电商数据分析方案精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的电商数据分析方案主题范文，仅供参考，欢迎阅读并收藏。

第1篇：电商数据分析方案范文

访谈结果令人吃惊：仅有4%的企业被认为真正擅长于大数据分析——他们能够围绕设定的业务重心调动合适的人员，使用有效的工具并收集合理的数据，并根据大数据分析的发现改变企业运作的方式或者提高产品和服务。与竞争对手相比，这部分擅长大数据分析的企业的表现差异显而易见：

他们的绩效处于同业前四分之一的可能性为一般企业的两倍

他们的决策速度比一般企业快出五倍

他们的决策执行速度比一般企业快出三倍

想要在大数据竞争中处于领先地位，三个步骤不可或缺：设定目标、建立分析能力以及围绕大数据策略组织企业架构以实现价值最大化。本文将主要针对第二步，了解那些领先的企业是如何利用大数据的竞争优势走在行业的最前沿的。

数据、工具、人员和决心

领先的企业主要从四个方面入手建立自己的大数据分析能力（图）：高质量的数据、先进的工具、精通数据的员工以及支持分析决策的流程和激励机制。大约有三分之一的企业这四方面的表现均不理想，而更多企业则在其中一两个领域较为突出。但出色的大数据分析能力是建立在这四个方面均衡的完美表现之上。每个方面的成功都离不开其他方面的优势支持。

数据 任何一个企业都首先需要制定一个数据收集和整理的策略规划，这一规划必须明确定义如何利用大数据为企业的整体发展战略创造价值。在本次的访谈中我们发现，约有56%的企业缺乏合适的系统来收集其发展所需的数据，约有66%的企业则未以有效的形式存储其所收集的数据。

好的数据政策明确定义了“什么是有用的数据”以及“如何从数据看我们的业务”。这些基本定义是一个企业如何建立自己的数据分析能力并将自己与竞争对手区隔开来的第一步。“什么是有用的数据”是所有数据政策的出发点和基础。举例而言，收集所有来自公司网站、客服电话、电子邮件以及聊天室的客户询问可以帮助公司了解客户反馈的最新动向；但那些关于已经被快速处理完毕的询问的具体记录能够带来的价值就非常有限了。

工具 先进的分析技术和大数据工具的进步如此之快，他们正以前所未有的方式帮助公司获取新的统计角度和结果。Hadoop、HPCC和NoSQL等工具和平台迅速崛起带来了全新的分析视角和机会；基于成熟的分析、视觉化以及数据管理的全新生态系统也以日新月异的速度改变着企业的分析能力。如今，可提供这类工具的供应商不胜枚举，开放资源的开发商数量更是不计其数。不过，令人感到些许意外的是，在我们的访谈中，仅有38%的企业表示他们曾使用过这些工具。

人员 在我们的调查中，有56%的高管人员表示他们的企业缺乏分析数据并从数据中发现机遇的慧眼。大多数人则认为他们无法准确地判断那些从数据分析得出的林林总总的结论是否的确与公司的业务密切相关，亦难以对这些纷繁芜杂的结论进行优先排序。成功的团队往往可以融合数据、技术和业务等各方面的人才来构建这一能力。以乐队为类比：团队的成员必须各自拥有不同的技能，但这些技能又有一些交叉重叠，同时他们非常了解互相之间如何进行有效和高效的沟通和协作。成功的大数据分析团队亦如此，我们需要：

数据科学家，提供有关统计、相关性和质量等的专业技能

商业分析师，从商业的角度出发，甄别数据科学家从纯粹数据分析角度发现的异常数据以及一般性规律，发掘出其中与公司业务发展紧密相关的数据和规律并根据重要性进行排序

技术专家，帮助提供收集、整理和处理数据所需的硬件和软件解决方案

决心 顶尖的企业将大数据分析的理念植入到组织当中，明确定义希望通过大数据达成的目标并运用数据推动决策。CEO和高层领导团队将枯燥抽象的数据分析与实际的公司经营绩效提升的紧密关系展示给企业的每一位员工：不论是通过改进现有的产品和服务、优化内部流程、构建新产品和服务或是转变商业模式等等。表现优异的公司无一例外地围绕数据构建组织并恪守数据驱动型决策的承诺。

重新定义行业的机会

通过引入先进的数据分析超越竞争对手的机会真实存在——那些业绩领先的企业在大数据的各个方面也往往表现卓越：他们采用先进的手段获取、收集和存储数据，并对数据进行剖析从中汲取真知灼见。

第2篇：电商数据分析方案范文

关键词：大数据技术；对公业务营销

中图分类号：F274 文献标识码：A 文章编号：1003-9031（2016）03-0070-04 DOI：10.3969/j.issn.1003-9031.2016.03.15

当今时代，以移动互联网、云计算技术、搜索引擎为代表的新一代信息技术全面渗入金融行业，对金融业态产生重要影响。同时，伴随网络技术的发展，数据渗透到了每一个行业，“大数据”应运而生，已成为重要的生产要素。对最早实现数字化交易的银行业来说，大数据能反映银行产品管理的综合信息，也隐藏着产品相关的客户行为模式，有助于实现基于客户行为的产品营销管理。

一、大数据技术概况

大数据尚未有统一的概念，目前采用较多的是麦肯锡咨询公司的定义，大数据是“规模大到传统的数据库软件工具已经无法采集、存储、管理和分析的数据集”，且大数据具有“4V”的特点，即数据量大（Volume）、数据种类繁多（Variety）、数据更新快（Velocity）、数据具有极大的价值（Value）[1]。IDC的报告预测未来5年中国的数据量将以51.4%的速度增长[2]。数据作为一种信息，记录了企业所有的产品信息，并能更精确、更客观地展现客户需求，具有重大的商业价值[3]。基于大数据技术的各种商业创新，会使得未来的营销活动以更贴近消费者需求方式以及在更为合理的时间实施，取得更好的效果[4]。

现有的大数据分析挖掘的方法有很多，常用的有如下几种。

1.关联分析法。这是最常见的大数据分析方法之一，指的是从现有的数据库中找出特定序列的数据在特定事件中存在的数据关联性。确定关联规则是关联分析法的重要基础，不同关联规则的设定会产生不同的关联结果。该方法主要用于发现某一事件中不同数据是否存在关联性，如产品间的内在关联性。

2.序列分析法。序列分析法与关联分析法规则类似，但寻找的是某一事件中数据之间在时间上的关联性。加入了时间序列，使得分析结果更具动态性和延续性。这种分析法对于发现潜在用户具有明显作用，能够广泛应用到金融、医疗、工程等领域的企业中。

3.分类和预测分析法。实际上是两个过程，第一步是确定模型描述，针对指定的数据类型和概念集进行分类划分，第二步是使用这种分类基于模型进行预测分析。这一类分析方法主要用于挖掘隐藏在数据背后的消费者特定的消费习惯，并预测其后续的可能行为。

4.聚类分析法。聚类分析法能够将数据库内数据特征未知的信息进行相似性最大化处理，帮助企业了解哪些是较为典型性的用户，哪些是忠实用户，哪些是流失用户等，从而有助于企业根据不同用户的消费特征制定不同的营销策略。

二、大数据技术在商业银行的应用现状

国内的金融行业，尤其是银行业，大数据的应用尚处于起步阶段，远远落后于互联网行业。但金融行业实现数字化交易以来，沉淀了大量的用户数据，是较为适合大数据分析的行业。银行业的数据分析尚处于从数据碎片化到数据整合时代的过渡阶段。现阶段，大数据技术在商业银行的应用主要集中在风险控制和零售业务，主要有三种模式。

首先，基于网上交易流水的数据挖掘。银行与电商合作，直接接触电商平台、支付平台上的大量卖家和买家，并通过交易流、信息流、资金流覆盖其产业链上的生产、物流、消费等多个环节。基于此，银行借助成熟的数据分析技术，实施风险控制和拓展营销。如工商银行“易融通”会自动处理客户信息，选取客户融资需求量、还款资金来源及其可靠性等因素作为贷款额度指标，在线批量审批与发放贷款。招商银行与敦煌网共同推出的“敦煌网生意一卡通”客户信息共享，为小微企业提供融资、结算、理财一体化的金融服务。

其次，基于第三方系统的征信数据挖掘。这一类数据主要包括人行征信、工商、税务、电力、房管局、车管所、社保、海关等政府数据，学历、购物、支付、物流等社会征信数据以及各大金融机构的金融数据等。这些数据使得银行能更加全面判断企业客户的属性和资质，更有针对性地根据其综合情况实施精准营销。如平安银行在接入平安保险、平安租赁等集团子公司数据的同时，辅之以政府公共数据，全面分析客户情况并据此营销。

最后，基于POS流水的数据应用。商业银行依托在线贷款业务平台系统，对客户进行综合信用评价，向符合贷款条件的POS商户，以其一定期限内的POS结算流入量为授信额度的依据，在线发放用于生产经营的信用贷款。已有的POS流水数据应用有招商银行和通联支付合作的流水贷、中信银行和银联商务合作的网络商户贷款业务，浦发银行和通联支付合作的流水贷业务等。

除了基于行内数据进行挖掘分析外，国内许多商业银行还与专业第三方公司合作，争取顺应大数据潮流，进一步加快应用大数据的步伐。如平安银行与SPSS公司合作，进行消费贷产品的大数据营销管理；宁波银行利用客户购买某项产品大数据分析结果挖掘潜在客户。这些探索为商业银行拥抱大数据技术，利用大数据技术转变营销理念和营销方法提供了很好的借鉴。

随着云计算、物联网等新型信息技术的发展和跨渠道跨终端的整合，银行的大数据将日渐完善。产品的客观数据与客户信息也将有效结合，形成完整的“产品――用户”数据库，用于银行各类产品的规模化和定制化综合推介，尤其是对于具有复杂的金融产品综合运用需求的对公客户来说，大数据的应用将是一片蓝海。

三、大数据技术在对公业务营销中的应用方案

对公客户是商业银行的主要利润来源之一，且该类客户沉淀了大量复杂的数据，将大数据技术应用于对公客户服务和对公产品营销具有重要意义。基于大数据技术的营销管理是一项系统性工程，需循序渐进，最终形成一套成熟体系。张湛梅等提出一套针对移动互联网的大数据营销体系“PDMA”，主要包括认知客户（perceive）、挖掘需求（data-mining）、精准营销（marketing）、营销评估（assessment），构成一个闭环体系[5]。基于“PDMA”的框架能很好地建立银行产品和客户两个维度。结合客户属性进行产品大数据分析，才能以更符合客户偏好和需求的方式实施产品营销，并对营销的效果进行事后评估，以持续改进。本文以“PDMA”为框架，系统阐述商业银行借助大数据技术进行对公产品营销管理的应用方案。

（一）P――认知客户行为

对公客户与零售客户有本质的区别，客户的金融需求复杂，且更加个性化多样化。在银行进行大数据分析之前，应当对对公客户有一个全面认识，并结合客户情况认知银行对公产品现状。认知企业客户行为可以从三个方面着手。

1.基于客户属性建立客户特征库。客户特征库包括银行数据库中的所有对公客户相关字段，可以对客户的自身属性、所在地区、财务状况、与银行合作紧密程度等进行初步分析，掌握客户基本情况。

2.结合客户持有产品情况，认知银行的产品结构。以产品管理系统中的产品库为依据，分析持有不同数量产品的客户分布、各门类产品的客户总体分布、下属分行及其经营机构的客户持有产品情况，以及结合多个时点的各门类产品客户数的变化趋势等。

