首页 百科知识 大数据在电子商务中的应用

大数据在电子商务中的应用

时间:2023-07-07 百科知识 版权反馈
【摘要】:21世纪以来,大数据得到学术界、产业界及各国政府的高度重视,相关的研究、应用及支持政策层出不穷。无论采用何种定义,由于互联网等电子工具的运用,电子商务与大数据必然具有不可分割的联系。根据大数据在电子商务领用的应用过程中企业所发挥的不同作用,可将企业分为大数据的产生者、大数据分析技术提供者以及大数据分析的使用者,见图2。

大数据最早由社会学家阿尔文·托夫勒在1980年出版的《未来的冲击》一书中提出,但受制于缺乏相关的数据预测与处理技术,这一概念在当时并未受到广泛的关注;与其相类似的是20世纪90年代美国提出的“knowledge discovery in database”,即使用数据库管理系统来存储数据,使用机器学习的方法对数据进行分析,以挖掘大量数据背后所隐藏的知识,与之相关的数据挖掘等技术随即得到了科学界、产业界与各国政府的高度重视。近年来随着移动互联网、智能便携终端、物联网、云计算等IT技术的飞速发展,“大数据”这一概念再一次成为了社会各界关注的焦点,知名管理咨询公司麦肯锡甚至断言人类社会已经进入了“大数据时代”,在其2011年发布的题为《海量数据、创新、竞争和提高生产率的下一个新领域》报告中指出:“数据,已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素。人们对于海量数据的挖掘和运用,预示着新一波生产率增长和消费者盈余浪潮的到来。”

虽然近年来大数据得到各界的广泛关注,并在诸多商业领域中得到大量应用,但是目前尚未形成准确的大数据的定义,相对被广为接受的大数据定义为:大数据指的是所涉及的数据量规模巨大到无法通过人工,在合理时间内达到截取、管理、处理并整理成为人类所能解读的信息。

一般认为大数据的特点可概括为4V: Volume(数据量大)、Velocity(输入和处理速度快)、Variety(数据多样性)、Value(价值密度)。相比于传统意义的数据,其Volume(数据量大)、Variety(数据多样性)的特点尤为重要。

(1)Volume:目前个人计算机的储存容量为TB量级,一些大型企业的数据量已达到EB量级(1 EB=1024 PB,1 PB=1024 TB),在更高的层面,人类社会从文明伊始到21世纪初所创造的信息总量仅为5 TB,而据国际数据公司(IDC)的测算,2011年仅互联网所产生的数据就达1800 EB,这一数字在2020年将达到35 000 EB,见图1。数据量的巨大及飞速增长为其研究与运用造成了巨大的困难。

图1 2009—2020年全球数据量增长趋势

(2)Variety:传统意义上的数据一般是指结构化数据,如数字、符号等能够用统一的结构加以表示的数据,典型的代表为企业ERP系统、财务管理系统等数据库中所储存的数据;而随着互联网的普及,越来越多的非结构化数据,包括视频、音频、图片、地理位置信息等形式,以及介于两者之间的半结构化数据,如邮件、HTML、报表等;数据的多样化对数据的处理分析能力提出了更高的要求。

21世纪以来,大数据得到学术界、产业界及各国政府的高度重视,相关的研究、应用及支持政策层出不穷。

在学术界,Nature于2008年出版了Big Data专刊,从网络科学、互联网技术、云计算、生物医药等多个方面阐述了大数据为人类社会带来的机遇与挑战;Science于2011年出版了Dealing with Data专辑,讨论了大数据对于科学研究的重要性,指出了大数据对科技发展与人类社会进步所发挥的强大助推作用。

在产业界,IBM、Amazon、Microsoft、Facebook、Oracle、Google等互联网企业先后研发或在其业务中运用了大数据分析手段,并取得了良好的应用效果。典型的例子如在线拍卖网站eBay,通过分析其交易数据(用户数据、交易数据、物流数据、反馈数据等)、用户的行为数据(用户在搜索引擎、社交网络、eBay站内搜索的数据等)、促销数据等进行了搜索优化、用户个性化推荐、商品目录优化、卖家分类、户外广告效果评估等大数据分析应用,有力地促进了其在线交易量的增长。

在政府层面,美国、英国、欧盟等国家和地区都相继出台了扶持大数据研发的政策,由美国联邦政府、国防部、能源部等多部门联合推出的“大数据研究和发展计划”更是被列为其战略计划,旨在加强大数据挖掘与处理技术的研发以保障美国的社会安全。我国也对大数据的研究发展给予了高度重视,“数据分析软件开发和服务”于2012年被列入国家发改委转向指南,国务院在2013年出台的《国务院关于推进物联网有序健康发展的指导意见》中明确指出要加快大数据处理技术的研发创新,2014年大数据计算更是被列入国家年度重点支持方向,北京、上海、广州等地方政府也相继出台了地区性的大数据产业发展政策。

