设置电子商务追踪
7.1.2 对目标设定货币价值
7.2 创建网站分析体系
7.2.1 定义网站目标
7.2.2 获取并分解网站目标
7.2.3 聚焦网站的核心目标
7.2.4 关注每个分解的目标
7.2.5 创建网站分析的KPI
7.3 KPI网站分析成功之匙
7.4 KPI在网站分析中的作用
7.4.1 网站分析KPI的5个标准
7.5 解读可执行的网站分析报告
7.5.1 可执行的网站分析报告的内容
7.5.2 KPI指标的创建及选择
7.5.3 网站分析关键KPI指标报告
7.5.4 关键KPI指标变化分析
7.5.5 访客行为货币化
7.5.6 创建属于你的Action Dashboard
7.6 目标KPI的监控与分析
7.6.1 KPI的数据监控
7.6.2 KPI背后的秘密
7.7 本章小结
第8章深入追踪网站的访问者——路径与转化分析
8.1 探索用户的足迹——关键转化路径分析
8.1.1 明确关键转化路径
8.1.2 测量关键转化路径
8.1.3 漏斗模型的展现
8.1.4 有效分析转化路径
8.1.5 为什么使用漏斗图
8.1.6 网站中的虚拟漏斗分析
8.2 让用户走自己的路——多路径选择优化
8.2.1 简化用户转化路径
8.2.2 让用户选择适合自己的路
8.2.3 多路径转化数据分析
8.3 基于内容组的访问者路径分析
8.3.1 基于分析目的规划内容组
8.3.2 创建内容组前的准备工作
8.3.3 使用过滤器创建内容组
8.3.4 检查并优化内容组
8.3.5 访问者流报告功能概述
8.3.6 访问者流报告与其他功能配合使用
8.4 本章小结
第9章从新手到专家——网站分析高级应用
9.1 为你的网站定制追踪访问者行为
9.1.1 使用_trackPageview函数自定义页面名称
9.1.2 使用_trackPageview函数追踪出站链接
9.1.3 使用_trackPageview函数记录时间维度
9.1.4 使用_trackPageview函数记录页面状态
9.1.5 使用_trackPageview函数记录用户行为
9.2 按需求创建个性化报告
9.2.1 创建报告前的准备工作
9.2.2 设置自定义信息中心
9.2.3 对报告的用户权限进行管理
9.2.4 设置智能提醒和邮件报告
9.3 控制报告中的数据
9.3.1 过滤器基础
9.3.2 高级过滤器
9.4 快速数据导出工具
9.5 数据分析高级应用
9.5.1 网站内容关联推荐
国双科技注册成立于2005年，以软件外包起家，那时祁国晟就已经在关注搜索引擎的营销经济价值。2007年，他做出一个艰难的决定：彻底放弃赚钱的外包服务，把所有精力投入Web Dissector量化分析工具的开发上，开始了“二次创业”。经过三年的蛰伏，2011年 2012年国双科技的在线分析业务实现了爆炸式的增长，收入猛增10倍以上。目前国双科技的客户超过300家，分布于18个行业，包括可口可乐、欧莱雅、上海文广新闻传媒集团等40多家全球500强和中国500强企业，国双科技为它们提供打包的数据整合方案服务。
与过往的业绩相比，更让祁国晟和团队兴奋的，是他们正在开启的新事业：数据资产化。
2013年年初，国双科技旗下“国双数据中心”正式成立。在祁国晟和团队的谋划中，该中心将是国双科技试水“数据资产化”的先锋。现在来看，国双数据中心还只是一些趋势性报告，比如中国互联网用户属性、用户习惯、电子商务、在线媒体渠道、移动互联网等领域的用户行为规律等。但未来一定不止于此。对于祁国晟和团队来说，挑战他们的是，用什么样的思路来“激活”国双数据中心已经拥有的数据挖掘能力和数据资产。据国双科技的资料显示，国双数据中心拥有基于OLAP（联机分析处理技术）的交互式数据挖掘平台，可将数据仓库中的每一个数据通过上百个维度和指标进行关联、交叉、演绎，提供不同深度的分析报告，满足不同视角的数据挖掘和分析需求。
祁国晟告诉记者，未来两年之内，国双科技在“数据资产化”的新事业上将找到行之有效的商业模式。现在问题的关键是，找到“需求在哪里”，甚至是得“挖掘需求”。
在“挖掘需求”上，祁国晟颇有感触。基于之前与国家信息中心的合作，国双科技涉足到针对电子政务的数据分析，当时双方合作成立的网络政府研究中心开发了一套基于电子政务的新系统，主要用于分析电子政务的绩效。在该项合作中，在客户的需求之外，国双科技团队发现了一项民众对政府工作最急迫的需求——异地办理生育证明，“这个发现跟数据挖掘有关系，这个结果不是调研出来的，是通过全样本数据分析挖掘出来的”。祁国晟回忆说，最后他们出具的报告“非常有说服力”，甚至推动了政府后来出台规定、简化异地生育证办理的流程。
在祁国晟看来，基于国双科技近一年里业务拓展的重点，其“数据资产化”首先会在政府电子政务、运营商数据分析、网络电视台解决方案等业务线上找到突破点。“现在新业务的比例还不是特别高，占到整个公司收入大盘子的10%多，但是增长速度非常快。”祁国晟希望，两年内新业务的收入能够占到总盘子的30%以上，成为国双科技的核心业务之一。在这个过程中，对祁国晟和团队来说，挑战之一是：这些数据资产源于国双作为第三方服务商时，客户愿意把数据交给国双或者把数据接口开放给国双，一旦国双做“数据资产化”时，客户会否对开放自己的数据有安全方面的顾虑？
