Q 小編
　　數說故事
　　市場部

　　A 宣明
　　數說故事
　　商業應用總監

　　Q：宣明老師是我們的商業應用總監，請問你具體負責服務什么行業？這些行業在大數據商業應用上經歷了哪些階段？

　　宣明：目前主要服務消費品行業，包括日化美妝、食品、科技數碼、互聯網、小家電等行業。從我的視角會將其總結為以下4個階段：

　　-依賴大數據階段：先收集數據，做現階段想清楚的、技術能力許可的、ROI可接受的數據儀表盤

　　-依賴大數據工具型產品階段：有明確的需求點，可以使用專屬的數據工具來滿足，比如常用的微博/抖音/小紅書的傳播監測分析、社媒平臺KOL前選等工具

　　-依賴大數據商業應用產品階段：數據應用的場景已經相對清楚，已經成為工作中決策時依賴的輸入，比如現在主流的Social Listening產品

　　-依賴端到端解決方案階段：來源于第1/2/3方數據打通、內部工作流程自動化、以及前三個階段磨合后更進一步的效率提升等需求的驅動，如：KOL管理全流程平臺、大市場部門使用的營銷指揮中心、支持從品類到品牌到產品，以及營銷活動分析、單帖傳播分析的升級版Social Listening-“營銷監測平臺”等。

　　Q：請問可以概括一下，目前的技術發展，可以幫助客戶哪些普遍的需求？

　　宣明：在品牌營銷這個領域下，我個人將客戶的需求劃分為三類：數據收集、數據的洞察分析、以及預測。

　　-數據采集：google的經驗理念“Don't be evil”在這個環節特別適用，數據采集一定要合法合規，這里到合法合規，技術主要保障時效性、數據量、穩定性和安全性的問題，可以通過分布式的互聯網爬蟲技術、平臺官方合作（即大家熟悉的商業接口）、數據合作伙伴們協作以及對接企業自有數據來實現數據采集；

　　-數據的洞察分析：在數據收集回來后，可以通過常規的ETL（Extract抽取-Transform轉換-Load加載）的操作存放在數據庫或者數據計算引擎中，現有的搜索引擎技術、OLAP(On-Line Analytical Processing聯機分析處理)可以支持海量數據的秒級別檢索和實時計算，讓主流應用可以區別于傳統的離線報表，可以做到近乎實時的響應，當然對于復雜場景，依舊需要在數據處理的“時間”和數據占用的“空間”之間做平衡，現有技術還無法100%支持任意分析秒級別出結果；在AI技術的加持下，除了數值、文本這些傳統的數據類型，圖片、視頻、音頻也可以被分析處理了；

　　-預測：這是目前最難也是對于我們現有客戶最有吸引力的部分，對于預測其實更多的依賴于對于商業問題的抽象以及大量的歷史數據作為訓練數據來構建我們的預測模型，這兩個前置條件具備時，還是可以做有一定置信度的預測模型，因為目前的預測算法模型已經相對比較成熟，例如對于商品的銷量預測，可以使用日均銷量以及節假日、大促等時間節點信息，可以做短周期的預測。

　　Q：宣明老師也是身經百戰了，請問你在這個行業里有什么思考可以給到我們的學員？

　　宣明：

　　行業方面

　　-行業發展的很快，涉及的面也很廣，個人最大的感觸就是要多向行業領頭羊看齊，同時也不局限于自己所處的行業，可以廣泛的溝通、探討和研究，畢竟現在這個時代下“出圈”、“跨界”已經成為常態

　　職業方面

　　-商業+技術這兩個塊能力均不可或缺，而目前市場中對于這一塊的人才缺失還是蠻多的（盡管現在的大學教育已經開始交叉學科了），所以還蠻依賴商業背景或者技術背景的童鞋在掌握好自己專業范圍內的知識的同時，要找到平臺或者圈子來將另一塊能力補充上

　　-21世紀了，確實需要人人都會編程（coding）了，建議童鞋們可以體驗一下用代碼來處理數據的感覺，有了這一番體驗，對于商業問題到技術落地的可行性判斷會有更敏銳的直覺和評估的能力