电子商务的概念由IBM公司于1996年提出,广义的电子商务定义为:使用各种电子手段进行的商业事务活动,通过使用互联网等电子工具,使公司内部、供应商、客户和合作伙伴之间,利用电子业务共享信息,实现企业间业务流程的电子化,配合企业内部的电子化生产管理系统,提高企业的生产、库存、流通和资金等各个环节的效率;狭义的电子商务是指:通过使用互联网等、电报、电话、广播、电视、传真、计算机、计算机网络、移动通信等电子工具,在全球范围内进行的商务贸易活动,是以计算机网络为基础的各种商务活动,包括商品和服务的提供者、广告商、消费者、中介商等有关各方行为的总和。无论采用何种定义,由于互联网等电子工具的运用,电子商务与大数据必然具有不可分割的联系。根据大数据在电子商务领用的应用过程中企业所发挥的不同作用,可将企业分为大数据的产生者、大数据分析技术提供者以及大数据分析的使用者,见图2。

图2 企业将大数据应用于电子商务时的角色

大数据分析中的数据来源主要包括:交易信息、日志数据、事件信息、电子邮件、社交媒体、传感器、外部来源、RFID扫描或POS数据、自由格式文本、地理信息、音频、静态图像或视频。IBM公司通过对全球95个国家、26个行业的1 144名专业人员的调研,在2013年发布了《大数据在现实世界中的运用白皮书》,指出:“内部数据是企业内最成熟并且被熟知的数据。这些数据已经通过多年的企业资源计划、主数据管理、商业智能和其他相关工作而收集、整合、结构化和标准化处理。通过利用分析方法,从客户交易、交互、事件和电子邮件中获得的内部数据可以提供宝贵的洞察力。”

在电子商务领域,平台型电子商务企业由于其用户量大、用户黏性强、交易量大,是大数据的主要产生者。以淘宝平台为例,据统计2013年淘宝的活跃用户数达到2.3亿,全年订单数为113亿,用户的年重复购买次数为49次;同年京东商城的活跃用户数为4 740万,年订单数为3.2亿,用户年重复购买次数为6.8次。平台型电子商务企业所产生的数据涉及用户的历史交易数据、用户在其网站的浏览数据、在其合作伙伴网站的浏览信息以及用户的评论信息等。

与平台型企业类似,搜索引擎、门户网站、社交网络等互联网企业同样由于其用户数量多、访问量大,成为重要的大数据产生者,这些类型的互联网企业所产生的大数据同样能够在电子商务中发挥不可替代的重要作用。例如搜索引擎所记录的用户搜索行为信息,通过对用户的检索行为、浏览行为进行分析、发现人群的兴趣点、消费特征等信息,其分析结果既可以不断提高用户的搜索体验,也可以帮助企业进行科学的消费者细分。社交网络同样产生着大量的数据,新浪微博、微信等社交网络都已吸引了数以亿计的用户,由于其巨大的用户数量,社交网络早已成为电子商务的重要营销平台,同时通过对社交网络用户的社交、兴趣、购物等信息进行大数据分析,有助于电子商务企业了解用户的购物倾向以实现广告的精准投放,此外越来越多的用户通过移动设备登陆社交网络,伴随产生了大量的基于地理位置的服务(LBS)数据,为电子商务企业开展线下业务提供了决策支持。而门户网站作为历史最为悠久的大众互联网产品,往往拥有数亿用户在多年间所累积的访问数据,可供数据挖掘。表1展示的是产生大数据的典型企业。

表1 产生大数据的典型企业

从技术层面而言,大数据是一系列信息技术的集合,包括数据采集、数据管理、计算处理、数据分析和数据展现等5个关键技术环节,因此对于大部分企业而言,大数据分析具有相当的技术门槛,且大数据分析所需的硬件设备也成为大部分中小企业的沉重负担。然而,一些互联网技术企业所研发的大数据分析技术及其提供的大数据分析服务,使得大量企业有机会利用大数据改善其经营现状。

Hadoop是目前最受欢迎的能够对大量数据进行分布式处理的软件框架,可以帮助用户在不了解分布式底层细节的情况下,开发分布式程序,具有高可靠性、高扩展性、高效性、高容错性与低成本等优点。目前Hadoop已成为Intel、IBM、Yahoo、淘宝等企业的大数据分析技术的基础。国际上主流的大数据研究、产品和服务厂商的技术大部分建立在开元的Hadoop分布式计算和存储的基础支撑平台之上,这些产品和服务主要包括大数据硬件基础设施(大数据一体机等)、大数据分析基础设施(商业化Hadoop等)、大数据操作基础设施(NOSQL数据库)、大数据基础设施和DAAS云服务、商业智能、数据分析与可视化、日志应用、广告应用、垂直行业应用、大数据咨询与媒体服务等领域。表2展示的是一些能提供大数据分析技术及服务典型企业。