3.在认知产品的基础上，基于产品记录，分析客户行为习惯。包括客户对产品门类的偏好，对产品购买渠道的偏好，对资金流动性的需求，购买产品时段偏好等。

（二）D――挖掘客户需求

在认知产品和客户的基础上，应用大数据技术，挖掘隐藏在产品信息和客户信息背后的客户需求，为后续的精准营销打下基础。

1.基于客户产品持有行为判断不同产品的相关程度。在客户持有产品的全数据中，同一客户持有多种产品的现象较为普遍。分析客户持有的产品明细清单，找出同一客户持有产品组合的一般规律，可以准确判断各产品之间的相关程度，测算出持有某种产品的客户同时使用该产品相关产品的可能性。产品相关分析的结果可以形成定期的产品相关性监测报告和营销建议。

2.基于产品的监测报告，判断产品持有的平均水平。结合客户产品的平均持有水平分析，将低于产品平均持有水平的对公客户认为是具有产品潜力的客户群，生成这一类客户清单。同时根据客户清单中对公客户所在分行进行分类，将这部分产品需求未充分挖掘的客户清单推送到分行，以帮助分行更好地锁定目标营销客户。同时也可以针对不同门类产品的客户情况进行统计分析，判断持有某类产品的客户使用其它门类产品的情况，也即产品的跟进情况。

3.对非结构化的大数据进行分析，全方位挖掘客户的产品需求。非结构化数据可以分为行内数据和行外数据。行内数据中，银行内部的资金来往记录和银行内部企业授信报告等都可以作为非结构化数据来源。此外，银行还可综合应用外部数据，如电力、税务、工商和人行征信系统数据。通过这类交易数据可以形成企业的社会网络关系图，作为供应链金融大数据营销的重要依据。

总之，需求发现环节应紧密结合产品和客户的数据，挖掘大数据背后客户对产品的需求，是借助大数据实现对公产品营销管理的基础性工作。

（三）M――产品精准营销

充分挖掘客户需求后，根据需求实施精准营销。具体可以有如下应用。

1.结合客户的产品门类偏好推荐同一类别的其它产品。根据客户偏好分析和需求挖掘结果，掌握客户对某类产品的使用记录，为其推荐同门类产品中其它热门产品（依据热门产品排名），提高同一门类产品的渗透率。此外，还可以具体到各分行，分析各分行同类产品使用情况，并将之与全行产品应用情况对比分析。低于全行各门类产品应用水平的分行建议就其薄弱的产品门类进行重点营销。

2.对持有某些产品的客户推荐产品组合中的其它产品。通过产品相关分析梳理出相关度高的产品组合，结合只持有这些产品组合中的部分产品的客户清单，生成各个客户还可进行关联营销的具体产品清单，推送给各分行，指导其根据该客户潜在产品清单对客户进行产品关联推荐。

3.通过客户属性分析开发潜在客户。从产品出发，通过聚类法和分类预测法分析持有某种产品的客户群体的共同属性，然后比对具有这些属性但还未持有该种产品的客户，作为该种产品的潜在客户名单，对名单上的客户推荐该种产品，通过分析现有客户成功开发新客户。

（四）A――营销效果评估

营销评估是贯穿“PDMA”大数据营销体系全流程的最后一环，也是营销管理流程中承上启下的重要步骤，能及时帮助商业银行掌握大数据分析的效果。银行在精准营销评估过程中，应当加入时间序列，结合产品和客户情况进行综合评估，并定期对基于大数据分析的精准营销实施评估，根据评估效果改善大数据分析和精准营销的成果。对有成效的分析结果形成定期营销报告，对于成果不显著的从业务角度总结原因，调整大数据分析模型和参数，改进结果。

四、对公业务营销中的典型案例

总体来说，相比国有银行，股份制银行更加积极拥抱大数据技术。2015年3月，民生银行“金融e管家”平台正式上线，这是民生银行利用大数据技术的一大利器。该平台主要针对国内商业银行客户关系管理系统管理功能、分析功能、应用功能相互脱离的弊端而开发的基于大数据分析的一站式服务平台。“金融e管家”服务于全行对公客户管理，覆盖“PDMA”框架的四个环节，是对公业务应用大数据技术的典范。

首先，认知客户行为（P）。该平台对接民生银行内200多个生产系统和数据中枢，并导入上市公司数据、人行征信数据、工商数据等行外的数据，形成完善的数据结构，通过不同的规则组合数据，如对公客户和产品的交叉组合，或者基于供应链的客户上下游集合等，使用户可从不同角度解读对公客户的特性，同时通过行内资金流和行内外信息流，精确掌握客户的行为习惯。

其次，挖掘客户需求（D）。该平台对客户信息更深层次的挖掘，去除无效信息，将有效信息放大，结合线下业务资源，挑选出最适合营销的企业关系群体，应用多种大数据分析方法，建立关系网络分析模型，识别出群体的特征和相互之间业务重点，并以极具可用性的界面展示客户潜在需求挖掘的结果，帮助客户经理深度挖掘客户的金融需求。

再者，产品精准营销（M）。该平台是一个智能化的融资理财和资源整合平台，主要围绕核心客户，通过后台数据的支撑，建立交易网络模型和上下游客户推荐模型，并据此匹配最适合的金融产品，实现精准营销。该平台上线后，对公产品关联营销的成功率大大提高。

最后，产品营销评估（A）。该平台建立了基于历史记录的客户绩效评价体系，科学全面的评价客户绩效，并根据评价结果改进营销方向。后评价功能涵盖对公业务的不同情况，如对个性化服务方案的综合评价，对集团客户也能建立综合收益的评价，而不仅仅是单独考虑单笔业务的收益，适应了缺资产时代的商业银行经营新思路。

可以预见，在信息技术发展日新月异的当代，随着对公业务背后纷繁复杂的信息流、资金流、物流等多样化数据不断沉淀，大数据技术在商业银行对公业务营销中的应用价值将日益凸显，并将逐渐成为商业银行对公业务的核心竞争力之一。

参考文献：

[1]Manyika， J.，M.Chui andB.Brown et al.Big Data：The Next Frontier for Innovation[R].Competition， and Productivity，2011.

[2]Franks， B.著，黄海，车皓阳，王悦等译.驾驭大数据[M].北京：人民邮电出版社，2013.

[3]杨威.大数据时代下的电子商务企业营销方式变革[J].中国电子商务，2014（14）.

第3篇：电商数据分析方案范文

无尽灵感泉源铸造创新点子

今年，InfoComm China 2017 ⒊星捌艉螅继续为行业人士提供丰富、无穷无尽的技术创新灵感。本届展会汇集了超过300家参展商，展示来自全球最创新、最顶尖的专业视听和信息通信技术集成设备与产品。与会观众可以看到超过52家来自于本地及海外的全新参展商，其中包括如巴可、光魔软件、兆发科技等等。在众多展示品当中，有至少 87件展品是首次在亚洲推出，其中82件为首次在国内亮相。

多年来，InfoComm China已成为专业视听和信息通信技术领域内众多参展商推出新产品和创新技术的首选平台。这个正面的趋势无形中加强并巩固了InfoComm China 作为亚太地区首屈一指的专业视听展会的领导地位，同时也广受业内翘楚、企业主、项目负责人，以及产业链上下游的肯定，成为业界各级人士必赴的行业年度盛会。

增强各产业业务的解决方案

在今日的大环境中，技术的不断发展和演进正疾速地改变着人们生活、工作和娱乐的方式，各产业必须时时增强竞争性，保持市场的领先地位。InfoComm China 展会正是这样一个能帮助各企业探索新技术应用，维持目标受众的参与感和互动，从而增强业务并争取市场领先优势的最佳渠道。

InfoCommAsia 执行董事陈庭福先生表示：“我们的目标一直是将 InfoComm China 发展成为专业视听生态系统业务转型的催化剂，推动和促进中国专业视听和信息通信技术行业的发展。每年持续增长的参展商数量和新产品推介，增强了展会在行业生态链发展中的核心地位，也巩固了InfoComm China展会的持续发展，同时更为中国专业视听产业的未来发展立下稳固的基奠。”

跨步网络通信未来

InfoComm China 展会一直是业内革新前沿技术的最佳展示平台，2017年的展会也不例外。专业视听和信息通信技术的整合与集成，更鼓舞着创新者不断创造出更具突破性的解决方案，在提高运营效率的同时不忘赋予娱乐价值，使 InfoComm China 展会成为各种创新集成解决方案荟萃的孵化器。

深圳市台电实业有限公司是世界领先的会议管理系统供应商之一，并于2011年发明了全球首个红外同声传译系统。该公司本次在InfoComm China 2017将展示其领先的数字红外技术如何应用到多媒体教学领域里。公司总经理周庆东受访时说：“台电是在同声传译系统、多媒体教学系统和数字会议系统中率先应用红外技术的环球行业先驱。我们在政府部门、酒店、大学和会议场所等设施已完成数以千计的项目工程，包括联合国总部、G20峰会、亚太经合组织峰会和国际货币基金组织世界银行年会等，应用非常广泛。”

在众多令人兴奋的创新解决方案当中，还包括了广州聚显电子设备有限责任公司研发的运动感应数字标牌。该技术扫描人体的运动只需几秒钟，参与者可以用手势或肢体活动来控制屏幕。用户方可以自定义创制迷你游戏，并讲述引人入胜的品牌故事；该解决方案的后端数据分析系统，还能提供相关的客户行为报告，以供作参考运营未来的营销活动。

奥罗拉多媒体亚洲有限公司也将展示业界第一款4K超高清收发器――VLX-TCW2。这款只有1.5帧延迟和视觉无损压缩的超高清收发器，能协同各种IP/AV标准，可同时作为发送器和接收器，发送音频、视频和数据到一个或多个单元。

在InfoComm China 2017展会上，参观者将能进一步了解今日的创新技术如何变革各垂直行业里企业公司的运营和经商模式，抢先预览市场上即将推出的突破性技术，同时从实践中熟谙各种革新技术，为业务做好准备，跨步未来。

第4篇：电商数据分析方案范文

银行零售业务是与银行对公业务、同业业务并列的三大核心业务，在经济“三期叠加”、金融市场改革不断深化、利率市场化加快推进以及企业融资成本与风险不断加剧的大背景下，零售银行业务因其资本消耗低，发展迅猛，价值回报丰厚，被众多银行视为业务转型的重点发展方向。而营销管理作为零售银行获客、活客和粘客的重要抓手，与客户管理、产品管理、渠道管理充分结合，形成零售业务发展的基础性的核心能力，它在推动零售理财、零售信贷、财富管理和信用卡业务发展起到了非常关键的作用。近些年，无论四大国有银行、股份制商业银行还是城商行都不断加大资源投入，纷纷掀起一波以营销转型或精准营销为主题的项目建设，内容涵盖零售业务体系设计、组织设计、流程梳理与优化、数据分析模型、营销一体化平台建设等，使得营销管理在零售银行发展战略中重要位置越发突显。

随着互联网金融和电子商务的崛起，商业银行倍感压力，银行零售业务的不仅需要面临同业的竞争，也要面对来自互联网金融和非金融机构的冲击，银行营销管理正面临着严峻的挑战，这突出表现在以下几个方面。第一，在营销产品上，各个产品团队独立营销产品，尚不能站在客户角度提供综合化金融服务，产品组合营销少；第二，在营销客户上，对客户分群不够细致，缺乏对客户完整、立体、动态的画像，客户洞察深度有限；第三，在营销手法上，一味强调销售产品，没有营销和场景思维，缺乏对客户投其所好的个性化产品推荐；第四，在营销渠道上，线上线下渠道无法协同，营销线索转介不畅，导致丧失很多营销机会；第五，在营销规划上，无专门牵头部门负责营销整体规划，缺乏长远体系化考虑，基本上是“走一步算一步”；第六，在营销设计上，无法做到考虑客户、产品、渠道匹配的最优化，容易造成“重复营销、过度营销”，导致营销资源浪费，客户体验差，收益无法最大化；第七，在营销过程上，碎片化严重，人工干预多，营销效率低下；第八，在营销评估上，缺乏对营销过程的完整记录，无法做到效果的定量化评估；第九，在营销管控上，没有多层次的营销管控体系，上级无法监控、指导、督促下级营销工作；最后，在营销经验上，只是个别人有丰富营销经验，营销团队培养慢，不能做到系统化营销话术提示和优秀经验分享。

