前言：中文期刊网精心挑选了大数据营销的核心范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
大数据营销的核心范文1
网络和技术的飞速发展及受众观念的急速转变，使得当前的数字营销处于一场激烈的变革之中，各种新技术被应用到营销领域、各种新的营销模式不断涌现，DSP(包括RTB及非RTB程序化购买)正是其中的佼佼者，而它给营销界带来的变革和转机已日益凸显出来。
DSP带来的网络营销价值
2012年被称为中国的RTB元年，随着谷歌DoubleClick、淘宝Tanx、腾讯ADX等广告交易平台(Ad Exchange)的不断涌现，中国的RTB产业链已经初步成型，据IDC统计，2012年中国RTB展示广告市场规模达到2000万美元，而到2013年，其RTB购买支出将增长300%达到8300万美元，增速迅猛。
在整个RTB产业链中，DSP是最为核心的一个环节，发挥着不可或缺的重要作用。通过DSP，广告主可以在广告交易平台上对每一个在线广告展示进行实时竞价即RTB，通过对每一个广告受众进行选择，并以可控的价格购买到针对这一特定的广告受众的广告曝光机会，并将有效的广告信息精准地推送目标受众群体，从而高效精确地实现广告营销目标并提高营销的投资回报率。
对于DSP行业来说，目前正处于早期的市场培育阶段，2012年，中国DSP市场开始起步，MediaV、品友互动、易传媒等网络广告公司纷纷推出DSP产品，抢占市场，在未来，占有核心价值数据的公司以及对数据具备强大处理应用能力的企业将会在DSP市场里占据优势。
作为需求方平台，DSP的价值在于帮助广告主进行目标人群广告投放，最大化地利用大数据来提升其广告投放效果，这也是DSP的核心价值所在。“不同广告主的需求、营销目标都是不一样的，而DSP平台提供的投放策略、定价机制、海量数据及基于海量数据的大数据分析，能帮助每个广告主更容易地实现自己的营销策略。”对此，MediaV CEO杨炯纬表示。
DSP并非网络营销的核心
DSP的概念一面世，就与大数据紧密相连，而强大的数据获取及处理能力、先进的算法技术和大量的投放实践积累是DSP平台的核心竞争力，只有具备这些，才能具备优异的竞争力，为广告主创造价值，并成为一个健康的RTB生态系统中的中坚力量。
然而，在网络营销领域，大数据的价值并不仅仅体现在DSP上，在对大数据的挖掘和使用中，DSP仅仅是当前最为突出和成功的一种模式。在大数据迅猛袭来的当下，社会化营销、搜索引擎营销等营销模式中都会使用到大数据的手段，大数据让网络营销变得更聪明。
对网络营销而言，大数据最重要的一点是增强了营销者对消费者的洞察，取代了原本样本调查、调研问卷、线下访谈等传统方式。“现在的消费者们在互联网上待的时间越来越长，而在网络上，消费者所有的行为都是可以被数字化的，因此，我们可以通过IT的手段、大数据的方式来对海量消费者的行为进行收集、分析、挖掘、洞察并画像。”杨炯纬如是说。
大数据的存在让营销者能更好地以及更实时地对消费者画像并实现无限的消费者细分。此前，在与消费者沟通的过程中，营销者往往将所有目标消费者都归为一个或少数的沟通群体，并不能真正细分，而大数据强大的分析、挖掘、整合能力让营销者颇有余力地将他们分成几百上千个不同的群体，甚至每个消费者都成为唯一的目标受众。
在杨炯纬看来，大数据还改变了广告主与消费者之间的沟通方式，“以前是一种传播的形式，就是我讲你听，但我并不会听你讲什么，而现在，广告主与消费者之间的沟通已经变成往复式的。我要不要对你讲？该对你讲什么？我讲了，你有没有听？产生了什么反应？然后我再应该如何与你沟通?广告不再是单向的单一的传播，而是针对这个特定消费者动态地实时地自动生成特定的广告并与这一消费者进行持续的往复的和一对一的互动，从而实现‘特别的广告’给‘特别的你’。精准营销正在让‘一对一营销’成为现实。”
尽管公司的产品都是以大数据为中心，且核心产品就是DSP平台，但在杨炯纬看来，不管是DSP、RTB，还是其他的应用形式，作为广告公司而言，最重要的还是客户的满意度，客户最关心的还是所投广告实实在在的、可衡量的效果。
“我们公司的很多客户都是电商，为电商提供营销推广服务不是一件容易的事，因为电商要的是ROI、是全程效果追踪，不是靠吹牛、靠数据注水就可以做出来的，因此，我们并不会特意强调我们是做DSP的，而是更注重把效果做出来，强调效果可衡量。”杨炯纬表示，“公司未来的研究方向是帮助客户做高效、精准的营销，DSP并非唯一的方法，但却是当前最现实的方法，所以才会主打DSP。”
据了解，MediaV投入了大量研发资源在开发国内首个数据管理平台(聚合DMP)上，广告主不仅可以分析不同推广渠道的效果，还可以通过此平台收集、分析、管理和使用其网站的流量、订单、访客行为及商品数据。基于这些数据对人群、货品进行细分管理，并应用到实际的广告投放中，实现海量人群与海量商品之间的匹配，从而提升广告效果，降低投放成本。
DSP当下仍需健步前行
大数据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。大数据的意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据的价值的挖掘。真正的大数据，必须通过持续的累积、系统化清洗与提炼，并在多种渠道中进行应用与优化后，才能发挥其真正价值。
“我们对于数据的收集、分析、挖掘是永无止境的，海量数据中蕴含着海量的价值等着我们去发掘出来。”杨炯纬表示，“但不可否认的是，大数据价值的输出需要合适的商业模式和商业产品的匹配，当前，DSP是对大数据的价值挖掘得比较彻底的产品之一。”
尽管并非大数据落地的唯一方式，但DSP在大数据营销领域确实已先行一步，而DSP行业的蓬勃发展，也吸引了越来越多公司的目光，仅2012年下半年，就有超过20家DSP公司纷纷推出相应的产品。
大数据营销的核心范文2
[关键词]大数据;营销模式;商业模式
[中图分类号]F713.5 [文献标识码]A [文章编号]1672-2426（2014）12-0063-06
一、理论综述