“这是我们最关心的问题，也是我们做数据生意必须坚持的底线。我们企业的生存是依赖于客户的放心，放心把数据交给我们分析。”祁国晟进一步强调，国双科技正在尝试的“数据资产化”有一个前提，绝不触碰跟客户商业相关的数据。
祁国晟介绍，在他们采集的客户数据中，“只有1%到10%是客户的商业数据，其他的全部都是行业性的数据”。而且，他感觉比较幸运的是，从一开始做数据分析、数据挖掘服务时做了一个正确的决定，“当时我们的计算性能做得还不够好，曾经讨论过要不要把那些行业性的数据丢掉只保留客户的商业数据，后来我们没有丢，现在看来是一件非常明智的事，留下这些行业性的数据，才能和现在其他的东西联系在一起，这样才有可能产生非常大的价值和意义”。
目前的团购模式，是基于互联网发展十余年的经验积累，对商业和人性的发挥做到了极致。如此模式到了国内，很容易走上一条具有“中国特色”的道路。
可以看到的是，团购网站深陷价格战，大家进入低价的竞争。你推出的套餐128，我要推出99的，他要推出60的。大家在这个市场中，不是根据自身的情况定价，拼的是谁有钱，谁可以赔更长时间。就算赔到剩寡头竞争的时候，利润肯定还是上不去，因为特殊的市场环境和模式的易复制性决定了这一切。当只用低价吸引贪便宜的低端消费者，能为商家带来什么？为消费者带来什么？
另外，目前进行团购的商家整体水平很低，甚至很多别有用心的商家在利用团购，例如面临倒闭的商家，利用团购赚一票走人等层出不穷。
好的企业也会进行团购尝试，但是价格、产品、规模控制得很死，团购网站几乎零利润在为优质企业服务，而且在优质商家面前，没有区别性可言。
当一个行业没有核心产品而又陷入价格竞争的时候，这个行业就已经死了。更别说，从业者仍在疯狂地烧钱来做这件事情了。
面对如此境况，要突围，必须要创新。社区化电子商务是未来的发展方向，也是具有活力和充满创新的领域。将媒体、电商、社区相融合，开发优惠及代金券系统，让商家吸引目标用户，同时凭借数据分析和挖掘技术，为商家提供全方位的用户数据分析服务，例如各个年龄层、收入的用户购买情况，购买和消费的时间和空间的分布等等。
以新开业商家为例，它的需求是迅速建立知名度、获得体验用户、打开市场，借助传统的团购模式，可以轻松实现这些目标。现在加入社交元素后，可以帮助商家进行团购后客户关系管理，一步步筛选用户，传播品牌文化，强化与消费者的沟通，将其转化为高质量的忠实用户群。其三段式营销策略为：
第一段：预热，新开张
传统媒体：以专业媒体的角度给予商家客观的评价；
网媒：设计套餐，通过团购体验商家的产品和服务；
社区：开通商家官方微博，通过在网站与报道、团购相结合，增加关注度。
第二段：营销，成长期
传统媒体：持续的广告投入与电商平台的平媒推广相结合，保持商家的曝光度，增加读者和消费者认知；
网媒：提交团购购买及消费分析报告，与商家共同分析用户属性与行为；
进行优惠券等销售，使消费者可以更全面地了解商家的产品、体验商家服务；
社区：通过互动平台，使得消费者加深对商家的了解，提高品牌的认知度。
第三段：品牌，成熟期
传统媒体：持续广告投入，打造品牌概念；
当企业从区域制走向无限细化，以医院、医院销售代表为单位，进行签约合作时，就已经步入了深度的佣金制阶段。
过去，企业只提供底价招商，商负责和商业公司结算。随着“两票制”和“企业自主招标”这两方面政策的出台，佣金制的操作就转变为企业直接和商业公司结算，结算后的费用作为佣金（商在临床推广过程中的劳动报酬）按照一定的点位返还给商。其中存在两方面转变：第一，中标价格将由企业来控制，商无须理会；第二，企业和商业公司关于供货价、返利价、开发价、配送价等签约内容转由商务人员支配，其中包括物流功能。此时，商的主要工作就是做好临床促销，关注的是企业给予的返点在经过临床推广后还剩多少利润，就像差旅管理，每天补助250元，食宿标准自行选择。
办事处制需要列支费用交由企业审查，在佣金制下，企业只需审查所负责区域纯销的药品当量（不是以销售额，而是以销售数量来计算），然后按30%~35%的点位返还给商。此时，商跟企业建立了同盟关系，必须建立专业的公司或者找专业公司开具劳务方面的发票，将票据交给企业后才能将返点的钱拿走。这样，企业避免了税收问题，又合理地将这笔钱打到了商卡上，让所有的形态合法化。
佣金制的发展决定了暴利时代的终结。原先，商可操控的点位可能在60%以上，这就有可能造成临床回扣的滥发。带给直营制的变化如此，制也同样有所转变。原先，企业是底价结算给商，10元的药品，企业拿2元，其余环节统统不管。而佣金制正好相反，零售价由企业自己定，负责接洽商业公司开票、计税等所有环节产生的税费，商通过临床促销从企业处拿到的佣金只有3~3.5元，而不是原来的8元。这种结算方式的转变，正是“两票制”、自主招投标在反商业贿赂形式下企业招商的发展趋势。