大数据驱动精益化营销的发展趋势

在大数据时代背景下，零售银行要赢得持续发展的空间，需要建立起符合现代金融竞争要求的营销体系，伴随着大数据技术的逐渐成熟，零售银行的营销理念也得到了加速发展，营销被赋予了新的时代特征，主要表现为以下几个方面。

营销决策数据化

精益化营销的核心在于营销的精准性，精准的客户需求分析、精准的市场细分与定位、精准的产品及服务组合以及精确的营销控制与考核。精准的本质在于营销决策用数据说话，例如领先银行通过建立客户细分、交叉销售、关联分析、流失预警、资金流向、客户关系网络等主题的分析，对客户进行深入洞察，通过决策模型的建立提高对营销决策的前瞻性、预见性和创造性，改变营销决策依靠专家经验或人为直觉，提升营销决策的科学性和有效性。

满足全量客群的全生命周期需求

运用客户细分和客户画像技术，建立不同特征的客群，对全量客群进行统筹经营管理他们的全生命周期需求，包括衣、食、住、行、游、医、玩等；转变银行“二八定律”传统的经营理念，只服务于20%的中高端客户；对于银行而言，既要服务好中高端客户，更要运用大数据的理念、依托强大科技能力服务好大众基础客户，更加关注“长尾”客户，通过提供差异化的综合金融服务进行全量客户的经营。

营销介入时机不断前移

按照消费者决策机制理论，客户对产品购买通常经历需求创造、需求认知引导、寻找信息、评估选择、交易行动和体验评价这几个过程。传统上大部分银行介入营销时机多为评估选择和交易行动的阶段，采用数据库营销、事件式营销或是实时互动营销方式进行营销。随着场景金融时代的来临，领先银行通过打造泛金融生态圈或与场景入口的公司合作，开展异业联盟方式，在需求创造、需求引导、需求认知、寻找信息的阶段开展营销，使得营销介入时机更加前置化，营销变得更加生活化、场景化和有很强的代入感。

营销渠道全天候立体化

互联网时代下，满足客户“体验式、碎片化”要求的营销模式成为赢得客户的关键。商业银行通过全渠道营销，将传统线下渠道和线上电子渠道进行无缝衔接，构建“线上+线下、人工+电子、推送+互动”的立体化营销服务体系，实现全客户、全渠道、全产业的营销协作，以满足顾客理财、咨询和社交的综合体验，客户对商业银行服务的需求将不被时间和空间限制，客户可以享受全程及时响应的全天候金融服务。

转型的致胜之道

为了抓住大数据时代给银行精益化营销带来的诸多创新机会，零售银行需要深化“以客户为中心”的战略，借助创新的技术和先进工具，配备专业化资源以实现营销转型。

全面深入的客户洞察

多样性客户信息的整合是客户洞察的前提，客户多维度细分与立体生动的客户画像是客户洞察的基础，客户分析模型是客户洞察的核心，它们彼此之间相互关联、相互依赖，是一个密不可分的整体。

多样性客户信息的整合是指在保证数据质量的前提下，银行除自身拥有的客户人口特征数据、交易数据外，尽可能多地采集客户在各个渠道与银行交互的数据，包括客户在银行网站、手机银行的浏览、点击数据，客服中心的客户交互数据等，适时引入外部数据包括社交媒体、电商平台、运营商数据，以获取客户更多消费、社交和生活信息。

多维度客户分群按照分群目的和数量的不同，通常分为战略分群、策略分群、战术分群和一对一分群。例如战略分群多以客户价值、客户生命周期或辅之以地域维度进行划分，分群数量控制在6～20个之间；策略分群基于行业经验和业务分析经验划分，数量一般在15～100个之间，例如客群、养老金客群、纯信用卡客群、跨境客群、海淘妈妈客群等；战术分群基于数据聚类方法及客户标签库，通常针对特定的营销活动或具体业务场景专门划分，数量通常较多，如沉默存款群、成熟高端投资群、积极投资理财群等；而一对一分群是指把每个客户为一个群，通过实时分析每个客户的特征，做到“千人千面”的个性化推荐的效果，达到最优的客户体验。再通过对细分客群进行人物画像，让业务人员更加直观、生动的理解分群结果，更有利于进行市场营销策略设计和用户体验设计。

客户分析模型是对客户信息的深度运用，利用专业的分析平台或模型实验室构建面向特定客群特定场景的分析主题，包括：高比例存款高价值客户流失预测分析、客群留存率提升分析、ETC客户获客分析、资金净流出客户的资金流向分析、电子支付交易行为路径分析、零资产客户激活分析、特定产品响应率分析、客户关系网络分析等。举例来说净流出客户资金流向分析，其分析方法是通过梳理出客户资金获取的不同场景，如高存款、基金赎回、工资流入等，对流出客户进行多维度画像，抓取到群体特征；同时建立客户交易关系圈，将不同业务场景下的资金流出情况进行分析，识别资金回流强弱关系，找到潜在的高流失高价值流失客户进行精准营销。再比如ETC获客分析，其分析方法是通过分析客户针对车的消费行为如加油、保养，再结合运营商的数据分析用车情况，有针对性做营销活动精准获取ETC客户。

高效自动化的营销闭环

构建高效自动化的营销闭环一方面解决了大规模部署多渠道营销活动的效率问题，另一方面将营销策划人员从大量的多方沟通中解脱出来，将工作重心转移到营销活动设计以及活动过程和结果的跟踪评估上。营销闭环包含分析洞察，活动设计，渠道执行和反馈评估四大环节，其难点在于实时地反馈渠道执行信息并进行多渠道的协同，以及对营销活动的过程和结果进行反馈评估。

零售银行在营销闭环上面的投入将在四个方面获得卓越的提升，第一，营销活动数量。3～5人的营销团队每年手工完成大约30个营销活动，以一次性的临时活动居多；而营销自动化带来的效率提升能帮助团队完成100个以上的营销活动，并且大部分是周期性的固定活动。第二，营销活动部署时间。一个活动的设计部署周期从以往5～10天缩短到2～5天。第三，营销活动转化率。将客户洞察结果融合到营销中，通过不断优化，将客户转化率由过去的0.2%～4.8%提升到6.2%～18.7%。

增强银行全渠道的营销体验

在互联网时代下，用户营销体验对于营销效果的提升起到越来越关键的作用，目前银行在渠道建设方面正由多渠道到全渠道方向发展，如何增强银行全渠道的营销体验是摆在银行急需解决的重要问题。其中个性化互动式触点营销、统一接触优化、O2O协同营销是提升全渠道营销体验的关键。

实现个性化互动式触点营销需要银行把握好每一次与客户接触的机会，如客户在网银登录，在手机银行上进行贷款计算器试算，向客服或大堂经理咨询产品情况等。根据客户接触银行各类渠道的特点，客户特征、接触历史、最新行为轨迹等，实时推荐适合最能满足客户需求的产品与金融服务，让客户感觉“知我所知”甚至是“替我所想”。

银行优质客户往往是各个业务条线争相营销的对象，过于频繁的信息推送会让客户感觉到过度打扰，这就需要对全渠道下所有活动进行统一管理，建立客户接触优化机制，包括建立对接触频次、免打扰规则、活动优先级、容量控制规则、客户渠道偏好、产品最适化等规则的设定，采用优化算法选取最适合营销信息传递给客户，同时保证银行整体利益最大化。

一旦客户对营销的反馈信息在相应的渠道被获取，抽取其中的有效的反馈作为营销线索，使得营销线索在柜面、网银、电话银行、手机银行、微信银行等之间无损转介，实现O2O协同营销，为客户提供统一的接触体验，让客户感受到在与同一个银行而不是多个银行进行互动。

营销系统生态圈建设

在大数据驱动精益化营销中，客户数据的可靠性、分析数据的精准度、营销方案的合理性、用户接触优化能力以及渠道的执行力都影响着最终营销效果。成功的营销活动背后一定是由一套完整的“营销系统生态圈”来支撑，它主要包括大数据整合平台、营销数据集市、大数据分析引擎、营销流程自动化引擎、营销实时决策引擎、事件侦测引擎。营销生态一体化系统并非孤立存在的，它必须与银行现有的数据仓库、ECIF、ACRM、OCRM、ESB、各渠道系统、核心系统等相关系统在整体架构层面进行定位、分工、整合和衔接，发挥银行营销一体化生态的协同效应。

同时应不断汲取和整合创新的数字化营销方式，包括采用DMP技术实现数字化精准广告投放、优化搜索引擎（SEO）营销、社交媒体营销、社群营销等技术实现方式，形成一套完整数字化营销生态体系，达到“营销无所不在”直至“化营销为无形”的效果。

集约化的营销运营团队

目前国内多数零售银行以产品销售为导向，在总行、分行、支行的三级组织架构下，营销相关资源都下放到分支行层面，分支行承担营销考核指标，总行主要把握营销政策、营销考核指标的制定和营销资源的投放。按此模式开展营销业务暴露出诸多弊端，如分支行业务与数据分析结合的人才严重缺失，营销以个人经验为主导，分析人员在获得数据和信息受限，无法利用总行全面数据资源和分析资源等。

因此，总行应构建灵活、敏捷的营销分析和营销设计团队，在人才培养方面注重数据分析专业技能和业务的结合能力。通过“小前台，大后台”的营销运营模式，发挥总行数据集中和分析能力优势，集约化管理零售客户数据、对客户深入洞察，并不断进行迭代和优化，全面提升营销效率和营销精准度。针对分支行的特色需求，在流程和系统功能上提供“绿色通道”，允许特色数据的导入和分析。

转型的路径选择

零售银行营销转型是一个复杂的系统工程，需要志在高远、科学规划、合理布局、分阶段分步骤地实施营销转型。不能一味地追求先进大数据分析技术，而忽略银行自身基础条件和业务价值释放的匹配程度，可以将零售银行营销转型划分为三个阶段。

营销转型发展期

发展期注重营销转型体系基础性工作建设，体现在业务层面开展营销转型战略规划，在行里形成营销转型方向与思路的统一认识；在数据层面搭建营销数据集市，客户标签库和事件库的落地；在客户洞察层面，对客户进行多维度细分，对核心客群进行用户画像，选择有典型意义的主题进行深入客户分析；系统层面建设自动化营销平台，打通典型几个营销渠道，开展营销方案试点工作将分析结果应用到营销当中评估营销活动的成效。

营销转型创新期

营销转型创新期在数据层面考虑营销数据集市的数据多样性整合能力的增强，补充行内非结构化数据；在客户洞察层面，对更多客群画像，对更多业务主题进行分析，持续满足零售银行对客户数据价值的深入挖掘；在系统建设上，将更多的线上和线下的渠道打通，形成立体化的全渠道营销网络，引入实时决策引擎技术，实现个性化互动式营销，引入营销优化模块，实现客户统一接触优化，给客户带来更为优质体验；在组织建设上，实现专人对特定客群进行全生命周期管理，比如养老客群、出国客群等。

