发布时间：2022-03-07 21:49:06
序言：写作是分享个人见解和探索未知领域的桥梁，我们为您精选了8篇的广告数据分析报告样本，期待这些样本能够为您提供丰富的参考和启发，请尽情阅读。
一、市场营销模拟实验教学中存在的问题
1.重策略执行而轻战略制定，企业整体运作意识不强
战略是企业发展的长期性、全局性指导思想，策略则是战略的具体化。从决策逻辑上来说，企业必须先确定营销战略，然后再根据战略制定策略。具体在营销模拟实验中，学生先要进行SWOT分析，明确企业的优势、劣势、机会和威胁;然后进行STP分析，把握各细分市场之间的差异性，明确公司的目标市场，确定产品的市场定位;之后再制定公司的具体发展目标，如市场占有率目标、销售额目标、利润目标，这些内容基本都属于公司战略决策的范畴，对企业后阶段的策略制定起着方向性的指导作用。但在实验操作实际中，很多学生对战略分析不够重视，把大部分时间和精力都放在了策略制定与执行上，热衷于进行新产品的开发、新品牌的推出、价格的制定与调整、渠道的选择、广告促销等，至于为何要这样去制定和执行，以后要怎样去制定和执行，则缺少全盘考虑。实际上，由于学生前期的战略分析不全面，战略目标不明确，很多策略的针对性和实用性不强，甚至有些策略就凭主观感觉或估计来确定。
2.决策过程不严谨，数据分析能力弱
由于市场环境越来越复杂，决策风险越来越大，企业的决策日趋客观严谨，决策中越来越重视数据的支撑作用。数据是市场的真实反映，揭示了事物发展的客观规律，本身就是决策的重要参考，培养学生的数据分析能力和严谨思维也是营销模拟实验教学的一个重要目标。市场模拟营销实验中包含大量的数据，比如销售量、销售额、增长率、利润额、利润率、生产成本、投资收益率、知名度、股价等等，另外还有许多图表，如折线图、饼形图、柱状图及矩阵图等，每一次营销计划执行后，这些数据或图表就会发生相应的变化。这些数据中蕴含着丰富的市场信息，非常值得我们去挖掘，但这些数据或图表并没有被学生很好地利用，学生对数据的敏感度不够，不擅长去分析其中包含的信息，对它们的认识有些表面化，往往是在进行简单的了解后便很快制定出营销策略，决策过程欠严谨。
二、市场营销模拟实验教学的优化对策
1.科学分组，确保竞争公平
为使每一位同学都能始终保持实验兴趣，也为了保证小组竞争的公平，教师在实验开始前必须对全班进行科学分组。分组时要考虑以下几点:首先要确定每组的人数，每组人数不宜过多，太多了影响决策效率，还可能导致人浮于事，一般三人一组比较好，团队比较精干，也便于协商或讨论;然后要确定小组成员选择标准，每一小组至少要有一位专业能力相对突出的同学，以保证决策过程的专业性和合理性，并带动其他同学积极参与。确定组队标准后，学生可以先行组合，然后把组队名单交给老师，老师根据实际情况对各组成员进行适当调整，尽量使各组的实力保持相对平衡。
2.突出战略决策，做好市场分析与战略定位
企业的决策需要有战略思维，要预先做好市场及产品的规划，在此基础上再制定出不同阶段的营销策略。为此企业需要对营销环境做出全面细致的分析，了解企业的优势、劣势、机会和威胁，并在市场细分的基础上做出目标市场的选择，确定产品在目标市场的定位，最终形成成熟的营销方案。这种战略分析能力体现出了学生的宏观视野和逻辑思维，但往往也是很多学生的弱项，需要教师在实验环节中予以特别重视，通过一系列强化训练来培养。比如要求学生在每次实验中必须提交两份战略分析报告，一份是SWOT分析报告，一份是STP报告，报告中必须对营销环境、战略定位、营销目标做出详细分析和具体明确，并阐述原因和依据，在分析报告没有提交之前，不能进入下一个实验环节。在每一年度的营销实验结束后，教师还要对全班所有同学的分析报告进行评比，将评比结果作为期末成绩的参考。通过这种硬性规定，让学生重视战略分析，逐步提高从全局把握问题的能力。
3.强化数据分析，做到严谨决策
数据分析能反映一个人看待问题的深度以及思维的严谨性，但对于很多学生来说，由于营销分析工具掌握不牢固，对数据分析的方法比较生疏，难以从多个数据中发现事物之间的内在联系或规律，更多是根据主观感觉或个人经验，再结合一些表面的数据来制定营销对策，决策过程存在某种随意性。为改变这一不良决策习惯，教师在实验中必须强调一点，就是所有的决策必须有数据支撑，必须有数据分析，用数字说话。这并非提倡决策的数据主义，只是强调严谨决策的重要，这种训练对学生以后的行为习惯和逻辑思维将产生积极影响，让学生更理性地看待问题和解决问题。以营销模拟实验中的广告投放决策为例，就要求学生先了解企业本年度的营销预算、广告的目标、媒体的成本、媒体的传播效应、企业目前的知名度等数据，然后对这些数据进行科学计算，得出广告投放的时间、次数和费用，而不能凭估计随意给定一个数字。
引言
大数据在通信行业的资源十分丰富，但是怎样才能对这些数据进行深层次的去挖掘，把在各个系统中分散的数据整合起来，形成有用的数据，十分复杂且非常困难，本文选取了几个方面的数据进行了简单的介绍，一起来研究下大数据在通信行业的应用。
一、通信行业大数据概述
近两年来，大数据的概念受到了各界的热捧，一时间大数据无处不在，而且随着数据量的迅速膨胀，它正在决定着企业的未来发展，在商业、经济及其它领域，越来越多的决策都是在大数据的基础上做出的，而不再是传统的依靠经验以及直觉来进行重大决策的做出。大数据主要是指没有办法在可承受的时间范围内，通过常见的软件对其进行收集并管理再到处理的数据集合，是需要通过新型的处理模式才可以做出更强的决策力、洞察发现力以及流程优化能力的大量且高增长率并且多样化的信息资源。大数据有以下几个方面的特征：首先，数据体量十分大。由TB到FB;其次，类型复杂。比如说：网络日志以及视频、地理位置等等相关的信息等。第三，速度非常快，能够快速的从不同类型的信息当中筛选出有用的信息。最后，高回报。对数据进行合理的搜集、利用和分析，能够获得很高价值的回报。业界将其归纳为4个“V”——Volume(数据体量大)、Variety(数据类型繁多)、Velocity(处理速度快)、Value(价值密度低)。大数据的来源主要包含泛互联网(物联网、移动互联网、车联网等)、工业互联网(大量传感器等)、行业/企业信息系统、社交网络(Facebook、微信等)。
通信行业发展至今积累的数据非常丰富，从2G、3G到4G数据的不断升级，从话音、话单数据发展到GPRS上网的日志数据，从视频、音乐、阅读等不同业务所需要的数据到各类通信的行业数据等等各类数据，从数据量、数据质量等方面提供各类大数据资产。
二、通信行业大数据的分析方法
对于大数据进行分析的方法对大数据来说是十分重要的，它能够最终决定信息是否具有价值。进行大数据分析的方法及步骤如下：(1)确定目标。在进行数据采集前，需要业务部门根据科学的手段制定获取价值数据的目标，通常需要进行大量的数据收集和分析，制定一个可以衡量的方式，由数据来分析业务发展的方向是否正确。在进行数据分析的过程当中，关键权值或者性能的指标一定要尽量早点发现。(2)对业务方式的确定。不断的该表业务方式，将关键指标提升并且最终达到业务所要完成的目的，在项目中，要尽早的将目标确定，以此来规避无用功的出现。(3)搜集数据。通过各种不同的渠道，搜集到各种类型的数据，找到更具有相关性的数据，塑造更完善的模型。(4)数据清洗。对采集的原始数据进行数据校验、数据清洗、数据关联、转换处理等，形成目标文件和汇总数据，为数据分析提供数据基础。(5)数据建模。数据建模是数据业务分析的关键所在，需要利用统计学、机器学习等知识，结合业务实现目标，构建科学、精确的模型。(6)优化和重复。为了保证预测数据的准确，业务达到预定的目标，要对模型进行重复的修正和迭代。由于数据量非常庞大，因此在进行大数据分析时需要更高效的分析手段和工具，目前比较流行的包括Hadoop、SparkStreaming、Storm、MPPDB等。
三、通信行业数据分析及应用
1.改变营销方式
一是，实现精确营销，将销售和客户的位置、关系网络有效结合起来，开展实时销售。对客户的通信行为、位置、偏好、终端等数据进行整理，根据客户的实际情况准确地推送合适的业务产品。二是，降低客户流失率。综合分析社交媒体数据、交易数据，对客户流失率实现准确预测，进而可以制定有针对性的控制措施以有效地保留客户。三是，挖掘客户需求。主要是对各项业务系统的详单、日志、用户内容等数据信息进行整理，详细分析不同类型用户的特性，以更好的了解客户的需求，进而可以实现客户需求定位，有利于增强客户满意度，提高市场占有率。
2.改善客户体验