在过去的数年中，信息技术在社会、经济、生活等各个领域不断渗透和推陈出新，在移动计算、物联网、云计算等一系列新兴技术的支持下，社交媒体、协同创造、虚拟服务等新型应用模式持续拓展着人类创造和利用信息的范围和形式。新兴信息技术与应用模式的涌现，使得全球数据量呈现出前所未有的爆发式增长态势（Lynch，2008）。全面基于信息和网络的生产和创新模式，正在将人类社会带入“第三次工业革命”时代（Rifkin，2012）。作为计算机时代的核心――计算能力，其主要目的在于提高对大量数据的处理功能，并对其进行分析挖掘，进而从中获得有价值的信息，最终衍化出一种新的商业模式，本文主要是分析在大数据条件下，企业市场营销模式的转变，从大数据理论与特征出发，探讨大数据对于商业的价值，以及大数据趋势下企业市场营销模式的转变。
（一）大数据时代营销与企业的营销模式
大数据是指那些超过传统数据库系统处理能力的数据，数据量通常在10TB以上。在当今社会互联网普及和发展快速的情况下，社会化应用以及云计算，使得网民的网络痕迹能够被追踪p分析等，而这个数据是衡量的以及可变化的，企业或第三方服务机构借助这些数据为企业的营销提供咨询、策略、投放等营销服务的行为称为大数据营销。企业的营销模式是营销战略和各种策略的集合，是企业开展业务的特定方式。
（二）国内外相关理论研究
Bug hin et al.（2011）指出大数据可以通过信息透明化释放巨大的价值，大数据时代会产生新的管理规则，并提出数据导向竞争优势的概念。Brown et al.（2011）指出大数据所带来的巨大影响是可以改变游戏规则，企业的成功不仅仅取决于新技术而且取决于关于大数据时代如何发展的新思维：一个受大数据影响的扩展了的管理实践循环以及大数据对潜在的、破坏性的、新的商业模式的作用;进而指出：彻底定制化（Radical Customization）、永恒的实验（Constant Experimentation）和新奇的商业模式（Novel Business Models）是公司在捕捉和分析海量数据时代竞争的新标记。
大数据时代消费者和网民的区分逐步一体化，企业的疆界日渐模糊，数据越来越成为核心的资产，并将对企业的业务模式产生深刻影响，甚至重构其组织和文化;商业活动的各个领域在这场运动中都不能置身事外（McAfee、Brynjolfsson，2012）。对于大数据这个概念，国际数据公司（IDC）将其定义为：通过高速捕捉、发现或分析等途径，从大容量数据中提取价值的一种新的技术架构。大数据的核心一般认为是基于相关关系分析法的预测，其精髓不是抽样、绝对精确和因果，而是分析更多数据甚至全部数据、追求效率、重视相关。本文认为大数据是对海量数据进行管理、分析、挖掘以支持决策的理论、方法、技术的统称。
（三）传统企业营销模式的制约因素
传统企业营销模式的制约因素主要体现为：营销市场环境，如市场营销环境通过市场内容的不断扩大和自身因素的不断变化，对企业的营销活动发生影响，同时企业的营销环境依赖于市场环境正常进行。消费群体，如有购买力和欲望的现有及潜在消费群体分布非常广泛和分散，且具有多变性。调研方式，如企业的调研活动通过市场观察、访谈、电话访问或发放问卷等形式展开时，需要大量人、财、物的投入，周期较长，难以进行广泛调研且不具代表性等。营销广告，如营销广告主要是通过电视、报纸、杂志等形式对受众进行听觉、视觉刺激，把信息强加给受众。营销策略，如企业针对一个目标市场会利用一个组合策略，通常使用4P’s组合策略，以达到企业的市场目标，但是该组合强调必须以适当的产品、适当的价格、适当的渠道和适当的促销手段，将适当的产品和服务投放到特定市场。营销理念，如企业做市场营销的条件是产品供过于求和市场竞争的加剧，所以市场营销的理念仅仅是销售产品，满足客户需求。
二、大数据的特征及其商业价值
（一）大数据的特征
大数据的“大”，不同于以往数据的显著特点表现在“4V+1C”：第1个V是Volume，即高容量，TB～ZB级;第2个V是Velocity，高速度，实时处理，数据量增长越来越快，需要处理的速度和响应的时间越来越快，对系统的延时要求相当高;第3个V是Variety，多类型、多格式，包括结构化、半结构化和非结构化数据;第4个V是Vitality：分析和处理模型必须快速变化，因需求在变;1C是Complexity，处理和分析的难度非常大，处理、升级或利用大数据的分析手段比处理结构化数据要复杂的多。大数据营销的特点主要表现在以下几个方面：
1.提高个性化。主要是通过对大数据的分析来更加有针对性的了解客户的需求，使为客户提供的服务更加个性化和有效。
2.数据驱动的营销。随着原始数据的不断堆积，大数据平台已经出现，为营销人员更好地了解客户提供了大量的信息。在这些信息数据的驱动下，营销人员才能够真正了解客户的真实需求，并通过满足这些需求来提升客户体验。
3.预测分析能力。大数据的累积使得营销人员可以通过外部和内部两个系统的数据来分析客户当前和未来的购买行为。外部系统指的是web和社交媒体等，内部系统指的是CRM和购买历史记录等。通过这些数据的组合分析可以推动现有的产品和服务的销售并同时带来更好的产品服务的改进。
4.虚拟活动能力。通过大数据模拟可将人们的一些创新性的营销想法进行虚拟的市场测试，这种虚拟的测试消除了在真实市场中存在的风险，节约了成本费用。同时因为所使用的数据是来自真实世界的，因此虚拟测试结论具有较强的可靠性。通过不断地测试、挑战和重新测试，直到这些营销想法成为实际的活动――其有效性随后可以使用营销后分析来测量。
5.不仅仅适用于大型企业。大数据分析需要的成本较少，因此这一发展趋势不只是针对大企业有效，对于小企业来说同样可以运用已有的软件工具从存储、管理、分析和可视化数据中分析获得很大的优势。因此，在这方面，小型企业与大型企业处于公平竞争的环境中。
（二）大数据的商业价值