营销转型超越期

第5篇：电商数据分析方案范文

今年6月苹果WWDC 2014大会上，苹果了智能家居平台HomeKit。在首批和苹果HomeKit平台合作的名单里，海尔是唯一一家入选的中国企业。9月，海尔推出了基于苹果HomeKit协议的空气盒子。然而，不是每个企业都能像海尔这么幸运―2014年3月开始，美的、长虹、格力和TCL等一大批国内传统家电企业陆续宣布了各自的智能家居转型战略。

益杉科技CEO李铮铮从这里面看到了机会。2013年11月，他和两位硬件搭档一起创立了益杉科技，主要为空气类家电厂商提供智能硬件解决方案。

今年4月，益杉科技推出新智动Inside模块，包括空气传感器硬件、物联网Wi-Fi连接、数据分析云平台和App软件操作界面四个部分。用户在手机上安装新智动App后，能够实时感知室内外空气质量（PM2.5）、温湿度和甲醛含量，并可以根据空气质量智能控制净化器的开关机和风速等功能。在获得用户允许的前提下，新智动Inside模块会收集用户使用数据上传至云端，进行用户习惯分析。其App中还接入了电商平台，在净化器需要更换滤网时，用户可以直接跳转到特定型号滤网的电商页面进行购买。

新智动Inside模块与已有家电产品的连接只需要两步：家电厂商共享通信协议，通过一根线路将新智动Inside模块与主板连接，最快只要两三天就可以完成从传统家电向智能家电转变的过程。而以往厂商推出智能家电的开发周期，往往长达6到9个月。

李铮铮在创立益杉科技以前，曾经有过3次创业经历。2007年，他和朋友一同创办了宠物中国网，用两年时间完成了A轮和B轮融资。2008年，他又创办了视频分享网站China You TV，获得了200万元的天使投资。这两次创业经历让李铮铮积累了比较丰富的互联网行业经 验。

2009年，再一次创业结束后，李铮铮有大量的时间可以自由支配。他爱上了户外运动，天天花上1个多小时在森林公园长跑。因此，空气质量的好坏成了他每天最关心的问题。关注久了，李铮铮逐渐意识到空气类家电行业是一个量级非常巨大的市场，有着不少可以发挥的市场空间。“空气行业可以分为新风、空调、净化器三大类。2013年中国空调的销量超过6800万台，而本土生产量超过1.1亿台。空气净化器的市场作为一个新兴市场，发展迅速，今年家用净化器保守预计销量将超过600万台，而在中国为全球代工的净化器超过1000万台，3年前这个市场才刚刚起步。”李铮铮告诉《第一财经周刊》。

发现市场后，李铮铮仔细考虑了自己的经验背景和手头资源。他认为，如果再单纯做净化器这种家电类产品，自己没有优势，肯定做不过现在市场上的知名品牌。但目前存在的空气净化器很不智能，需要人先判断空气污染情况，再手动打开净化器。人性化的产品应该是让净化器自己检测空气质量，自动调节净化程度，始终保证空气质量的优良与稳定。这些功能需要靠智能家居产品才能实现。

“与其和已经存在的产品竞争，我倒不如发挥自己在互联网软硬件方面的积累优势，帮助净化器厂商开发智能硬件模块。”李铮铮说。

2013年11月，李铮铮找到了在智能硬件方面具有10多年开发经验的技术合伙人，组建团队开始研发产 品。

空气类智能硬件模块最重要的是保证空气传感器的精度，以及Wi-Fi与家庭路由器连接的兼容快捷。之前市场上存在的空气传感器大多没有经过标定，精度和稳定性难以保证。益杉科技的技术团队花了近半年时间反复测试研发，最终突破了空气传感器的标定瓶颈，达到了稳定可靠的传感精度。

智能硬件模块与家庭路由器的兼容连接也经常出现让人意想不到的麻烦。比如不少人喜欢使用中文字符命名路由器，但这会造成Wi-Fi无法正常识别。益杉科技的技术团队在4个月时间内，3次迭代Wi-Fi技术，最新版本的新智动Inside除了实现识别中文命名的路由器，连接时间也由1分钟缩短到10秒钟。

“因为我们是ToB的定位，生产环节少，没有外观设计、销售、售后服务之类一系列很长的链条，所以我们能够把精力集中在产品的重点研发环节上不断去突破，价格也能够保持得比较低。”李铮铮对《第一财经周刊》说。

新智动Inside的低廉价格和大数据分析能力对于空气类厂商和政府环境部门都具有很强的吸引力。新智动Inside在空气质量测量达标的条件下，安置一个空气监测点只需要不到1万元。新智动Inside应用于厂商的设备成本则更为便宜，价格为88至300元。“我们每一台智能家电就是一个空气监测点，这个监测网络非常密集，产生的数据很宝贵。”

许多厂商都有向智能家居转型的打算，但它们往往低估了自身生产智能硬件的难度。今年5月，国内一家知名净化器品牌找到益杉科技，希望在6月上市一批智能空气净化器。在和益杉科技沟通一段时间后，该品牌觉得已经摸清了生产智能模块的环节，决定放弃合作自己生产。但花费了快半年的时间，自行生产的努力以失败告终，只好重新找到益杉科技进行合作，智能空气净化器的上市时间也推迟到了11月。

“厂商自建团队的速度太慢，一般都是外包给专业的软硬件厂商生产。除了质量没法保证，外包最大的问题在于没有联合测试环节。软件和硬件是找不同的厂家分开生产、分开测试，最后才拼在一起。但很多问题都是在软件和硬件联动使用时才会暴露出来。”李铮铮 说。

品牌厂商是益杉科技最大的客户群，占到客户总体的60%。它们直接跟益杉科技购买新智动Inside模块，安装到自己生产的家电产品中。益杉科技剩下超过30%的客户为代工厂。因为中小厂商数量太多，采购量级不够大，自己开拓对接投入产出比过大，益杉科技主要通过代工厂让新智动Inside模块覆盖到众多中小厂商。今年8月，益杉科技还开拓出渠道商作为新客户群，目前已和两三家渠道商签订了合作协议。

第6篇：电商数据分析方案范文

[关键词]高职；电子商务专业；综合改革

[DOI]10.13939/ki.zgsc.2017.06.121

河南用技术职业学院的电子商务专业成立于2004年，至今已有12年之久。近年来，开展了电子商务专业的综合改革，取得了一定的成绩，企业和学生反映良好：确定了“工学结合、理实一体、技能递进”的人才培养模式；推行实战教学，注重学生实际能力的培养；加强校企合作，与多家企业合作，促进了电子商务教学；加强网上创业教育，学生开始网上创业。

1 深入企业调研，明确专业岗位和相应的知识与能力的要求

1.1 确定电子商务专业面对的岗位

电子商务专业面对的岗位有：①初始岗位：网络营销员、外贸电子商务员、网店经营人员、电子交易员、电子商务物流员；②迁移岗位：网站美工员、网站推广员、网站运营员、网站设计开发员；③发展岗位：商务策划、网站运营主管、电子商务项目经理、电子商务部门经理。

1.2 明确岗位相应的知识与能力

1.2.1 能力结构

专业能力：掌握政治理论知识，主要包括思想政治理论、思想道德和职业道德修养、职业操守、形势与政策等；掌握经济管理知识，商务贸易知识；掌握计算机技术知识，网站建设知识；掌握商务策划与运营管理知识；掌握市场营销知识；掌握会计结算及成本核算知识；掌握物流配送知识。

方法能力：电子商务规划能力；电子商务网站运营和管理能力；项目管理的能力；企业管理能力；网上业务开拓能力；客户服务能力；市场开拓能力；业务推广能力；电子结算能力；物流配送能力；静态网页设计能力；动态网页编辑能力；站点管理与技术维护能力。

社会能力：培养学生的基本人文素质；培养文献检索、资料查找与阅读能力；培养团队精神与协作能力，使学生具有一定的岗位意识及岗位适应能力；养成良好的职业素养；规范安全操作行为；养成良好的环境保护意识；培养自主学习能力；养成良好的使用各种设备、工具的职业习惯；培养表达能力，与人沟通的技巧；具备一定的心理适应能力与心理承受能力；培养开拓创新的思维与能力。

1.2.2 知识结构

基础知识：高等职业学校电子商务专业应定位于生产服务一线技能型人才的培养，处于电子商务教育系列的初级层次，主要培养适应新时期经济建设发展需要的德、智、体、美等全面发展的，具有综合职业能力和就业能力，面向基层企业单位从事电子商务应用与管理工作的技能人才。

专业知识：了解电子商务运营与操作流程，能够洞悉电子商务发展方向；掌握基本网络知识、网络营销和办公软件；对企业上网有比较深的理解，熟悉企业网站功能要求；掌握电子商务专业必备的文化基础知识，能在与电子商务有关的机构、网站、企业从事电子商务实际工作；具有一定的网站栏目策划、运营管理的能力；具备从事本专业领域实际工作的基本能力和基本技能；具有较强的电子商务处理及商务开拓的综合能力。

2 修订人才培养方案和课程体系

2.1 修订人才培养方案

人才培养方案是根据专业培养目标和培养规格所制订的实施人才培养活动的具体方案，是对专业人才培养的逻辑起点、培养目标与规格、内容与方法、条件与保障等培养过程和方式的描述和设计。

人才培养方案制订的原则：

（1）以综合职业能力培养为核心。围绕综合职业能力培养，依据职业标准，对接产业发展，开展职业分析，明确人才培养目标。课程设置与教学内容、教学过程与评价突出综合职业能力培养，注重提升学生专业能力、方法能力和社会能力。

（2）以典型工作任务为载体。围绕典型工作任务，确定课程目标，选择课程内容，构建一体化课程体系，实现理论教学与实践教学融通合一、能力培养与工作岗位对接合一、实习实训与顶岗工作学做合一。运用先进教学方法和手段，增强课程教学针对性和有效性。

（3）以育人为根本。把社会主义核心价值体系、现代企业优秀文化理念融入人才培养全过程，突出职业道德、职业精神和职业素养的培养，加强实践育人，促进学生全面发展，增强学生可持续发展能力。

2.2 修订课程体系

以电子商务专业的工作过程为导向构建课程体系，首先列出电子商务专业涉及的典型工作任务及其职业能力，然后归纳出6个学习领域，再转换成6门核心课程。

本专业对应的6个职业岗位的典型工作任务有：网络营销员、电子交易员、外贸电子商务员、网店经营人员等。

将典型工作任务的职业能力结合电子商务专业相应职业岗位对应的职业资格的要求，归类出电子商务基础与应用、网络营销、电子商务支付与安全等6个学习领域，转换成6门对应的学习领域核心课程。

2.3 制定课程标准

课程标准是规定某一学科的课程性质、课程目标、内容目标、实施建议的教学指导性文件。课程标准与教学大纲相比，在课程的基本理念、课程目标、课程实施建议等几部分阐述得详细、明确，特别是提出了面向全体学生的学习基本要求。课程标准是面向全体学生的学习基本要求和课程教学的基本规范，是详细阐述课程性质、课程目标、教学内容、实施建议的教学指导性文件。

制定的课程标准有：《电子商务基础与应用》、《网络营销》、《电子商务物流》、《网店经营》、《网站运营与管理》、《电子支付与安全》。

2.4 建设特色精品课程

选择3～4门专业课程，进行精品课程的建设，明确精品课程的性质、目标、内容；提出教学实施、教材编写、课程资源开发利用建议；根据知识、能力、素质的要求制定课程标准等。目前开始建设的精品课程有“电子商务基础与应用”“网络营销”等。

