中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

“過去不會重復自身，未來卻會與它呼應?！? 馬克·吐溫

未來的事件都在特定環境與條件下發生，但也不乏模式可循?！按髷祿锩睘閿祿鎯?、云計算、以及能幫企業進行模式識別的數據科學，提供了技術上的創新。如今，數據科學可以預測任何事情，無論是流感爆發還是犯罪死亡率。

設想一個電子產品零售商的處境。因為產品優質、物流及時，這家店一向生意興隆。然而消費趨勢在改變，競爭也愈發激烈，市場上出現了對生態化產品的需求。他們的顧客因此慢慢流向競爭對手。用傳統方法調查市場，這個緩慢流失可能被忽略。但這些微小的變化可以被數據科學家察覺。他們編寫算法，不斷監測過往銷售表現，并與來自媒體和社交網站的外部數據相對照，探討這些趨勢，試圖發現它們與購買傾向的關聯。數據科學家提供新的方法，讓零售商領悟如何維持住核心消費群，而不是僅僅試圖獲取新的客戶。

根據EMC的統計報告，到2020年底全球數據總量預計會超過44ZB，幾乎相當于每人5200GB。數據的生產量每年都在翻番?！皵祿褪屈S金！”與此同時電商行業的競爭也變得更加迅猛更加激烈。用戶行為一轉眼就會發生變化，為滿足顧客需求，每個企業都想更勝一籌。常識、直覺和第六感對此有所幫助，但不足以做為預測的依據。數據科學算法卻能幫助企業有效理解產品、服務、過程、顧客。

數據科學不是互聯網公司專屬

• 著名化妝品公司歐萊雅，聘用數據科學家研究各種化妝品對不同膚質和組合的效果。
• 勞斯萊斯聘用數據科學家為飛機引擎確定維護時間。
• Feedzai運用數據科學算法監測欺詐行為。
• Fruition Sciences, 一個為釀酒者服務的在線決策工具，使用數據科學算法決定向葡萄加多少水，以及何時加水能出產質量更好的紅酒。

在電子商務領域，數據科學通過捕捉和整合消費者的線上行為、生命事件、購買驅動力、互動方式和其他更多信息，使企業更了解消費者。

電商領域的一些數據趨勢：

• 60% 的人在包括移動、社交、實體店、網站等多個渠道研究品牌，與品牌發生接觸。
• 使用幾個不同渠道搜尋某種商品的人，會比不這么做的人多付1/3的錢。
• 美國43% 的零售銷量來自網絡。
• 由eCommera進行的一項調查發現，只有23%的零售商能理解數據作出決策。
• 英國50%的零售商認為缺少商業智能工具是（他們）開始運用數據科學的原因，同時只有16%的零售商對他們現有的數據分析解決方案有信心。

這些趨勢體現了電商行業的快速發展，也體現出數據科學有望加強消費者的購買行為，給電商企業貢獻更好的營銷策略和更高利潤。

數據科學在電商領域的應用

1) 為消費者推薦產品

“未來的趨勢是個性化。而你會像消費者了解自身一樣了解他們。”

——Tom Ebling, Demandware總裁兼CEO

基于消費者行為作出的促銷和推薦非常有效。如今的消費者非常依賴推薦系統，不論是產品購買、新品消息、外出就餐或服務選擇。多數電商網站，像?Walmart、Amazon、 eBay、Target都擁有數據科學團隊，在推薦系統背后，思考類型、權重、特性和許多其他因素。數據科學建立的推薦系統有兩個主要的目的：

• 配套銷售。你在選購iPhone6那你也許會對iPhone保護殼感興趣。
• 增值銷售。例如，你在找某種LED電視。它有一個更優質的換代產品，剛剛上市，且只貴幾塊錢。

數據科學算法學習產品相關的多種屬性、關聯，學習消費者的喜好以便預測他們的需求。這些算法為消費者更換展示頁面，或app或網站上產品排列順序，使得消費體驗個性化。

Puneet Gupta，Brillio（一家立足于美國的科技咨詢和軟件開發商）的首席科技官說：“有了預測分析和機器學習應用，電商企業現在可以對消費者的行為模式有清晰的了解，貫穿全站各種商品的購買歷史和銷售表現?！?/p>

這一類應用，最好的例子是亞馬遜使用預測建模的推薦系統。亞馬遜的推薦系統發掘，并用數據表示從歷史數據中發現的關系，以此來進行分類和預測未來事件。

2) 獲取關于消費者留存、增值銷售和組合銷售的洞察

消費習慣不斷變化，忠誠度不斷消減，預期居高不下。獲取消費者洞察對于電商企業的存活已經至關重要。

每個電商網站/app都要銷售商品，但他們需要的答案應該針對于：

• 誰在購買他們的商品？
• 這些人住在哪里？
• 他們對什么樣的商品感興趣？
• 如何更好地服務他們？
• 什么促使他們購買？

上面這些問題都能由專注于消費者洞察的數據分析師提供答案。而數據科學利用更先進的分析方式，例如分類器、區隔、非監督聚類、預測模型、主題建模和關鍵詞提取的自然語言處理，創造更多價值。

Blue Yonder，一家德國軟件企業，使用數據科學工具與技術協助Otto（歐洲線上時尚巨頭）。當消費者走進實體店，或登錄零售店WIFI，或連接上網站/app，自動學習就已經開始。這些消費者會收到基于地點、天氣和大量其他因素決定的推送信息。

3) 優化產品策略

電商企業不得不面對種種問題，比如：

• 應該出售什么商品？
• 什么價格？什么時候實行這種價格？
• 數據科學算法幫助電商企業決定和優化產品組合。每個電商企業都有一個產品團隊研究這個設計過程。而此過程中數據科學算法可幫助企業預測：
• 產品組合中的漏洞是什么？
• 應該生產什么產品？
• 從工廠訂的第一批貨應該訂多少？
• 什么時候應該停止特定產品的供應？
• 應該銷售什么產品？

數據科學家利用更先進規范的預測分析幫助電商企業。而數據分析師僅僅對企業獲取了多少利潤，哪種商品沒有價值等問題進行回溯分析。

4) 預測供應鏈模型

銷售商品的電商企業，需要在恰當的時間恰當的位置，擁有數量剛好的商品。對于電商企業乃至所有零售企業，某些產品的需求窗口非常短暫（定制的“圣誕快樂2014”商品沒法銷售到2015年元旦）。如果錯過了這個窗口，最終就會在倉庫里堆積大量庫存。數據科學算法運用詳細的分析，開發出預測模型，幫助電商企業優化供應、減低風險、為決策提供信息。

5）個性化營銷策略

數據科學在個性化營銷項目中扮演重要角色。電商企業總想尋找新的方法，來鼓勵現有的消費者購買更多，或吸引更多新消費者。數據科學家通過重定向優化、宣傳渠道組合優化、關鍵詞購買優化等等方式對此做出貢獻。通過使用種種策略設計算法，數據科學家能幫助電商企業一飛沖天，獲取有價值的回報。

原作者： Khushbu Shah ?翻譯：王鵬宇 via:datartisan