1.大数据的来源与应用。大数据是由海量交易数据、海量交互数据和海量数据处理三种技术应用汇聚而成。以淘宝网为例，淘宝网的数据以及流量产生的核心是围绕着买卖双方的交易展开的，以此向外扩展，衍生出海量的相关数据与信息。同时，也正因为这些数据、信息都与交易相关，因此也形成了极具商业价值的数据信息，为淘宝转型为电商“生态圈”的基础服务提供商、数据服务商进行数据开发与销售奠定了基础。通过对用户网上消费行为的全流程追踪，淘宝数据的产生从大范围上可以划分为三种。第一种是来自淘宝网外部的数据，主要包括相关的广告点击、搜索引擎的搜索数据、SNS上的推荐与链接、关联软件的操作与推荐。第二种是直接访问带来的相关数据，包括浏览器访问、软件访问等。第三种也是最大的数据来源，即淘宝网内部的数据产生，这些数据的产生与买卖双方的交易密不可分，同时也围绕着这种交易产生了相关的信息与数据，包括内部搜索、站内SNS社区、页面浏览与点击、会员及用户相关页面、购买与交易数据、后台管理数据以及即时通讯数据信息等。
这些数据通过存储、分析、运算和管理，可以用来优化自身的产品、服务、界面和管理。此外，在具备极大商业价值的数据与信息方面，淘宝对外界至少还能提供三类。第一类针对消费者，主要包括各种商品与店铺以及促销信息，是便利其购物与消费的数据信息;第二类针对卖方以及店铺，主要包括媒体接触及使用行为、网络使用行为、消费者的消费行为、行业竞争及市场发展的数据与信息等，是可以有效提升商品销售效果以及其店铺管理的数据信息;第三类主要包括购买数据、消费者行为数据、销售数据、交易数据等，是可以帮助社会及第三方机构了解电商企业和淘宝相关的数据及信息。
2.大数据所带来的商业价值。大数据时代带来了思维、商业、管理的大变革，在商业的变革中，对大数据进行挖掘所产生的商业价值日益激增，基于大数据的几个商业价值方面的杠杆有：通过运用大数据来模拟实境，探索新的需求以及提高投入回报率;分析顾客群体，进行量体裁衣，对每个不同群体采取独特而富有针对性的行动;提高大数据成果在各个相关部门的分享率，进而提高整个产业链条和管理链条的回报率;进行商业模式、服务和产品的创新等方面来实现由大数据所带来的商业价值，如图1所示。
在诸多领域，大数据浪潮正在引致颠覆性创新，即通过提供相对简单却更加廉价与便利的产品，或者引入逊于现有产品的产品和服务，诱导次要市场上不太挑剔的消费者，抑或非消费者。根据McGuire et al.（2012）的阐释，大数据通过五种途径获得新竞争优势，即精密的分析、更多的交易信息数字化、针对更窄细分市场量身定做的服务和产品、信息透明化、以及服务和产品的前瞻性开发。大数据的价值模型如图2所示。
三、大数据时代的商业模式
商业模式反映了企业如何创造价值、传递价值和获取价值。商业模式一般涉及九方面要素，大致覆盖了商业模式的四个主要方面，如表1所示。商业模式犹如一个战略蓝图，可以通过企业组织结构、系统和流程来实现。
商业模式的九要素之间相互作用、相互决定：同样的渠道通路可以拥有不同的核心资源、不同的关键业务、不同的成本结构等。相同的价值主张不必通过相同的渠道通路去实现。商业模式只要有一个构成要素不同，就意味着是不同的商业模式。事实上不仅如此，在动态变化的市场系统中，为了应对变化多端的新环境，商业模式也必须灵活多变。市场环境的变化和生产技术的发展，会使曾经成功的商业模式受到挑战。所以，新兴技术的推动、市场需求的改变、行业垂直整合、竞争对手的模仿、企业家精神等因素都可能推动企业进行商业模式的创新。
以大数据为线索，重新审视自身商业模式并进行创新设计，是当今企业在整体结构性方面获取差异优势的重要来源。一方面，让各种类型的数据转变成可以快速获得的有价值信息，这是大数据技术具有的优势;另一方面，全息可见的消费者个体行为和偏好数据以及基于交叉融合之后的可流转性数据。所以，未来的营销可以根据每位消费者独特的偏好与兴趣，为他们精准地提供专属性的个性化服务和产品。大数据不仅带来一种新的核心能力和战略资源，而且还可以实现企业界乃至整个社会资源的利用、控制、配置方式的开放化和虚拟化，提高经济运行率和资源利用率。
四、大数据时代企业营销模式的革新
（一）大数据时代企业营销模式的演变
大数据时代不断催生新的理念和商业经营模式，大数据是面向用户、面向业务和应用的一种思维，一种战略，基于科学的数据进行决策已经成为大数据时代经营的新型模式。传统的消费者行为分析的营销模型“AISAS”在不断变化的大数据时代，转变成了“TSPS”的新型模式，这种新路径更多的被应用在网购的营销模式中，如图3所示。
（二）大数据时代带来的营销变革
通过对大宗用户数据进行一系列的整合、分析、开发与积累，营造出新型产品的运营和营销模式，像Google、Facebook、Twitter、Amazon等公司都已在大力推进这些业务模式。大数据可以帮助企业优化营销策略：通过分析用户的社交媒体活动，企业可以向用户推荐消费者感兴趣的产品或者服务，通过公开社交数据，企业可以有针对性地进行线上和线下的产品推荐活动，在了解用户消费趋向的同时，可在相应地区增加相关产品库存，通过社交媒体的监控将能够针对用户需求的产品提前备货。
在大数据的帮助下，商家能够实现真正的消费者个性化，而不仅仅是划分不同的群体。大数据可以帮助企业做得更加精准，可以精确到人，在云端的数据库中，所有用户都以标签属性的形式存在。用户在现实生活中的行为，如浏览、订阅、搜索、产品应用等被数据库记录和分析。在云端，这些行为可以转化为用户的性别、年龄、收入、城市、爱好、品牌偏好等清晰化属性标签。进而一些门户网站如搜狐等可以以这些标签为依据，帮助广告主开展更加有效的各类营销活动。互联网的高速发展为现代企业创造了无限的空间和可能，在利用网络这个平台上，大数据将会为营销带来更大的机遇。
1.统一的客户视图形成于第三代PaaS平台，以此为基础实现市场细分。CRM系统（客户关系管理系统）是基于云计算与大数据建立起来的，这一系统可以深度挖掘目标客户，帮助企业实现各部门之间的综合应用与管理，建立客户中心导向的营销管理平台，对客户群体进行细分，帮助企业有效掌握最为重要的客户，以便实现效益最大化。沃尔玛、麦当劳、家乐福等知名企业的一些主要门店都着眼大数据，在店内安装了搜集运营数据的装置，可以跟踪店内客流、客户互动和预订情况，因此研究人员可以对餐厅设计、菜单变化和顾问意见等对销售额和物流的影响进行建模。这些企业可将这些交易记录与数据相结合，还可运用大数据工具展开分析。通过获取社交数据、网站浏览数据和地理追踪数据等更丰富的消费者数据，公司可以据此绘制出更加完整的消费者行为。大数据技术能充分有效管理顾客各方面的信息并进行深度挖掘。
