第 2 章 相关理论基础。
2.1 大数据概念内涵。
2.1.1 大数据的概念。
大数据（Big Data）从表层含义看指的是海量数据、庞大数据，指在一定时期内数据急剧膨胀而无法通过人工或计算机在适当时间内完成获取、挖掘和管理，而获取益于组织完成决策的信息。全球知名咨询公司麦肯锡最早这样定义"大数据"的：大数据是指在一定的时间范围内，无法用传统的数据处理方法对其进行采集、存储、管理和分析的数据集合。维基百科对大数据做了简明扼要的概括：
大数据指的是运用常用软件工具对数据进行处理所花费时间超过可容忍时间的数据集。
那么，大数据中的"数据"也必然是小数据的集合，这些数据的有何来源呢？
拿著名社交网站 Facebook 来说，该网站每天用户上传图片超过千万张，评论条目超过 40 亿次，每 1 秒钟就有长度超过一小时的视频被上传。根据麦肯锡全球研究院估计，2014 年全球企业网络数据存储量超过 20EB 的新数据，其中 1EB=10亿 GB,相当于美国国会图书馆存储数据的四千倍，这些数据无不显示，"大数据"时代已经到来。
2.1.2 大数据的基本特点。
大数据不单单是容量非常大的数据集合，海量的存储数据也不能表达大数据的价值所在，如果仅仅依靠数据量来判断大数据的内涵，则不能深入理解大数据的意义所在。对于大数据的特点，简单说来可以用 4V 特性来概括。
（1）数据量巨大（Volume）。大数据是伴随着移动互联网的发展而产生的，随着交流的便利，各种移动终端的互通使得信息的传递更加便捷，各种分享，各种照片、视频、语音等数据信息源源不断的传入互联网，这些巨大的数据被分析挖掘和应用。
（2）数据类型多（Variety）。移动终端的多样化导致了数据类型的复杂化，移动互联网的开放性带来了数据容纳的广阔性，任何未加工的数据都可以得到共享，结构化数据、半结构化数据和非结构化数据交错呈现，尤其是近年来，非结构数据比例的不断增大，对数据挖掘带来了更为严峻的挑战。
（3）数据流动快（Velocity）。互联网发展初期的数据传输主要依赖于计算机，受限于网速的影响数据传输相对较慢，如今网络的日益普及，特别是移动网络的革新使移动设备的大幅传输成为可能，但传输速度的增加伴随着数据量的激增，因此，流式数据传输是大数据发展的重要特征。
（4）数据价值低（Value）。大数据的到来增加了数据本身的容量，然而有用信息的数量却没有增加，在庞大的数据库中寻求有用信息增加了数据挖掘的难度，数据总量的指数增加必然不断降低数据的价值密度。
2.1.3 大数据的内涵探究。
大数据的本质是信息，由于计算机的识别必须依靠数据进行量化。大数据时代，科学技术的发展给原本无形的评判标准建立一系列准则，或者通过一定的测量手段，对原本无法量化的东西用数据形式得以表示，然后通过数据挖掘技术，利用数理分析得到更为准确的答案。所以说，数据的本质是为了获取信息，没有信息价值的数据也就变成了冗余数据，数据本身并没有价值，只有通过数据挖掘技术，提取其中的关键信息才能时间数据的本质内涵。
大数据的信息本质决定了大数据的市场应用价值，互联网的发展使得大数据成为了社会的共同资产，企业通过数据处理获取及时正确的信息是管理决策的基础[36].大数据本身的出现带动了数据挖掘技术的发展，依赖于数据处理的公司通过驾驭和处理客户数据为服务企业提供便捷的信息指导，数据成为了极富价值的商品。另一方面，数据利用方虽然花费了必要的资金投入，然而大数据可以指导企业更为精准的把握市场动向，了解消费心理，以利于在最恰当的时间生产出最恰当的产品给予最需要的人。更为重要的是，大数据可实现精准的预测价值，通过已有数据记录寻求规律特征，从而优化系统以利于预测未来的运行模式。大数据通过关联交互个体，简化运作过程，不断降低运行成本。
大数据时代的到来必须带动思维方式的转变。大数据思维不仅仅是传统的因果关系的思维，虽然看似不相关的数据，但是通过一定条件下海量数据的搜集，通过必要的分析和挖掘，就可以找到真实而有效的结论。大数据带来的是相关思维的延伸，最简单的比如淘宝网通过跟踪用户的访问记录，当用户再次打开淘宝界面时，与你搜索相关的商品便会优先出现，这就是相关思维的真实表现。大数据思维由传统的"以小见大"变为"以大见小",在过去的时代里，由于信息量的匮乏，人们只能依靠小的数据推算最大的成果，这既是人类智慧的体现，也是客观局限的无奈之举[37].大数据时代的到来宣告了全新理念的开始，数据的获取和存储不再是制约决策的根本，先进的计算机技术可以对全盘数据进行系统的分析，从而得出传统思维所不能预见的结论。大数据的基本构成决定了数据的混乱无序，海量的数据必然存在不精准乃至错误的数据，然而大数据思维意味着忽略错误的存在，实现以大见小的转变。