表2 大数据分析技术及服务典型企业

国内也有部分优秀企业已经涉足大数据技术领域,如曙光、浪潮、华为等公司生产的大数据硬件基础设施,华为开发的FusionInsight Hadoop等商业化Hadoop发行版,及淘宝、腾讯等公司在开源基础上自主开发的NOSQL数据库。在基于自身大数据平台和海量用户分析的基础上提供大数据分析云服务这一方面,新浪、腾讯、百度、阿里巴巴等大型互联网公司均已初具规模。

以阿里巴巴为例,针对客户的不同需求先后推出了数据魔方、量子恒道、聚石塔等三种大数据服务产品。其中,数据魔方于2009年11月上线,主要功能是帮助淘宝平台上的商家进行市场环境分析,包括店铺定位、品牌定位、产品定位,为商家的运营提供决策支持,包括产品热销特征的定位、不同产品价格区间的成交情况分析,以及对消费者购买行为和浏览行为的分析,包括购买时段和网页访问时段、卖家的年龄分布分析。在数据魔方的帮助下,淘宝平台上的商家可以运用大数据分析进行店铺定位,及制订有效的营销推广方案。

量子恒道的主要用途是为电商提供精准实时的数据统计、多维的数据分析、权威的数据解决方案。主要功能包括:网站的流量分析,如各个时段的网点流量情况;页面的访问详情,如浏览量、访客停留时间、跳失率、用户在站内搜索的关键词等;页面点击热图,以直观的方式展现用户在页面不同位置的点击热度。通过使用量子恒道,淘宝平台商家可以根据顾客访问数据的大数据分析结果进行页面布局调整、关键词设置调整、广告效果评估和运营成本分析等。

聚石塔是阿里巴巴推出的又一项大数据服务,采用“云+软件运营服务(SAAS)”模式。卖家在接受聚石塔服务后,可将交易的全过程数据存储在阿里的网络环境中,既避免了受到黑客攻击的风险,又简化了卖家的IT处理流程,保证了后台处理的速度和稳定性,尤其是订单激增时的处理速度。而淘宝平台可将聚石塔中海量的电商数据(如订单数据、商品数据)实现实时全量推送。

百度于2014年4月正式开放“大数据引擎”向外界提供大数据存储、分析和挖掘技术(见表3),其合作机构和企业可以在线使用百度的大数据架构,处理自身积累的大数据,同时融合百度大数据技术进行挖掘处理。目前百度推出的大数据产品已包括:百度预测、百度司南、百度精算、百度统计、百度推荐、百度指数等。其中的百度司南是一款基于百度大数据的一站式营销决策平台,可以提供人群分析、品牌分析、舆情分析和媒体分析等服务。百度司南通过分析网民的行为数据为广告组提供精准的营销决策依据,帮助广告主找到更多更合适的潜在用户。百度精算是一款衡量广告效果的大数据产品,通过跟踪用户的搜索行为衡量广告对品牌认知的效果,衡量广告投放之后消费者在全网的行为特征,如点击、搜索、抵达广告主网站、浏览、注册、购买等,多维度衡量广告价值。百度统计是一款网站流量分析工具,通过分析访客是如何找到并浏览用户的网站,帮助用户持续改善访客在用户网站上的使用体验,目前已具有的功能包括:趋势分析、来源分析、页面分析、访客分析、定制分析等多种统计分析服务。

表3 百度统计的大数据服务

在电子商务领域,使用大数据分析手段的企业构成复杂,他们中既包括上文提到的产生大数据的企业,也包括提供大数据应用技术的企业,还包括大量的中小型互联网企业,如淘宝等交易平台上的商家,以及具有电子商务业务的非互联网企业。下面将集中分析这些企业的大数据应用模式。

电子商务的涵盖范围广泛,包括了B2B、B2C、C2C、B2G、O2O、B2F、P2D、O2P等8种模式,但一般认为最为主要的是企业对企业(Business to Business,B2B),企业对消费者(Business to Consumer,B2C)这两种模式。大数据在这两种模式的电子商务企业的营销、运营、系统设计、融资、产品策略等方面都有着很广泛的应用。

1.商品精准推荐

顾客的网上购物的购买过程大致是这样的:顾客从他的需求开始,知道什么产品最能吸引他、什么产品比较有价值、什么产品比较有风险,这当中也包括一些顾客的体验。电商大数据就是对用户全渠道、全生命周期的收集。

消费者在电商的网站上将一款商品放置到购物车里之后,网站的特定位置会马上推荐一些与之相关的产品,比如,消费者在京东商城选购了一台笔记本电脑之后,网页的下部便会在购物车的界面推荐一些品牌的电脑、鼠标、耳机、无线路由器等与之相关的产品。这便是大数据给电商带来的极大商机。电商可以通过所有消费者的点击、浏览、购买的相关记录,为特定的消费者推荐一些特定的产品组合,减少消费者继续搜索相关产品的时间成本,给消费者带来优质的购物体验。