3 确定人才培养模式

3.1 确定“工学结合、理实一体、技能递进”人才培养模式

建立了“工学结合、理实一体、技能递进”的人才培养模式，积极探索实施工学结合、以工作过程为导向及“教、学、做”为一体的、增强学生职业能力的教学模式，深化职I能力和综合素质的培养。

3.2 推行理实一体化教学，改革实践教学模式，推行实战教学

电子商务专业是一个实践性很强的专业，因此实践教学非常重要。以前的实践教学，模拟的多，往往是用电子商务模拟软件模拟电子商务的运作过程，与实际差距很大，模拟教学做完了，但是真实的电子商务运作还是不懂。因此必须改变这种实践教学模式。

现在的电子商务平台已经是非常成熟了，比如淘宝、京东、阿里巴巴等。特别是淘宝，学生非常熟悉，已经有淘宝账户，并且经常在淘宝平台上购物。如果利用淘宝进行真实的实践教学，无疑是既方便又真实，学生肯定会欢迎，变模拟教学为实战教学。

实战教学：对学生进行真实的电子商务的运营与管理的教学，让学生了解和掌握电子商务运营的技术，与行业和企业零距离对接。

以“电子商务基础与实践”为例，具体的教学过程如下：①对学生宣布学期的教学安排。②要求学生注册淘宝账户，注册网上银行账户，注册支付宝。③学生通过开店申请，开设个人网上商店。④对网店进行装修、铺货、推广。⑤教师进行点评。

4 实训室建设

4.1 建设网店运营实训室

网店运营实训室能够进行网店开设、网店装修、商品拍摄、网店运营、网店推广、电商数据分析等电子商务实训项目；能够进行校企合作，学生进行真实的电子商务的运作，完成网店开设、网店装修、商品拍摄、网店运营、网店推广、电商数据分析等电子商务流程；能够依托本实训室进行教学改革。

4.2 建设互联网营销实训室

互联网营销实验室，是基于搜索引擎技术与云计算技术应用的互联网营销仿真训练系统，通过互联网营销的模拟营销训练，使学生快速掌握互联网营销操作技能，加速积累互联网营销实战经验。在高度仿真的网络环境中，学生可将已学到的互联网营销知识和运营思路付诸实践，从分阶段的任务实践，到分步骤的应用训练，通过多分析、多练习、多动手，能很快地掌握知识与操作技能，缩短学习的时间。

4.3 建设仓储配送实训室

综合现代管理技术、自动化技术、系统工程技术及现代信息技术，将各种技术有机结合，建设一个高水平、现代化、智能化、自动化的仓储配送综合教学平台，使该系统不仅能满足学校物流相关专业的实训要求，也为学生物流大赛提供竞赛平台，也为教师提供科研平台。

提供一种学生能够实际参与的环境，以先进标准的物流流程为重点，以先进的物流信息系统、专业设备及完整的物流实训模拟环境为核心，全力打造一个高水平的为企业培养技能型人才的仓储配送综合模拟实训中心。

4.4 建设数据库营销与客服实训室

数据库营销与客服实训室主要对学生进行数据库营销训练、电子商务客户服务训练。实训室的业务内容是向移动通信运营商提供服务外包服务，依托对移动通信客户的数据分析、数据挖掘，通过电话营销开展针对移动通信客户的流量营销、客户回访、客户服务、客户维系、客户开发、终端营销等通信业务，为移动通信客户、通信运营商、政府和学院学生创造经济价值和社会价值。

5 加强校企合作，构建校企合作机制、产学研合作机制

产教融合、校企合作是决定职业教育质量的根本性因素，是职业院校办学的必由之路。电子商务专业在办学实践中积极寻求发展道路，在突破体制机制障碍，与企业联合搭建平台，走产教融合、校企合作的路子方面进行了有益的探索，形成了具有自身特色的“校企一体化”合作办学模式，取得了良好的办学效果与社会效益。

5.1 建立和完善校企合作、工学结合运行机制

校企合作共同探索、共同构建、共同实施专业人才培养模式和课程体系，企业兼职教师承担专业课教学比例达到50%以上，构建校内实训、校外实习相结合的实践性教学体系。增大校内实训的比例，全面提高人才培养质量。

5.2 坚持以就业为导向，建设双向互动的校企实训实习基地

建设新的高质量的顶岗实习基地。引入企业建设“校中企”，校企双方共同管理，为学生提供一个参加社会实践的平台，一个勤工俭学的平台，一个实践自身所学技能的平台，一个走向自立自强的平台。建立校企双向评价机制及管理制度，培养学生诚信、敬业、奉献的团队精神和适应企业的能力。

6 鼓励和指导学生网上创业

21世纪的信息时代，网络创业拥有着巨大的发展潜力和巨大的市场，而大学生创业者更是在网络中成长的一代，熟悉网络时代的特点和网络操作，是他们网上创业的优势，相信大学生创业者在积累了网上创业的经验后，一定能够在网络时代的洪流中大显身手。

当前，特别是经济形势的影响，网上创业成为大学生创业和就业的一种新的趋向。网上开店的人数以每年30%的速度增长。对于缺乏创业经验和资金的大学生来说，网上创业更是成为创业的土壤，可是并非所有网店都赚钱，很多大学生创业者很盲目地投入到网上创业，而最终淹没在网络创业的大潮中。针对网上创业的各个步骤给予学生创业者一些建议，能够对大学生网上创业者一定的帮助。

6.1 鼓励和指导学生网上创业

网上创业，已经成为一个很时髦的东西。指导学生进行网络创业，熟悉电子商务的运作流程，掌握电子商务的经营技巧，并开始网络创业。

6.2 对学生进行网上创业培训

（1）培训主题。网上开店，网店运营，电子商务物流配送。

（2）培训目标。了解互联网的发展历程及发展现状；熟悉互联网的含义、类型、成；熟练掌握互联网的应用服务。了解电子商务的含义与类型；熟悉网上支付的流程与操作。熟悉电子商务的创业政策；熟练掌握网上开店的整个流程及经营技巧。熟悉电子商务物流技术与管理。体验电子商务的网上开店和利用支付宝进行网上支付。

7 教学团队建设

通过打造教学团队，进一步加强教研室等基层教学组织建设，更新教学内容，改进教学方法，开发教学资源，促进教学研讨和教学经验交流，推进教学工作的传、帮、带和老中青相结合，提高教师的教学水平和教学质量。

7.1 提高教师的专业教学技能

选派教师参加专业教学的培训，如省级和国家级骨干教师的培训、行业的会议等。

7.2 加强教师的实践能力培养

教师往往是刚出校门又进入另一个校门，所以教师没有接触企业，没有多少实践经验，因此必须对教师进行实践能力的培养。例如，教师注册和申请个人网上商店，进行网店的运营与管理，并从中体会发现实践教学的重点和难点，体会发现实践教学的技巧。

7.3 鼓励教师到企业兼职

鼓励教师积极为政府行业活动、企业业务咨询和员工培训服务，为提高学院在行业内的知名度、充实实践教学内容、增进校企合作关系、锻炼教师队伍奠定了牢固基础。

7.4 鼓励教师进行教学改革

教学改革是人才培养模式改革的重点，鼓励教师进行项目教学、理实一体化等教学改革与尝试。对教师的教学改革尝试，进行适当物质、精神奖励。

7.5 建立导师制

主要采取“引进、培养、外聘”相结合的方式，引进教师做到有计划，有要求、有措施，对于新教师培养实行“导师制”，以老带新，并实行外出培训和院内培养相结合的方法，加快青年教师的成长。形成独具特色的“双师型”教师队伍。通过以老带新，在教师内部形成了互相学习、共同提高的良好氛围。

8 结 论

通过对电子商务专业综合教学改革尝试，电子商务专业的人才培养与市场更接近了，培养出的人才企业更满意了。通过综合教学改革，电子商务专业焕发出生机与活力，在学校众多企业中脱颖而出，成为具有明显特色的专业。

参考文献：

[1] 佟玲.电子商务专业教学改革实践探索[J].中国对外贸易，2011（12）.

[2] 王冠宁.高职电子商务专业创业能力培养的实践与探索[J].电子商务，2010（2）.

第7篇：电商数据分析方案范文

最近读完了《幸福的方法》，对书中一段话非常有感触："忙碌奔波型是未来的奴隶，享乐主义型是现在的奴隶，而虚无主义型则是过去的奴隶。"在运营商工作的我们都经历过从通信业黄金十年带来的"金饭碗"、行业遭遇"高原平台期"的铜饭碗，甚至全社会"人人得而诛之以后快"的"纸饭碗"，无论是企业还是身处其中的个人，都在感受着巨大的压力与阻力。

于是，一些人选择了"享乐主义"式生存，日复一日在单位混日子；一些人则选择了"虚无主义"式生存，沉浸在过去的辉煌，躺在功劳簿上过日子；还有一些人选择"忙碌奔波"式生存，开不完的会、做不够的汇报、写不尽的方案，虽终日忙忙碌碌却无所作为。正是如此，才有了我上篇文章中写到的"四种人"——那些想走又能走的人最终选择了离开这里，那些想走却不能走的整日抱怨体制，那些不想走也不能走的昏昏度日，剩下那些能走却不想走的痛苦挣扎……

一、运营商正在经历什么？

借用双城记那段经典开场白：这是一个最好的时代，这是一个最坏的时代。对于运营商这样天生依靠人口红利、规模红利的传统企业，未来的日子或许并不好走。无论是从媒体的口诛笔伐，还是用户的人人喊打，亦或是员工的纷纷出离，种种迹象都在表明这个行业早已从大象快跑的“神坛”跌落，变得迟钝、缓慢甚至有些狼狈了。

可十年前绝不是这样。三十年前更加不是。

《大跨越：中国电信业三十春秋》的开篇语这样写道：从经济瓶颈到社会先导，从全球末游到用户总量世界第一，改革开放三十年中国电信业实现了举世瞩目的大跨越!这一切是怎么得来的?这本生动再现改革开放30年来中国通信业辉煌历程的著作选择了两个有意义的时间点，1978年跟2008年，前者是中国正式吹响改革开放号角的关键一年，而后者则是代表了通信业黄金十年的关键一年。

字里行间都可以读到中国通信业经历过怎样的辉煌，可以感受到从业者那种由衷的自信与荣耀。时代巨变，昔日巨头创造了比以往更加令人瞩目的经营业绩，却在政治地位以及行业形象上连连败走麦城。

时至今日当我们再次谈论运营商，你想到了什么?是财务报表上无比闪耀的光辉业绩，还是面对行业内外竞争暗战的困惑焦虑；是建成一张张4G、4G网络的骄傲欣喜，还是管道化、低值化、边缘化的郁闷心酸；是对KPI下多少就能完成多少的自信得意，还是对基层不断涌现离职潮的始料未及。

是运营商真的做错了什么吗？可能并不是。

放眼看看这个时代吧！这是一个在和同行不断抗衡，却无奈被OTT抄了后路的时代；一个到处充斥着机会，细看时却满目危机的时代；一个传统大机构失势瓦解，个人自由连接全面崛起的时代……

这是一个唯变不破的大时代。在这个时代里，竞争对手变了、游戏规则变了、用户习惯也变了，曾经习以为常的一切突然间发生了天翻地覆的变化。话音、短信这些传统业务正在加速下滑，流量虽然成为新的增长点，却不得不面临着“提速降费”的巨大压力。可以说，在这样的时代背景下，运营商像是被困的巨兽，想挣扎却又充满无力感，想改变却又害怕不确定，想突破却又找不到突破口……

唯一的方法大概就剩下三个字：豁出去。

二、运营商该怎么办？

对于眼下的运营商来说，出路无非两条，要么精耕存量客户，挖掘更大的价值点；要么开辟新市场，寻找行业的破局地。关于精耕存量市场，已经有太多这方面的文章，这里不再赘述。我想重点谈谈新市场。

