Q 小编
数说故事
市场部
A 宣明
数说故事
商业应用总监
Q：宣明老师是我们的商业应用总监，请问你具体负责服务什么行业？这些行业在大数据商业应用上经历了哪些阶段？
宣明：目前主要服务消费品行业，包括日化美妆、食品、科技数码、互联网、小家电等行业。从我的视角会将其总结为以下4个阶段：
-依赖大数据阶段：先收集数据，做现阶段想清楚的、技术能力许可的、ROI可接受的数据仪表盘
-依赖大数据工具型产品阶段：有明确的需求点，可以使用专属的数据工具来满足，比如常用的微博/抖音/小红书的传播监测分析、社媒平台KOL前选等工具
-依赖大数据商业应用产品阶段：数据应用的场景已经相对清楚，已经成为工作中决策时依赖的输入，比如现在主流的Social Listening产品
-依赖端到端解决方案阶段：来源于第1/2/3方数据打通、内部工作流程自动化、以及前三个阶段磨合后更进一步的效率提升等需求的驱动，如：KOL管理全流程平台、大市场部门使用的营销指挥中心、支持从品类到品牌到产品，以及营销活动分析、单帖传播分析的升级版Social Listening-“营销监测平台”等。
Q：请问可以概括一下，目前的技术发展，可以帮助客户哪些普遍的需求？
宣明：在品牌营销这个领域下，我个人将客户的需求划分为三类：数据收集、数据的洞察分析、以及预测。
-数据采集：google的经验理念“Don't be evil”在这个环节特别适用，数据采集一定要合法合规，这里到合法合规，技术主要保障时效性、数据量、稳定性和安全性的问题，可以通过分布式的互联网爬虫技术、平台官方合作（即大家熟悉的商业接口）、数据合作伙伴们协作以及对接企业自有数据来实现数据采集；
-数据的洞察分析：在数据收集回来后，可以通过常规的ETL（Extract抽取-Transform转换-Load加载）的操作存放在数据库或者数据计算引擎中，现有的搜索引擎技术、OLAP(On-Line Analytical Processing联机分析处理)可以支持海量数据的秒级别检索和实时计算，让主流应用可以区别于传统的离线报表，可以做到近乎实时的响应，当然对于复杂场景，依旧需要在数据处理的“时间”和数据占用的“空间”之间做平衡，现有技术还无法100%支持任意分析秒级别出结果；在AI技术的加持下，除了数值、文本这些传统的数据类型，图片、视频、音频也可以被分析处理了；
-预测：这是目前最难也是对于我们现有客户最有吸引力的部分，对于预测其实更多的依赖于对于商业问题的抽象以及大量的历史数据作为训练数据来构建我们的预测模型，这两个前置条件具备时，还是可以做有一定置信度的预测模型，因为目前的预测算法模型已经相对比较成熟，例如对于商品的销量预测，可以使用日均销量以及节假日、大促等时间节点信息，可以做短周期的预测。
Q：宣明老师也是身经百战了，请问你在这个行业里有什么思考可以给到我们的学员？
宣明：
行业方面
-行业发展的很快，涉及的面也很广，个人最大的感触就是要多向行业领头羊看齐，同时也不局限于自己所处的行业，可以广泛的沟通、探讨和研究，毕竟现在这个时代下“出圈”、“跨界”已经成为常态
职业方面
-商业+技术这两个块能力均不可或缺，而目前市场中对于这一块的人才缺失还是蛮多的（尽管现在的大学教育已经开始交叉学科了），所以还蛮依赖商业背景或者技术背景的童鞋在掌握好自己专业范围内的知识的同时，要找到平台或者圈子来将另一块能力补充上
-21世纪了，确实需要人人都会编程（coding）了，建议童鞋们可以体验一下用代码来处理数据的感觉，有了这一番体验，对于商业问题到技术落地的可行性判断会有更敏锐的直觉和评估的能力