与此同时,好的推荐系统可以大幅度提升网站浏览转化率,为网站带来新的销售机会,这既能提升电商网站的交叉销售能力,又能改善对于顾客的忠诚度。因此,大多数电子商务网站都会提供商品推荐服务,但并不是所有商家都能够达到理想的浏览转化率,推荐效果并不理想。这其中的一个重要的原因是电商的网站受技术和资金实力的限制,并没有很好地利用它所收集到的大量的浏览和消费数据,因而,此种情况催生了商品推荐系统的产生。

精诚集团旗下的大数据品牌Etu知意图发布了一款专门为电商设计的精准推荐系统Etu Recommender,用于为电子商务网站提供商品推荐服务。Etu Recommender是一个基于大数据技术实现的软硬一体系统,它以数据挖掘、分析为基础,收集网站访客的点击信息,并结合消费者相似的群体行为,模拟传统卖场的销售人员向顾客提供商品推荐,一方面帮助访客找到所需信息,同时还可以通过推荐系统来提高网站的点击率和用户的忠诚度。

采用大数据技术的解决方案在实践中都的效果比较明显,根据相关数据显示,兰缪内衣采用Etu知意图的商品推荐系统之后,销售转化率提升了15%~30%;而采用百分点的推荐服务的库巴网站其电子邮件推送服务打开率超过了70%,销售转化率也达到了14%以上。

由此可见,精准的商品推荐可以极大的提高商家的销售额,也能够相应地提升消费者的购物体验,让消费者感受到商家对于消费者的了解程度和热心程度,提高消费者对于商家的忠诚度。

2.广告精准投放

对于商家来说,广告的投放是一项很有挑战性的工作,在合适的时机、合适的地点向企业目标客户群投放了合适的广告,可能使得企业的投入事半功倍。以礼品行业为例,每到节假日,礼品行业都是旺季,这个时候做促销是相当有效的。与此同时,精准促销要求商家将促销精确到某一天甚至到某一时刻。这就意味着,如果广告投放的时间不准确,就容易错失潜在的消费者。而今,随着大数据的分析技术的发展和广泛的应用,电商可以精准地投放所需要的广告,以达到精准广告投放,精准促销的目的。

近些年来,互联网广告的投放形式已有多种多样,比如:搜索引擎竞价广告、第三方平台广告投放等。通过对于大数据的运用,电商可以将针对不同目标客户的不同类型的广告通过不同的形式投放,可以强化广告投放人群的精准度,比如,搜索引擎竞价广告能够实现精准区域、精准时间广告投放,还能通过受众互联网行为所产生的数据库进行受众划分,从而发送相关的广告。

阿里巴巴公司会对于淘宝网每天数以亿计的成交量进行分析,得到每一位消费者的浏览记录、购买偏好以及消费习惯,便可以在搜索页面的适当位置为一些进驻商家提供付费的快速搜索功能,使得消费者在搜索需要的商品时,得到一些推荐商家,这样可以增加这些商家的访问量和成交量。此外,淘宝网还会与新浪微博等社交网站进行合作,对于用户推出一些个性化的广告,这些广告的内容是根据该用户最近浏览电商网站的浏览记录来决定的,通常具有个性化的特点,能够较为成功地吸引用户的眼球,使其点击链接进入电商的网站。新浪微博和阿里巴巴合作成功的基础是深层数据的打通,新浪微博一定要进行个性化的推荐,将营销内容和投放场景紧密地结合起来,而阿里巴巴则需要将用户的近期浏览记录进行分析,投放较为吸引用户的商品广告,从而提高销售转化率。

此外,由于在不同的垂直领域中用户的购买行为的不同,电商则需要在不同的领域设置不同的广告投放方案。比如在服装销售领域,由于对于营销信息的反应期较长,则需要格外注重品牌的形象以及给用户带来的感受,过多地植入广告可能给用户带来负面的印象,降低品牌的形象,驱走了潜在的消费者。

总的来说,电商的广告投放是一项艰难而漫长的任务,电商企业应当在投放精准广告之前,对于其现有的消费者数据和环境数据做以深入的研究和分析,这样才能够达到精准投放广告的目的。

1.高效的物流配送

物流配送在电子商务活动中扮演着非常重要的角色,但是国内电商企业的物流配送却一直被人诟病。配送效率低下、商品配送费用高、包裹受损等问题屡见不鲜,严重影响了用户体验。