商务部介入数据管理
“包税返点”如何操作？例如A省只有一个经销商，这个经销商把每个月药品销售的物流清单传送给企业的销售经理，由销售经理出具报告，向公司财务提出申请，由此可以计算出商拿到的佣金返点。商把工作产生的票据寄还给公司后，就可以跟企业结算自己的报酬。
如果1个省只有10多个商或分销商，销售经理当然不难统筹。但若某省销售额很大，分销商数量达到数百，这样的处理方式就可能存在两方面的问题：第一，工作量很大；第二，人多混杂，销售经理很可能会张冠李戴，把A商的业绩算给了B商，通道的单一导致了与商之间的矛盾，倘若企业能将这个流程电子化，则不仅能体现公司的监管，还能在减少处理环节、节省人力的同时，规避相应的风险。
笔者建议，企业由商务部来审核数据，因为与经销商签约本来就是商务部的职责。经销商将每个月的资金流向以电子化的形式进行反馈，由商务部审计后，告知销售经理。商务部负责数据分析甚至录入商管理系统，月底时，大区经理、地办经理只要打开该系统，就可以明确整个系统的资金动向，根据这个数据来敦促自己的商。商也可以登陆系统，了解自己的医院开况和返点金额。
动态CRM为销售指南针
可能有人会问：“销售经理做什么？”在商务部负责监管流程的时候，销售经理的主要职责有两个方面：第一，调剂当地商。面对一个200~300人的分销团队，如何和这些人打交道？如何保持市场的稳定和流动性？第二，对商的管理输入。区域商需要驻点公关，就像汽车4S店的驻地服务那样，销售经理把企业想要传达的信息传递给商，完成其与企业适配的一体化工程。针对分销商，销售经理要组织一系列有效的活动，例如组织分销商开会、学习、旅游等等。针对这样一个几百人的团队，要让这些区域市场的人对企业产生归宿感，从而认可企业领导，就需要销售经理这些补进的常态工作。
一、大数据定义及常用分析方法
（一）定义。对于什么是大数据，迄今为止并没有公认的定义。麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。（二）数据挖掘常用分析方法。数据挖掘就是对观测的数据集（经常是很庞大的）进行分析，目的是发现未知的关系和以数据拥有者可以理解并对数据拥有者而言有价值的新颖方式来总结数据。常用方法类型介绍如下：一是关联分析。是在未有既定目标情况下，探索数据内部结构的一种分析技术，目的是在一个数据集中发现、检索出数据集中所有可能的关联模式或相关性，但这种关系在数据中没有直接表示或不能肯定。常用的关联分析算法有：Apriori算法、FP-growth算法。该技术目前广泛应用于各个领域，如我们在电商平台浏览商品时都会显示“购买此商品的顾客也同时购买”等提示语，这正是我们日常生活中接触最多的关联分析应用实例。二是聚类分析。是在没有给定划分类别的情况下，根据数据相似度按照某种标准进行样本分组的一种方法。它的输入是一组未被标记的样本，聚类根据数据自身的距离或相似度将其划分为若干组，使组内距离最小而组间距离最大。常用的聚类算法有K-Means、K-Medoids、DBSCAN、HC、EM等。当前，聚类分析在客户分类、文本分类、基因识别、空间数据处理、卫星图片分析、医疗图像自动检测等领域有着广泛的应用。三是回归分析。是指通过建立模型来研究变量之间相互关系的密切程度、结构状态、模型预测的有效工具。常用的回归模型有：线性回归、非线性回归、Logistic回归等。四是决策树。是一个预测模型，在已知各种情况发生概率的基础上，通过构成决策树来求取期望值大于等于零的概率、判断可行性的决策分析方法，是直观运用概率分析的一种图解法。常用算法有CART、C4.5等。五是人工神经网络。是人脑的抽象计算模型，是一个大型并行分布式处理器，由简单的处理单元组成。它可以通过调整单元连接的强度来学习经验知识，并运用这些知识推导出新的结果，属于机器学习的一种。
二、大数据分析在金融监管领域主要运用场景
当前大数据在前瞻性研究、风险防控、客户分析、舆情监测等方面都取得了巨大的成效，在金融领域实现了广泛应用,有效地提升了金融监管的针对性，为金融管理、风险识别带来了无限的可能性，成为当前不可或缺的分析手段之一。一是运用大数据开辟“线上溯源，线下打击”的治假新模式。2015年5月,某省“双打办”联合某电子商务企业发起行动。某电子商务企业首先运用大数据手段识别售假线索、锁定犯罪嫌疑人、分析串并背后团伙，根据警方需求批量输出线索用于侦查破案。行动期间，该省侵犯知识产权立案数同比上涨120%，破案数同比上涨77.3%。与传统打假模式相比，“大数据治假”模式实现了对犯罪嫌疑人线索信息的实时收集，为执法部门线下查处和打击提供了更精细、精准的线索和证据。二是运用大数据提升监管有效性。2016年，某交易所通过监控发现沪股通标的股票成交、股价涨势存在明显异常。运用大数据方法对历史资料进行关联匹配映射分析后发现，来自香港的证券账户与开立在内地的某些证券账户有操纵市场的重大嫌疑，根据上述线索，监管部门查获唐某等人跨境操纵市场的违法事实，成为沪港通开通以来查处的首例跨境操纵市场案例。