大数据帮助电商企业拓展盈利空间（William Zhou）

小颖

随着光棍节、双蛋节、农历春节等节日的纷至沓来，淘宝、1号店、京东、易迅等电商的市场促销活动也是一轮接着一轮，还有更多电商和非电商的企业在跃跃欲试，期盼能尽快加入到这一行列中来。然而，在表面繁华的背后，又有谁知道在销售记录屡创新高的同时，电商的利润率是否也得到同步的增长呢？实际上，能够真正实现销量与利润率双增长的电商少之又少，而且在越来越少。因为，不少电商的销售业绩是通过价格战和付出大量促销成本来实现的。

因此，在经历了早期几轮的跑马圈地之后，如何进一步拓展盈利空间成为众多电商企业管理层需要考虑的主要问题之一。其实，在市场营销领域，向目标客户“投其所好”一直是一条更古不变的金科玉律。然后，电商市场的消费者仅仅对价格敏感吗？既有效又省钱的促销方案是不可能的吗？

答案显然都是否定的，那么如何精准地把握广大消费者的偏好呢？与其他传统行业相比，电商行业具备一个先天性的优势——大数据！因为，消费者的思维是千头万绪的，消费者的语言也往往词不达意，实实在在的东西只有一个：消费者的交易记录数据！所以，只要能够合理运用数据分析技术，就可以客观地读懂消费者的心理，有效地从数据金矿中挖掘出有价值的商机，从而领先一步地推出人气高、收益更高的电商促销方案。

这已经不仅仅是某某管理学里的一个研究课题，而是一种被许多像亚马逊、谷歌等公司证明行之有效的最佳实践。下面通过一个实际案例来进一步说明：

某全球知名的在线电子消费品零售商，正在策划新一轮的笔记本电脑市场促销活动，可供选择的促销手段包括赠送智能键盘、无线鼠标、马克杯、预装防病毒软件、免费快递、会员积分翻倍等。为了提高平均单笔交易的盈利能力，降低促销成本，策划部门不准备向消费者提供所有的优惠选项。这时，电商企业面临的一个难题就是：如果只能提供一种或少数几种优惠选项的话，到底应该适时地推出哪一种或者哪几种优惠选项，才会对消费者产生最大的吸引力呢？

以往，传统的分析思路往往只能基于市场部门决策者的个人经验和直觉来判断，每次轮流选择几个优惠选项来包装一下。由此推出的市场促销活动，常常是热热闹闹开场，凄凄惨惨收场，少数的成功案例也纯属侥幸。

                  然而，当我们换一种分析思路来寻找这类问题的解决方案时，效果往往会大为改观。比如说，我们可以利用现有的大量在线交易数据，利用高级统计分析软件工具JMP，快速地从茫茫无际的数据海洋中提炼出一个简单实用的电商促销利润模型。

基于JMP软件的电商促销利润模型的可视化展现

游客，如果您要查看本帖隐藏内容请回复

核桃木瓜

很想知道，这是用JMP的BP神经网络建模做的吗？

JMP的预测刻画器很直观形象，呈现给领导同事和客户，不必了解原理也能看得一清二楚，提高沟通效率啊！

核桃木瓜

数据的价值在于对业务的驱动，在大数据的时代浪潮下，传统的“事后诸葛亮”的数据分析报告显然不能满足需求了，数据的预测、控制、支持决策的功能被人们看重。在正式发布促销活动前进行建模，放弃使用收益不高甚至带来负面影响的促销手段，一方面有助于企业大幅盈利，另一方面将不同的促销手段精确定位分配到不同的活动场合中，数据分析的价值更大程度地凸显。

skyfree

核桃木瓜 发表于 2014-2-19 23:44
数据的价值在于对业务的驱动，在大数据的时代浪潮下，传统的“事后诸葛亮”的数据分析报告显然不能满足需求 ...