我国电子商务是在传统物流向现代物流发展的道路上开展的,相对落后的传统物流配送体系极大地制约了电子商务发挥其高效快捷的优势,成为电子商务发展的瓶颈。但随着大数据技术的发展和普及,电子商务企业的物流活动也借助大数据技术得到了长足的发展。对于物流包裹的实时监控、统一调度,可以使得快递包裹及时、准确地到达消费者的手中。对于电子商务企业来讲,应用大数据技术对于物流配送环节而加以优化,可以大大减少企业所需要承担的成本,提升消费者的体验,增强消费者对于企业的忠诚度。

2013年的淘宝天猫“双十一”促销活动中,“物流雷达预警”投入使用,该技术通过和各大物流公司打通接口,能够直观地看到每个配送点目前的发货和收货情况,提醒卖家选择相对畅通的快递公司,通过对线路的预测来减少“爆仓”的可能性。这个系统充分利用大数据的技术,通过收集用户和快递公司的信息来对于物流包裹进行监控,同时将监控结果及时反馈给商家,为商家的物流策略及时调整提供了依据。商家通过其中的订单监控系统,可以清楚地看到揽收率、在途率、签收率等数据,可以主动跟进出现异常情况的包裹。同时物流监测中还首次加入了天气预测维度,我们能够看到某一条路是雨雪还是晴天,基于这样的天气变化,物流公司能以最快速度调拨资源,避免出现因为天气造成包裹拥堵。

除了阿里巴巴,其他电商平台也在加快应用大数据技术,将这些来自每一个快递包裹的数据,当作提升用户体验的“杀手锏”,以京东商城为例,京东已投资高达20亿人民币建设一期数据存储中心,可容纳10万台服务器,能实现13万TB的存储能力和24万GB的计算能力。与此同时,京东还成立了“京东商城-中国人民大学”电子商务实验室,着力电子商务大数据的分析与合作。

而对于快递公司来说,大数据技术则不仅仅意味着解决网购“爆仓”问题,未来还可能成为它们的一棵“摇钱树”。申通信息技术部总监邱成表示:“淘宝做大数据是以订单为核心,快递企业做大数据是以快递为核心。申通也有自己的信息化智能平台,现在我们在做淘宝、商业客户的一些数据采集,在构成基础数据网络之后,再做第三方的增值应用。”

因此,电子商务企业可以利用大数据的技术对于物流配送的方式和信息平台进行革新,建立起电商企业和快递公司畅通无阻的信息沟通渠道,可以达到双赢的目标。

2.科学的库存管理

有资料显示,全球零售商因盲目进货导致的销售损失每年达1 000亿美元。与传统零售商相比,要达到同样的交易量,电子商务企业对于仓储面积的要求就小了很多。尽管如此,由于电子商务企业所涉及的商品种类比传统零售商要多,因此其仓储成本还是很高。利用大数据能够更好地对用户行为进行分析,包括其兴趣、喜好、购物频率等,得出各种商品在一段时间内的需求量,实现对采购和合理库存量的管理,实现仓储资源的最佳配置,节约运营成本,提升企业竞争力。

如今,各大电商企业都会对于自己仓储环节进行优化,其中包括库存水平、货品位置、货品摆放、拣货路径等等。对于仓库空间的合理优化,可以更大程度地降低电子商务企业的仓库运营成本,可以更合理地利用仓库空间,达到更有效率的仓储水平。通过对于消费者消费习惯信息的汇总和分析,企业可以将区域内较为受欢迎的产品集中在该区域内的配送中心,并摆放于易于拣货的位置,可以更大程度地降低拣货时间、提高拣货速度,以满足顾客较短的时间窗口。

此外,通过对于企业自身销售信息和供应商的生产信息的分析,可以做出较为合理的采购策略,能够帮助企业更好地保持较为优化的库存水平,降低库存成本、提升库存周转率,为企业的正常运转提供更多的资金支持。

1.改善网站布局

2011年,百度统计推出了大数据应用新工具——页面点击图,新功能刚崭露头角便成为了电子商务领域争相追捧的焦点,许多网络平台疯抢应用的“邀请码”,一时间,利用大数据规划系统页面设计的奢华愿景成为了现实。百度页面点击图的原理是根据访客的浏览痕迹,通过后台以不同的颜色变化呈现出来,可以让电商更加直观地掌握访客的点击信息、浏览信息、收藏信息,从而了解哪些产品最受顾客欢迎,页面的哪个位置更能吸引顾客注意,对于企业改进网页布局,按照访客偏好进行网页设计提供了方向。

新东方官方网站采用百度统计的页面点击图应用实现了页面流量价值的最大化。用户在网页上用鼠标点击时,点击图会通过不同的颜色显示出来,根据冷暖色调的差别确定网页的点击密度。