大数据方法为资本市场的进一步对外开放提供了新的监管思路。三是运用大数据实现风险分析、风险评级，打击电信诈骗。通过收集和整理各行业、机构的黑名单，利用多样化的机器学习模型及大数据关联分析等技术，为银行、个人等提供风险管控和反欺诈的服务；运用数据挖掘技术，发掘与相关账户信用相关的预警信息，形成预警信号并向相关风险管理系统主动推送，进而跟踪预警信号处置流程，直至得出最终结论或风险管控方案，形成一个风险预警、通知、处置和关闭的闭环处理流程。四是运用大数据助力风控。例如，某电子商务企业旗下小贷平台建立了决策系统，借助大数据分析结果选择风险可控的企业开放信贷服务，实现贷前小额贷款风险管理控制，提升集约化管理的效率。该平台信用贷款部分客户的贷款年化利率可低至12%，对比原先降低6个百分点。依靠平台和数据优势，该平台在风险控制方面已形成了多层次、全方位的微贷风险预警和管理体系，实际运行中该平台的不良贷款率一直保持在1%以下，风险控制成效良好。
三、对大数据分析在外汇管理领域运用的思考
（一）引入大数据分析方法的必要性。近年来，外汇管理部门通过不断完善国际收支申报体系和加强外汇管理信息化建设，掌握了海量的数据信息，为外汇管理从侧重事前审批逐步转向侧重事后监测分析奠定了扎实的基础。在当前主流的事后监测分析框架中，通常按照业务条线，采用“宏观—中观—微观”自上而下递进式分析方法。这种分析方法有一定的优点，可以实现对各业务系统的充分利用，与宏观形势和业务管理信息结合较为紧密。但同时也存在一些缺陷：一是数据之间关联度不高，监测分析主要以各业务条线事后核查为主，数据相对分散，数据之间的关联分析较弱，监测结果相对滞后；二是难以发现潜在风险苗头，特别是在数据量巨大或关联关系复杂等特定场景下，有时无法取得满意的监测分析结果。在此背景下，可以考虑适时引入大数据分析方法。该分析方法是考虑在整合内部系统、互联网等各类信息数据的基础之上，利用数据挖掘、建模等工具方法，对企业、集团等主体、各类交易数据及互联网信息进行多层次、多角度、多项目的情况分析，并通过反馈的结果，修改完善模型，不断提高分析预测结果的准确性，既能解放大量人力资源，又有助于提高事中事后监管的针对性和效率，同时提高外汇管理的信息化程度。（二）大数据分析方法在外汇管理领域运用的具体思路。1.打造大数据监管中心，探索构建各类监管模型设立大数据监管中心，整合各业务系统数据及互联网外部数据，构建各类监管模型，多层次、多角度、全方位对各类主体交易数据实施监管及风险防控，探索实现主体监管、本外币一体化监管等，提升监管效率。一是交易数据监管。将当前各项法规、政策、制度数字化，建立合规性核查模型，通过对交易信息进行模拟仿真测试，获取交易数据的边界条件，判断交易的合规性，自动报告不合规交易。二是交易风险预警。通过对以往违规的交易进行分析建模，结合当前的经济金融形势，对每笔交易进行风险分级，自动报告高风险的业务数据。监管部门判断核查后，系统根据反馈结果通过机器学习等完善预警模型，不断提升预警准确度。三是主体监管。以企业或集团公司为主体，整合利用全方位数据，运用神经网络等技术对主体的投融资、结售汇、资金管理与调配等内部交易行为进行分析，了解不同类别主体异同点，对主体进行适当性分析评测，及时识别潜在违规行为。2.预测汇率、跨境收支走势，了解并引导市场预期通过收集影响汇率变动、跨境收支相关因素信息，建立模型预测汇率、跨境收支走势，并通过机器学习等方法，自动或人工调整模型，不断提升预测结果的准确性，同时掌握902017.09市场预期，及时进行引导。一是汇率走势预测。整理收集通货膨胀、利率、政府债务、市场心理等影响汇率变化的信息，通过回归等各类模型方法，分析某一项或多项与汇率之间关系，预测特定时间段汇率走势。二是全国或地区跨境收支形势预测。整理收集行业价格、汇率、经济金融形势等外部信息，观测、分析经济金融形势、汇率、人民币即期交易差价等对地区跨境收支或进出口的影响，预测跨境收支或进出口走势变化。三是掌握人民币汇率市场预期。收集网络上关于人民币汇率相关信息、搜索频率等，通过文本分析等方法了解人民币汇率走势的市场预期，便于适时采取引导措施。3.舆情实时监测，快速预警反馈整理收集互联网各大网站评论、博客等信息资源，尝试以数据情感分析角度，实现对文本评论数据的倾向性判断以及所隐藏的信息的挖掘并分析。一是获取政策反响。收集各大网站某项政策的相关评论、帖子、博客等信息，通过深度学习、语义网络等多种数据挖掘模型，分析判断数据倾向性，以数据角度反映政策执行效果及反响，为政策的进一步完善提供参考。二是设立舆情监测平台。运用数据仓库、文本分析、机器学习、神经网络等技术手段对金融敏感信息、舆论情况、政策解读反响等进行实时监测、分析，全面覆盖公共新闻网站、行业网站、微博、博客、论坛、贴吧等信息平台，在第一时间捕获相关舆情，并及时发送分析报告，合理引导市场预期。（三）初步实践与尝试。我们以某地区2015年1月至2016年10月涉外支出数据为例，对其与CNH、CNY进行了回归分析。