通过利用数据分析，可以更好地收集和分析客户投诉的行为、网络质量的相关数据、客户上网的时间以及聚集区域等相关的数据信息。通过对搜集到的数据进行分析总结的结果，运营商就可以对客户的情况有一个准确的了解，之后根据客户的需求不断的优化流程。在此基础上，运营商可以更好地制定销售政策，并针对有可能发生投诉的行为进行预防和控制，以更好的实现客户体验。
3.开发和销售新的产品
一是，运营商能够利用打包销售数据或者是报告的方式来给银行或者零售商、政府和OTT服务提供商提供客户信用查询服务、客户分析报告、目标客户群行为轨迹分析等。
二是，定向广告，通过对客户的相关信息进行不断分析，根据目标客户的资料以及位置和消费习惯从而能够更加有效地去投放相关的广告。
三是，充分利用手机的高覆盖率，和移动网络相结合，对手机用户的分布以及相关的行为属性做出相应的统计分析，为政府以及旅游管理等有关部门提供一个标准化的基于位置的移动用户多维度的统计信息管理平台。四是，对于客户的消费行为、位置信息、偏好等数据进行分析，对客户进行分类和整理，以更好的获得目标客户，对经过商户附近的目标客户自动下发优惠券。
4.对通信网络进行优化
通过开展大数据分析可以促进通信网络的优化，进一步完善通信网络监控体系，实现对整个通信系统的良好监控。通信网络中的各个环节都会产生大量的数据，例如通信设备、终端、用户和网络等环节的数据信息，在对这些数据进行整理以及分析的基础上，能够对网络运行的状况有一个很好的掌握，从中分析网络中的问题和不足，并采取有针对性的解决措施。
四、结束语
综上所述，随着大数据的不断渗入到人们的生活和工作当中，怎样更多的去获取有价值的信息，对其充分的利用，是大数据的一个核心所在。大数据是一个蕴含无限机会的宝藏，海量的数据就是财富。
电信运营商拥有多年的数据积累，拥有诸如财务收入、业务发展量等结构化数据，也会涉及到图片、文本、音频、视频等非结构化数据。从数据来源看，电信运营商的数据来自于涉及移动语音、固定电话、固网接入和无线上网等所有业务，也会涉及公众客户、政企客户和家庭客户，同时也会收集到实体渠道、电子渠道、直销渠道等所有类型渠道的接触信息。整体来看，电信运营商大数据发展仍处在探索阶段。
大数据在电信行业应用的总体情况
目前国内运营商运用大数据主要有五方面：(1)网络管理和优化，包括基础设施建设优化和网络运营管理和优化；(2)市场与精准营销，包括客户画像、关系链研究、精准营销、实时营销和个性化推荐；(3)客户关系管理，包括客服中心优化和客户生命周期管理；(4)企业运营管理，包括业务运营监控和经营分析；(5)数据商业化指数据对外商业化，单独盈利。
第一方面：网络管理和优化。此方向包括对基础设施建设的优化和网络运营管理及优化。
(1)基础设施建设的优化。如利用大数据实现基站和热点的选址以及资源的分配。运营商可以通过分析话单和信令中用户的流量在时间周期和位置特征方面的分布，对2G、3G的高流量区域设计4G基站和WLAN热点；同时，运营商还可以对建立评估模型对已有基站的效率和成本进行评估，发现基站建设的资源浪费问题，如某些地区为了完成基站建设指标将基站建设在人际罕至的地方等。
(2)网络运营管理及优化。在网络运营层面，运营商可以通过大数据分析网络的流量、流向变化趋势，及时调整资源配置，同时还可以分析网络日志，进行全网络优化，不断提升网络质量和网络利用率。
利用大数据技术实时采集处理网络信令数据，监控网络状况，识别价值小区和业务热点小区，更精准的指导网络优化，实现网络、应用和用户的智能指配。由于用户群的不同，不同小区对运营商的贡献也不同。运营商可以将小区的数据进行多维度数据综合分析，通过对小区VIP用户分布，收入分布，及相关的分布模型得到不同小区的价值，再和网络质量分析结合起来，两者叠加一起，就有可能发现某个小区价值高，但是网络覆盖需要进一步提升，进而先设定网络优化的优先级，提高投资效率。
德国电信建立预测城市里面的各区域无线资源占用模型，根据预测结果，灵活的提前配置无线资源，如在白天给CBD地区多分配无线资源，在晚上，则给酒吧地区多分配无线资源，使得无线网络的运行效率和利用率更高。
法国电信通过分析发现某段网络上的掉话率持续过高，借助大数据手段诊断出通话中断产生的原因是网络负荷过重造成，并根据分析结果优化网络布局，为客户提供了更好的体验，获得了更多的客户以及业务增长；
第二方面，市场与精准营销。此方向包括客户画像、关系链研究、精准营销、实时营销和个性化推荐。
(1)客户画像。运营商可以基于客户终端信息、位置信息、通话行为、手机上网行为轨迹等丰富的数据，为每个客户打上人口统计学特征、消费行为、上网行为和兴趣爱好标签，并借助数据挖掘技术(如分类、聚类、RFM等)进行客户分群，完善客户的360度画像，帮助运营商深入了解客户行为偏好和需求特征。
(2)关系链研究。运营商可以通过分析客户通讯录、通话行为、网络社交行以及客户资料等数据，开展交往圈分析。尤其是利用各种联系记录形成社交网络来丰富对用户的洞察，并进一步利用图挖掘的方法来发现各种圈子，发现圈子中的关键人员，以及识别家庭和政企客户；或者分析社交圈子寻找营销机会。如在一个行为同质化圈子里面，如果这个圈子大多数为高流量用户，并在这个圈子中发现异网的用户，我们可以推测该用户也是高流量的情况，便可以通过营销的活动把异网高流量的用户引导到自己的网络上，对其推广4G套餐，提升营销转化率。总之，我们可以利用社交圈子提高营销效率，改进服务，低成本扩大产品的影响力。
(3)精准营销和实时营销。运营商在客户画像的基础上对客户特征的深入理解，建立客户与业务、资费套餐、终端类型、在用网络的精准匹配，并在在推送渠道、推送时机、推送方式上满足客户的需求，实现精准营销。如我们可以利用大数据分析用户的终端偏好和消费能力，预测用户的换机时间尤其是合约机到期时间，并捕捉用户最近的特征事件，从而预测用户购买终端的真正需求，通过短信、呼叫中心、营业厅等多种渠道推送相关的营销信息到用户手中。
(4)个性化推荐。利用客户画像信息、客户终端信息、客户行为习惯偏好等，运营商可以为客户提供定制化的服务，优化产品、流量套餐和定价机制，实现个性化营销和服务，提升客户体验与感知；或者在应用商城实现个性化推荐，在电商平台实现个性化推荐，在社交网络推荐感兴趣的好友。
第三方面，客户关系管理。此方面包括客服中心优化和客户生命周期管理。
(1)客服中心优化。客服中心是运营商和客户接触较为频繁的通道，因此客服中心拥有大量的客户呼叫行为和需求数据。我们可以利用大数据技术可以深入分析客服热线呼入客户的行为特征、选择路径、等候时长，并关联客户历史接触信息、客户套餐消费情况、客户人口统计学特征、客户机型等数据，建立客服热线智能路径模型，预测下次客户呼入的需求、投诉风险以及相应的路径和节点，这样便可缩短客服呼入处理时间，识别投诉风险，有助于提升客服满意度；另外，也可以通过语义分析，对客服热线的问题进行分类，识别热点问题和客户情绪，对于发生量较大且严重的问题，要及时预警相关部门进行优化。
(2)客户关怀与客户生命周期管理。客户生命周期管理包括新客户获取、客户成长、客户成熟、客户衰退和客户离开等五个阶段的管理。在客户获取阶段，我们可以通过算法挖掘和发现高潜客户；在客户成长阶段，通过关联规则等算法进行交叉销售，提升客户人均消费额；在客户成熟期，可以通过大数据方法进行客户分群(RFM、聚类等)并进行精准推荐，同时对不同客户实时忠诚计划；在客户衰退期，需要进行流失预警，提前发现高流失风险客户，并作相应的客户关怀；在客户离开阶段，我们可以通过大数据挖掘高潜回流客户。国内外运营商在客户生命周期管理方面应用的案例都比较多。如SK电讯新成立一家公司SK Planet，专门处理与大数据相关的业务，通过分析用户的使用行为，在用户做出离开决定之前，推出符合用户兴趣的业务，防止用户流失；而T-Mobile通过集成数据综合分析客户流失的原因，在一个季度内将流失率减半。
第四方面，企业运营管理。可以分为业务运营监控和经营分析。
(1)业务运营监控分可以基于大数据分析从网络、业务、用户和业务量、业务质量、终端等多个维度为运营商监控管道和客户运营情况。构建灵活可定制的指标模块，构建QoE/KQI/KPI等指标体系，以及异动智能监控体系，从宏观到微观全方位快速准确地掌控运营及异动原因。
(2)经营分析和市场监测。我们可以通过数据分析对业务和市场经营状况进行总结和分析，主要分为经营日报、周报、月报、季报以及专题分析等。过去，这些报告都是分析师来撰写。在大数据时代，这些经营报告和专题分析报告均可以自动化生成网页或者APP形式，通过机器来完成。数据来源则是企业内部的业务和用户数据，以及通过大数据手段采集的外部社交网络数据、技术和市场数据。分析师转变为报告产品经理，制定报告框架、分析和统计维度，剩下的工作交给机器来完成。