同时该应用支持“时间选择”,将每天分时段获得点击数据,可以在点击率高的地方多投放广告,将用户感兴趣的内容重点展示,删减点击率差的服务项目,百度统计页面点击图帮助新东方实现了网页布局的重新定位,用户体验的大幅改善。新东方集团CIO官冲说:“随着网络的发展,新东方官网的推广愈发重要起来。百度统计页面点击图的出现,让曾经的‘奢华’功能走入大众视线,使我们的数据分析者在获取网站统计数据更加直观。”

2.系统支持

淘宝网是中国最大的网络零售平台,根据中国电子商务研究中心监测数据显示,在2010年世界杯期间,仅6月2日至6月22日的3周时间,淘宝网和天猫商城售出高达500余万件世界杯相关商品。截至2013年3月末,淘宝网和天猫商城的交易额突破10 000亿元人民币。

庞大的网络规模和用户数量的飞速增长,淘宝平台以每分钟数万笔交易量的速度为亿万用户提供着便捷的网络服务,如此强大的前台交易量也产生了巨大的数据总量,传统的数据库已经不能满足存储海量数据的存储需求,为了应对挑战,淘宝网在2010年自主研发了高性能分布式数据系统OceanBase,与传统的关系型系统不同,OceanBase能够记录数百TB级的数据,这也为淘宝网注入了新的动力。然而,除了存储容量大以外,后台系统的高性能、高可靠性更为重要,企业迫切需要寻找新的系统资源。2012年,英特尔为淘宝网提供了全新的硬件平台——固态硬盘和至强处理器,在强大的硬件系统支持下,淘宝网的大数据分析处理能力又一次获得了质的飞跃。

1.强化风险控制

以余额宝和P2P(Peer to Peer)网络贷款业务为代表、基于电子商务平台的互联网金融业务在2013年发展迅猛,作为以金钱为核心的网络交易服务,随之而来的风险与日俱增,风险管控理念是企业长久发展不容忽视的范畴。

2013年6月上市的余额宝可谓是基金市场最大的奇迹,2014年1月余额宝的市场规模就已经达到了2 500亿元,据专业人士估计,目前余额宝的用户数量超过8 100万,市场规模在5 000亿元以上,就连与之合作的天弘基金也一跃成为中国市场规模最大的基金。身处金融行业,余额宝的成功与企业有效地风险管控是分不开的。用户数量是金融企业的核心竞争力,传统的货币基金行业主要的投资来源于机构,导致了资金数量多、用户数量少的状态,余额宝规定单户投资金额不得超过100万元,实现了用户数量的激增,积累了大量的大数据资源,这样在企业遇到“双十一”、春节等需求量暴涨的阶段时就能够提前通过大数据分析预测,掌握消费者的购买习惯,降低资本流动性的风险。阿里小微金融服务集团金融事业部总经理袁雷鸣认为:“要去了解、预测单个用户的行为是非常困难的,但是因为支付宝有长达十年的数据积累,能够对某个阶段绝大部分的人,尤其是趋势做出预测,难度就会降低。”

2014年3月,“91金融”推出旗下互联网直接理财平台“91旺财”,它是一种类P2P的理财平台,旨在为金融企业和消费者双方提供安全、公平、透明、高效的互联网直接理财服务,与传统的线下风险管控模式不同,“91旺财”基于大数据仓库建模,建立了从线上到线下的闭合式风险控制体系,收到了较好的风险防范效果,同时也是业界公认的安全系数相对较高的风险控制模型。

2.推进网络融资

市场化竞争环境的激烈让中小型企业融资难的问题日益凸显,而大数据时代的到来为电子商务企业的融资提供了新的突破口:

(1)电子商务平台与互联网社交模式的发展积累了海量的数据,电子商务领域扁平化的网络结构使得大数据的挖掘能够得到规律的信息,这要比传统的统计抽样手段得到的数据更具有真实性,能够全面地反映出市场需求,大数据与信贷业务的结合为企业构建完善的信息结构、削减交易成本提供了可能。

(2)在大数据时代,人们不再一味地追求数据的精准化,而是将概率作为战略决策的参考标准。对于一组借贷方案而言,通过大数据技术进行全数据分析,在概率上显示企业能够长期稳健的盈利,银行及其他资金融出方即可考虑采纳。通常这种方法建立的融资业务具有较高的安全性。

(3)随着大数据时代数据结构的改变,银行等融资机构的风险管控理念发生了根本性的变化,过去在风险规避理念的驱使下,融资机构要求企业提供抵押担保作为弥补风险发生时的损失,目前的融资机构对申请企业的衡量重点放在企业的稳健经营与还款能力上面,并进行持续的监控与防范;过去对企业资产、利润、现金流量的关注逐渐转移到“软信息”方面。传统的融资理念认为,授信额度与企业抵押的固定资产的数量、质量成正比,但当风险发生时,在融资机构积压的固定资产会面临难以变现、折旧幅度大等风险,大数据技术在信贷领域的应用大大规避了坏账情况出现的可能,提升了信贷业务的效率,也符合中小型电子商务企业灵活性、随时性、多样性的融资需求特点。