1.涉外支出与CNY回归分析回归预估方程为：涉外支出（亿美元）=-52.15CNY+530.17。但P值为0.4912（一般认为P<0.05时通过显著性检验），表明CNY与涉外支出无明显关系。2.涉外支出与CNH回归分析回归预估方程为：涉外支出（亿美元）=-24.05CNH+349.82。但P值为0.7526，表明CNH与涉外支出无明显相关关系。3.涉外支出与CNY、CNH回归分析回归预估方程为：涉外支出（亿美元）=2466.1CNH-2498.2CNY+364.6。其中CNH、CNY、截距项P值分别为2.3×10-5、1.9×10-5和0.246，表明CNH、CNY与涉外支出有显著的相关性，截距项与涉外支出没有明显的相关性，拟合优度为0.5897。4.涉外支出与即期交易价差（CNH-CNY）回归分析回归预估方程为：涉外支出（亿美元）=2489.06（CNH-CNY）+157.3，其中P值分别为3.73×10-12和1.38×10-5，表明两项预估值的显著水平均较为理想，拟合优度为0.6006。从上述情况可以看出涉外支出与即期交易价差存在较强的线性关系，即某地区涉外支出随着人民币价差（CNH—CNY）的收窄而减小，随价差的扩大而增加。在知悉若干变量对另一变量存在影响的情况下，可使用该方法分析各自变量与因变量的具体相关性，逐步求取最优模型，获取变量之间的线性关系，如：分析汇率与购汇金额之间的关系；分析产品进出口金额、进出口量与产品价格之间的关系。
一、引言
（一）研究目的
随着信息化技术的迅速普及和发展，电子商务以其便捷，易于操作而获得消费者的青睐，从而快速占领市场。线上选购交易方式使得电商平台客户评价体系具有现实指导意义，一方面可以给顾客提供对比参考信息，购得物美价廉的商品，另一方面可以为商家提供反馈意见，为客户提供更优良的服务。目前电子商务平台的客户评价体系存在很多漏洞，如体系不完善、评价信息不真实、反馈信息凌乱等。因此，统一评价标准，利用数据分析和挖掘技术处理海量客户评价信息，建立由第三方数据中心统筹管控的透明化、具有可比性的评价体系显得尤为重要。
（二）研究价值
虚拟化的购物环境缺乏真实性和可见性，第三方数据中心提供的客户评价体系恰好能弥补这一缺陷，即能够提供借鉴信息让顾客判断商品是否符合现实要求，并能够实现不同商户同一商品之间的对比，为顾客提供性价比最高的的购物建议，同时也可以提供反馈信息让商家改善服务质量，促进不同商家之间的良性竞争。因此，对于第三方客户评价的研究价值而言，我们从以下两个方面进行分析研究：
（1）客户评价的潜在价值。通过问卷调查的方式对消费群体的购买导向和对客户评价的参考价值进行调查，共获得168份问卷，调查结果显示如下：
①91.07%的人会选择网购过程中参考欲购商品的历史客户评价，说明历史客户评价具有较强的可参考性。
②63%的人会选择欲购商品的历史客户评价对购买起决定性作用，可见客户评价的实用价值。
③82.14%的人会选择不同电商购物网站上同一种商品价格不同，首选评价好的，不在乎价格高低，说明客户评价的重要性。
针对商品的历史客户评价的真实度，有79.17%的人表示有部分掺假评论，有18.45%的人表示参考性较强，而23.8%的人则表示完全不可信。反映出客户评价的真实度有待考究，需要切实的方案改进。
通过和商户的线上交流，了解客户评价的反馈作用，得到以下信息：
①客户评价反映商户信誉，从而影响销售；②客户评价给商户反馈，促进商户改善现有产品和研发新产品；③客户评价记录历史购买情况，商户以此不断调整价格策略；④客户评价的部分不真实性，造成不良消费现象，扰乱正常的电商市场，促进商户之间的不公平竞争。
（2）优化客户评价体系的价值。现存的客户评价体系存在很多漏洞，譬如：体系不完善、评价信息不真实、反馈信息凌乱等，优化客户评价体系对电商平台的发展具有重要作用，通过建立统一评价标准，完善评价体系，实现统一管控，以期达到以下三方面的要求：
①购买评价信息清晰可视化，快速满足个性化需求。当下市场竞争愈加激烈，商品信息的可视化及清晰度可节省顾客的时间，快速做出反应，同时在买方市场的环境下，发展个性化商品及服务，对企业的发展和顾客的特殊需求尤为重要。
②大量数据统计分析，增强信息的真实性和指导性。大数据时代下，利用数据分析及挖掘技术可实现数据发声功能，使得信息更具有说服力，切实解决实际问题。
③信息透明具有可比性，实现商户之间良性竞争，达到优胜劣汰的效果。
二、国内外研究现状
电商平台客户评价是近两年才开始发展和慢慢成熟起来，同时也在不断的进行修改和完善。国内针对这一领域的研究还比较少，而且大多都是集中研究客户评价模块的版面设计及标准完善方面，没有提出切实的提出其漏洞和发展障碍的解决方案。作为电子商务发展最早的也是发展最成熟的国家，美国一直带领着亚洲和欧盟的电子商务产业迅速发展[1]。针对这一现状，我们将从与电商平台客户评价密切相关联的电子商务的发展、大数据下的新营销、客户价值方面着手，研究电商客户评价的现状。