第五方面，数据商业化。数据商业化指通过企业自身拥有的大数据资产进行对外商业化，获取收益。国内外运营商的数据商业化都处于探索阶段，但相对来说，国外运营商在这方面发展的更快一些。
(1)对外提供营销洞察和精准广告投放。
营销洞察：美国电信运营商Verizon成立了精准营销部门Precision Marketing Division。该部门提供精准营销洞察(Precision Market Insights)，提供商业数据分析服务。如在美国，棒球和篮球比赛是商家最为看中的营销场合，此前在超级碗和NBA的比赛中，Verizon针对观众的来源地进行了精确数据分析，球队得以了解观众对赞助商的喜好等；美国电信运营商Sprint则利用大数据为行业客户提供消费者和市场洞察，包括人口特征、行为特征以及季节性分析等方面。
精准广告投放：Verizon的精准营销部门基于营销洞察还提供精准广告投放服务；AT&T提供Alert业务，当用户距离商家很近时，就有可能收到该商家提供的折扣很大的电子优惠券。
(2)基于大数据监测和决策支撑服务。
客流和选址：西班牙电信于2012年10月成立了动态洞察部门DynamicInsights开展大数据业务，为客户提供数据分析打包服务。该部门与市场研究机构GFK进行合作，在英国、巴西推出了首款产品名为智慧足迹(Smart Steps)。智慧足迹基于完全匿名和聚合的移动网络数据，帮助零售商分析顾客来源和各商铺、展位的人流情况以及消费者特征和消费能力，并将洞察结果面向政企客户提供客流分析和零售店选址服务。
1课程性质
本课程是云南经济管理学院商学院为经济管理、商务管理、国际经济与贸易、市场营销、药品经营与管理专业学生开设的一门专业基础课。本课程开设的目的就是通过市场调查与预测的学习，使学生对市场调查与预测的基本理论和方法有一个大致的了解。本门课程的主要内容有市场的调查的方式和步骤、市场普查、重点调查、典型调查、抽样调查、市场观察调查法、询问法、文案调查法、实验调查法等；市场的预测方法主要有专家预测法、德尔非法、头脑风暴、时间序列、相关回归分析等。
2改革思路
2.1课程改革的目的在本门课程的教学中，要求学生能较好地完成调查方案设计、问卷设计、调查分析报告撰写、预测分析报告撰写等模拟训练项目；切实提高了学生市场调查设计能力，数据处理与分析能力，调查报告和预测报告的写作能力，达到了课程教学目标的需求。教学的效果要求主要体现在以下几个方面：
2.1.1培养高学生的解决实际市场调研方案撰写和问卷设计的能力，绝大部分学生都能设计出较好的市场调查方案和调查问卷。
2.1.2培养学生数据获取、数据处理、数据分析与建模能力。
2.1.3培养学生的市场调查分析报告和预测分析报告的写作能力。
2.1.4培养学生的统计软件的使用能力。让大部分学生都能利用Excel、SPSS等统计软件进行数据处理、生成统计图表，建立预测分析模型。
2.1.5巩固了学生所学的其他专业知识。比较好地解决了知识转化为能力的问题，相关专业学科知识走向整合，最终形成良好的专业技术技能。
2.1.6通过本门课程的教学改革，让学生毕业以后能够真正的学会运用本门课程相关知识来解决工作中的实际问题。
2.2课程改革的必要性市场调查与预测课程教学改革的必要性主要体现在以下几个方面：
2.2.1学院办学指导思想的要求该院定位于“职业教育院校”、“培养应用型专业人才”等办学指导思想，为《市场调查与预测》课程建设和改革提供了导向。我们认为作为商学院的经济管理、商务管理、市场营销等专业的学生应具备较强的市场调研和市场预测能力，才能体现商学院培养应用型专业人才的内在要求。为此，市场调查与预测确立强化案例与项目驱动教学法，着力培养学生的市场调研和市场预测的意识，符合学院的办学指导思想和定位的要求。
2.2.2课程性质的要求《市场调查与预测》是在《管理学》、《经济数学》、《市场营销学》等课程基础上开设的。因此，市场调查与预测单纯讲授市场调查的理论和方法，势必与其他相关学科在教学内容上造成很大程度上的重复，达不到培养应用型人才的教学要求。因此，市场调查与预测课程需要从应用的角度组织教学，重视实践性教学。
2.2.3教学实训、实践提供的启示过去我们在市场调查与预测课程教学中，存在着重理论、轻实践的教学倾向，导致学生在学习本门课程后，仍然不会设计市场调查方案和问卷，不会数据的获取、处理和分析，写不出符合要求的市场调查报告和市场预测报告。后来，我们尝试采用案例与模拟教学法，学生的市场调研和市场预测能力有了较大的提高。因此，市场调查与预测只有确立“强化案例与教学模拟、动手实践”的教学法，才能使本课程建设和改革具有特色。
3课程教学改革的路径
根据近几年的教学实践来看，我们从教学目标、教学内容、教学模式、教学方法手段、考核考试方式、实训实践教学课等方面展开教学改革。
3.1改革课程教学目标我们认为作为商学院的经济管理、商务管理、市场营销等专业的学生，通过本课程的学习，除了应掌握市场调查和市场预测的基本理论和基本方法外，应重点获得五种能力：市场信息（数据）获取、处理与分析能力；调查方案与问卷设计能力；调查分析报告所撰写能力；市场预测分析与建模应用能力；市场预测报告撰写能力。因此，本课程的教学目标应从过去以传授知识为主向知识传授与能力培养相结合、强化能力培养的方向改革。
3.2改革教学内容根据作为商学院的经济管理、商务管理、市场营销等专业特点和培养应用性能力原则，我们增加了市场环境研究、市场供求研究、销售潜力研究、消费者市场研究、顾客满意度研究、生产者市场研究、销售潜力研究、产品市场研究、产品销售市场分析、产品品牌研究、广告研究等市场调研内容的教学。同时增加统计软件在数据处理和分析的应用等等。
3.3改革课程教学模式《市场调查与预测》课程教学模式，是以市场调研和预测能力培养为教学目标，以教学内容更新和优化为基础，以案例和模拟训练为实践教学平台，以案例和项目分析为教学手段。
3.4改革教学方法手段主要采用能力培养为导向的课程教学方法手段。总体思路是将案例教学法、项目试验教学法、计算机软件辅助教学法、模拟教学法引入教学中。
3.5改革考试方式传统的闭卷考试以基本理论、基本知识和基本方法测试为主，难以测试学生的综合应用能力。本课程的教学目标在于提高学生的调查方案和问卷设计能力，数据处理与分析能力，调查报告与预测分析报告的写作能力。为了适应本课程教学目标的要求，我们采用综合性测评的考核方式。
3.6改革实训、实践教学模式本着提高学生市场调研和市场预测能力，实现教学目标的要求，构建了包括课程设计、计算机软件应用、案例教学、课外实践教学等方式相结合的实训、实践教学体系式。
4教学内容、教学模式，考核考试方式、实训，实践改革操作初步设计
4.1教学内容、教学模式初步设计根据作为商学院的经济管理、商务管理、市场营销等专业特点和培养应用性能力原则，我们将教学体系分为市场调查和市场预测两部分考虑，再分别从理论和实践部分进行设计。
4.1.1市场调查部分①市场相关概念、市场类型等相关教学内容介绍。②市场调查的主要内容指标介绍讨论。主要内容包括市场环境（宏观、中观、微观）、市场供求、销售潜力、消费者市场、顾客满意度、生产者市场、销售潜力、产品市场、产品销售市场分析、产品品牌、广告等市场调研内容的指标体系提示讨论。③市场调查方案、方式方法介绍。主要内容包括市场调研方案的设计，市场普查、重点调查、典型调查、抽样调查等，文案调研法、观察调研法、询问调研法、实验调研法，还增加网络调研法。④数据收集与整理理论教学，回顾统计基础计算知识，EXCEL、SPSS软件简单常见功能介绍。⑤实践教学部分设计初步。在第一堂课的时候，就将学生按自由组合的方式，以6～8人为一组，成立“模拟调查公司”，并让学生为自己的公司取一个名称，确定公司总经理及内部人员分工。在成立公司之后，告诉他们，先学理论知识，在学完市场调查的相关知识后将让他们以模拟公司为单位，开展一次真实的市场调查活动，并且每个公司要完成一份调查报告，还要在课堂上来介绍分享自己的调查过程和调查结果。期望让学生以这种特有的身份投入到学习中来，以提高他们的学习兴趣，并且通过实际体验，更好地理解和掌握理论知识，也希望真实的调查活动能激发他们认真学习的兴趣。在调查过程中主要让学生体验几种调查方法：文案调研法、观察调研法和询问调研法。让学生根据本组确定项目设计调研过程。过程中将涉及调查方案策划、调研方法、时间安排、资料整理与分析、调查报告撰写等一系列环节。通过真实的调查活动不仅能加深学生对理论知识的理解。还能在活动中提高他们的团队合作能力、人际交往能力、思考问题和解决问题的能力以及口头表达能力。课堂情景模拟。观察调研法、询问调研法两种方法可采用课堂模拟教学。数据的收集与整理。对调查部分的数据进行处理，包括图表在EXCEL、SPSS等软件中的制作。提出调查报告，进行PPT概述介绍。