2.1.4 大数据的分类。
按照数据结构类型，大数据可划分为结构化数据、半结构化数据和非结构化数据，大数据通常被认为是非结构化数据，而传统数据则表现为结构化。
传统数据一般都为结构化数据，这意味着传统数据源会以明确的、事先规范好细节的形式呈现出来。而新数据的产生也不会违背这一传统的格式。比如，对于股票交易，交易信息的第一部分为日期，即年月日，接下来是 12 位数字的账户信息，而紧接下来的数字代表股票代码等，这些信息事先都已明确，所以结构化的数据相对很容易处理。
半结构化数据具有可被理解的格式和逻辑，但这种格式并不是一成不变的，有时，半结构数据又被称作多结构数据，在这类数据中，有用信息往往藏匿于大量冗杂和无用的数据当中，这类数据的分析和处理要比规范好文件格式的数据复杂的多，数据处理必须具有复杂的规则，在读到每条信息之后，可以动态地改变随后的处理方法。
非结构化的数据处理最为困难，文本数据、音频数据、视频数据都属于这个范畴。每幅图片都有独立的像素通过一定的排列方式组合而成，但组合方式千变万化，不能归一出来，因此非结构化数据处理成本最大。
2.2 大数据营销相关理论基础。
2.2.1 大数据营销的内涵。
营销是企业以顾客需要为出发点，根据经验获得顾客需求量以及购买力信息的期望值，有计划地组织各项经营活动，通过相互协调一致的产品策略、价格策略、渠道策略和促销策略，为顾客提供满意的商品和衍生服务而实现企业目标的过程。通过对营销策略的研究和分析，有利于把握当前的市场形态，为公司的发展提供合理化的建议和指导。对于营销理论的研究，早期的 4P 理论认为企业应立足分析外部环境的基础上制定出适合企业发展方向的营销策略组合，这一策略的制定应围绕着产品（Product）、价格（Price）、渠道（Place）和促销（Promotion）四个方面着手以满足顾客需求，实现组织目标[38-39].随后学者们又提出了 4C 理论，即顾客（customer）、成本（cost）、便利（convenience）和沟通（communication）四个方面，该理论认为企业要想在竞争中立于不败之地，必须在兼顾成本的前提下，与顾客便利的保持沟通.在前人的基础上部分学者又提出了关系营销的4R 组合，即关联（relevance）、反应（response）、关系（relationship）和回报（return）崭新的市场营销四要素，认为该理论应立足于企业间的竞争，深度剖析营销策略组合，主张应实现企业和顾客的双赢，体现了关系营销的思想。由4P 到 4C、再到 4R,不是取代关系而是完善和发展的关系，是逐步成熟不断发展的过程.
大数据营销是伴随着大数据出现而产生的，它是将大数据的基本技术应用于营销领域的一种手段。大数据营销指通过大数据的搜集、管理、挖掘、分析而获得的有效信息，在此基础上鼓励消费者参与、互动、优化营销和产品形式的过程.大数据的数据来源于市场相关调查和网络渠道的相关信息，通过大数据行业或者公司内部的数据处理了解市场动态，为企业的营销提供必要的咨询和指导，从而提升营销部门的效率以及公司的总体效益。大数据的应用带来了营销方式的革命性转变，通过监测手段实现消费者的互联网轨迹追踪，就可以很好地理解消费者行为，对其实现精准营销。例如：淘宝网通过记录消费者浏览历史为其推荐想要的商品；去哪儿网通过大数据搜集预测机票价格为消费者提供便利。这都是大数据的营销应用，想象一下网络浏览数据会从鼠标点击数据扩展到毫秒级的鼠标移动数据，从而准确把握消费者所聚焦电脑屏幕的位置。
（1）营销的样本全覆盖。由于受到时间成本和经济成本的双重制约，传统营销往往在一定的理论指导下对研究对象取样或者调研，并且试图通过全方位的研究设计保证调查对象的精确性。然而，由于样本数据的局限性，不能准确恰当地反映市场的真实情形。大数据分析使这一问题的解决成为可能，当全面数据可以获取，高效分析方法得以应用是的数据取样的意义逐步弱化，消费者通过终端感应器、移动应用、网站点击等形式为商家提供全方位的大数据分析基础。值得一提的是，全方位的数据分析必须要求企业专注于将网络数据和其他所有与顾客相关的数据进行整合，而非仅仅从独立数据库中获取数据。大数据营销不仅可以洞悉消费者的喜爱偏好，还可以指导商家商品的生产。
