论文部分内容阅读
摘要： 客户满意度也叫客户满意指数，客户的实际体验与客户的期望值越相吻合，客户满意指数就越高。随着大数据时代的到来，传统的基于企业管理者意志的决策方案已经逐渐被大数据分析结果所取代，领导者因此能做出更为精准的判断和决策。本文主要通过分析大数据是什么，以及对经典案例的阐述来对大数据如何提升客户满意度进行探讨。
关键词： 大数据；数据分析；客户满意度
【中图分类号】N37
【文献标识码】B
【文章编号】2236-1879（2017）09-0203-01
一、什么是大数据
大数据通常又叫做数据分析，它是指向目标群体采集的各种各样的、非常庞大的诸如消费需求、消费偏好等在内的众多的有用数据，再利用科学的统计学方法和数据分析程序对收集来的大量第一手资料进行统计分析。大数据大致可以分为三类：传统企业数据、机器和传感器数据（包括智能仪表、呼叫记录、设备日志）、社交数据（包括用户行为记录、反馈数据等）。由于大数据具有数据体大量、数据样本多样、数据处理高速、数据隐藏价值这四个特点，通过分析收集来的大数据，能够把隐藏在巨大的看似毫无头绪的数字中具有一定规律的信息集中、萃取并提炼出来，最终这些规律可以替代空洞而又缺乏说服力的解说，反映出客户的消费需求和客户满意度，从而映射出企业在生产经营中、产品定位、产品开发的过程中存在的问题，以帮助企业管理者做出准确的判断，采取适当的行动来贴近客户需求，提升客户满意度。
二、满意度提升为何要引入大数据
在进行客户满意度提升工作的时候为什么不继续采用传统的采样方法而是采用大数据，主要受到采样量样本容量大小和数据源性质不同的影响。
采样量样本容量是指在一次样品采集过程中样本容量的大小，它对采样结果的可信度有着至关重要的影响，通常，样本容量越大采样的可信度越高，样本容量越小采样的可信度越低。而传统的采样方法中使用最多的抽样调查就存在着样本容量较小的问题，尤其是在面对当今这样一个相互贯通的巨大市场时。例如，我们通常接到的电信运营商的电话访问，根据不同省份人口数量的差异，访问样本的数量也有巨大差异，人口数量少于1000万的省市，样本容量在1600个左右；每个直辖市样本容量约为2000个，这些样本量仅相当于总客户数量的万分之一不到，抽样误差较大。此外，这种调查形式还会受到时间和成本的限制，缺乏深度调查和普遍性，因而其统计结果的可靠性也不高。
数据源的性质上的差异在传统的采样调查过程中也是极易被忽略的，传统的调查认为在不顾时间和成本的花费的情况下，极大的增加样本容量就能使采样结果变得可靠，然而忽略了数据源性质的庞大的样本却是毫无意义的，因为它掩盖了决定数据特征的关键因素。在进行客户满意度调查时收到的反馈通常是客户的主观反馈，主观反馈又决定于客户期望和实际体验的差值，不同的年龄、性别、收入、区域、教育程度的不同自然就会造成期望值的不同，这就是数据源存在着性质上的差异。例如，某公司在将一款新开发的高科技产品投入市场之初对客户进行问卷调查，“你愿意购买这款高科技产品吗”。对于这个问题，性质不同的数据源给出的答案自然不同，如果该客户是一个在发达地区受过高等教育的年轻人，并且他的收入颇丰，那么他的回答通常是肯定的；如果该客户是一个在不发达地区未受过高等教育、收入非常有限的中老年人，那么他自然不会愿意购买。除了上述影响数据源性质的几个因素外，还有很多临时性的原因也会导致差异，例如被调查者当时的情绪、过往的相关经历、生活需求等等也会造成信息可靠度的降低。
三、怎样引入大数据提升客户满意度
区别于传统数据的单一性，大数据具有以下四个特点，即大量（volume）、多样（variety）、高速（velocity）、价值（value）。其中大量和多样是大数据的根本，它代表了数据数量非常庞大并且囊括了各种各样的数据源性质的数据，庞大的数据可以是数据采集区域的扩大、数据采集对象的扩大、也可以是数据采集以及数据存储期限的延长，从1年到10年都可能采集并加以存储；数据源性质的差异则可以有多国家、多地区、以及不同时间段数据的混合来体现。据此，企业可以在扩大数据采集量的基础上，根据数据源类别、可能来源途径、客观类数据源、主观类数据源对采集的大量数据编制表格进行数据的分类处理，对数据进行去重和整理，再利用spss、sas、state等专业的统计学数据分析软件进行数据挖掘，建立连贯的数据时间轴和数据空间轴，从而清楚企业的不足之处，为企业的客户满意度提升指明方向，并且还可以帮助完善企业的满意度评估机制，使其尽可能的收到真实的客户反馈。
在這个大数据时代，企业只有建立起自己的大数据处理平台，才能实现互通有无、加强部门联系、提高产业链效率；做到将客户群体进行细分、提升客户满意度；才能在日益激烈的市场竞争中提高并维持市场占有率，打败竞争对手，树立自己的品牌。
参考文献
[1]维克托迈尔舍恩伯格的演讲.什么是大数据时代的思维？《大数据时代》
[2]Bigdata：Crunching the numbers
[3]李承.大数据在客户满意度评估机制上的应用探讨《消费与电子》2014
[4]中国金融行业大数据应用市场研究白皮书
[5]冀晶燕.运用大数据，提升客户满意度《质量与认证》2015.4
