电商企业的大数据营销困境及优化策略（电商企业的大数据有哪些）

谁拥有大数据？

对于拥有稳定、丰富数据源的企业来说，淘宝、百度、腾讯是绝对拥有自己数据源的企业。艾瑞咨询技术副总裁郝新成对此说法表示认同，并认为一些淘宝店不能称为拥有稳定、丰富数据源的公司。

因为他们的视角往往停留在自己的店里，当某个人没有出现在他们的店里时，他们就认为某个人不存在。但淘宝的视角会更高，更容易看清全局。他们拥有海量数据。只要商店里出现某种人，他们就能判断出这种人的存在。

如果单纯停留在自己的数据上，往往很容易陷入尴尬，用片面的数据错误地描绘消费者的全貌。当淘宝卖家脱离了淘宝数据的支持，就只能叫数据分析，永远不能叫大数据分析。

所谓大数据，是指需要跨视角、跨媒体、跨行业的海量数据。也可以理解为一种数据采集方式。当数据的规模和丰富程度达到一定程度时，大家就开始提出大数据的概念。

如今的电商，大数据将走向何方？

电商数据现状

“如果订单量不到10万，这么低的基数，能区分什么维度？不需要大数据。” NOP创始人刘爽认为，只有淘宝、京东、亚马逊这个级别的企业才能有海量数据，才需要大数据。

如今，很少有电商公司能够做到日均10万订单。在海量数据积累的基础上，还需要有优秀的BI系统，并且要根据公司的需求进行定制，才能实现大数据。

对于现在大多数电商企业来说，根本还没有达到这个地步。

刘爽向《天下在线业务经理》举例说，宏观调控在小市场确实有效。市场做大了，就靠市场化。可见，在企业的小阶段，有经验的人效率最高。确实，很多卖家对于自己的数据并没有标准化的操作、采集、分析流程。因此，谈论大数据，大多数只是一厢情愿。

以库存为例，大多数淘宝卖家并不知道自己库存的实时数据，更不用说库存销售的利润了。经常出现——的库存塞满了卖不出去的商品，而好卖的商品却早已缺货的情况。如果只看库存，会发现指标相当健康，但所谓库存基本都是坏账，所以并不是每个企业都能根据库存来预估销售利润。这说明数据管理水平有待提高。

企业内部有大量的决算数据需要耐心收集，但大多数企业没有专门的部门来做这件事，因此很难获得高质量的数据为自己提供决策支持。

事实上，卖家之所以对数据感到困惑，是因为数据不完整，数据管理和获取不够，直接导致数据无法使用。

大数据之所以如此受欢迎，是因为少数巨头公司从中获得了巨大的商业价值。

例如，亚马逊从亏损转为盈利，就得益于大数据。无论是巧合还是时机合适，亚马逊在采用重量级大数据分析后，业绩逐渐提升。可想而知，亚马逊很多基于数据的决策都有大数据的影子。

亚马逊拥有美国所有的生活必需品。因此，它充分掌握了消费者的原始数据并做出了预测性的判断。甚至可以向商家定制一定价格范围内具有某些特殊属性的产品，仅限亚马逊，并且保证热销。

这一切都是根据亚马逊拥有的大数据源的收集和分析推断出来的。

大数据和数据的区别

大数据概念是否“膨胀”？

毕竟，像亚马逊这样的公司屈指可数，大多数电商公司还处于起步阶段。这迫使人们重新思考大数据与数据之间的关系。

大数据和数据是两个很容易混淆的概念。每个人对两者区别的理解也有很大不同。

刘爽认为，大数据是基于交易、产品和用户的匹配。产品多、人多，精准匹配难度较大。

企业常见的内部业务经营指标有——个库存、成本、商品。这是一个封闭的结构，由企业决定。良好的分析也许能够对其产生影响。强行控制大数据是很困难的。我们只能追踪并寻找匹配的方法。

艾瑞咨询分析师付志勇认为，之前提到的数据是狭义的量化数据，有利于企业内部流程的优化，而大数据则是基于量化数据的更广泛的延伸。为企业提供决策支持。

也可以理解为，大数据是对数据本身价值权重的进一步解读，即数据在决策中的作用权重越来越大。

大数据实际上是更大范围的数据，从最初的信息获取到最终的销售数据。立人立装CEO黄涛认为，大数据量往往非常大，一旦仔细研究，数据量的增长将极其惊人，甚至超过计算能力。

不管大数据和数据如何定义，对于现在的电商企业来说，只是希望通过数据分析来优化流程。

对此，郝新成认为，未来两三年，电商企业将更加关注营销领域，大量大数据营销工具将会涌现。

大数据的价值在于默默滋润事物。每个消费者和卖家都在享受大数据带来的成果，但在使用的时候却感觉不是大数据。

事实上，你第一次购买百度关键词时，百度会提供关键词排名过滤系统。如果你搜索某个词，系统会自动提示其他相关的热销词，并告诉你哪些词更有可能接触到相似的消费者。这是最早使用大数据的系统，是根据百度每天数亿次的搜索结果进行总结的。