2.确定营销策略时以客户为导向，对市场营销实现全过程管理。对企业的客户群体进行准确分析时，可以按照横纵多维方式，根据庞杂的客户数据，筛选出核心目标客户，并且能够准确传达产品、折扣等信息，确保实现“精准”营销。例如一位顾客进入店铺后，零售商可以运用大数据技术搜索数据库，发现这位顾客是其需要留住的有价值顾客，进行精准的顾问式营销。
（1）基于客户行为分析的产品推荐。产品推荐包括两个重要方面，一个方面是基于客户交易行为分析的交叉销售;另一个方面是基于客户社交行为分析的社区营销。前者根据客户信息、交易历史和购买过程等行为轨迹的历史数据与统一商品其他客户的行为数据进行行为的相似性分析，从而为客户推荐产品。比如我们在网购行为中常见的提示：浏览（购买）了这一商品的客户还浏览（购买）了哪些商品等。后者是通过分析客户在微博、微信、社区等网络平台上所关注的兴趣、爱好等数据，投其所好，为其推荐相关产品。通过这种客户行为的数据分析可以使得产品推荐更加的精准化、个性化。传统企业可以通过对本企业内部的客户交易数据、公司自有电子商务网站数据等的分析来实现企业直销渠道的产品推荐，也可以通过大型电子商务公司和社区网络的产品推荐系统来提升销售量。
（2）基于客户评价的产品设计。客户评价包括很多方面，有对产品的满意程度的评价，对物流效率的评价、对服务质量的评价等，同时也有对于产品的外观、包装、功能等方面的体验评价，与此同时，客户会针对这些方面的不足提出一些有针对性的改进意见。有效采集和分析这些客户评价数据将有助于企业改进产品的外观、性能和服务，同时有助于企业建立以客户为中心的产品创新体系。
（3）基于数据分析的广告投放。在澳大利亚，一家名为Millward Brown的市场研究公司正在利用网络摄像头监控人们对电视商业广告的面部反应，真正做到看“脸色”来做营销。而DSP（Digital Signal Processing，简称DSP）为广告主提供包括广告投放试验、时段分析和效果分析等在内的数据分析服务。“例如，依托数据平台记录每次用户会话中每个页面事件的海量数据，可以在很短的时间内完成一次广告位置、颜色、大小、用词和其他特征的试验。当试验表明广告中的这种特征更改促成了更好的点击行为，这个更改和优化就可以实时实施。再如，根据广告被点击和购买的效果数据分析，根据广告点击时段分析等，针对性进行广告投放的策划。”（赵刚，2013）
（4）基于数据分析的产品定价。合理的进行产品定价需要进行数据试验和分析。将客户按照其对产品价格的敏感度进行分类，同时测量不同客户群对价格变化的直接反应和容忍度，进而为产品定价决策提供参考。大数据分析使全球零售业巨头沃尔玛获益。通过对消费者购物行为进行分析，公司发现男性顾客购买婴儿尿布时，通常会顺便搭配几瓶啤酒来犒赏自己，于是推出了将啤酒和尿布进行捆绑式销售的促销手段。如今，这个“啤酒+尿布”的数据分析成果也成了大数据技术运用中的经典案例。
（5）基于物联网数据分析的产品生命周期管理。“条形码、二维码、RFID等能够唯一标识产品，传感器、可穿戴设备、智能感知、视频采集、增强现实等技术能将产品生命周期的信息进行实时采集和分析，这些数据能够帮助企业在供应链的各个环节跟踪产品，收集产品使用信息，从而实现产品生命周期的管理。”（赵刚，2013）这种管理在物流行业得到了广泛的应用，如UPS快递的最佳行车路径其多效地利用了地理定位数据。为了使总部能在车辆出现晚点的时候跟踪到车辆的位置和预防引擎故障，它的货车上装有传感器、无线适配器和GPS。同时，这些设备也方便了公司监督管理员工并优化行车线路。UPS为货车定制的最佳行车路径是根据过去的行车经验总结而来的。2011年，UPS的驾驶员少跑了近4828万公里的路程。
3.畅通渠道，重组服务流程，建立稳定客户群。通过运用大数据，企业可以从市场竞争者的产品、促销等数据，从外部环境的数据，例如天气、重大节日、国家大事、热门话题、社交媒体上人们的情绪中先导性的预测到外部形势的演变，从而选择正确的应对方式。此外，大数据可以用于客户流失预测。比如，针对客户投诉增多、客户评价负面、购买量减少等现象，可以根据客户行为模型，运用这些客户数据，对于客户流失的可能性进行预测，进而采取相应的措施。
通过运用通信技术和先进的数据库技术，可以实现与顾客的长期个性化交流，不断满足客户的个性化需求，实现精准营销。这种营销可以为企业建立稳定忠实的顾客群体，实现客户增值的链式反映，是营销达到可调控、可度量的精准要求。大数据已经展现出巨大的作用和非凡的前景，但是，大数据营销仍面临较多问题与挑战。面临的首要问题是技术难题，毕竟现在还处于大数据技术的活跃前期，各方面技术尚不够完善，各项工具需要进一步改进。然而实际情况是，大数据营销一旦真正启动，你面临的不仅仅是工具和技术问题，还有更重要的是转变组织架构和经营思维，真正参与挖掘这座数据金矿。
大数据时代下的企业营销模式正在面临着空前的机遇与挑战，在大数据环境里，企业在不断地创造和革新出符合时代需要的营销思维和营销模式，建立在客户响应和分析需求行为的基础上，挖掘大数据的价值，创建个性化的营销策略，源源不断地为企业带来巨大的市场价值和商业价值，使企业拥有持续的竞争优势，帮助企业建立制胜未来的核心竞争力。本文侧重于理论分析，在今后的研究中应进一步加强实证部分的研究。
参考文献：
[1]冯芷艳，郭讯话，曾大军，陈煜波，陈国清.大数据背景下商务管理研究若干前沿课题[J].管理科学学报，2013，（1）.
[2]杰里米・里夫金.第三次工业革命[M].北京：中信出版社，2012.
[3]李文莲，夏健明.基于“大数据”的商业模式创新[J].中国工业经济，2013（5）：83-95.
[4]孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013，50（1）：146-169.
[5]覃雄派等.数据管理技术的新格局[J].软件学报，2013，24（2）：175-197.
[6]王珊，王会举，覃雄派，周@.架构大数据：挑战、现状与展望[J].计算机学报，2011，34（10）：1741-1752.