[6]American farmers confront‘biddata’revolution
[7]《信息化和工业化深度融合专项行动计划（2013-2018年）》印发
关键词： 大数据；数据分析；客户满意度
【中图分类号】N37
【文献标识码】B
【文章编号】2236-1879（2017）09-0203-01
一、什么是大数据
大数据通常又叫做数据分析，它是指向目标群体采集的各种各样的、非常庞大的诸如消费需求、消费偏好等在内的众多的有用数据，再利用科学的统计学方法和数据分析程序对收集来的大量第一手资料进行统计分析。大数据大致可以分为三类：传统企业数据、机器和传感器数据（包括智能仪表、呼叫记录、设备日志）、社交数据（包括用户行为记录、反馈数据等）。由于大数据具有数据体大量、数据样本多样、数据处理高速、数据隐藏价值这四个特点，通过分析收集来的大数据，能够把隐藏在巨大的看似毫无头绪的数字中具有一定规律的信息集中、萃取并提炼出来，最终这些规律可以替代空洞而又缺乏说服力的解说，反映出客户的消费需求和客户满意度，从而映射出企业在生产经营中、产品定位、产品开发的过程中存在的问题，以帮助企业管理者做出准确的判断，采取适当的行动来贴近客户需求，提升客户满意度。
二、满意度提升为何要引入大数据
在进行客户满意度提升工作的时候为什么不继续采用传统的采样方法而是采用大数据，主要受到采样量样本容量大小和数据源性质不同的影响。
采样量样本容量是指在一次样品采集过程中样本容量的大小，它对采样结果的可信度有着至关重要的影响，通常，样本容量越大采样的可信度越高，样本容量越小采样的可信度越低。而传统的采样方法中使用最多的抽样调查就存在着样本容量较小的问题，尤其是在面对当今这样一个相互贯通的巨大市场时。例如，我们通常接到的电信运营商的电话访问，根据不同省份人口数量的差异，访问样本的数量也有巨大差异，人口数量少于1000万的省市，样本容量在1600个左右；每个直辖市样本容量约为2000个，这些样本量仅相当于总客户数量的万分之一不到，抽样误差较大。此外，这种调查形式还会受到时间和成本的限制，缺乏深度调查和普遍性，因而其统计结果的可靠性也不高。
数据源的性质上的差异在传统的采样调查过程中也是极易被忽略的，传统的调查认为在不顾时间和成本的花费的情况下，极大的增加样本容量就能使采样结果变得可靠，然而忽略了数据源性质的庞大的样本却是毫无意义的，因为它掩盖了决定数据特征的关键因素。在进行客户满意度调查时收到的反馈通常是客户的主观反馈，主观反馈又决定于客户期望和实际体验的差值，不同的年龄、性别、收入、区域、教育程度的不同自然就会造成期望值的不同，这就是数据源存在着性质上的差异。例如，某公司在将一款新开发的高科技产品投入市场之初对客户进行问卷调查，“你愿意购买这款高科技产品吗”。对于这个问题，性质不同的数据源给出的答案自然不同，如果该客户是一个在发达地区受过高等教育的年轻人，并且他的收入颇丰，那么他的回答通常是肯定的；如果该客户是一个在不发达地区未受过高等教育、收入非常有限的中老年人，那么他自然不会愿意购买。除了上述影响数据源性质的几个因素外，还有很多临时性的原因也会导致差异，例如被调查者当时的情绪、过往的相关经历、生活需求等等也会造成信息可靠度的降低。
三、怎样引入大数据提升客户满意度
区别于传统数据的单一性，大数据具有以下四个特点，即大量（volume）、多样（variety）、高速（velocity）、价值（value）。其中大量和多样是大数据的根本，它代表了数据数量非常庞大并且囊括了各种各样的数据源性质的数据，庞大的数据可以是数据采集区域的扩大、数据采集对象的扩大、也可以是数据采集以及数据存储期限的延长，从1年到10年都可能采集并加以存储；数据源性质的差异则可以有多国家、多地区、以及不同时间段数据的混合来体现。据此，企业可以在扩大数据采集量的基础上，根据数据源类别、可能来源途径、客观类数据源、主观类数据源对采集的大量数据编制表格进行数据的分类处理，对数据进行去重和整理，再利用spss、sas、state等专业的统计学数据分析软件进行数据挖掘，建立连贯的数据时间轴和数据空间轴，从而清楚企业的不足之处，为企业的客户满意度提升指明方向，并且还可以帮助完善企业的满意度评估机制，使其尽可能的收到真实的客户反馈。
在這个大数据时代，企业只有建立起自己的大数据处理平台，才能实现互通有无、加强部门联系、提高产业链效率；做到将客户群体进行细分、提升客户满意度；才能在日益激烈的市场竞争中提高并维持市场占有率，打败竞争对手，树立自己的品牌。
参考文献
[1]维克托迈尔舍恩伯格的演讲.什么是大数据时代的思维？《大数据时代》
[2]Bigdata：Crunching the numbers
[3]李承.大数据在客户满意度评估机制上的应用探讨《消费与电子》2014
[4]中国金融行业大数据应用市场研究白皮书
[5]冀晶燕.运用大数据，提升客户满意度《质量与认证》2015.4
[6]American farmers confront‘biddata’revolution
[7]《信息化和工业化深度融合专项行动计划（2013-2018年）》印发