4.1.2市场预测部分①预测理论学习。包括预测相关概念、类型，对于我们学院学生主要从定型预测方法的学习讨论和定量的时间序列、相关回归预测、抽样调研的基本估计进行教学。②实践教学。观看头脑风暴的视频，看后确定学生关注热点话题进行模拟头脑风暴，让学生切实了解头脑风暴的相关概念、操作步骤、实际应用的意义。引入上机实训，提高学生利用计算机处理数据的能力。笔者设想在讲授市场预测的内容时引入上机实训。根据一些简单数据预测未来的数据走势，设计简单模型。
4.2考核考试方式初步设计
《市场调查与预测》考试改革先采用班级试点的形式开展，实际操作成熟后进行推广至全部班级。主要采用能力测试为导向的考试方式。改革方案的总体思路是成绩分两个学期进行评定，最后合成本课程的成绩，最后按比例与平时成绩合成总成绩，分段测试的内容如下：
4.2.1第一学期,创业计划书撰写大赛阶段根据问卷设计、创业计划书市场调查问卷设计及实际调研报告撰写情况进行能力评估。由班级内部对市场调查与预测部分撰写情况进行评定，分5等级进行，即优、良、中、及格、不及格，其中，90分（优秀）以上按10%的比例进行，80～90分（良好）按20%的比例进行，其他不限比例。
4.2.2第二学期,市场调查校外实践阶段调研方案再加工，校外调查效果，调查报告再加工能力评估。成绩评定应根据调查方案和调查问卷设计、调查数据分析与报告写作测试、市场预测分析与报告写作测试的质量、篇幅大小、观点（结论）是否正确，分析方法是否科学，内容是否完整、要素是否齐备等评定成绩。以上各阶段以100分为满分，按完成情况，由教师和学生组成考评小组进行审核打分。
4.2.3平时成绩，主要用到课率来衡量。平时表现不及格者，期末成绩不予认定，作缺考处理。总评成绩=第一学期创业大赛成绩、第二学期评定成绩均值×70%+平时成绩×30%
5市场调查与预测课程的改革效果
市场信息（数据）获取、处理与分析能力；调查方案与问卷设计能力；调查分析报告所撰写能力；市场预测分析与建模应用能力；市场预测报告撰写能力。学生应用能力和综合素质得到了明显提高，也培养了学生的团队精神，锻炼了学生获取相关市场、产品等方面信息的能力，口语表达能力、发现问题、分析问题、解决问题的能力。
5.1课程改革效果
5.1.1提高学生获取数据、处理数据、分析数据与建模的能力。
5.1.2提高学生软件使用能力，特别是Excel的统计功能，大部分学生能利用Excel进行数据处理、生成统计图表，建立简单的预测分析模型；部分学生对SPSS软件应用能力也有一定的提高。
5.1.3提高学生市场调查方案撰写和调查问卷设计的能力，大部分学生能设计出较好的市场调查方案和调查问卷，解决实际工作中遇到的难题。
5.1.4提高学生市场调查分析报告、预测分析报告的写作能力，大部分学生基本掌握了调查分析报告、预测分析报告的写作过程、技巧、方法和要求。
5.1.5巩固了学生所学的其他专业知识，较好地解决了知识转化为能力的问题，通过市场调查、预测模拟等实践，真正整合了《管理学》、《统计学》、《市场营销》等学科知识。
5.1.6通过教学改革，我们正在将《市场调查与预测》申报为云南省精品课程。2012年由王召宝完成本校商学院辅导员工作情况调查报告、学生参与完成本校商学院班级管理情况调查报告，成果提交学校相关领导，为学院学生管理工作提供决策依据，本年度商学院被授予“平安学院”；经过本门课程的实践，对学生参加创业大赛起到一定的帮助，据学校相关就业统计数据，参与省级、国家级“挑战杯”创业计划大赛等竞赛的获奖大学生就业率100%；2013年参加云南省“高等职业院校技能大赛”高职组市场调查分析比赛（主办方未公布最终结果）；2014年荣获海峡两岸市场调查大赛一等奖。另外，由于该院学生数学基础较差，学生很难通过笔算掌握本门课程预测定量计算题，经过考核方式改革，改变了过去出卷考试计算题空档而导致分数不高的尴尬局面。
5.2课程改革小结与不足
在XX年上半年，从总体来讲，日常的数据采集依然占据了很大的比重。在数据录入方面，我依然严格要求自己，在保证速度的同时做到准确录入。在上半年，我参与了第一季度数据报告以及5月份月报的撰写，虽然是常规数据报告，我依然不敢松懈，尽力做到一遍通过，不犯低级错误。
另外，在日常工作之余，也向周*学习了专刊考核方面的工作。考核工作对我来说并不陌生，因为以前曾经也接触过，考核规则简化之后，上手更加容易。主要是做到耐心细致就不会出错。
那么，本年度除日常工作外，应中心领导要求，每日由广告部渠道组提供当日未到达名单，由李*和我轮流在系统中查询最后一次投放本报的时间。广告部渠道组提供名单并不细致，加大了查询工作的难度，希望日后通过有效的交流和沟通，双方可以达成统一，提高工作效率。
二、调研项目
人才招聘行业调研报告：年初，在报社领导的指示下，我和祁*共同完成了人才招聘行业的专项调研报告。本次报告通过对全国人才招聘行业的仔细研究，包括全国媒体人才招聘广告投放情况与沈阳地区媒体投放对比分析，沈阳地区自身招聘行业的特点以及报纸、网络、人才市场等多个方面的深入分析，在金融危机的影响下，对XX年招聘行业情况做出了有预见性的预测，并验证了领导的想法。通过撰写此次报告，使我的思路更加开阔，学到了很多东西，也掌握了一些撰写专项分析报告的技巧，对我日后撰写某个行业的专项报告有一定的帮助。在这里感谢主任对我和祁*的信任和指导。
**电器调研项目：4月份，在领导的指示下，我们与**电器一起合作了一次关于家电行业的调研活动。本次调研方式为街头拦访。关于问卷，个人认为，由于街头拦访形式比较特殊，被访者是在行走过程中，问卷题目应该尽量短小简单。本次问卷题目一共26道题目，包括单选、多选以及复合题目，a4纸打印需要三张。在访问过程中，感觉有些繁琐冗长。被访者大多觉得题目较多，一张问卷访问下来，大约需要10分钟的时间。就日后的调研来看，个人认为，街头拦访问卷一般题目在10-20个问题，a4纸打印2张，访问时间控制在5-8分钟左右为宜。过长会导致被访者的厌烦情绪，在问卷的最后容易随便糊弄了事，影响调研的准确性。虽然调研中有这样和那样的困难，但经过全体项目人员的努力，本次调研项目执行到位，保质保量的完成了任务，达到预期要求。
版面监测调研：4月份，与**市场研究公司合作开展了“XX年第一期版面监测调研项目”。针对项目执行过程中的各个环节严格把关，务求使版面调研数据的真实准确。并在6月初召开了报告讲解会。本次报告在原有基础上增加了定性研究与版面的直观对比，对各部们领导解读报告起到一定的作用。
客户满意度调研：6月末，在集团要求下，和祁*一起完成了《XX年上资:料;来/源,于gzu521学:习;网 gzu521.com半年客户满意度调研报告》，为经营工作考核提供了一定的数据依据。
发行调研：在XX年初，发行调研已经全部由市场部独立进行，每月进行一周。虽然人员有限，但市场部人员尽出，保证了发行调研的按期进行。就发行调研本身来说，个人认为，由于选择摊点过少，每期报告不免单调重复，在XX年下半年应当改进调研方式，不再单纯进行要报销报的数量，要在原有基础上有计划的进行较为深入的调研。这样可以使得发行调研更加具有指导意义。
三、活动配合与外出培训
在上半年，市场部配合房产专刊部进行了“购房消费卷”活动，在活动结束之后，为领导撰写了《春暖花开购房消费卷报告》，报告以漫画等幽默的方式展示了华商晨报“购房消费卷活动”，并对其他媒体在房产行业方面的政策以及地产商投放广告心态进行了分析，得到了领导的认可。
另外，在5月末，在中心领导的指示下，深入研究了**活动，在查阅了大量资料，并在部门主任的指导下，撰写了《****》活动策划报告。通过此次报告的撰写，让我自己所从事的工作的认识更加深刻，了解到自己的工作思路要依据数据而不局限于数据。作为市场部的一员，我要更加鞭策自己，拓展自己的思路与眼界，放眼市场放眼全局。
在5月，我有幸赴北京参加了 “市场研究基础知识培训”。本次培训主要是数据基础分析与处理，在介绍了我们日常工作常用软件execl的同时，讲解了专业的数据统计软件spss的基础操作。这次学习机会对我来说相当珍贵，而这次培训也对我日后的工作有了很大的帮助，希望在接下来慧聪所举办的一系列培训中依然可以去学习参加，提高自己的分析水平，业务能力。
四、展望
随着信息技术的发展以及计算机的数据存储和处理能力的提升，数据分析技术的应用领域逐渐拓展，各种技术也日趋成熟。目前，在数据挖掘分析技术上已经形成了较为完备的体系，在大多数行业的业务数据分析领域已经形成了固定的技术模式。
1数据源准备