（一）电子商务的发展
电子商务利用计算机技术、网络技术和远程通信技术，实现整个商务（买卖）过程中的电子化、数字化和网络化，人们不再依靠纸介质单据进行交易，而是通过海量的网上商品信息、完善的物流配送系统和方便安全的资金结算系统进行交易。由于全球经济发展的不平衡，导致电子商务在全球的发展也层次不齐，欧盟和亚洲发展比较迅速，尤其是在中国近几年支付宝的应用更是推动电子商务的快速发展。
电商平台作为一个服务载体，将企业与顾客、企业与企业、顾客与顾客汇聚到一个平面，实现面对面网上交易。同时电子商务又是客户评价的载体，客户评价又是电子商务的反馈机制。电子商务的发展带动着客户评价体系的发展，可以预见电子商务客户评价的发展潜质和研究价值不可估量，将影响电子商务这个行业的发展。
（二）大数据背景下的新营销
随着互联网技术的发展，全媒体环境的全面爆发， “大数据”已成为新的时代主题词，并全面影响了广告与营销业界。海量的数据催生了海量数据的搜集、存储、管理、分析、挖掘与运用的全新技术体系。在营销体系中，大数据从媒体、消费者、广告与营销战略策划、效果评估四个层面解构了传统营销体系，却也重构了大数据背景之下的全媒体营销体系。
营销的核心理念是激发需求、掌握需求和满足需求，通过抽样与普查了解需求、激发和满足需求。大数据时代我们将摒弃通过抽样的数据来推断、预判需求，而是利用互动平台、通过大数据技术清晰地获得需求的信息，因此其精准性也得到了极大的提升。
由电商平台产生的海量历史数据，通过对大数据分析提出方案提交有关部门以支持决策，以实现新型的营销策略，如：个性化网页推荐，可能感兴趣商品，同一商品在不同商户处的售价对比等。而客户评价利用这一技术，也将更好的发挥其背后的价值，促进电子商务平台的更好发展。
（三）客户价值研究
营销观念的发展使得以客户为中心的经营理念成为主流，企业将关注重点由产品转向客户，处理客户关系方面，由如何吸引新客户转向全客户生命周期关系管理，同时开始将客户价值作为衡量绩效的评价标准。
电子商务环境下的客户主要有两种，基于互联网形成的客户和基于互联网作为信息平台而形成的客户。其客户的所表现的特点也与传统商务环境不同，一般都具有分布空间范围广，没有地域限制，有较强的时效性，可重复增长性，个性化需求愈加强烈的特点。客户的特点决定客户需求，客户需求决定厂商发展的方向。而客户评价作为电子商务环境下最直接的客户关系管理，对于客户满意度和客户忠诚度的提升具有重要作用。关注客户评价，及时解决客户的需求，可延长客户处于稳定期的时间，提高企业的效益，实现可持续发展。
现下对于客户价值及客户关系的研究很多，但只针对电商平台中的客户评价模块的研究却少之又少，而顾客和商家都需要这方面的研究给予指导，如何更有效的利用这些评价信息作出合理的决策至关重要。
三、电商客户评价体系研究―以淘宝网为例
客户评价体系是指在电子商务市场环境下，参与交易的双方根据自己的主观判断相互给予评价的全过程，是产生和传播信誉信息的工具。以淘宝为例，其平台根据自身特点及用户需求创建了一套包括在线沟通的阿里旺旺、支付功能的支付宝及实名认证在内的完整的信誉评价系统。由于电子商务交易的特殊性――支付货款和收到货物分离，导致你交易存在风险，而客户评价体系为购买者提供卖家的以往交易数据，也就降低了交易风险的产生概率。由此可见，客户评价在电子商务经营中具有无可替代的作用。
目前，淘宝网的信誉评价体系由两部分组成：“店铺动态评分”和“卖家信用评价”，其结构框架如图1，具体事例图如图2所示：
（一）店铺动态评分
店铺动态评分主要由三部分组成，特征满意度、综合星级和快递满意度。期中综合星级打分规则为一颗五角星代表一分，以此类推，满分是5分。1 分―5 分分别代表非常不满；不满意；一般满意；非常满意。这些评分数据会有一个综合评分供买家参考。这些数据不仅会给顾客一些参考，也会给商户和物流公司一些建议，以其不断完善商品和服务。
（二）卖家信用评价
信用评价是指客户在收到网货并通过支付宝确认付款之后，买卖双方有权根据自己的主观实感来对对方做出客观的文字评价。客户根据亲身体验，写一些对商品和服务的主观感受，文字的客观评价对潜在客户更具有影响力，因此，着重研究买家评论，挖掘其中的信息，都有现实意义。
四、电商平台第三方客户评价体系数据化运营策略
2014年阿里巴巴公布了“双十一”全天的交易数据：天猫淘宝双十一全天成交金额为571亿元，其中在移动端交易额达到243亿元，物流订单2.78亿，总共有217个国家和地区被点亮。面对如此庞大的交易量所产生的数据流，我们以企业级海量数据的存储、分析、挖掘和应用为核心技术支持的基础上，通过可量化、可细分、可预测等一系列精细化的方式进行网站流量监控分析、目标用户行为研究、网站日常更新内容编辑、网络营销策划推广等。当数据化运营的概念运用到客户评价这一平台，会大大增加这一功能模块的用途，如：通过目标客户在各个商户中的评价，在研究其行为及心理预期范围。
鉴于此，提出电商平台第三方客户评价体系数据化运营方案：
（一）理念简介