大数据营销的核心范文3
【关键词】大数据；大数据营销；京东
一、数据分析时代演变历程
（一）数据1.0时代
数据分析出现在新的计算技术实现以后，分析1.0时代又称为商业智能时代。它通过客观分析和深入理解商业现象，取缔在决策中仅凭直觉和过时的市场调研报告，帮助管理者理性化和最大化依据事实作出决策。首次在计算机的帮助下将生产、客户交互、市场等数据录入数据库并且整合分析。但是由于发展的局限性对数据的使用更多的是准备数据，很少时间用在分析数据上。
（二）数据2.0时代
2.0时代开始于2005年，与分析1.0要求的公司能力不同，新时达要求数量分析师具备超强的分析数据能力，数据也不是只来源于公司内部，更多的来自公司外部、互联网、传感器和各种公开的数据。比如领英公司，充分运用数据分析抢占先机，开发出令人印象深刻的数据服务。
（三）数据3.0时代
又称为富化数据的产品时代。分析3.0时代来临的标准是各行业大公司纷纷介入。公司可以很好的分析数据，指导合适的商业决策。但是必须承认，随着数据的越来越大，更新速度越来越快，在带来发展机遇的同时，也带来诸多挑战。如何商业化地利用这次变革是亟待面对的课题。
二、大数据营销的本质
随着顾客主导逻辑时代的到来以及互联网电商等多渠道购物方式的出现，顾客角色和需求发生了转变，世界正在被感知化、互联化和智能化。大数据时代的到来，个人的行为不仅能够被量化搜集、预测，而且顾客的个人观点很可能改变商业世界和社会的运行。由此，一个个性化顾客主导商业需求的时代已然到来，大数据冲击下，市场营销引领的企业变革初见端倪。
（一）大数据时代消费者成为市场营销的主宰者
传统的市场营销过程是通过市场调研，采集目前市场的信息帮助企业研发、生产、营销和推广。但是在大数据以及社会化媒体盛行的今天，这种营销模式便黯然失色。今天的消费者已然成为了市场营销的主宰者，他们会主动搜寻商品信息，货比三家，严格筛选。他们由之前的注重使用价值到更加注重消费整个过程中的体验价值和情境价值。甚至企业品牌形象的塑造也不再是企业单一宣传，虚拟社区以及购物网站等的口碑开始影响消费者的购买行为。更有甚者，消费者通过在社交媒体等渠道表达个人的需求已经成为影响企业产品设计、研发、生产和销售的重要因素。
（二）大数据时代企业精准营销成为可能
在大数据时代下，技术的发展大大超过了企业的想象。搜集非结构化的信息已经成为一种可能，大数据不单单仅能了解细分市场的可能，更通过真正个性化洞察精确到每个顾客。通过数据的挖掘和深入分析，企业可以掌握有价值的信息帮助企业发现顾客思维模式、消费行为模式。尤其在今天顾客为了彰显个性，有着独特的消费倾向。相对于忠诚于某个品牌，顾客更忠诚与给自己的定位。如果企业的品牌不能最大化地实现客户价值，那么即使是再惠顾也难以保证顾客的持续性。并且，企业不能奢望对顾客进行归类，因为每个顾客的需求都有差别。正是如此，大数据分析才能更好地把握顾客的消费行为和偏好，为企业精准营销出谋划策。
（三）大数据时代企业营销理念———“充分以顾客为中心创造价值”
传统的营销和战略的观点认为，大规模生产意味着标准化生产方式，无个性化可言。定制化生产意味着个性化生产，但是只是小规模定制。说到底，大规模生产与定制化无法结合。但是在今天，大数据分析的营销和销售解决的是大规模生产和顾客个性化需求之间的矛盾。使大企业拥有传统小便利店的一对一顾客关系管理，以即时工具和个性化推荐使得大企业实现与顾客的实时沟通等。
三、基于数据营销案例研究
———京东京东是最大的自营式电商企业。其中的京东商城，涵盖服装、化妆品、日用品、生鲜、电脑数码等多个品类。在整个手机零售商行业里，京东无论是在销售额还是销售量都占到市场份额一半的规模。之所以占据这样的优势地位，得益于大数据的应用，即京东的JDPhone的计划。JDPhone计划是依据京东的大数据和综合服务的能力，以用户为中心整合产业链的优质资源并联合厂商打造用户期待的产品和服务体验。京东在销售的过程中，通过对大数据的分析，内部研究出一种称为产品画像的模型。这个模型通过综合在京东网站购物消费者的信息，例如：年龄、性别、喜好等类别的信息，然后进行深入分析。根据分析结果结合不同的消费者便有诸如线上的程序化购买、精准的点击等营销手段，有效的帮助京东实现精准的营销推送。不仅如此，通过对于后续用户购物完成的售后数据分析，精确的分析商品的不足之处或者消费者的直接需求。数据3.0时代的一个特征便是企业不在单纯的在企业内部分析数据，而是共享实现价值共创。所以，京东把这些数据用于与上游供应商进行定期的交流，间接促进生产厂商与消费者沟通，了解市场的需求，指导下一次产品的市场定位。总的来说，这个计划是通过京东销售和售后环节的大数据分析，一方面指导自身精准营销，另一方面，影响供应商产品定位和企业规划，最终为消费者提供满足他们需求的个性化产品。
四、大数据营销的策略分析
（一）数据分析要树立以人为本的思维
“以人为本”体现在两个方面，一方面是数据分析以客户为本，切实分析客户的需求，用数据分析指导下一次的产品设计、生产和市场营销。另一方面，以人为本体现在对用户数据的保密性和合理化应用。切实维护好大数据和互联网背景下隐私保护的问题，使得信息技术良性发展。
（二）正确处理海量数据与核心数据的矛盾
大数据具有数据量大、类型繁多、价值密度低和速度快时效高的特点。所以在众多海量的数据中，只有反映消费者行为和市场需求的信息才是企业所需要的。不必要的数据分析只会影响企业做出时代Time2017年第04期中旬刊（总第657期）正确的决策。鉴于此，首先企业需要明确核心数据的标准；其次企业要及时进行核心数据的归档；最后要有专业的数据分析专业队数据进行分析，得出科学合理的结果以指导实践。
（三）整合价值链以共享数据的方式实现价值创造
大数据营销的核心范文4
得网络渠道者 得天下
与实体渠道争夺相比，互联网营销、电子商务所带来的改变更为深刻。其是对游戏规则的重新书写：渠道碎片化、新的供应链模式、新的厂商关系、买卖关系，乃至突破线上渠道的地域限制。这种“屏幕+手指+快递”的购物方式，辅以超低的价格，大有颠覆“传统江湖”的味道。
作为仅次于美国的第二大互联网市场，当前中国庞大的网民群体，形成了巨大的网络消费需求和营销渠道空间。互联网渠道就是商品和服务借助网络，从生产者直接向消费者转移的具体通道路径，完善的网上销售渠道应该具备订货、结算、配送三大功能。而互联网营销渠道在作用、结构和费用等方面与传统的营销渠道相比，有重大差别。
在传统营销渠道中，多环节中间商是重要的组成部分。中间商凭借其业务往来关系、经验、专业化和规模经营，提供给企业的利润通常高于企业自营商店所能获取的利润。
但互联网的发展和商业应用，使传统营销中间商们凭借“地缘”原因获取的优势，被互联网的虚拟性所取代，同时网络的高效率信息交换，改变着过去传统营销渠道的诸多环节，将错综复杂的关系简化为单一简捷关系。