1.新市场在哪里？

日前，互联网教父、科技商业预言家的凯文·凯利在斯坦福大学进行长达3小时的分享，畅谈他对未来20年重大科技商业潮流的见解。我对其中一个观点很感兴趣，他说不管你现在做什么行业，你做的生意都是数据生意。

数据！

无论是风生水起的移动互联网，还是改变世界的芸芸众生，他们都在通过运营商的网络来获取信息。

2014年三月在北京举行的一场大数据产业推介会上，阿里巴巴集团创始人马云在主题演讲中发表了他的观点——“人类正从IT时代走向DT时代。IT时代是以自我控制、自我管理为主，而DT时代，它是以服务大众、激发生产力为主的技术。”

我们都知道，今年的双11全球狂欢节中，阿里巴巴天猫用时不到12小时就打破了去年创下的571亿元的交易额，最终将记录锁定在912亿，其中无线交易占比71%，全球产生成交的国家和地区达到205个。

巨量交易额的背后是什么？是阿里越来越强大的供货和物流系统？还是传统零售业的全面没落？其实都不是的。我以为这背后体现了阿里巴巴强大的数据分析和挖掘能力。在这样的购物节中，最重要的问题是商家要备多少货？而这可以通过平台历史销售大数据，预测货品需求，为商户提供库存依据，提升库存效率和有效性。

而在百货商店时代，购物数据只有通过人工才有可能统计完并且不一定准确，但是阿里巴巴会把每个人的历史购物和浏览数据都留在云上。因此，淘宝可不光是一个电商平台，更是顾客的大数据平台。

阿里巴巴集团副总裁涂子沛在讲到这个概念的时候举了一个更容易理解的案例：请你预测全国哪些地区会有更多的二孩出生？按照传统的数据统计，估计只能依靠人口普查、各地市区县统计部门的层层上报，不但会有偏差而且还会滞后。而在阿里巴巴，只需要统计哪些区域的孕婴用品销量激增就可以了，不但真实而且更加便捷。

运营商也是一样的。你以为运营商只是通信管道的提供者？其实或许还是信息适配的服务商。在过去，我们使用的文件、文件夹、桌面这些东西都是停留在本地的。我还记得那个时候最好的备份工具大概是移动硬盘或者是蓝光光盘之类的东西。而进入网络时代之后，数据就出现在网页上、链接里。现在的云上有标签、有流量、有新闻，还有各种各样我们需要的信息。云、数据化才是这个时代的关键词。要知道，这些所有的信息都是通过运营商的网络传输的，就和从淘宝上销售的商品信息一样，除了信息本身，它的发送端和接收端或许才是我们关心的重点。

于是，将合适的信息主动推送给需要的人，就是运营商能提供的大数据服务了。

2.新市场有多大？

中国云计算技术与产业联盟理事长吴基传曾指出：大数据是云计算服务的基础，是构架云平台最基本的要素，没有对海量信息的分析的大数据，就没有为所有信息消费者获取有价值的信息的可能性。

因此在商业界，大数据已经开始成为很多企业的生意。《2015年中国大数据交易白皮书》显示，预计到2020年，中国大数据产业市场规模将超过这个市场去年规模的10倍，由2014年的767亿元扩大至8228.81亿元。

2015年8月19日，国务院常务会议通过《关于促进大数据发展的行动纲要》，这或许意味着，大数据在中国将逐渐步入正轨，进入到顶层设计时代，这无疑将加速经济发展引擎的进一步开发。

从运营商的角度来看呢？以中国移动为例，我们有超过8.2亿用户，110万4G基站，经营分析系统里有10B以上的数据，我们的10086每分钟都有海量用户的呼叫，实际上所有这些动作每天都在产生大量的数据。那么，这些数据到底有多大，集中以后会是个什么效果？

有人曾经做过测算，一个省公司一天的数据要上百P，这些数据集中在一点传输到中国移动(贵安)大数据中心，需要重建一个中国移动的CMNET，也就是中国移动Internet的骨干网。

所以某种意义上来说，运营商拥有采之不尽用之不绝的数据富矿，站在金矿上总比无矿可挖强，这也是我判断运营商或许会在大数据时代“触底反弹”的依据之一。

3.还有什么不确定因素？

虽说前途可期，但毕竟是一个全新的领域。在新领域就一定有新的游戏规则，也会有相应的规则适应过程。

在过去的几年中，大数据的概念在产业界引发了无数的争议和讨论，甚至长期出现在Gartner的新兴技术成熟度曲线(也称新兴技术炒作周期报告)中。原因非常简单，一项新技术多被谈及概念，虽然在媒体上屡屡曝光，但应用案例寥寥。

因此，大数据越来越被看做是评论界的谈资，而非真正意义上的产业。

在贵阳成立的全球第一家大数据交易所，通过电子系统面向全球提供数据交易服务，计划2020年数据清洗交易量年达1万PB、年总额3万亿。然而，成立至今，这个深孚众望的机构撮合的交易记录也不过3000多笔。“有意愿交易大数据的企业和机构还不多。”交易所工作人员如是说。

除此之外，还有几个关键不确定因素在影响着大数据产业发展。

A.技术能力不足。IT作为后端的支撑手段，大量通过外包或采购方式实现，所以在自身软件开发和大数据平台运维、大数据新技术应用、大数据分析挖掘方面能力相当有限。

B.数据“墙”大量存在。很多数据是分散在不同的系统中的，经过长时间的“竖井”式运作，已经形成了难以突破的壁垒。以中国移动为例，B域主要是经营分析数据、O域主要是网络运维数据、M域主要是管理信息数据，但这三域的IT系统分别由三个不同的部门负责，整合难度较大，较难形成“1 1＞2”的数据融合效果。

C.组织架构不匹配。目前看，很少有机构会设置专门的部门去集中各种散落的数据，更别提对这些数据进行标准化的管理和维护了。

D.思维观念的滞后。如果说技术、资金、人才方面的劣势都可以通过后天的努力来补足，那么意识层面的缺失就需要相当长时间的培育了。

除了以上说的几点，大数据交易的安全性、定价的合理性、客户信息的保密性，都在一定程度上影响着大数据业务的规模和发展空间。

三、运营商玩大数据的心法与身法

运营商究竟该怎么玩儿大数据呢？窃以为先要回答好三个问题：一是数据在哪里？二是数据放哪里？三是数据怎么用？

1.数据在哪里？

都说我们正在经历一个全新的商业时代——分享经济的时代，消费者正在放弃传统的、效率低下的企业，转而投入分享型企业的怀抱，来获取他们想要的产品和服务。Uber让座驾更好地分享，Airbnb让空闲的房屋更好地分享，八戒网让创意和设计更好地分享……现在看，一切可以分享的都是价值数据。

在分享经济的时代，真正分享的是有效的供需关系。因此，在分享经济中，更重要的其实是创建供需场景，建立供需联系。

数据也是相同的道理。随着移动互联网、云计算、物联网等新一代信息技术的爆发式发展，智能手机、平板电脑、可穿戴设备以及遍布各个角落的传感器，正在越来越多地接入到运营商网络。各种交互数据、传感数据正源源不断从各行各业迅速生成。这些数量庞大、种类广泛、迅速产生和更新的大数据，蕴含着前所未有的社会价值和商业价值。

如何能够有效挖掘并体现出数据的价值是亟待解决的问题。窃以为，关键就在于建立数据使用的场景并搭建数据交易平台。

比如说，城市规划设计院需要对新区进行商业价值评估，可以通过运营商的网格数据分析提供区域人口及经济状况解析；再比如，医疗机构需要在一段时期对药物及医疗设备做储备，可以通过医保报账平台统计该区域的医疗诊断及药物使用情况，预测出该区域可以发生的大规模疾病，从而及时储备相关资源。

重要的是，帮助数据消费者更加迅速有效地找到他们需要的数据，并促成双方交易。

2.数据放哪里？

如此大规模的数据存放在哪里也是考验大数据产业的要素之一。要知道并不是所有的机构都有足够的资源去建设自己的数据中心。而在这方面，运营商恰好可以提供服务。

通信行业有个词叫做“电信级服务”，意思是通信服务要具备不间断运行、大容量、高稳定性、可靠性等特点。而要达到这些条件，就需要完备的QoS保障机制，而其中重要一环就是设施先进、管理规范的通信机房。

因此可以说，在数据机房方面，通信运营商具有先天的优势。

能否将此作为运营商进入大数据市场的切入点呢？开放、合作就成了这个部分的关键词。前文说过，传统机构中有很多数据与信息孤岛，要想打破不断构筑的“数据墙”，首先是要将他们集中化的存储、管理、运营。因此，运营商的高标准数据中心或许只是一个必要而非充分条件，要让源自不同领域的数据发生“化合作用”的前提是将这些数据存放在运营商的数据中心。

ICT基础设施有连接和存储的作用，其产生的数据通过不同的终端存储下来，这些数据在应用程序中使用才会有价值。而运营商同时具备连接和存储两项功能。

面向未来，运营商数据中心将成为网络的中心，构建面向业务的敏捷、柔性、绿色的云IT基础架构将使运营商数据中心成为新一代ICT基础设施的驱动中心。

3.数据怎么用？

运营商现在最大的挑战是什么？是端到端的质量保障不足导致用户体验还不够好吗？是受到OTT业务的冲击导致传统业务快速下滑吗？还是业务量收剪刀差不断加大、投资压力日趋吃紧吗？个人认为都不是的。我们最大的挑战在于用户往往满足于现有的业务。这会让我们产生严重的路径依赖，从而也会形成“自满”情绪。

事实上，运营商现在面临着三大重要转变：一是从关注功能向关注最终用户体验转变；二是从提供语音和带宽向提供丰富、开放的ICT融合信息服务转变；三是从基于人口红利的增长向应用创新增长转变。这三个转变带来了商业模式、运营模式、研发模式和科技创新的转变，将驱动电信行业从封闭走向开放的数字化运营。

数字化运营，至少有三件事可以做：一是盘点数据资产；二是建立计算能力；三是开放数据平台。按照贵州移动芈大伟总经理的思路，运营商大数据发展路径分为1.0、2.0和3.0三个版本。

大数据1.0主要针对运营商内部分析，建设重点以数据整合和能力构建为主，为数据价值发掘奠定基础，重点支撑精准营销和精确建网；大数据2.0主要针对数据价值提升，重点是逐步拓展对内对外数据价值挖掘的能力；大数据3.0主要针对数据变现，聚焦重点客户和行业，构建数据生态系统，逐步凸显外部收入。

目前，运营商在IT系统和网络系统上积累了很多数据资产(当然如果处置不当也可能会变成数据遗产……)，通过SDN和NFV等IT技术重构的通信网络，将会形成全新的弹性、智能的网络架构。而网络IT化，就要求建立以云数据中心为核心的网络架构，数据中心将成为ICT基础设施的核心，数据中心的布局和规划决定未来网络的架构，也决定了未来的竞争力。

伴随20多年的互联网发展，掌握未来的“联接一代”和“数字元人”已经长成。相比上一代人，他们的沟通、交友、娱乐、消费、工作、学习等行为方式和思维模式，已经发生深刻的变化，他们对于数字社会和互联网的依赖与生俱来，代表着互联网时代的新消费行为。

运营商新的业务运营系统不再是简单的支持系统，更不是简单的营销界面在线化，而是连接运营商、客户和合作伙伴，连接网络、应用和内容的价值创造系统和生态链系统。传统的线下营业厅或将大幅减少甚至消失，取而代之的，是用户可以全在线模式按需、实时定制享受各项服务，运营商通过大数据分析洞察客户和精确营销，提供更加智能的客户服务。