（二）理念内容
（1）主要是数据、信息，原始客户评价数据经第三方数据交易中心处理后在电商平台和提供给需要的商户，作为决策依据。具体内容如下：
同时第三方数据交易中心作为运行主体，将会在运行初期以电商平台客户评价数据为对象，利用数据分析及挖掘技术提供专业的分析结果。
（2）核心价值观。以服务广大顾客和商户，互惠互赢，促使电商平台更好更平稳发展。
（3）愿景。第一阶段：以某一个电商平台的客户评价数据做深层次分析，将各种分析结果以网页链接形式展现给顾客。
第二阶段：将客户评价数据扩展到平台其他数据，建立数据模型，在反馈给顾客信息的同时，提供商家分析报告服务。
第三阶段：与各大电商平台合作，利用大数据技术，跨平台交叉式分析数据，向顾客、商户、平台三方提供决策依据。
（三）可行性分析
第三方数据交易中心不需要很多的硬件，只要满足软件方面的要求即可。最重要的还是数据资源和人力资源，现实条件下，电商平台每天的交易及历史评价数据足够多，同时近两年，涌现出大批专业化的数据分析和数据挖掘的人才，满足了最基本的资源问题。接下来将从以下两方面研究项目的可行性：
（1）技术可行性。21 世纪核心的竞争就是数据的竞争，2012年3月29日，美国奥巴马政府正式宣布了“大数据的研究和发展计划”，预示着数据将成为未来企业的生产力，同时数据存储技术也有了新的突破，以分布式数据仓库、海量存储技术和流计算为核心的实时数据仓库技术将解决了大数据的存储问题，电商平台数据化运营的数据有了存放基础。
与此同时，数据挖掘技术也不断成熟，成为了一门比较成熟的交叉学科，融合了数据库、人工智能、机器学习、统计学、高性能计算、模式识别、神经网络、数据可视化、信息检索和空间数据分析等多个领域的理论和技术。数据挖掘相对于传统的统计分析，具有擅长处理大数据，应用相应的算法模型，解决实际问题。数据挖掘的主要成熟技术：决策树（包括CHAID、CART和ID3、C4.5、C5.0算法）、神经网络、回归分析（多元线性回归和Logistic回归）、关联规则、聚类分析、贝叶斯分类、主成分分析等等。
电子商务行业的数据挖掘和数据运营化又有其独特的优势：数据的海量性、数据分析（挖掘）的周期短、其成果的时效性明显变短、互联网新技术、新应用、新模式的更新时间更短。
以上的技术表明这个项目在技术方面具有可实施性。
（2）运行可行性。更多的顾客觉得一套统一的客户评价标准以及相应的平台会便于网购行为，而且顾客认为客户评价平台应该包含如：同类商品的好评指数排名、同类商品的有效买家排名、同类商品的商家各个评价指数排名等等。结果如图3所示：
需求带动供应，快速的生活节奏需要更直白、更明显的权威性分析。商家要想获得长久的发展，必须不断根据顾客的喜好改变或者完善产品，但前期的调研需要花费很多的人力、财力、物力，而且不一定能获取到有建设性的创新点。所以商户也需要这样一个平台提供能将顾客需求转变为实际方案的平台，而第三方数据交易中心会收集顾客反馈数据，进行整理和处理，以报告的形式提供给商户。
（四）第三方数据交易中心运营平台设计
掌握了数据，就该考虑如何将数据运营到企业中，电商平台与传统的制造型企业不同，它需要的是更加有效的精细化运营，强调细分、准确、个性化。利用数据分析和数据挖掘技术作为数据化运营的有效保障，为了让技术能有效的应用到数据化运营中，电商平台必须建立第三方数据交易中心，能够完成数据分析和数据挖掘工作，同时第三方数据交易中心应配备一群出色的数据分析师，具备熟悉的技术技能和理解具体业务、快速学习的能力。第三方数据交易中心同时应和运营、客服等其他部门保持密切联系，及时获取数据和反馈信息。
第三方数据交易中心首先应划分不同的功能部门，其中重要的一块就是集中管理客户评价，针对其存在的弊端，规范评价标准和细分评价特征，使其能进行数据分析中的时时对比，纵向、横向和集中式分析共同进行，分别实现一家商铺一种商品的评论数据分析，一种商品多家店铺的评论分析，一个人对不同商铺不同商品的评论分析。若要研究电商平台上所有商铺的评价，因为数据量极其庞大，可针对统一的评价内容和评价特征，建立数据模型，利用数据挖掘技术处理，得到更深层次和相关联性的一些信息，不仅可以通过数据剔除一些假冒伪劣商铺，更能发现一些专门从事不真实客户评价的顾客，实施评价限制，维护客户评价的质量。
第三方数据平台可首先应用于淘宝平台的客户评价，当这种数据化运营的方式取得一定效益时，可拓展其功能范围。最终第三方数据平台可以实现各个电商平台的数据一体化，不仅能处理某一个电商平台的数据，更能将不同平台的数据进行综合分析、对比，反馈平台问题。在第三方数据交易中心的推动下，电商平台客户评价必然会呈现出新的发展方向和特点。
参考文献：
[1]Yu Zhang， Bian J， Zhu W. Trust fraud： A crucial challenge for China’s e-commerce market[J].Electronic Commerce Research and Applications， 2013.