数据源是数据分析技术应用的重要前提，数据来源关系到各种业务分析所需要的数据是否齐全、原始数据质量是否可靠、数据提供的性能方面是否满足相关要求等。对于不同的行业领域，数据来源的渠道各不相同，对于数据分析应用而言，也需要在众多的数据中选取合适的部分进行后续加工和处理。对于大多数信息化技术应用比较广泛的企业而言，主要的业务运营数据源都可以从自身的信息管理系统中取得，如业务支撑系统、企业资源规划和管理系统以及流水线作业信息管理系统等。有部分数据信息是从非常专业的系统中直接采集到的，如专业调度系统、电话交换机以及生产线控制系统等。从这些系统中，可以取得企业运营过程中的基础信息和关键数据，这些数据通常是最能真实客观地反映企业运行情况。此外，数据获取的成本也比较低，稳定性和质量比较好，并且易于管理和重构。然而，就经营分析的角度而言，从企业内部提供的数据还不能满足全方位分析的需要，需要从企业外部获取必要的信息。比如为了深入了解客户的信息，就需要进行相应的市场调研工作，设计一些调查问卷，搜集与业务开展和经营相关的重要信息。另外，在某些特定的场合下，还有可能还需要从其它一些外部渠道去集中获得一些有关客户和市场的数据信息，目前有不少机构专门从事市场信息数据提供的服务工作。从企业外部获得的业务数据往往是针对性较强，有较高利用价值的信息。但这些信息的真实性、稳定性程度就比内部的数据源要低，并且数据获得的成本相对比较高。
2数据仓库技术的应用
目前，数据仓库技术对于大多数经营业务数据分析任务而言，是必备的基础条件之一，尤其是对于规模较大、业务开展较广泛的企业。由于日常运营涉及到的数据来源和种类较多、数据量较大，在进行数据分析处理时需要对原始的信息进行大量的加工处理工作，因此数据仓库技术的应用就是必然的选择。应用数据仓库技术的主要目的是将原始的数据源按相应的要求进行转换并按专门设计的数据结构进行存储。数据仓库技术对原始数据加工处理流程目前一般称为ETL，即抽取(Extract)、转换(Transform)和加载(Loading)。抽取过程是指从各类原始的数据源获取数据的过程，综合考虑信息系统的处理性能和数据时效性以及分析应用需求等因素，数据抽取过程可以是实时的，也可以是非实时的。对于抽取出的数据需要进行一定的转换处理，才能够进行后续的应用，转换过程主要是根据后期应用需求将原始的数据进行过滤、异常处理后再进行格式变换、维度调整以及初步分类汇总等处理。数据加载过程就是将处理后的数据装载到仓库模型中，并根据应用需求进行数据关联关系的调整以及性能优化。在一些专题分析应用场合，还可以将已经加载至数据仓库中的数据进行进一步的归纳处理，形成相关主题的数据集市，以提高数据的可用程度。
数据分析方案的设计和实施
数据仓库建设完成之后，为了实现业务分析的目标，就可以考虑实施一些数据分析方案，选择合适的分析方法和工具建立相应的模型，对数据进行处理，最终得到能够支持业务经营分析的关键信息，这一步对于整个业务数据分析工作而言是一个关键点。数据分析建模工作不仅需要掌握相关分析方法技术，更需要对业务背景和业务分析目标有充分的认识。因为数据分析挖掘建模方法没有严格的定律可以遵循，往往需要在实践中运用一些基本的方法去探索影响业务目标的关键因素，并且需要长期跟踪业务发展情况，不断地完善模型、调整相关参数，才能够得到能正确辅助经营决策制定的方案。此外，随着业务运营模式的调整和市场环境的变化，业务分析模型还可能随时需要重构并且反复验证。目前用于数据挖掘分析的方法有很多，从基本的数理统计方法到目前研究比较广泛的神经网络、遗传算法等。但是并不是越复杂的算法效果越好。在很多场合下，应用较为简便的方法得出的结论更易于描述业务信息，便于理解以及实践操作。现在市场上用于进行数据挖掘和统计分析产品也比较丰富，比较典型的分析工具如SPSS、SAS、STAT等，在一些行业应用领域，还有更加专业的数据分析工具和软件包可供使用。在实际运用过程中，可以根据数据分析的需求和应用范围进行选择。
互动点播业务的业务分析需求
以及数据分析方案设计目前，有线电视运营商在互动点播业务开展过程中关注最多的经营目标是如何提高用户对服务的认可程度、扩大用户规模、避免用户流失以及提升用户的业务贡献价值等方面。在这个过程中同时也需要对点播内容的使用情况进行分析，判断哪些产品的点播频率比较高，以便进行内容安排方面的调整。为了支撑互动点播业务经营分析的目标，首先需要初步选择可能对点播业务使用频率影响比较大的一些关键性因素，并且判断哪些信息是有手段可以收集到的，以及从哪些渠道收集等等。这个过程通常需要对基础业务有一定的认识，此外还需要对信息数据的分布和管理有相应的了解。通常情况下，对于大多数有线电视运营商而言，目前都在建设和使用业务支撑系统。互动业务分析所需要的基础信息大多数都可以从业务支撑系统中获取，例如从客户关系管理平台中可以收集到用户的基本信息，如客户名称、联系方式、业务使用的地址等。另外，客户开通的业务信息以及订购的各种产品信息、业务变更记录信息以及终端信息等基本上都可以从业务支撑系统中获取到。经过一些信息转换和汇总，我们就可以了解到用户业务的在网时间、消费情况、订购记录、离网情况等。从这些基本信息里面可以选择一些业务上感兴趣的因素进行统计分析，以归纳总结出经营分析相关的业务特征。对于互动点播业务相关的另外一些信息，如客户的点播行为记录，一般就不是直接从业务支撑平台上进行采集到。这些数据的来源通常是在互动业务管理平台中，用户在终端上进行点播操作后，互动业务管理平台会记录下与用户点播操作相关的信息。从这些记录中，我们可以了解到用户的点播时间、点播内容、收看时间等等。根据点播的内容，可以在互动业务内容管理平台上关联到其价格、类型、上线时间等信息。综合上述信息后，就可以整理出互动点播业务的使用记录，通过统计分析可以发现用户点播的时间、内容偏好和使用量发展趋势等数据，这些数据可以帮助判断系统的容量以及内容的受欢迎程度等信息。最后，为了综合评估互动业务的发展情况，发现与业务分析目标关联较大的一些因素，可以综合用户的业务记录信息和点播使用情况进行模型构造，并且对结果进行验证和评估，以得到对决策分析有价值的信息。
互动点播业务的数据分析方案的实施应用
根据业务数据分析基本方案设计的思路，可以着手开始实施相应的分析方案。在本文中主要介绍两类数据分析应用案例，一个是基于基础点播行为数据进行的统计分析应用，另外一个是根据用户点播行为数据以及基础业务数据综合分析影响用户的互动业务在线情况的因素。
1用户点播行为数据分析案例
为了了解点播业务的使用情况，可以根据用户的点播行为记录进行数据挖掘分析，以实现总结互动点播内容、时段和使用量趋势等业务特征的分析目标。根据方案设计的结论，从互动业务管理平台中可以取得这类业务分析所需要的全部源数据。但是，互动业务管理平台中的点播记录通常全部是以文本记录的方式保存的，并且由于点播记录的数量较大，一般按照记录数量或者时间间隔进行了拆分。为了利用这些信息就有必要进行相应的数据抽取转换工作。在实际应用中可以使用预先设计的脚本定时从互动业务管理平台中进行数据的抽取，然后经过简单的类型变换后加载至数据仓库中。为了达到分析目标，主要抽取的信息有产生用户点播记录的用户ID、点播内容的代码及分类信息、点播的开始和结束时间等等。原始的点播记录信息转换后，就可以进行下一步的主题分析准备了，例如可以按照点播的时段、点播的内容，以及用户区域等信息进行不同维度的数据分析。图2是对互动点播类业务按每日播频率进行的一个分类统计后用SAS统计工具生成的图形，在生成统计数据前需要从原始数据中分离出点播时段信息，并行分类汇总。从图2中可以发现，点播频率在一天之中的大致分布规律。从点播总量上看，每天点播频率最高的时段是在18:00至22:30左右，峰值在21:00到22:00左右出现，此外在中午12:00左右也有一个高峰时期。点播频率最低的时段大约在3:00至5:00左右。根据每天点播业务频率的分布情况，可以进行相应的网络容量分析，比如通过业务高峰数值可以评估出互动点播平台的并发容量是否足够。另外，根据每日点播频率的分布特征，可以安排相应的业务运营工作部署。例如在业务高峰时段可以集中投放一些广告、通知信息，而一些系统割接和调试工作尽量应安排在使用频率较低的时段内进行。如果需要了解一些特殊的节假日的点播频率分布特征，可以在原始数据中进行重新过滤筛选，生成类似的频率分布图并与图2进行比对，然后分析其特点。从互动业务点播数据还可以按内容代码维度进行分析，以统计出与互动视频节目内容相关的数据，也可以将不同维度的数据进行组合分析，进一步挖掘出业务方面感兴趣的信息。
2影响互动业务用户在线状态因素的综合分析案例