大数据时代电子商务领域的网络融资模式主要分为三类:第一类以阿里巴巴为代表,电商企业利用自身交易平台产生的大数据,为网络商家提供融资服务;第二类以美国Kabbage为代表的独立互联网公司,依据其他平台型企业如亚马逊、eBay的大数据为其提供融资服务;第三类是传统的金融机构与平台型企业合作,建立共同的融资服务平台。其中,第一类融资模式是中国大数据在电子商务网络融资方面采取的主要战略模式。

典型的阿里巴巴旗下的阿里小贷成立于2010年,是阿里集团金融的重要组成部分,也是国内首个面向网络电商提供放贷服务的公司。阿里小贷从2010年成立至2014年2月中旬,累计投放贷款超过1 700亿元,如此迅猛的发展速度要归功于其背后强大的数据库系统及与之配套的大数据挖掘技术。数据库是阿里金融的核心竞争力,企业金融的发展离不开大数据的深入挖掘和分析。依托大数据技术的支持,平台型企业逐渐着眼于为顾客提供个性化、定制化的服务,以增加消费者的忠诚度,扩大品牌知名度,优化产品形象。阿里进军金融业仅有5年时间,但是其数据库的规模可与央行征信系统相比,截至2012年,阿里征信系统中仅淘宝用户就有600万之多,包括卖家的基本信息、交易清单、商铺活跃度、用户点评等,海量的数据为阿里金融的发展提供了保障,阿里金融还将把天猫、支付宝、聚划算等各平台的商家信息和顾客信息贯通起来,进行更深入的数据挖掘。

电商企业可以通过大数据来分析和细分市场,对于顾客需求进行更深刻更准确的研究,从而开发出适应不同种类消费者的不同产品,实现个性化产品设计的目的,能够达到更好的目标。

电商企业通过大数据分析顾客需求,能够对于顾客行为和消费过程有着更加深入的研究,深度挖掘顾客需求的偏好、沟通方式、价格弹性、接触方式等,从而实现对于顾客更精确的分类,分类定位每类顾客的产品需求特征,实现个性化、精细化服务的目的。此外,由于移动互联网发展的不断深入,大数据的分析和使用就可以为电商企业设计个性化产品服务提供了更可靠的保障。移动互联网可以更加精确地研究顾客的消费行为和消费场景,更可以实时地为研发人员提供产品创意的灵感。

新浪将通过大数据整合门户与微博等诸多业务,推动微博从此前的单纯媒体平台提升为一个开放的、综合服务平台。大数据将是新浪未来商业产品与规划的基础。数据并不只是微博的业务,而是服务于大新浪的基础架构,将整个新浪的业务与资产整合在一起。新浪将为广告主与商家提供一站式的广告服务,通过大数据帮助他们合理优化广告预算安排,横跨电脑、平板、手机甚至未来的电视屏幕。而在用户方面,微博也将继续推进粉丝头条、服务平台等增值服务。

新浪微博几个月前发布了大数据移动产品Page,这是一个聚合了用户兴趣爱好社交关系数据的综合展示页面,无论是话题、图书、音乐、餐饮美食等内容都能在微博上生成专属的Page页面。通过Page页面,网友可以很方便地查看到有价值的微博内容。不同于其他社交网络的强关系联合,微博是以用户兴趣为驱动力的节点组合,而大数据的目的就把人、兴趣、物有效地串联在一起。

此外,微博还与空调厂商海信推出了智能空调产品,用户可以通过微博私信远程操控空调,并在微博上实时获知空调运行状况与家中环境状况。这样的通过物联网和大数据设计的产品会在未来的生活中逐渐涌现,为生活带来便利。电商企业则需要对于各方面的信息加以综合和优化,才能够在未来的市场竞争中获得较好的成果。

大数据时代的到来为电子商务领域开启了全新的盈利模式,有效地运用大数据资源将为企业的发展指明方向,传统的生产制造型企业已经逐步将更多的线下业务发展为线上交易,基于电子商务的平台型企业更是紧握这一商机,不断开发基于大数据的业务模式,获取更多的用户资源。但是,海量数据的爆炸式增长也不可避免地给电子商务领域带来了诸多障碍与挑战。

1.数据获取与存储

在大数据时代背景下,电子商务企业间的竞争已经成为了大数据运用能力之间的竞争,企业内部的商品交易、物流信息、网页浏览、用户评价等信息都是大数据资源的重要组成部分,相比于传统的以文字形式呈现的结构化数据,视频、音频、图片等非结构化的数据是网络交易的主要信息。巨大的信息量已经远远超出了企业现有技术的承载能力,大数据价值密度低的特点更是增加了数据获取工作的难度,提取有价值的信息犹如大海捞针,因此,企业如果不具备与之匹配的信息化基础设施与大数据挖掘技术,将难以在激烈的市场竞争中谋求生存。