窃以为，现在炒作的大数据，其实是对统计学的亵渎。统计学，就是要以最少的样本量（投资），最短的时间内来实现对未来的事件的预测和控制。而计算机的发展，和大数据的炒作，导致了统计学上对抽样技术的弱化，把统计学偏向了建模预测的发展道路。
去年在一个SAS的培训班上，培训老师讲到统计软件的一个比赛上，SAS的计算速度被R超越，后来调查发现，R采用了抽样分析，SAS使用了全部数据。在相同的结论和预测模型下，减少时间和投入，R给出了一个漂亮的诠释。

Data

略有不同观点： 统计学的诞生基于一个背景：最早没有计算机，后来有了，但是计算能力很有限---这是统计得以诞生的前提。正是因为处理全部数据在当时根本是“技术上不可能实现”，才产生了抽样....统计。
现在，对全部数据的处理，一来有计算能力，二来工具也能够支持，抽样的必要性正在被削弱。 这也是数据挖掘理论和工具技术最近10年迅猛发展的技术因素和市场因素。

至于R....专业统计分析师用用完全没问题，非统计部门的人很难使用。这是市场层面。技术层面呢，无论性能还是功能上，和主流商业分析软件比起来还是很有差距的。比如DOE，JMP里面的DOE历经数十年积累，已经是全球顶尖的DOE工具包；R在可见的未来十年内根本无法在DOE层面赶上JMP。再比如数据挖掘, R要和SAS EM比，估计还得好多年才够格，原因很简单，商业产品背后的巨大统计理论研究、验证与投入，不是开源社区可以模仿的。

Data

略有不同观点： 统计学的诞生基于一个背景：最早没有计算机，后来有了，但是计算能力很有限---这是统计得以诞生的前提。正是因为处理全部数据在当时根本是“技术上不可能实现”，才产生了抽样....统计。
现在，对全部数据的处理，一来有计算能力，二来工具也能够支持，抽样的必要性正在被削弱。 这也是数据挖掘理论和工具技术最近10年迅猛发展的技术因素和市场因素。

至于R....专业统计分析师用用完全没问题，非统计部门的人很难使用。这是市场层面。技术层面呢，无论性能还是功能上，和主流商业分析软件比起来还是很有差距的。比如DOE，JMP里面的DOE历经数十年积累，已经是全球顶尖的DOE工具包；R在可见的未来十年内根本无法在DOE层面赶上JMP。再比如数据挖掘, R要和SAS EM比，估计还得好多年才够格，原因很简单，商业产品背后的巨大统计理论研究、验证与投入，不是开源社区可以模仿的。

Data

如果有商业公司愿意投资R，将R商业化，给予足够的验证、打包、推广，或许情形会不一样。
微软，SAP，oracle等巨头一直想进入SAS的领地，多年不能如愿，为什么不试试R？

skyfree

Data 发表于 2014-2-20 11:19
略有不同观点： 统计学的诞生基于一个背景：最早没有计算机，后来有了，但是计算能力很有限---这是统计得以 ...

JMP更偏向于应用层面，有着友好的界面。R和SAS都是侧重于专业领域的编程定制。R,S在高校中应用较多，因为应用他们的都是专业的统计师，其开源也能节省一部分经费。但SAS在国内高校，SAS的收费价格，让我垂涎，却不知道用户还是那么少的原因是什么？

skyfree

Data 发表于 2014-2-20 11:27
如果有商业公司愿意投资R，将R商业化，给予足够的验证、打包、推广，或许情形会不一样。
微软，SAP，oracl ...

嗯，R的package应用很多，但是使用起来特别慎重，因为多数没有经过验证。需要自己去辨别。
R为开源软件，商业化只能像redhat一样制作发行版，还要投入大量人力物力去验证，维护，和LINUX不同，除了IT技术，还要有统计技术的牛人才行，这可能也是他们权衡利弊的一个原因吧。

Data

skyfree 发表于 2014-2-20 17:23
JMP更偏向于应用层面，有着友好的界面。R和SAS都是侧重于专业领域的编程定制。R,S在高校中应用较多，因为 ...

SAS在高校的用户很多的....不过没有对比过，不知道和R相比到底哪个更多。
SAS无法被普及的一个致命缺点是难学难用。我想这或许是JMP诞生的部分原因吧。