可以说，基于互联网的新型网络间接营销渠道与传统间接分销渠道有着天壤之别。传统间接分销渠道可能有多个中间环节如一级批发商、二级批发商、零售商，而网络间接营销渠道只需要一个中间环节足矣。
互联网的发展深刻地改变了营销渠道的结构，而利用互联网的信息交互特点，网上直销市场得到了蓬勃发展。互联网营销渠道可以分为两大类：一类是通过互联网实现从生产者到消费（使用）者的网络直接营销渠道，这时传统中间商的职能发生了改变，由过去各环节中间力量，变成为直销渠道提供服务的中介机构。如提供货物运输配送服务的专业配送公司、提供货款网上结算服务的网上银行，以及提品信息和网站建设的ISP电子商务服务商。网上直销渠道的建立，使得生产者和最终消费者得以直接沟通。
另一类是通过融入互联网技术后的中间商机构，提供网络间接营销渠道。传统中间商由于融合了互联网技术，大大提高了中间商的交易效率、专门化程度和规模经济效益。同时，新兴中间商也对传统中间商产生了冲击。
2000年，美国零售业巨头为抵抗互联网对其零售市场的侵蚀，开始在网上开设电子商店。2013年，围绕“店商十电商+零售服务商”战略，苏宁电器集团采用更名、调整组织架构，创造性地提出“云商”模式，并实施线上线下同价的苏宁云台开放平台，给传统渠道带来了巨大的影响，也令自己完成了焕然一新的改变。
综上所述，得渠道，得天下，创建互联网渠道，已成企业重塑核心竞争力的关键举措。
大数据 先行企业的制胜关键
如果将企业核心势能看作一架战车，那么“互联网”铸就其左轮，大数据成就其右轮，二者共同构成了企业持续前进的核心竞争力。
进入新营销时代，大数据应用将和云计算、3D打印等科技变革一样，颠覆既有规则，并成为先行企业的制胜关键。
对于大多数企业而言，运营领域是大数据应用的核心。在此之前，企业主要使用来自生产经营中的各种报表数据，但随着大数据时代的到来，来自于互联网、物联网、各种传感器的海量数据扑面而至，越来越多的企业开始挖掘、利用这些数据，来推动运营效率提升。
大数据营销的本质是影响目标消费者的心理路径，其主要应用于四个方面：大数据渠道优化、精准营销信息推送、线上与线下营销连接、帮助领导者做出决策。
实现渠道优化。根据用户的互联网痕迹进行渠道营销效果优化，就是根据互联网上顾客的行为轨迹，找出哪个营销渠道顾客来源最多，哪个来源顾客实际购买量最多，是否是自己的目标客户群等等，从而调整营销资源在各个渠道的投放。以东风日产为例，它利用对顾客来源的追踪，持续改进营销资源在不同网络渠道（如门户网站、搜索、微博）的投放。
精准营销信息推送。相比传统狂轰滥炸或等客上门的营销，大数据营销无论在主动性和精准性方面，都有非常大的优势。精准建立在对海量消费者的行为分析基础之上：消费者网络的浏览、搜索行为可以被系统留下：线下的购买、查看行为可以被门店POS机、视频监控记录；加之其在购买、注册过程中留下的身份信息……商家面前，将逐渐呈现出与该消费者相关的信息海洋。
不少企业通过收集海量的消费者信息，然后利用大数据建模技术，按消费者属性（如所在地区、性别）、兴趣、购买行为等不同维度，挖掘目标消费者，然后进行分类，再根据这些，对个体消费者进行营销信息推送。
以孕妇装品牌“十月妈咪”为例，其通过对自己微博上粉丝评论的大数据分析，找出评论有“喜爱”相关关键词的粉丝，然后打上标签，对其进行营销信息推送。
无独有偶，京东商城副总经理李曦表示：“用大数据找出不同细分的顾客需求群，然后进行相应营销，是京东目前在做的事情。”
小也化妆品将自身网站作为收集消费者信息的雷达，对不同消费者推荐相应的肌肤解决方案，创始人肖尚略希望在未来，大数据营销能替代网站，而真正站在面向顾客的“前端”。
打通线上线下营销。一些企业，将互联网上海量消费者的行为痕迹数据与线下购买数据打通，实现了线上与线下的营销协同。仍以东风日产为例，其线上线下协同营销方式是：通过门户网站带来订单线索，服务人员通过这些线索进行电话回访，进而推动顾客在线下交易。
而在此过程中，东风日产记录了消费者进入、浏览、点击、注册、电话回访、购买等各个环节的数据，实现了一个横跨线上线下，以大数据分析为支持的，营销效果不断优化的闭环营销通路。
国双科技衡量某一地区线下促销活动的效果，就是看互联网上该地区IP对于促销内容的搜索量。还有一些企业。通过鼓励线下顾客使用微信、wiFi等可追踪消费者行为轨迹、个人喜好的设备，来打通线上与线下的数据流。如银泰百货计划在商场内铺设wiFi，鼓励顾客在商场内使用，然后根据wiFi账号，找出相应的个人，继而通过与其他大数据挖掘公司合作，以大数据手段发掘该顾客的互联网操作痕迹，从而了解这个顾客的需求类型。
帮助企业领导者做出决策。在大数据时代，面对众多新数据源和海量数据，企业管理者能否基于对其洞察分析而作为决策，进而将其变成一项企业竞争优势的来源？
同传统营销相比，运用大数据决策难度最高，因为其需要一种依赖数据的思维习惯。当前已有少数企业开始尝试，比如国内某金融机构，在推出一个金融产品时，会广泛分析该金融产品的应用情况、效果、目标顾客群数据、各种交易数据、定价数据……然后决定是否推出。
而将目光转向阿里巴巴，人们会发现其汇集了海量中小企业的日常资金与货品往来，通过对这些往来数据进行汇总分析，阿里巴巴能发现单个企业的资金流与收入情况，分析其信用，找出异常情况与可能发生的欺诈行为，决定能否放贷及贷款金额，控制信贷风险。
传统企业如何获取目标数据
互联网时代的到来不仅加快了全球产业创新速度，同时改变了全球品牌的塑造方式。实际上，中国许多行业与互联网已密切相关，产品功能日益智能化、网络化，销售渠道走向O2O融合，整个中国产业格局正迎来重大转型，在此过程中，对数据的获取和使用，决定了其核心竞争力的强弱。
而时至近日，企业要如何获取与分析数据，才能立于不败之地？互联网无疑是大数据的一个主要来源，但是，一些传统企业很难有机会获取目标数据，那么换个思路，人们可以采取以下策略获得数据化支持。
首先，和拥有或能抓取海量数据的平台、企业、政府机构合作。比如淘宝电商，就可以购买淘宝收集的海量数据中与自身运营相关的部分，用于自身业务。又如卡夫，其通过与IBM合作，在博客、论坛、讨论版的内容中抓取了47.9万条关于自己产品的讨论信息，通过大数据，分析出消费者对卡夫食品的喜爱程度和消费方式。
其次，可以建立自己在互联网上的平台，比如朝阳大悦城，即利用自己的微信、微博等平台收集消费者评论数据，为决策或营销提供精确服务。
大数据营销的核心范文5
紧跟大数据时代的步伐，农业银行积极推进大数据平台建设及大数据的价值应用，确立了“大数据体系建设必须以应用为核心，数据平台开发与业务应用统筹考虑，要做好内部的数据治理，逐步拓展数据来源范围，充分利用内外部数据资源，不断提升对全行经营管理的支撑水平。”的总体战略思想，即：数据是基础，应用是目标，平台是支撑，治理是保障。