互动业务经营分析的另外一个重点就是用户的流失特点分析，其目的在于找到影响用户在线状态的主要因素，并且根据这些信息和目前的业务状态去预测未来一段时间内可能流失的用户情况。另一方面可以针对影响用户在线状态的主要因素实施有针对性的市场营销策略，尽可能避免用户流失情况的产生。此外，在通过分析影响互动在线状态的主要因素后，也可以从中发现进一步发展扩大用户规模的一些线索。为了实现上述业务目标，首先需要确定分析数据来源。由于是综合因素分析，首先需要使用业务支撑系统中用户的互动业务状态变更信息以及其它一些属性特征信息。此外，用户的点播行为数据也是一项重要的数据源，因此也需要引入到模型中。由于最终目的是需要分析影响用户在线状态的主要因素，而在某一个观测时间点用户的在线状态一般认为是一个二值型的变量，因此可以使用逻辑回归(logisticregression)方法进行建模。然后将在此时间点前一个时段的用户点播次数、用户的在网时长、终端特征等作为自变量。在本案例中，按照某一个时间段内用户在线状态是否发生变更这一特征，选择一个用户的样本使用SAS软件的proclogistic过程进行分析。SAS的分析报告中还给出了模型的相关参数以及各变量的参数估计情况。根据分析结果中的卡方值和P值可以了解模型对数据的适配性和稳定性。从分析结果给出的参数估计信息中可以了解不同自变量对于互动用户在线状态的影响情况。用户的点播次数、在线时长以及终端属性等参数都会影响到用户的在线状态。从参数估计中可以看出点播次数较高的用户，其流失的比率相对较低，另外使用高清互动终端用户流失率也相对较低，并且终端类型因素有较高的预测能力。在网时长似乎对用户的在线情况影响不大，但实际建模的过程中需要考虑套餐赠送的情况，因此最好重新调整参数模型后再进行分析。根据分析的结果可以得出相关的结论，互动用户的点播频率越高，其连续使用的可能性就越大，并且使用高清终端用户连续在线的概率比使用标清终端的用户更大。因此在后续的分析过程中就可以预测目前点播频率较低的用户流失的风险较大，在进行针对性的营销活动时就可以设法引导用户更多地进行互动业务的体验，并且鼓励其进行终端升级，以提高这部分用户在线的概率。当然在分析过程中可能会发现一些使用频率非常高的用户意外流失了，这就值得进一步跟踪分析，因为很有可能这些用户选择了竞争对手提供的类似服务。
一、安全就是大数据的事
传统信息安全的核心是一个“防”字，就像是为了保证安全给房间装上门、窗和锁。门、窗和锁虽然是必可不少的安全装备，但是在大数据时代，您不觉得在房间里多安装一些“摄像头”会更加保险吗?北京瀚思安信科技有限公司(以下简称瀚思安信)就是一家专门做“摄像头”的大数据安全分析公司。摄像头只是一个比喻，其实就是借助大数据工具，对企业内外部所有相关的数据进行分析，找出传统安全工具无法发现的安全漏洞，从而改善企业的安全状况。
从防御到侦测和响应
IDC预测，到2020年，全球信息安全市场的规模将达到500亿美元，云安全、互联网安全和大数据安全是信息安全市场的三大支柱。大数据安全就是通过分析的手段实现安全的智能化。它是未来保证企业安全的重中之重。
传统的信息安全策略是基于签名和规则的安全模型，对已知的各种安全威胁进行防御。但是在云计算、移动化等趋势出现后，传统的安全边界正在被打破。早在两年前，Gartner就已经预言，安全的边界会越来越模糊，大数据将成为解决安全问题的关键所在。
“随着安全威胁的增多，以及安全攻击变得更有针对性，企业已经不能再依靠传统的安全设备的简单组合，就像门、窗和锁那样应对所有的安全攻击了。”瀚思安信联合创始人董昕分析说，“利用大数据解决安全问题并不是纸上谈兵，而是已经有了实实在在的产品和解决方案。”美国硅谷已经出现了很多从事大数据安全分析的公司。在中国，瀚思安信冲在了前面。
信息安全1.0时代的特征是以防御为中心，它的基础是基于规则和身份验证的安全模型。但是现在，传统的安全手段已经无法有效应对日益增长的高级可持续攻击和内部安全攻击。现在已经步入信息安全2.0时代，其特征是以侦测和响应为中心。现在也是大数据在安全方面真正发挥作用的时候了。
Gartner的数据显示，过去，企业将安全预算的90%投入在防御方面，而今后60%的安全预算将用于侦测与响应。大数据将完全改变安全市场的规则。上一次信息安全市场的大变革发生在1998年，转折点是网络安全取代了单机杀毒。Gartner认为，现在，大数据给安全领域带来的变革比上一次安全变革的意义更加重大，影响也更加深远。
大数据安全不是纸上谈兵
虽然公司成立不久，但瀚思安信基于大数据分析的下一代安全信息分析系统HanSight Enterprise已经在银行、公安等关键行业客户那里得到了部署。董昕举了个例子，国内某银行的网银系统采用瀚思安信HanSight Enterprise，每天分析1TB的日志数据，通过算法和模式识别的方式，找出了很多以前用户没有发现的内部和外部的攻击。
“我们遇到的或刻意寻找的客户都是已经在安全方面有了较大投入的企业，它们很清楚自己的安全问题所在，而且知道必须采用新的方法去解决。”董昕补充说，“采用大数据安全分析解决方案的企业，首先必须部署一个比较完善的安全防护体系，防火墙、入侵检测系统、防信息泄露系统等要一应俱全。在这种情况下，企业还要有分析大量数据的需求，比如1TB以上的数据，这样才能更充分地发挥像HanSight Enterprise这样的产品的能力。不过，使用HanSight Enterprise并不需要掌握复杂的技术，普通的IT管理员就能胜任操作和管理工作。”
Gartner预测，到2016年，25%的全球大型企业将部署大数据分析系统，专门应对信息安全或网络欺诈，而今天这一比例仅为8%。企业在部署大数据分析系统的前6个月就可获得有效的投资回报。
目标是大企业
谈到公司的定位，董昕表示，大数据分析与安全在瀚思安信身上实现了有机统一。一方面，瀚思安信会基于Hadoop等不断提升大数据的处理效率;另一方面，瀚思安信还会将大数据处理工具与企业的业务关联起来，用于安全分析。
解决大数据时代的安全问题，瀚思安信的理念是“数据搜索+安全分析”，具体来说包括存储和索引、搜索和检测、机器学习和模式识别、安全知识库、监控和告警、报表和分析等六大环节。
瀚思安信目前只有21个人，其中18个是工程师。新产品开发对公司的发展来说至关重要。现阶段，瀚思安信只有两个产品：一个是免费版的企业级日志管理系统HanSight DataViewer 2.0，它是基于业界较成熟的分布式生态系统Elasticsearch开发的企业级日志管理平台，支持100TB数据量，提供搜索、大规模日志分析和可视化等服务;另一个是HanSight Enterprise。董昕希望用户通过试用免费版的企业级日志管理系统，先对瀚思安信利用大数据解决安全问题的思路和想法有一个直观的认识，然后在企业需要进行大数据安全分析时就可以更好地采用HanSight Enterprise。
HanSight Enterprise具有三大能力：未知威胁的发现能力、安全事件取证和上下文关联检索能力、全面安全态势展现和长周期分析报告能力。董昕介绍说：“正因为有了HanSight Enterprise，我们才可以帮助银行客户在秒级的时间里处理8亿条数据，并从中发现安全漏洞。”
HanSight Enterprise的目标客户群是大型企业。出于数据保密性和数据处理性能的考虑，现在的用户都是将HanSight Enterprise部署在私有云的环境中。“下一步，瀚思安信会考虑与公有云服务商合作，让中小型企业客户未来也能采用瀚思安信的大数据安全分析工具。”董昕介绍说，“现阶段，我们只能分析IT设备的日志数据。2015年，我们的产品将依靠全量网络流进行更大规模的数据分析。”
与传统安全厂商是互补关系
大数据安全分析产品与传统的网络安全产品并不矛盾，两者是互补的关系。比如，传统安全设备上的数据也能为HanSight Enterprise所分析。
“在很长一段时间里，我们将与传统的安全厂商共存。毕竟‘门和窗’是必需的，但只有‘门和窗’已不能解决安全问题，还需要‘摄像头’，然后对摄像头采集来的数据进行分析。”董昕介绍说，“我们与国内的一些安全厂商，比如绿盟、启明星辰等都保持着密切的沟通。”
其实，像瀚思安信下一代安全信息分析系统中最基本的日志数据分析功能，其他许多厂商的产品也都有，它们的区别到底在哪里呢?董昕解释说，虽然很多厂商也在做日志分析，但是它们的产品只能分析自己系统产生的数据，在关联性分析方面不尽如人意。另外，其他厂商的大数据分析工具在处理能力上还有不足，不能进行全量分析，无法将大数据分析工具的价值全部发挥出来。而瀚思安信的下一代安全信息分析系统是一个企业级的产品，在满足安全性、合规性和审计要求的情况下，可以实现实时的全量数据的安全分析，无论是数据分析的广度还是深度都有明显优势。
二、数据资产要管起来
数据是有价值的，毋庸置疑。但是，在大数据的概念提出前，又有多少企业真正把数据当成资产去经营、管理和更深入地挖掘其中的价值呢?