2.数据分析与显示

数据分析是大数据处理的核心环节,该环节的工作原理是抽取不同数据源中多种结构类型的原始数据,根据应用需求进行处理分析,提取大数据中蕴含的“微价值”。在整个分析过程中,大量的数据噪声是大数据处理硬件的一大挑战,同时,数据分析的结果关乎企业运营各环节战略的制定,因此,数据分析结果的准确性尤为重要。目前,大多企业现有的大数据分析技术不能满足企业对准确性的要求,此外,分析的结果还需要通过可视化的技术手段来实现,这都是大数据时代带来的技术难题。

3.数据安全与隐私

消费者在网站浏览商品时产生的图片点击纪录、浏览记录、个人偏好等数据都被企业记录在案,企业根据消费者的行为数据,通过大数据处理技术,为每位顾客制定跟踪化的营销策略,电子商务的网络交易模式会让消费者的隐私信息过多曝光,人们在网络平台交易时,首先需要注册,输入个人真实姓名、家庭住址、手机号码等信息,到了支付环节还需绑定银行卡号,同时电商还承担着数据在云端可能会丢失或被窃取的风险,一系列的数据隐患也引发了人们对于网络安全性的担忧。

4.电商操纵的价格歧视

鉴于用户个人浏览网页时的独立特性,电子商务中很容易产生价格歧视的现象。也就是说,电商企业完全可以对每一单位产品提供不同的价格,以达到自己利润最大化的目的。原本这是一个很难实现的行为,不过随着大数据的普及,对个体用户的信息了解更加全面,在经过数据挖掘后,电子商务公司可以尽可能接近对每一个消费者的全面了解。而这样的了解来自于对大量数据的收集以及分析,这是普通实体零售业无法做到的。在2000年9月亚马逊对所售DVD实行价格歧视。一个亚马逊的老用户在浏览DVD信息时,该DVD售价为26.24美元,但是当他清除自己浏览的cookies数据后,他被系统认定为新用户,同样的DVD售价变为22.74美元。这次价格歧视的试验没有开始多久就被细心用户发现,亚马逊的声誉因此受到巨大影响,同时带来的销量下降引起了更巨大的经济影响。由此可看出,电商企业所操纵的价格歧视虽然可以给企业带来丰厚的利润,但是却可能给企业形象和声誉带来巨大影响,与此同时,给消费者带来的则是购买产品时所付出的高昂成本,这是电商行业内反常的现象。

尽管大数据技术的飞速发展给电子商务企业带来了挑战,同时也带来了机遇,但是不可否认的是,大数据技术带给电子商务企业很大的发展空间,可以让电子商务企业在未来的激烈竞争中立于不败之地。

1.信息安全性和可信赖度

在未来的大数据技术的发展过程中,首先要克服的就是大数据本身的安全性和用户的隐私问题。如果不能够保证数据的安全性和用户的隐私权,电子商务企业则可能在之后的发展中失去消费者的信赖和忠诚度,便不能够获得较好的销售表现,那么无论企业做出多么精准的推荐和有效果的广告投放,也很难赢得消费者的青睐。

此外,信息的安全性也能够代表大数据技术的完善程度,完善的大数据技术可以给商家带来可靠的消费者和供应商信息,能够帮助商家做出更准确的决策。

2.运营环节的优化

电子商务企业应当在保证数据安全和消费者隐私的条件下,充分利用电商平台和商家所能够捕捉并提供的信息对于自身运营环节进行优化和整合,综合大数据的信息,增加商家的仓库利用率,提升物流配送环节中的表现,提高顾客的体验满意度,从而达到降低企业整体运营成本、扩大企业盈利的目的。此外,对于企业各个运营环节的优化,还可以使得企业对于自身运营的各个环节有更好的掌控,从而达到更高水平的运营能力。

3.商业逻辑的重视

在商业逻辑里,电子商务企业必须先懂得市场,懂得某个领域的消费者真正诉求的变化;其次要懂行业,包括行业的特征、要求和规则;最后才是懂企业运营,把多个支持模块资源有序地整合起来,从而共同创造价值。在这些都具备的情况下,再用量化的数据适度辅佐决策,在商业逻辑的主导下,真正发挥量化数据的作用。根据经验判断,越是偏宏观战略层面的数据,实用性越高;越是偏微观细小的数据,不确定性越高。因为宏观的决策很大,大到细小的影响起不了作用,而微观的决策则恰恰相反。例如,整个行业规模如何、市场增长力如何,本身是多样本的综合数据,每一个样本的影响都只占一部分。而一旦到微观层面,比如广告用的颜色、打折力度大小、满减的额度,某一项的数据会起决定作用。因此,重视商业逻辑和企业基本原则,是电商企业未来发展的中心点。

(执笔:董明)

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