1.强化数据治行理念大数据革命必将颠覆银行传统观念和经营模式。通过营造“数据治行”的文化，建立分析数据的习惯，落实全行的数据标准和数据治理，切实提升“大数据”开发利用的综合能力，将现有数据转化为信息资源，让决策更加有的放矢，让发展更加贴近市场需求。
2.建设大数据平台构建处理能力强、扩展性好、开放度及共享度高的大数据存储加工平台，整合行内外、各种形态、跨历史周期的海量数据，并构建统一、全面、稳定的企业级数据模型，为大数据的分析利用提供基础的数据、环境、模型及配套工具等全方位立体式支撑。
3.打造数据分析应用体系构建适应大数据分析的多功能、跨渠道、多粒度的分析挖掘模型和应用体系，为服务质量改善、经营效率提升、金融模式创新提供支持。通过对海量数据的深度分析，全方位调整产品结构、营销模式，从根本上提高风险管理、成本绩效管理、资产负债管理和客户关系管理水平。
4.实现智慧银行的目标智慧银行是指，通过大数据技术不断优化业务办理流程，高效配置金融资源，敏锐洞察并引领客户需求的高度智能化的金融商业形态。智慧银行可提供“银行始终在客户身边”的全场景金融服务，为客户创造最佳服务体验。
二、农业银行大数据平台概述
经过多年的努力探索，农业银行在大数据平台建设的道路上锐意开拓，大胆创新，逐步形成了以四大基础平台、五类数据服务为核心的大数据平台。
1.四大基础平台（1）企业级数据仓库随着银行业数据利用能力的逐步提升，业务分析呈现跨领域分析、高度整合分析、长周期历史分析等特点，企业级数据仓库通过对行内跨领域海量数据的高度整合和模型化，形成对客户、账务、产品等的统一视图，使大数据分析成为可能。农业银行企业级数据仓库以存储和处理结构化数据为主要目标，全面涵盖了农业银行存、贷、中间业务等行内业务条线的核心类数据，实现PB级数据的高效存储，可以满足全行在各个领域数据分析和价值发现的各类需求，并为全行数据治理提供有力的支撑。如通过网点的多维度、全方位、长历史周期数据挖掘给出网点资源配置建议，提升运营效率，优化业务流程。（2）信息共享平台信息共享平台以存储和处理行内非结化数据为主，辅以来自行外的社会数据。基于非结构化数据的分析和深度挖掘，在客户关系管理、中小企业信贷、风险管理、品牌建设等众多领域发挥了重要的作用。如基于对社交网络各类非结构化数据的综合分析可以获取行外目标客户；通过机器学习、语音识别、情绪识别等技术，对客服语音记录进行深度挖掘，发现客户的需求。（3）实时流计算平台传统数据计算平台多以批量计算为主，数据处理能力较强，但时效性较差。农业银行的实时流计算平台采用业界最先进的流计算框架，实现数据的快速采集、交换、处理和应用，主要用于实时营销、实时客户服务、欺诈监控、大额动账监控、系统运营监控等各类对时效性要求比较高的业务场景。如结合持卡人的行为偏好为客户实时推荐精准的营销信息、优惠信息和特惠商户信息，并为特定客户群体提供实时的有针对性的服务提示。（4）高性能数据处理平台海量数据的分析挖掘亟须一个高性能环境的支撑，农业银行高性能数据处理平台采用大内存处理、分布式、闪存等新技术，以高性能计算为主要特点，实现对海量结构化数据、非结构数据等进行综合处理、全面分析和深度挖掘。如通过大数据语义分析和情绪分析追踪海量网络信息蕴藏的经济金融“微信号”，借此判断未来的市场走势，为前瞻性风险管理提供参考。
2.五类数据服务农业银行基于四大基础平台的优势，大力发展应用系统建设，形成了五大类数据服务形式有机结合的数据服务体系。（1）指标检索服务通过构建全行统一的指标库，为各个业务条线提供常用指标的检索服务，在此基础上提供各类经营管理、监管报送等指标采集、加工及报送服务。（2）即席查询服务采用特定的工具，构建功能强大的查询支持库，满足各类灵活查询、临时查询及特殊复杂查询需求。如果说报表是经营管理的瞭望塔，那么灵活的即席查询就是执行经营决策的指南针。以客户营销为例，即席查询服务可以为全行的客户经理提供多角度的客户信息查询，针对当前市场热点，提供具体的业务指导。（3）定制化信息服务通过iReport智能资源视窗对信息进行统一管理、分层检索、灵活配置和个性展示，并针对用户的不同需求、不同层次及不同偏好，提供定制化、个性化的信息订阅，联动邮件、短信、微信等渠道提供主动信息推送服务。（4）多维分析服务多维分析可以帮助业务人员实现多维度、多视图、多层次的分析，并可以通过下钻、上钻、切片、旋转等操作，提供更加动态、智能的数据分析，发现数据背后的规律。如从机构、时间、客户、产品类型、渠道、营销活动等多个维度对产品盈利情况进行综合分析，进而有效推动产品优化和创新。（5）深度数据挖掘服务海量数据中蕴含的规律和价值通常不直观，大数据的显著特点之一就是海量数据的知识发现和数据挖掘。农业银行基于大数据平台构建了多个特定领域或主题的数据挖掘实验室，包括客户洞察及精准营销、信用评价及风险评估、舆情分析与客户情感管理等，紧跟市场发展动态，直面业务热点、难点，充分挖掘大数据的巨大价值，为业务发展和经营决策提供更加深入的洞察和更加有力的支撑
三、农行大数据应用实践
农业银行在构建大数据体系时坚持以应用为核心，统筹部署数据平台开发与业务应用，加强业务创新与数据利用的良性迭代，实现传统业务和新型业态的融合发展，充分发挥了数据对全行业务发展和经营管理的支撑作用。借助大数据这把利剑，实现了“营销更精准、服务更贴心、管理更精细、监管更透明、风险更可控、决策更智能”，有效促进了全行经营理念、业务运营、组织流程的不断创新，为全行业务发展和经营管理提供了有力的科技引擎。以下三类应用案例可充分说明情况。
1.精准营销基于大数据的客户营销“三步曲”：获取客户、客户画像、精准营销（如图1所示）。通过大数据强大的信息获取和处理能力，充分挖掘行内外的潜在客户；通过大数据实现对客户的360°立体画像，在掌控客户行为、洞察客户情感的基础上，准确地预测客户需求，从而实现精准营销及交叉营销。以贵宾客户信用卡精准营销为例，农业银行通过综合行内外数据，应用聚类分析、关联规则发现、决策树等数据挖掘算法，构建了完整的精准交叉营销模型库和应用体系，动态实现目标客户识别、客群划分、优先级划分、产品推荐、渠道推荐等功能。在合适的时间，以合适的渠道，通过合适的方式，为合适的客户推介甚至定制合适的产品，实现差异化、个性化的精准营销。2.热点分析农业银行基于大数据平台构建了热点问题专题分析模型库，对当前的热点事件进行定期跟进、深度分析和动态监测，为策略制定、产品创新及运营模
式优化等提供有力支持。以互联网理财客户分析为例，该项分析旨在揭示个人客户购买互联网理财产品与农业银行资金流失的关系。首先采集研究机构等第三方数据，融合内部数据，对整体购买规模进行分析；挖掘购买互联网理财客户的特点，对这一特定客户群体进行综合画像。从而知道“正在发生什么。”然后，采用神经网络、回归等方法，对即将流失的客户进行智能识别，针对不同的客户特点制定不同的客户挽留措施，知道“即将发生什么。”最后，通过对客户和资产流失的深度分析，提出产品层面的创新策略，并给出具体建议；产品优化和创新后，再次综合分析新产品的市场效果，并对产品进行持续优化，实现数据挖掘和产品创新的迭代。