数据管理新模式
以前，企业在数据管理方面的实践最多就是把数据库中的数据存储起来，然后适当地做一些分析，用于营销或提升客户满意度，但是这些做法并没能充分发挥数据的价值。一方面，并不是所有的企业都做了类似的数据管理和挖掘工作;另一方面，数据挖掘的广度和深度也不理想。
“企业在对一小部分数据进行分析时，可能之前已经扔掉了99%的数据。这是因为有的用户没有意识到这些被扔掉的数据具有价值，还有的是因为用户没有称手的工具能够加工和处理如此庞大的数据量。”亚信大数据事业群总经理张灏告诉记者。
张灏认为，未来人工智能的发展可能会进一步促进人们对大数据的有效利用。通过深度的机器学习，系统可以自动帮用户捕捉所需的数据，其中很多数据可能以前仅凭人的经验是无法获得的。举例来说，现在黑客的攻击越来越有针对性，威胁无处不在，而仅靠银行人员的专业知识和经验来设定安全的规则，已经不能有效防范黑客的攻击。因此，银行希望他们的系统具有自动学习的能力，可以通过大数据分析来判断威胁所在。
针对这样一种趋势，企业应该建立一种新的管理思维模式，即数据资产的管理思维。张灏表示，为了让数据资产管理思维落地，必须做好以下几件事：第一，企业管理者必须认可数据是一种资产，数据存储的时间越长，数据可能越有价值;第二，企业内部要建立数据开放、共享的机制;第三，解决相关的技术难题，包括数据的安全性、隐私性等;第四，让数据流动起来，并建立以流动性为关键点的资产管理思维方式，更好地实现数据可视化。
过去，人们通常以现金资产和设备资产来评估一个企业的价值，而未来一定会以企业所拥有的数据资产的量和活性来评估企业的价值。在这个转变的过程中，数据资产的管理思维是必不可少的。
数据管理的利器
亚信就是数据资产管理思维的倡导者。如今，亚信可以提供包括数据采集、数据处理、分析挖掘等环节在内的大数据整体解决方案。近期，亚信了两款大数据新品——数据资产云图和数据资产管理一体机。
所谓数据资产云图，其实就是一个大数据的挖掘、监测和分析平台，其上搭载了多种数据挖掘应用产品，包括电商价格监控平台、产品口碑监测与分析、企业品牌监测与分析等，可根据用户的需求针对不同类型的数据进行多维度的分析。数据资产管理一体机则顺应了当前软硬件一体化的潮流，是一款集计算、存储、网络、大数据平台软件、大数据分析应用软件等于一体的集成化解决方案。它基于异构计算的理念将应用与硬件进行了深度融合，提供比通用的大数据平台更强大的数据分析和处理性能。
亚信的数据资产管理一体机采用的是标准化的x86硬件，并基于开源软件进行了软件开发。因此，该一体机具有很高的性价比，可以取代国外同类的一体机产品。由于亚信在电信行业拥有多年的开发和应用经验，尤其是在聚合数据、加工数据方面具有很强的能力，此次的数据资产管理一体机1.0版也在处理电信运营商数据方面表现出很强的实力。不过，这并不代表亚信的数据资产管理一体机就是为电信一个行业量身定制的。从其底层数据的处理能力来看，它还是一个适用于多个行业的产品。“我们希望通过自己的技术专长和对用户需求的透彻理解，为行业用户提供一个经过全面优化的软硬件一体的解决方案，提高大数据处理的效率，而不要让用户自己再费心选择和搭配软硬件。”张灏解释说。
虽然亚信的数据资产管理一体机可以适用于不同的行业，但是每个行业的需求、应用场景毕竟有所差异。所以在实际使用中，亚信还是会根据不同用户的特殊需求提品定制化的服务。
转变思维
张灏强调说：“数据资产管理平台对所有行业用户来说都是不可或缺的基础平台。不过，部署一个数据资产管理平台和部署一个Hadoop产品有很大不同，用户需要转变传统的管理思维。接受数据资产管理平台的前提是必须承认数据的价值是因为使用数据资产而产生的，然后才能谈到具体如何管理数据资产，对数据进行聚合、分析、加密，并最终从应用中获取价值。”
亚信是首个在银行和电信运营商两个领域里率先提出数据资产管理这一理念的。这两个行业目前是大数据应用水平最高的行业。这两个行业的客户对于数据的可视化、可管理性、数据挖掘等有很大的需求。亚信的数据资产管理方案对于提升行业用户的大数据应用水平起到了积极的作用。
三、数据交换要有开放的心态
北京腾云天下科技有限公司(以下简称腾云天下)高级总监陈星霖向记者介绍说，“腾云天下专注于移动互联网，目前覆盖的独立智能终端超过10万个，所以在移动数据的采集和分析方面具有明显优势。”
腾云天下在企业和移动应用之间搭建起了一座桥梁，将企业与个人消费者紧密联系在一起。比如，国内TOP10的股份制商业银行都是腾云天下的客户。腾云天下帮助这些银行通过数据的建模和分析提升了营销和征信服务水平。
“我们发现，许多银行客户非常愿意借助大数据工具改善服务，提升营销能力。”陈星霖介绍说，“下一步，我们要做的就是扩展业务范围，覆盖更多的数据消费场景。”
如今，数据的来源渠道越来越丰富，大量用户更倾向于在移动终端上进行浏览、搜索、数据分析和社交。腾云天下的一大优势就是拥有大量的移动端用户数据，可以对用户的消费行为进行分析，并将分析的结果反馈给直接面向终端客户的企业用户，主要包括银行、零售、快销、汽车等行业的客户。陈星霖介绍说：“我们只提供数据和数据分析，而数据与业务应用如何关联还要由相关的应用软件开发商来完成。我们的策略是与这些应用软件开发商进行广泛的合作。”
谈到未来如何在移动互联网领域进一步发展，陈星霖表示，腾云天下的一个努力方向是让数据的来源和形态更丰富，包括线上线下的数据和企业内外部的数据，通过对这些不同来源的数据进行采集和分析，可以了解个人用户喜好和消费行为。陈星霖举例说：“我们在与航空公司接触时发现，它们对于来自于PC和移动终端的数据无法进行关联和统一的识别。而我们的优势就是可以打通移动互联网与用户生态圈，整合不同来源的数据进行统一的身份认证。”
为了丰富数据的来源，腾云天下也愿意在一定条件下与相关单位进行数据的交换。这就涉及到一个十分敏感的问题——数据隐私。“我们不会采集任何与个人身份相关的隐私数据，比如身份证信息。”陈星霖肯定地表示，“相对于像银行这样在数据交换方面较封闭的企业来说，我们的心态比较开放。”
一些移动互联网领域的广告主希望从更多途径了解用户的消费行为，所以愿意在一定条件下将自己的部分数据托管到由第三方可信的机构搭建的数据共享平台上。来自各方的大量数据可以在这个第三方数据共享平台上得到聚合、分析和挖掘，最终的分析结果也会反馈给广告主或相关方。“我们与一些广告主也在就此事进行沟通。”陈星霖介绍说，“这个数据共享平台究竟由谁来负责搭建，是由行业内部自行决定的。参与数据交换的广告主都可以使用这个平台上的数据，但使用之后，数据就要被销毁。这种数据共享模式可能会先在某些垂直行业中得到采用。”
【关键词】大数据 企业管理 机遇 挑战
一、大数据的定义及性质
大数据，是指涉及的资料量的规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯，亦即它是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
大数据的特性包括：第一容量大。数据中的非结构数据比结构数据增长快10～50倍，占数据总量的80%～90%。第二格式多。数据具有很多不同的形式，如文本、图像、视频、机器数据等，没有固定的模式且模式不明显，而且语法或句义也并不连贯。第三价值高。通过对大量不相关信息的提纯，可以对未来趋势进行可预测分析，或者进行深度复杂分析。第四速度快。可以立竿见影的对数据进行实时分析。通过对其特性的分析，可见利用大数据的实质也就在于对大数据内部信息的关联、挖掘，通过对大量数据的整合和分析，发现新知识、创造新价值，带来新发展。在新在监管体制日益完善，企业管理制度逐渐固化，资源又日益匮乏的年代，要想利用有限的资源获得最大的收益，充分利用信息等无形资产提高企业的软实力至关重要。信息时代的竞争，已经从劳动生产率的竞争转变为知识生产率的竞争。数据是信息的载体，是知识的源泉。所以，基于知识的竞争，将集中表现为基于数据的竞争，这将成为经济社会发展的必然，大数据的商业价值也显而易见。
二、大数据时代企业管理的机遇
那么，大数据时代的企业管理会得到哪些前所未有的机遇呢？
（一）从大数据中充分及时的挖掘顾客的需求
大数据的出现使得人们不再需要通过调查问卷等形式来了解客户群，对大数据的利用和整合使得人们能清楚地看到顾客的偏好。比如，在网络购物盛行的今天，我们经常在邮箱中收到根据我们的偏好所推荐的产品等信息，而这些偏好信息从哪里来，当然是根据我们在网络购物中所浏览的产品、收藏的产品以及订单购买的产品。而商家通过网络平台，可以很轻易的收到这些信息，根据这些信息，不仅可以向顾客推荐降价优惠产品，也可以调整自己的生产库存量，产品设计倾向，还可以在顾客的消费评价中找到需要改进的地方。在这种情况下，与其说是方便了消费者，更是为商家提供了一条捷径。
（二）针对客户的需求和评价随时对产品做出改进