[2]谭正祥.电子商务环境下企业客户价值分析与评价[J].湖南大学，2010.
[3]维克托・迈尔-舍恩伯格及肯尼斯・库克耶.大数据时代[J].2010.
[4]黄升民 刘珊. “大数据”背景下营销体系的解构与重构[J].现代传播，2012.
[5]谭正祥.电子商务环境下企业客户价值分析与评价[J].湖南大学，2010.
[6]刘欢.数据挖掘在淘宝客户评价方面的研究与应用[]J.济南大学，2014.
[7]韩新华.电子商务网站评价研究与分析[J].吉林省经济管理干部学院学报，2008 .
大数据在电子商务领域的应用逐渐增多，成为大数据最成熟的应用模式。京东通过建立PB级大数据平台，将每个用户在其网站上的行为数据进行记录和分析，提高与用户间的沟通效率、提升用户体验。实现了向不同用户展示不同内容的效果，带来了10%的订单提升。比如提供给推荐搜索调用，针对不同用户属性特征、性格特点或行为习惯在他搜索或点击时展示符合该用户特点和偏好的商品，给用户以友好舒适的购买体验，能大幅提高用户的购买转化率甚至重复购买，提高用户忠诚度和用户黏性。淘宝商城将所有商家的信息进行汇总、归类，同时，将用户点击数据、浏览页面信息等数据信息建立数据模型。数据模型和数据资源在经过淘宝商城的挖掘和分析之后，向用户和商家开放了查询APP。通过数据挖掘和分析为淘宝提供了定向广告投递的能力。开放查询APP则为用户和商家提供了便捷的选择服务。淘宝网还建立了“淘宝CPI”，通过采集、编制淘宝上390个类目的热门商品价格来统计CPI，比国家统计局公布的CPI提前半个月预测经济走势。
金融
大数据成为金融业的有力支撑。工商银行、中国银行、农业银行、建设银行等国内重要的商业银行都有自己的大数据分析系统，并开展了基于大数据的各类服务和应用。阿里巴巴基于阿里巴巴的电商交易数据和蚂蚁金服的互联网金融数据推出的芝麻信用。蚂蚁金服的信贷通用决策系统通过对千万家淘宝商铺的3万多个指标的分析，筛选出财务健康和讲究诚信的企业，对他们发放无需担保的贷款，目前已经放贷300多亿元，坏账率仅0.3%，大大低于商业银行。
公共交通
大数据在公共交通、打车出行等交通领域的应用已经初步开展。通过分析预测出行交通规律，指导公交线路的设计、调整车辆派遣密度，进行车流指挥控制，及时做到梳理拥堵，合理缓解城市交通负担。滴滴快的通过掌握的用户打车记录、司机行车轨迹等交通大数据，可以科学地实现运力调度，精确匹配乘客和司机，优化路径，减少拥堵。北京交管部门的实时路况与百度地图大数据的对接，依托百度地图的交通大数据，可为公众提供专业的城市实时交通信息，并可根据需要自行选择，满足个性化出行要求，提升出行效率。
制造业
大数据将成为制造业转型升级和提升竞争力的关键之一。红领集团的数据系统将成衣的各种款式和设计都数字化，可以满足超过上亿种以上款式和设计的组合，并可完成对物料数据整合管理，对里料、缝线、袖口等完成自动搭配。整个定制生产流程的20多个子系统全部以数据来驱动运营。这家3000人的工厂每天可以一款一件不重样的定制西装1200套，约为红领60%的产能。农夫山泉与第三方厂商合作，共同开发基于“饮用水”的运输环境数据场景分析，用大数据增强营销、管理能力，企业近年来实现了30%-40%的增速。
健康医疗