每个购买百度关键词的公司实际上都是在使用数据产品。此外，淘宝快递、数据魔方也是大数据的衍生品。

卖家如果想在大数据领域分得一杯羹，就必须明白自己只是数据的使用者。我们要重视大数据的运用，灵活运用大数据工具。这些工具目前处于大数据技术的最前沿。

大数据对企业的价值很大程度上取决于第三方服务提供商可以提供哪些数据工具。作为商家，您应该从数十家甚至数百家工具提供商中找到适合您的大数据工具。

专注于智能数据挖掘

除了大数据工具的运用，情报数据也是电商企业真正应该关注的。

从所谓情报数据处理人员的日常工作场景来看，四处奔走收集情报占了工作的大部分。他们紧跟下游供应链并进行跨部门沟通。例如，采购人员应该到生产线去分析各个供应商的生产水平，优秀工厂和二线工厂的生产周期差异，以及哪里的原材料采购价格最低。一般来说，这样的一条信息可以使用一到三年。

虽然数据不强，但是这些信息的价值非常高。郝新成说得更直白：“与其说情报挖掘，不如说数据挖掘。只有情报挖掘才能为电商企业提供真正的生产力层面的支撑。如果情报挖掘做得不好，就试图数字化、量化就有点操之过急了。 ”

举个夸张的例子，当一个品牌商拥有20万家制造商而别无选择时，为了找到符合其需求的制造商，就需要建立大数据模型并进行筛选。但现在我们首先只需要智能，只有在规模达到一定程度、难以做出决策时才使用数据挖掘技术。

确实，大数据应用要渗透到中国电商企业还有很长的路要走。

营销领域是不同的。营销的数据模型已经成熟，互联网给电商企业带来了足够的信息源。大数据的应用已经可以直接给决策者提供建议，可以理解为“把米放进锅里”。

以淘宝原创女装品牌Rubberfei为例。他们每天花费500至1000元用于情报挖掘。他们有专门的情报收集者，根据数据立方体、量子常数和CRM系统来分析数据，然后结合这些信息来协助最基本的商业决策。他们根据老会员的分析来考虑下一个新品的风格以及是否需要。拓展新品类等

例如，菲律宾橡胶公司有50种产品和100万现金，应该如何安排生产？智能挖掘人员会提醒决策者有2个热门产品、6个长尾产品、2个滞销产品，甚至可以对各种产品提出补货和清仓建议。从系统中获取所需的数据并不困难，但是数据需要进一步拼接，然后需要考虑各个数据之间的因果关系。

简单来说，商业领域的智能就是商业逻辑。

“智能支持对业务逻辑的理解，而数据则支持处理商业智能的能力。”郝新成认为，首先要进行情报挖掘，然后进行数据挖掘。如果智能没做好，说明对业务逻辑的理解没做好。要达到标准，依靠数据来直接解释业务逻辑是有些背道而驰的。

数据不能取代业务逻辑

大数据需要以量化数据为基础，结合业务逻辑，帮助电商企业做出全面、系统的决策。排除一系列不可控因素，将结论与实际情况分离，理想状态下的模型只是数学专家给出的结论。

大数据的核心是整合业务逻辑。

在商业逻辑上，首先要了解市场，了解某个领域消费者真实需求的变化；其次，你必须了解这个行业，包括它的特点、要求和规则；最后，要了解业务运营，整合多个支撑模块资源。将它们依次整合，共同创造价值。

当这些具备之后，就可以利用量化数据来适当辅助决策，并且在业务逻辑的指导下，才能真正发挥量化数据的作用。

“如果没有这个商业逻辑的基础，定量数据只是一个幻想。”付志勇将业务逻辑视为一个现实需要解决的问题。业务逻辑会因行业、公司、品类、时机的不同而发生变化。这就是动态平衡的艺术和哲学。

中国网站分析创始人宋星认为，数据不能取代业务逻辑，但数据可以纠正和调整业务逻辑。 “决策取决于部分数据、部分经验、部分直觉。”宋星坦言，决策不能仅靠大数据来解决。

这就涉及到数据分层。根据经验判断，宏观战略数据越多，实用性越高，微观层面数据越多，不确定性越高。因为宏观决策太大了，小影响和大影响都没有效果，而微观决策则恰恰相反。

例如，整个行业的规模及其市场增长是多样本综合数据，每个样本只占一部分影响。一旦到了微观层面，比如广告的颜色、折扣的力度、满减的金额等，某件商品的数据就会起到决定性的作用。只是现在大多数企业更相信测试方法而不是数据研究和判断。

“宏观上多看数据，微观上多讲经验。”付志勇认为，这对于电商企业来说是有价值的。

回到商业的本质，数据只是商业的副产品。如果业务系统好的话，一般数据系统也不会太差。如果本末倒置，数据系统好，业务系统差，你会发现连数据系统都送不了原材料。

并不是说数据不重要，而是请不要迷信，因为数据的不确定性带来的风险是大多数企业无法承受的，商家需要回归商业逻辑。

最后，我想用一位受访者的一句话来概括大数据：大数据是未成年人的性游戏。当你十七岁、十八岁的时候，男女这件事就相当有趣了。没有人知道它到底是什么样子。大家都在做，所以你应该自己做。大数据有时候就是这样。它无法清楚地解释真实的场景，也没有积累强大的数据，所以都是空谈。