从购买产品走向购买服务，商业世界的游戏规则正在发生根本上的变化，商家和用户之间的关系从交付那一刻才刚刚开始。

互联网之父劳伦斯·罗伯茨曾讲过：“自网络诞生以来，我们只实现了网速的提高，而在提升网络性能及其他方面毫无进步。”在这方面，运营商正在积极从消费体验出发打造新型的业务运营系统，新系统不再是简单的业支系统和网管系统，更不是简单的营销在线化，而是连接运营商、客户和合作伙伴，连接网络、应用和内容的价值创造系统。

第8篇：电商数据分析方案范文

企业级公有云作为云计算产业的主要形态，在推进过程中逐渐形成了各种模式。为抢占公有云平台市场，各类平台服务商，包括运营商、行业机构、IT基础服务商及互联网企业等，都在想方设法地使出独门绝招，依托原有业务优势，通过整合、细化、落地，打造差异化的生态系统，试图通过跑马圈地，朝向产业“生态圈”方向发展，引领企业级公有云未来市场。

对于企业级公有云“生态圈”建设，从目前的产业发展情况来看，主要有四种建构模式，包括运营商主导的垂直整合模式、政策导向的产业园区模式、市场导向的行业合作模式及互联网导向的开放平台模式，下面进行一一介绍和分析。

运营商主导的垂直整合模式

国内三大运营商作为公有云战略的积极推动者，正如中国电信集团总经理杨杰所说，“电信运营商是云计算产业链中的合作倡导者、资源提供者和能力整合者。”

当下，运营商主导下的公有云战略，主要是通过“三步走”战略实现各自公有云生态系统建设。第一步，从提供IaaS起步，利用在传统IDC服务方面的优势，垂直整合技术、资源及用户，以提供基础设施服务为起点，聚集企业级开发者。第二步，接入PaaS业务，吸引中小企业，提供差异化、个性化的运营平台服务。第三步，开拓SaaS领域，提供云端“应用商店”，吸引移动互联网开发者，借助开发者进一步黏住原有用户，实现基于传统通讯、网络业务的公有云产业闭环。

政策导向的产业园区模式

在中国，政策及行业机构是云计算最重要的推手。政策主导型的公有云模式，通过顶层制定的战略性扶持政策，整合机构、企业与用户参与其中，推动构建整个产业层面的完整生态链。

中国现在已经有一批公有云“样板工程”，这些公有云工程的重点，主要以IaaS、PaaS为方向。这些工程普遍以“智慧政府”为契机，利用区位、政策、资源三方面优势，一般选择在西部资源丰富的地区建设云产业园区，通过资源最大化和成本最小化方式，与东部技术优势进行云端业务对接，吸引云服务商入驻。同时，针对公共领域的云服务市场，辅助云服务商打造低成本的云产品，最终由机构单位购买相关服务，实现产业价值循环。对此，国家和地方政府也制定了一系列的政策，并设立奖励基金鼓励服务商进行业务和模式创新。

互联网导向的开放平台模式

在公有云产业，国内各大互联网公司也不甘示弱，除先期进入的阿里云、新浪SAE等，百度、京东、腾讯、金山、美团等企业也陆续推出了公有云服务。

以BAT等互联网企业为代表的公有云发展策略，一种是从各自的“专有云”起步，逐步向整个行业输出云能力，通过鼓励第三方开发者入驻，提供资源分类、有效存储、流程融合等服务，与传统业务结合，接通终端用户。另一种是以原有业务平台为基础，通过“云”服务联动线上线下资源，形成后台、终端、云端一盘棋，鼓励第三方应用开发，提供针对性的大数据服务，将大数据流通的管道遍布云端产业，满足刚性需求。

在互联网为导向的开放平台模式中，以腾讯的公有云服务比较彻底，它的范围覆盖计算云、数据云以及个人云三个层面，能够在多个层面上将开发者、企业客户的利益与终端用户需求捆绑在一起，相比其它形式的互联网公有云服务，在业务、流程和资源整合方面，做得更为完善、更加到位。

在市场指向方面，腾讯云将自身定位于服务互联网应用开发者的公有云平台，相关产品包括云服务器、云数据库、高速存储、罗盘、CDN、云监控和云安全等公有云服务，一站式系统地解决了开发、测试、、运营中的各种难题。同时，腾讯云还通过接入腾讯的社交关系链，贯通公有云业务与其它传统业务之间的资源链条，进一步向下深入，推出微信云、游戏云和移动云等行业级解决方案，逐步形成体系化、立体式、多层面的云生态运作系统。

腾讯云打造的全链条公有云服务体系，也带来了可观的市场反响。根据腾讯方面的数据，腾讯云上的应用总数已超过40万款，涵盖了娱乐、生活、教育、电商等方面，托管在腾讯云的应用日活跃用户数量总和超过1亿。

市场导向的行业合作模式

全球公有云业务，以亚马逊、IBM、微软为主，主要面向大企业、机构及跨国用户市场，搭建数据中心，通过整合互联网内的数据拥有者，如社交网站、金融机构、公共部门（政府、国际组织等），实现用“服务换资源”，提供公有云系统解决方案，进一步通过官方管理软件及配套系统服务，接触到终端用户，实现利益共享。

——微软：让云像水电一样“为人服务”

卖许可赚钱，是典型的微软模式。在云时代，微软的目光并不限于此，它认为未来所有业务都将转移到云模式。未来，微软的商业模式将由“软件包+售后服务”的模式转型为“像用水电一样”提供计算服务的“长期在线经营和服务”模式。

面对传统的软件固化结构开始向碎片化发展的趋势，微软的服务理念由之前的‘人为系统服务’转变成‘系统为人服务’，即系统需要按照操作者的需求为其获取信息和资源。为此，微软采取“云+端”的战略，以云操作系统为核心，采用集装箱式部署，面向那些需要自己控制数据的客户，底层基础设施由微软维护，将Azure集成到它的操作系统产品之中，为付费用户提供高品质的服务。另外，微软从云开发者生态环境上进行考量，开展孵化器计划，针对行业应用开发者群体，投入巨大资源培育和扶持公有云系统建设。

在公有云战略实施过程中，微软还积极与硬件设备商、系统集成商、独立软件开发商、开发者、政府、高校等达成战略合作，明确分工，力图建立开放共赢的微软“云生态系统”。

——IBM：整合架构，提供全面解决方案

云计算正在重新塑造经济发展和商业竞争的格局。对此，IBM深有体会，为了弥补自身在公有云方面的不足，在战略上打出组合拳。通过打造基于 OpenStack的开放平台，凭借自身独特的云计算能力为客户提供整合的解决方案，包含关键云计算技术、全流程支持、完整解决方案及覆盖全球的实施网络，通过“模板化”服务帮助各行各业的平台用户，轻松搭配不同提供商的云服务，建构各自的公有云平台。

IBM的云服务及软件将基于开放的云架构，实现从硬件、软件到服务、咨询整合的云解决方案，为客户提供涵盖BAO（业务分析优化）、社交商务、智慧商务及智慧城市四大方面的应用解决方案。另外，也可以根据用户的不同需求，提供灵活多样的云计算服务。

——亚马逊：建构“前店后厂”的区域云生态

作为公有云产品的最早开创者，亚马逊的公有云客户，已经遍布全球，包括Adobe、道琼斯、Expedia、LinkedIn、新闻集团和联合利华等。亚马逊在公有云市场所占份额，已经超过微软、IBM、谷歌、Salesforce等所有对手的总和。由此可见，亚马逊已经成为公有云市场绝对的领导者。

与微软、IBM不同的是，亚马逊公有云的落地，更多采用的是资源绑定策略。这一特点在AWS进入中国市场时得到了深刻体现。入华之初，亚马逊便通过各种合作，获得更多的政府、产业资源，力图通过整合更多资源，使得AWS生态系统更加完整。

值得称道的是，亚马逊的“前店后厂”模式，通过与北京市政府、宁夏自治区政府、宽带中国四方进行合作，将有成熟的公有云市场和产业链的北京业务“前店”，与有丰富电力资源、地广人稀的宁夏数据“后厂”进行资源整合，试图借助宁夏数据中心的逐步扩容，对公有云业务的区域生态进行拓展、细分和优化。

微信云：腾讯云“生态圈”的关键一环

微信云是腾讯云“生态圈”上的关键一环，作为基于腾讯云服务底层的公有云运营服务系统，发挥着对接业务实体的接口作用。通过微信云提供的跨越PC、移动端的平台服务，能够深入挖掘腾讯公有云服务的终端潜力。

微信云方面的负责人陈磊表示，之所以推出微信云产品，目的是为了解决当前微信公众账号产业发展中遇到的通用问题。现在基于微信平台的开发商数以千计，服务质量、安全能力都参差不齐。腾讯云期望通过打造微信云，为开发商提供支持规范服务标准，使终端企业能够自主、个性、可靠地开发行业应用，让他们在微信业务拓展方面更加自如。

据腾讯官方介绍，微信云的发展路线图，主要分为三个阶段：

第一步，腾讯将重点安排在微信云安全建设方面，通过全面的服务提供安全的环境和高质量的服务，让有需求的企业免除后顾之忧。

第二步，微信云将在服务流程的标准化方面着力，包括自由选择的功能、模板及套餐服务、操作提示、效果预览等。与以往预付费的云服务不同，微信云“先使用，后付费，七天免费试用服务”的规定，让相关服务更有保障。负责人陈磊称，“这样做的根本目的是为了让开发商们能够有足够资金和精力用于创新，共同打造微信云平台健康、安全的生态环境。”

第三步，微信云还将为品牌企业提供专属的定制化服务，帮助企业获得从安全建站、服务整合、产品运维、用户把握、资源变现等在内的完整业务链优势。

至于“微信云平台逐渐成熟之后，如何分成以及分成比例怎样”这一问题，陈磊回应，“大可放心”。他透露，腾讯云目前并没有参与分成的计划，而且“不仅至少能够保证2014年不分成，也没有考虑2014年之后分成的计划。”

另外，微信云借助独有的企业大数据服务，一改传统的云服务模式，通过多角度介入终端行业领域，满足微信公众账号的内容营销、定制服务、数据分析、社交支付等需求，让企业可以借助微信云这个抓手，使其移动云端上业务开展能够更加接地气。

未来，微信云将为服务商、企业用户、开发者及终端用户提供安全、优质、高效的“一站式”公有云服务，并提供亿元扶持资金，打通各项内部资源，催熟与游戏、移动、O2O、穿戴设备、智能硬件、在线教育等相关的各种云服务创新。

总结

第9篇：电商数据分析方案范文

【关键词】 电信资源 地理数据标签

电信业作为基础服务行业，信息化程度代表了一个国家的科技发展水平。中国电信业自改革开放以来，新技术大规模应用的广度和深度在世界范围内均位于前列，但资源管理支撑系统的更新发展却稍显落后，对业务发展带来一定制约。笔者从事多年电信企业管理，从资源管理实际需求出发，结合自身技术优势，提出了以地理数据标签为特征的资源管理模型，并进行了实际应用，取得了较好效果。

一、电信资源管理系统的历史与现状

上世纪90年代以来，我国电信行业的业务量以平均每年近一倍的速度实现快速增长。为提高电信资源管理水平，提高竞争力，原邮电部电信总局在1995年开始建设“市内电话业务计算机综合管理系统”，即“97系统”，实现了中国邮电业的管理现代化和自动化，为电信业的发展起到了重要的推动作用。随着中国电信业改革的深入，几大运营商数次进行重组，外部市场环境发生了翻天覆地的变化，“97系统”已经不能适应市场发展的需要。2005年以后，各运营商结合自身需求，在原有系统的基础上进行了升级改造和扩充，形成了现有电信资源管理系统，这些系统对支撑着中国庞大的电信客户群体起到了重要作用，为电信业蓬勃发展奠定了坚实的基础。