大数据营销的核心范文6
云技术的迅猛发展和大数据的强势崛起客观上要求区域旅游产业的战略选择必须更新观念，与时俱进，合理运用现代信息技术，创新机制体制，制定合理的旅游战略，以促进旅游产业的持续、快速健康发展。
2007年Google首次提出云计算的概念，在此后的10多年，云计算技术不但改变了信息产业及相关产业的格局，在旅游产业也得到广泛应用。在云计算技术向行业大范围渗透的技术背景下，结合当前智慧旅游建设的最新动态，及时丰富智慧旅游信息现代化建设内容，发挥云计算核心技术在智慧旅游中的优势，是目前提升旅游产业发展的有力切入点。
2012年达沃斯世界经济论坛把大数据作为重要议题之一进行讨论，很快大数据技术就已受到国际社会的普遍关注。大数据的本质是海量数据存储、传输和处理，其本质在于迅速挖掘非结构化数据的内在价值，是云计算技术发展的高级形态。对于智慧旅游而言，引入大数据的理念和技术，可以使资源开发规划、客源市场定位、营销策略创新、旅游产品开发更具前瞻性和科学性，成为旅游产业转型升级的助力。
2011年7月国家旅游局局长邵琪伟提出，争取利用十年时间初步实现智慧旅游。智慧旅游的发展，必须要树立数据思维、强化数据意识，各级旅游管理部门和旅游企业之间应当加强合作机制，整合数据资源，实现数据共享，唤醒处于睡眠状态的数据。因此，江西智慧旅游的战略选择应当积极运用云计算、大数据技术，把大数据理念、技术与江西智慧旅游建设结合起来，制定合理的战略方向。
二、云计算、大数据与智慧旅游的内在联系
云计算的本质就是把计算分散在不同计算机构成的集成系统之上，使各种请求根据所需分配计算能力、传输速度和存储空间，以提高硬件资源的利用效率，与传统的处理技术相比具有以下优势：首先，基于网络技术建立一个服务器集成系统，使多组用户能够共同支配和管理硬件资源；其次，利用分布式数据存储技术在不同服务器和不同层级分散风险，大幅度增强系统的安全性能；再次，使硬件资源和软件系统相互分离，降低软件对基础设备的依赖程度；最后，云用户能够按照自身需求，合理订制处理和应用服务，可以有效降低资金投入。
大数据（Big data）是指需要新型处理模式挖掘其价值的海量、高增长速度和结构多样化的信息资产，通常也指代处理这种数据的相关技术，包括数据的存储、传输和处理技术。目前，大数据受到国际社会的普遍关注。通常认为大数据具有四个特点（大数据的四个V）：首先，规模性（Volume），数据规模超大，从TB跃迁到PB级别。其次，多样性（Variety），数据类型繁多。再次，价值性（Value），价值密度低，商业价值高。最后，高速性（Velocity），处理速度快。2013年被称为大数据元年，标志着大数据技术的应用将深入各个行业各个领域，产生巨大的变革力。
智慧旅游（Smarter Tourism，或称智能旅游）的概念源于智慧地球（Smarter Planet）（IBM，2008）以及正在中国实践的智慧城市（Smarter Cities）（住房和城乡建设部，2012年），是指通过应用新一代信息技术，整合旅游相关信息资源，以促进旅游信息共享和游客服务部门的业务协同，提高旅游服务的效率和质量，实现促进旅游业的健康发展。
大数据是智慧旅游的核心技术之一，为智慧旅游建设提供技术支持，智慧旅游是大数据的重要应用领域，符合大数据未来与产业结合的发展方向。智慧旅游是旅游信息化发展的新阶段，智慧旅游建设在很大程度上是技术层面的问题，属于信息技术范畴。所谓智慧旅游的智慧主要出自对大数据的处理，这才是推进智慧旅游建设的核心问题。智慧来自大数据，利用大数据，才能获得突破性改善，智慧旅游产业只有充分利用大数据，才能发现创新升级的机会点，进而获得先发优势。因此，云计算、大数据与智慧旅游的天然联系体现了技术与产业实践相结合并创造经济价值的客观规律。
三、江西旅游产业的发展现状
江西山奇水秀，文化底蕴深厚，流传千古的《滕王阁序》赞江西“物华天宝、人杰地灵”，赣鄱大地有着得天独厚的自然、人文旅游资源。2014年，江西接待游客突破3亿人次，旅游总收入2650亿元，同比增长25%和39%。在过去10年，江西旅游产业规模稳步增长，但是由于江西整体经济发展水平相对滞后，旅游规划、开发和营销投入不多，各种相关配套服务设施尚不健全，致使江西旅游的发展水平在全国处于落后地位。江西旅游产业的发展存在以下几个方面的问题：
首先，旅游品牌的文化内涵不够深厚。从某种意义上说，旅游经济是一种知名度和美誉度经济，是品牌与内涵经济，如何吸引游客眼球是区域旅游经济发展的决定因素。江西的旅游品牌建设过程中，还存在景点、景区资源开发与当地民俗、文化结合不够紧密，特别是一些传统文化内涵没有被充分释放，出现景区与文化、名胜与佳话合力不强的现象。
其次，旅游宣传力度不足。近几年以来，江西对旅游宣传的重视程度不断提升，提出了江西风景独好的旅游宣传口号，取得了一定成效。但是旅游宣传的力度还有待提升，目前还存在投入不足、宣传对象不够细化，宣传模式单一的问题，旅游宣传尚存很大的提升空间。
最后，旅游服务的信息化建设有待加强。进入二十一世纪，科技文明的不断进步使得信息技术的应用范围不断扩散，已经深入各各个行业各个领域，目前江西旅游服务的信息技术应用方面还存在硬件设施配备不足、数据开发利用率较低和分析手段滞后，难以同步目前信息技术的快速发展等方面的问题，以现代信息技术为基础的智慧旅游系统有待进一步完善。
四、江西智慧旅游的战略选择
立足江西经济转型、体制创新、产业结构升级的社会经济背景，响应省委、省政府旅游强省，绿色崛起的口号，顺应云计算、大数据等信息技术迅猛发展的时代潮流，把握江西智慧旅游发展的最新动态，实现云计算、大数据与智慧旅游的有机融合，江西智慧旅游的战略选择应当注重以下几个方面：
一是丰富品牌内涵。以江西风景独好为中心，强化江西智慧旅游的品牌推广和建设，从江西旅游产品开发、配套服务设施建设、旅游营销宣传等方面入手，不断提升江西旅游品牌的硬实力和软实力。
二是积极创新营销模式。重视新型媒体在营销中的独特优势，不断扩大江西景点、景区及旅游产品的影响力。特别是在以移动互联网为时代特征的今天，创新营销模式，丰富营销手段，在举办有创新、有影响的大型创意营销活动的同时，重视各种小微营销策略，开展全方位的密集推介活动，有效提升江西旅游的品牌知名度和美誉度。
三是积极引用最新的信息化技术。在对信息技术的运用方面，要时刻关注现代信息技术的发展动态，有效运用大数据技术，加强江西智慧旅游的信息化建设，唤醒沉睡的数据，充分释放旅游大数据的经济价值。（作者单位：1.江西应用科技学院；2.江西科技师范大学）