对大数据的应用和分析可以使生产者们可以了解到顾客需要什么以及什么时候需要，针对他们对已购买商品的评价可以对已生产的产品做出改进，针对产品需求的发展趋势可以对做出新的产品设计。最重要的是，这些信息通过大数据是可以及时收集到的。所以，在现代的消费者导向市场，对大数据的应用更是势在必行。当然，大数据对于生产者的有用性，不仅适用于线上产品生产商，同时也适用于线下产品生产商。也就是说，获取大数据信息既可以通过直接的途径，也可以通过间接的途径。
（三）寻找新的市场和商业机会
通过利用大数据，企业甚至可以预知顾客尚未提出的需求，而这通过企业掌握的数据模式和回归分析即可实现。大数据也可以帮助企业发现哪个市场适合首先推出新产品。
（四）高效节约的组织管理企业
通过对企业所掌握的大数据的分析，可以轻易地发现组织管理中效率较低的地方，从而改进目前的管理制度设计和方法，使得企业管理变得更加高效。特别是在物流业中，将道路状况、交通信息和天气条件以及客户的位置结合起来进行配送安排，可以大大减少资源的浪费。比如，沃尔玛的成功即源自于其对大数据的成功应用，它的采购、库存、订货、配送和销售已实现一体化，在节省很多时间的前提下，加快了物流的循环。高效的运行效率，使其总是先人一步，进而从激烈的市场竞争中脱颖而出。
（五）加强企业风险管理
对企业经营的各个过程进行风险预测、风险监督和风险控制是企业管理的一个重要方面。利用大数据，可以针对企业的生产经营以及接触的客户或供应商确定其风险类别。特别是在保险业，对大数据的应用可以确定客户在未来可能的损失，帮助保险公司以恰当的价格和时间范围为客户提供恰当的产品，并降低索赔成本和避免客户骗保行为。当然，在除了保险业以外的其他行业，该项技术应用都是非常有用的，对于向外界提供贷款的金融行业来说，利用大数据对客户进行全方面分析，也是当务之急。
三、大数据时代企业管理的挑战
大数据除了为企业管理提供了很多机遇，又为企业管理带来哪些挑战呢？
全球各国企业对大数据应用的迫切需求，也突显出了一个严重的问题，就是各国普遍缺乏数据科学家，国内对大数据的应用虽然才刚开始，但也需要面临这些重大挑战。
（一）数据分析人才不足
企业对于大数据的应用首先要对大数据进行处理才能实现，而在对大数据的处理环节，数据科学家是能否点燃大数据价值的关键。通过数据科学家对数据关系的重新建构，赋予数据新的意义，才能为企业所利用，构筑企业核心竞争力。
但是，成为合格的数据科学家，必须同时具备3种能力：一是熟悉数据分析工具操作。二是熟悉企业业务运作细节。三是具备数据勘探知识。所以，可以同时具备这3种能力专长的人才，还是非常稀缺的。目前国内所有的数据分析师，他们都擅长于为已经发生的问题找出问题源头并排除问题，却大都缺乏发掘未知问题的能力。所以，企业在对大数据进行处理的过程中，大多需要国外顾问飞来国内解决问题，而这所花费的时间与成本，也让大数据处理的效益大打折扣。更根本的是，国内的企业长期以来对于数据的价值都没有充分的认识，也没有依赖数据做出决策的习惯，甚至很多还忽视数据的存在，所以，很多企业都没有长期性的保留数据与应用数据的计划，这也使得数据分析的前提都难以满足。
（二）数据存储能力的限制
从大数据的定义中可以知道，大数据是指所涉及的数据量的规模巨大到无法通过人工在合理时间内进行获取、管理、处理并整理成为人们所能解读的信息。视频作为数据体量最大的一部分，数据量也正以55%的速度逐年增长。目前单节点的存储设备已无法满足很多企业巨大数量的视频监控数据的管理需求，其发展也很难跟上数据的增长速度。目前视频文件的存储主要存在以下三个问题：第一存储设备管理接口不统一。第二存储资源的管理和分配制度还需补充完善。第三以文件系统为核心的数据存储方式存在很多弊端，例如，写文件会导致文件系统元数据区频繁的持续更新，从而导致文件系统的元数据区被损坏，进而导致文件系统不可用。视频存储的重要性因其作为图像数据和报警事件记录的基础载体不必多说，其存储的需求已经不是一台或几台设备就能够满足，我们需要的是建立一个平台来作为解决方案。但是这些条件，目前还难以满足。
（三）数据安全的隐患
虽然海量信息的集中存储会使数据的分析处理更加便捷，但在管理不当的情况下，反而容易导致数据泄露、丢失或损坏，继而使得企业利益遭受重大损失。数据安全的威胁长期存在，研究表明，目前在泄密事故中由内部人员所导致的泄密事故占75%以上，虽然通过管理制度规范、访问控制约束以及审计手段威慑等防护措施能在很大程度上降低内部泄密风险，但在个人灵活掌握终端的情况下，这些防护手段仍然很脆弱。一旦终端信息脱离组织内部环境，泄密情况就很可能会发生。所以，为了保护信息的安全，必须采取更完善的措施对信息进行加密，才能实现整个信息生命周期的有效保护，从根本上解决数据泄密的问题。
综上所述，对于企业来说，大数据既是机遇也是挑战，大数据中所潜在的巨大价值必然会掀起一场商业模式和管理决策的深刻变革。企业在大数据时代为了获得领先优势，必须转换思维，变革管理模式，充分、有效地利用大数据，挖掘其中蕴含的附加价值，力求在瞬息万变的全球化经济环境中赢得竞争，发展壮大。
四、如何在企业管理中正确应用大数据
大数据的兴起会颠覆既有的企业管理体系。简单的来说，大数据就是打破存储壁垒，对企业多年积累的业务、财务、市场和人事等方面的信息进行深入挖掘和分析，从而发现阻碍业务发展的症结所在，从而对症下药，解决问题。
（一）财务管理中大数据的应用
在大数据时代，首席财务官的工作职责已经从管理财务延伸到企业整体绩效的提升。他们可以利用各种数据分析工具对企业进行分析，从而将有限的资源配置在高增长领域，并且制定行之有效的财务流程对企业进行现金流管理、兼并管理及风险管理等。
以前，企业在大力推行财务管理的信息化和标准化时，主要强调要内部统一标准的建立，以确保财务和业务信息的统一。但在大数据的条件下，由于数据采集和分析的工具更为先进，在数据格式不统一的情况下仍能对其进行高效分析，这也就为原本信息基础架构很差的企业提供了转型升级的机会。
此外，在大数据时代，企业财务转型升级的大势所趋是管理会计与财务会计的融合。如今在数据环境下，财务领域的不断崛起会是企业在激烈的市场竞争中的最强有力的支撑者，而财务也是最擅于从大数据里发现未来发展机遇和趋势的开拓者。管理会计与财务会计的融合必能使得财务成为数据挖掘利用的强者，一方面为企业经营管理者作出决策提供科学依据，另一方面也为企业面对大数据的冲击提供了有利武器。
（二）人力资源管理中大数据的应用
全球范围内大数据处理技术应用的迅猛增长，将整个社会推动进入到大数据时代。而大数据处理技术本身也将成为中国人力资源管理与招聘行业制胜的重点。近年来，在人力资源管理与招聘行业中，以大数据技术为支撑的产品和解决方案在全球范围得到了快速增长。人力资源行业企业开始通过出售经过分析处理的商业报告来获取收益，这种新的商业模式的出现就是基于对商品化的大数据的应用。与此同时，人力资源管理与招聘行业的大数据处理技术还得到了一些欧美政府部门的注意。据此，伴随大数据时代的来临，中国的人力资源管理与招聘行业也会而告别过去依靠市场投入驱动增长的粗放发展模式，进入以技术竞争，尤其是以大数据技术为代表的高壁垒竞争时代，从而使这个行业的发展更加成熟。
事实证明，利用大数据下研发的智能系统可以帮助人力资源管理从经验模式逐步转化为事实数据模式，从而让人力测评逐渐由主观经验测评转向数据建模测评，测评结果也将更加客观可靠。而所谓的大数据人力资源智能系统，它主要解决的问题是利用数据对整个人力资源过程进行控制分析，即通过建立一系列基于企业人力资源管理过程的数据分析模型，利用智能系统强大的分析统计功能和丰富的展现形式等特点，实现对企业人力资源管理分析决策的支持。这个人力资源智能系统可以通过其多维数据仓库功能进行数学建模，提高人力资源管理决策分析效率，使得人力资源管理体系能够不断找到问题所在，从而不断进行调整和优化，以更好的支撑企业发展和满足企业整体发展战略的需要。
在数据爆发的时代背景下，每个企业都已经重新开始确立自己的定位，将对数据资源的整合及分析归置到核心战略中，并据此衍生出一系列新的产品和服务。各大招聘网站也利用先进的大数据技术，研发出了一系列以社交网络和大数据技术为基础为企业招聘提供服务的产品。也有一些公司通过提供人力资源管理解决方案和行业宏观分析报告，包括将这些方案和报告提供给猎头、企业人力资源管理部门、媒体、政府等来获得收益。例如Wanted Analytics和Forensic JobStats这两家公司的做法就比较典型，它们可以通过了解在哪里可以找到候选人等方法，快速确定在何处放置招聘广告，轻松填补职位空缺，帮助企业更快速的找到了合适的求职者。51job的“个人竞争力”分析即与Wanted Analytics的功能类似， 企业通过它可以直接看到投递该职位的应聘者人数、工作年限、学历等信息，这样企业就能更为直观的比较应聘者的竞争力。
（三）大数据在营销管理中的应用