（2）营销对象的多元化。营销对象由消费者向生活者的扩展是大数据营销的重要诉求。即营销对象不仅仅考虑消费者经济层面的购物等，而应该关注消费者的社会心理和生活情感。将营销作为与消费者的互动而不仅仅是一种商业模式。大数据营销就是在全面关注消费者情感的基础之上，掌握其本质和内涵，实现有效关联和互动，与消费者建立长期生活关系。基于大数据对消费者生活行为数据的搜集，从而准确定位消费对象，确定购买周期，预测消费行为，使得营销信息的推送更加有效，成功营销的概率大大加强。
（3）营销主体的归一化。大数据的发展使得营销主体不仅仅依赖于商家，用户也参与到营销的主体之中，并且这种作用具有逐步扩大的趋势，与商家的自主营销相比，客户参与营销可以大幅增加企业声誉，但是也可能产生极其相反的作用。尤其是伴随着信息技术的发展，广告信息媒介已经不再局限于电视、海报等，而是一个用户选择媒体、用户创造媒介的过程，微博、微信、论坛等社交软件使用户的口碑宣传成为可能，消费者可以在短时期内创造一个品牌甚至颠覆一个品牌。
（4）营销策略精准化。互联网的便捷性使得企业可以获得用户有关的大数据，包括顾客的消费记录、消费倾向、消费周期等，然后通过技术处理，可以具有针对性的制定相应的营销策略。首先，企业通过大数据的挖掘，寻找潜在消费者，把握消费者购买某种产品的概率，然后以信息为导向，反过来对产品进行精确改善，进行行之有效的推广。其次，对于既有消费者，可以根据以往购买记录，对其实行一对一的商品推送。同时，企业还可以通过不同任务特性对消费者深层细分，对于价格敏感型顾客，可以从性价比设计商品，并且对其进行打折促销，对于性能敏感型，则注重商品的技术投入。此外，大数据营销有利于客户关系的处理，商家通过顾客的购物记录，对其进行相应的售后服务等。
2.2.2 大数据营销的应用价值。
大数据营销是传统营销在大数据背景下的发展和延伸，旨在理解顾客意图而不是仅仅理解顾客行为，最终高效完成营销过程。大数据营销的产生有着强烈的时代背景，也必然彰显其深层的价值。
（1）提高营销效率。大数据的发展打破了原有的营销渠道，消费者可通过互联网移动化数据获取商品或服务信息，反过来，消费者对信息获取的同时又留下了自身的信息，商家可通过消费者信息进行营销渠道的优化，采用多种方式的营销渠道针对不同类型的顾客。另一方面，大数据营销保证了商品推荐的精准化，线上购物行为被互联网准确记录，客户信息得以汇聚，而线下的购买行为则被会员卡、POS 机等渠道得以搜集，也就是说，大数据可以通过各个方位记载消费者行为。传统营销方式以产品促进消费，产品的生产要先于用户的追求，而大数据营销则以顾客为导向，以为顾客推荐合适产品为根本原则.更重要的是，大数据营销大大提高了决策的准确度，通过更为广泛的数据获取，市场信息得以准确把握，这比传统的以问卷调查或抽查调研等形式获取的数据要全面的多，进而保障企业的决策效果。
（2）增强客户体验。工业化进程的加速和科学技术的日新月异导致了商品的爆发式增长，琳琅满目的商品给消费者的购物行为产生巨大的冲击，当具有某种需求时，类似商品的巨大供给使其带来了选择的困难，特别是考虑到价格、性能、外观、品牌等众多参数时，往往需要较大的时间成本和精力投入。然而，大数据营销可以让消费者轻松摆脱这一困境，企业通过对特定用户全方位分析，为其推送适合自身特性的商品，大大缩小了客户的选择范围，增强了用户的购物体验。消费者通过产品体验，又可以把商品使用情况恰当及时的反映给商家，从而实现产品的有效改进和升级。小米手机的大数据营销就是通过客户评价，不断实现硬件升级，通过系统升级，满足消费者的操作需求。
（3）融合营销平台。互联网的发展使其承载着消费者越来越多的信息，人们已经把自身的日常生活融入到互联网当中，通过社交平台交流，通过第三方软件记录运动，通过博客记录自己的行迹等，大数据营销就是把人们这些碎片化的信息进行重组，得到消费者的整体镜像，然后对其精准营销.所以说大数据营销实际上是对各大网络平台的融合，实现营销的互通。在网络平台融合的同时，大数据又促进了线上线下平台的统一，使电视、海报、报纸以及互联网得到有效结合，并且进行整合，通过营销平台的整合使营销效果显著增强。