二、现行电信资源管理系统的不足

现行电信资源管理系统尽管在各电信运营商中的名称不同，但都是以生产系统为主体进行建立的，在目前电信业务种类繁多、用户需求至上的市场竞争环境中，无法更好的支撑业务需求。主要有以下两点不足：

1. 无法满足大数据时代的数据挖掘需求。早期的资源管理系统是按照“业务”划分进行建设，主要有窄带营收系统、宽带营帐系统、号线系统、网管系统等系统。以上系统是以完成某项业务特定需求而建立，较少考虑与其他系统的交互。由于没有用体系化的方法来统筹，故各系统间数据交互性差，不能有效对数据进行深度挖掘，形成“信息孤岛”。

2. 无法满足决策指标同屏展现的需求。电信企业必须拥有及时准确的决策定位能力，资源管理信息系统需要为决策工作提供数据支撑。现行系统是面向内部生产的，无法体现区域人力资源及财务状况等关键数据，而这此类数据是重要生产资源，在资源管理时要统筹考虑。

三、以地理数据标签技术为基础，重塑资源管理模式

电信企业的网络、人力、市场资源存在各自特点，如何将这些资源通过共有的属性进行关联，进而实行统一管理，实现资源间的“化学反应”，使企业资源得到高效配置，是资源管理的核心问题。

在对电信企业经营活动中的网络、人力、市场资源的全面研究后发现，通过将资源数据附加地理信息，以地理信息的“共性”为基础，可以实现对上述三种资源进行整合。

我们以经纬度坐标数据为主，其他地理数据为辅，对网络、人力、市场资源进行标识，为各项资源数据附上地理属性标签。由于这种标签是以地理信息数据为基础，所以称之为地理数据标签。通过给网络、人力、市场资源打上地理数据标签，我们可以实现对这三种资源进行统一管理、调度、分析，从而达到盘活企业资源，提高企业资源配置效率，进而提升企业竞争力的目的。

四、资源管理系统整体架构设计

4.1 系统设计思路及实现目标

通过地理数据标签技术给网络、人力、市场等资源打上地理数据标签，将各种资源融合起来，进行统一管理。利用地图信息技术，将资源的分布情况以可视化的方式直观的呈现出来，为电信企业各级领导提供一份详细的“兵力、火力配置图”，从而为企业决策提供有力支持。

4.2系统需求分析

良好的需求分析是系统设计的重要环节，我们经过充分的论证和调研，对需求分析按照两个角度进行了汇总分析。

4.2.1 按使用对象为目标进行的需求分析

使用对象分为业务管理层、管理控制层、决策层三个层次，这三个层次分别对应电信企业经营体系中的三级管理体系：基层经营班组、市分公司、省分公司。下面对各层级需要的功能做简单描述。

1.业务管理层

业务管理层是系统的最低层，需要实现对各类生产资料的初级分析，即地理标签定位。需要对网络、市场、人员按照地理分布位置分别使用标签进行标注，实现资源的地图展现。

2.管理控制层

管理控制层需要对业务管理层上报的数据进行再次的分析和筛选，对数据进行汇总和分析，同屏呈现市分公司范围内的资源分布状况，提供各类资源调配动态趋势。

3.决策层

决策层位于整个系统的顶端，分析处理数据包括整个企业。该层对所有数据建立适当的数学分析模型，通过对于下层提交的数据进行智能和科学的数据分析，深度挖掘数据背后所呈现的隐含信息，对企业发展趋势进行预判。

4.2.2按照系统数据处理阶段进行的需求分析

系统的数据可能来自系统本身，也可能需要外部其他系统的数据交换。只有全面掌握全部数据，才能在此基础是上进行科学有效的分析。因此从该角度出发，将系统结构分为以下几个层次：地理信息基础数据处理层、相关数据交换层、统计分析层、结果呈现层。

4.3系统架构总体设计

4.3.1系统逻辑框架

通过地理数据标签技术给网络资源、人力资源、市场资源打上标签，进行资源的标准化，由可视化展示层利用地图信息技术将各类资源直观的展示给系统使用者。

4.3.2系统技术实现方案

系统采用JAVA进行系统的开发，JAVA的跨平台特性、安全性、健壮性为我们的后期开发、扩展提供了保障，中间件采用WEBLOGIC，数据库采用业界领先的ORACLE数据库。

五、地理数据标签技术的关键点

按照地理数据标签技术管理分析资源，需要有相关技术进行支撑和保障，下面对关键技术点进行介绍。

5.1在系统中如何定位地理标签坐标

坐标作为地理标签中的核心元素，如何快捷方便上报系统尤其重要。系统支持三种模式坐标上报：

5.1.1 GPS定位上报

通过手机终端的GPS模块可以方便的对目标信息进行地理标签的坐标标注。

5.1.2 通过WEB界面在地图上标注

采用地图API作为接口，通过WEB地图浏览和鼠标点击完成坐标点的标注。

5.1.3 地址解析定位

地址解析的方式是通过地图API的服务类Geocoder（）构造函数来获取，针对一些已有地址信息的地理标签可以进行自动转换坐标。利用该技术可以实现基础数据通过地址来初始化坐标信息，实现导入工作。

5.2地理标签在地图中如何进行展示

5.2.1 用图标形式显示地理标签

根据坐标信息在地图中显示出地理标签所在地的位置。根据不同类型的信息采用不同的图标来显示。通过API的覆盖物类Marker（point：Point[， opts：MarkerOptions]） 构造函数来创建地理标签在地图上显示。

5.2.2 如何在图标上显示地理标签名称

通过API的覆盖物类Label构造函数Label（content：String[， opts：LabelOptions]）来实现在地图中显示地理标签的名称信息。

5.3地理标签如何在特定地图区域中显示

5.3.1 判断哪些地理标签在区域内

在地图中要按区域显示不同区域内的地理标签信息，必须首先判断地理标签的区域归属问题，如果采用传统方法，在地理标签属性中增加一个所属区域的标示来记录，虽能解决此问题，但在区域调整的情况下，需要对相关区域内所有的地理标签的属性重新进行调整，这在实际的操作中极为不便。因此系统通过地理标签点的坐标和区域的坐标进行计算来自动归属。

本系统采用射线判别法。所谓的射线方法，就是从要判断的地理标签坐标点向左边的水平方向画一条射线，然后计算这条射线和判断多边形区域的各条边的交叉点的个数。如果交叉点的个数是奇数，那我们可以判断这个地理标签坐标点在多边形内部；如果交叉点的个数是偶数，那我们判断该地理标签坐标点在判断多边形区域的外部。使用这个方法我们可以判断出来大部分情况，但是有一些特殊的情况需要我们做特殊的判断处理。

a）地理标签坐标在区域多边形边上

遇到这种情况，我们可以直接判断地理标签坐标在区域多边形的内部，我们可以在应用射线方法之前做判断。

b） 射线和区域多边形的某一边重叠

遇到这种情况，可能会判断出来射线和区域多边形有无数交叉点，所以我们只需忽略该该情况即可。

综合利用上面的方法，我们就可以判断出地理标签的点坐标与地图多边形区域的位置关系了。

5.3.2区域内不同地理标签显示切换

在区域内存在不同信息属性的地理标签，如果在区域中同时显示，会造成地图同时显示过多的地理标签，如何能按照不同属性根据用户需要来切换显示自己需要的信息内容。系统通过对不同属性的地理标签进行分组处理实现。在取消显示的时候，通过地图的getMap（）属性首先获取覆盖物所在的map对象。然后根据对象属性的标识使用API的覆盖物方法removeOverlay（overlay：Overlay）进行清除选择的地理信息标签。

在选择要显示地理标签分类的属性时，首先根据属性的标识从数据库获取该区域内所有的坐标信息，然后通过地图API的覆盖物方法addOverlay（overlay：Overlay）实现地理标签在地图的显示。

5.3.3自定义区域信息统计实现

除了根据特定区域方式来显示地理标签信息，有时无法满足信息管理的需要，为了能实现此功能，需要在地图中手工绘制区域来实现地理信息标签的数据统计和显示，具体实现过程如下：

首先通过地图API的覆盖物类的Polygon构造函数将选择的坐标数组绘制多边形覆盖物。

Polygon（points：Array[， opts：PolygonOptions]）。

在显示区域的同时，将点坐标数组通过数据库查询判断区域内的地理坐标信息数据，为了能够提高查询效率，系统先根据多边形的顶点创建的矩形区域来进行第一次判断，然后根据查询的结果集使用射线判法来循环判断坐标点是否在多边形内。

通过判断将区域内的点坐标信息使用Marker构造函数在地图中显示。

5.4地理标签如何在区域展示详细信息

在地图中显示的地理标签信息，由于显示界面的问题只能显示标签名称，但对于地理标签的其他内容的信息无法全部显示。为了能够全面展示信息内容，通过信息窗口技术来实现。当用户鼠标点击对应的地理标签的图标或名称时，通过对地理标签的图标和名称的监听事件addEventListener（event：String， handler：Function） 来判断用户是否点击，触发显示详细的信息。

六、资源管理系统应用实施效果

该系统将网络、人力、市场资源进行统一管理，实现了各种资源的统一调度，达到了整合电信企业资源目的，为企业的发展提供了有力支撑，对公司的经营发展起到了促进作用。

6.1改变资源管理模式。系统利用地理数据标签技术，结合电信企业特点，整合现有的各类信息化系统和市场、网络、人力资源等数据资源。使决策层实时了解分公司、经营部基层班组的资源配置现状，准确及时提供基层经营单元市场发展需要的基础资源数据，实现公司、分公司、经营部层面的资源实时的监管。

6.2提高资源配置效率。各种信息由分散管理转变为集中管理，原有分散的信息源进行了高效的整合。通过资源整合，在不增加人员和投资的情况下，充分释放公司生产力。最大限度的提高作业效率、市场响应速度和网络资源的利用效率，适应电信企业转型发展要求。

6.3降低企业运营成本。系统投入使用后，可实现对公司最小管理单元“网格”的成本核算，详细了解每个管理单元的盈亏情况，对网格的每位员工所负责的市场区域、在网客户、营销进程、营收结果、网络资源及利用情况进行实施掌控，提升经营效果，降低运营成本。

七、系统下一步优化方向

通过实际应用，运用地理数据标签技术的资源管理系统总体设计是成功的，但仍存在不足，有待进一步完善。

7.1基础数据交叉分析难度大

在系统基础数据分析中，同一类数据在不同系统中的数据属性不同，对数据进行交叉比对时难度较大。

7.2部分数据手工录入，更新周期长

部分网络资源原有系统数据不包含地理信息，由手工录入系统。因此该部分数据更新周期长，易发生差错。

7.3大数据的挖掘深度仍显不足

系统对数据进行的分析基本可满足经营需要，能够反应业务的发展趋势。但对海量的大数据，挖掘工作还有待加强。例如对单区域人员劳动产率进行分析预警，对用户流失原因进行分析等。

参 考 文 献

[1]齐飞. 山东电信资源管理系统的研究与实践[D].南京邮电大学，2012.

[2]罗秀金. 电信资源管理系统的设计与实现[D].清华大学，2004.

[3]林海英. 基于GIS的电信资源管理系统关键技术研究[D].哈尔滨工程大学，2003.

[4]叶云，李小进. 电信资源管理系统的定位与开发[J]. 中兴通讯技术，2002，05：47-49.