With 大数据 Comes Big Opportunity

我们回来了另一个客座博客，以探讨我们行业中的重要话题。今天，Seth Goodman，客户服务执行副总裁
美国数据实验室，介绍如何使用“大数据”，并深入了解数据分析师的角色。塞思还解释了如何衡量其在直接邮件活动中的有效性。

“大数据。”大多数营销人员都同意，在过去的几年中，有关该术语的讨论激增了。而且由于有大量廉价的存储设备，大多数营销人员也同意，它比以往任何时候都更容易收集和存储。但这还不够。仅拥有数据不会对您的营销活动产生影响。实际上，很少有营销人员可以从如此大量的信息中有效地提取价值。

“大数据”背后的许多力量都需要人为触动。互动和分析助长了这种情况，而粗略的外观或基本的统计建模程序包却无法立即将其清除。经典回归技术仅允许将有限数量的属性或数据元素用于营销决策。 “大数据”以其可用信息的广度和数量将其颠倒。限制可使用的信息的范围会严重影响“大数据”的可行性，以至于ROI可能无法证明其合理性。

因此，当今的直接营销人员需要采用适当的系统和程序来有效利用可用信息。这意味着需要进行研究和分析以确定可以使用哪些新收集的数据来改善结果。

数据分析师的角色演变

仅仅采用一组核心的人口统计或行为属性，然后通过SAS推送它们以查看弹出的窗口的日子最有可能在我们身后。如今，数据分析师必须花费大量时间来全面了解“大数据”框架下组织可以获取的信息，最重要的是，要深入研究大数据集表面下存在的关系。

同样，这些数据关系乍一看并不明显；他们需要对数据内容以及驱动数据收集的业务原理有深入的了解。当今环境中的顶尖数据分析师将不仅能够推出预测模型，而且还能聪明地谈论存在哪些数据以及为什么它对组织的总体目标很重要。

衡量直接邮件中“大数据”的成功

衡量“大数据”对于直接邮件活动的有效性可能很困难。查看直接邮件的组成部分时，通常可能不会显示其他费用。这些成本通常包括额外的存储和处理能力，软件许可以及为分析新创建的数据集而雇用的其他人员（内部或外包）。

也就是说，至少必须改进直接邮件活动的结果，以证明引入“大数据”的合理性，否则数据对最终指标没有任何帮助。无论是提高响应率，提高转化率还是提高整体投资回报率，在直接营销商的工具包中加入“大数据”都应为底线业务做出积极贡献，以使其成功。如果结果不能证明其合理性，那么仅仅因为其他所有人都在做“大数据”就不会使组织受益。