北京8月23日消息，據國外媒體報道，超市內部怎么設計才能最大限度地提高銷售額？表面上，這個問題似乎與數據科學家挨不上邊。消費者行為難以量化：因為不可預測并且似乎沒有理由。為什么一些購物者在某些通道里呆了比其他人更多的時間？為什么每個購物者在店內行走的路線都不相同？為什么有些商品在上午暢銷，但在下午根本賣不出去？
尋找這些問題的答案要靠非結構化數據分析--由于非結構化，這些數據無法整齊劃一地輸入到數據庫或電子表格的行列中。絕大多數商業信息都是以非結構化數據形式存在。這些數據可能來自電子郵件、備忘錄、視頻、客戶來電、推文、Facebook的消息和博客，本身就難以量化。因為非結構化，這些數據也更難以大量分析，但實際上，部分因為對大數據興趣的日益濃厚，非結構化數據量最近也在激增。
對于企業來說，處理這一堆混亂的新信息可能遇到挑戰，但也是巨大的機會。據凱捷咨詢與《經濟學人》信息部最近聯合進行的研究顯示，大部分高管人員依賴非結構化數據分析做出業務決策。企業分析的數據越多，就越能獲得有價值的見解。技術供應商談論的是非結構化數據的隱藏價值。他們認為，理解非結構化數據是數據分析的最新前沿課題。
找到一種利用所有這些談話、PowerPoint演示稿和推文獲得信息的途徑，企業可從大數據中獲取真正的價值。但很多供應商是從錯誤的地方開始。業務項目不應從從訪問數據開始，首要任務應是確定要回答的問題。誰是我最好的客戶？該產品為什么會失敗？這些都是業務問題。但技術供應商卻在尋找技術問題如：我們如何挖掘數據？我們怎樣才能大海撈針式地找到有用數據？的答案。
理解非結構化數據只有一部分與搜索有關。真正的價值來自將非結構化數據與其他結構化信息聯系起來分析。怎么做呢？想想一家公司會如何利用所有員工的知識。一個組織中會發生數以百萬計的不同交流，這些交流包含了大量的有價值資料，但你怎么集中在最相關的信息上，并將其轉化為真正見解？
第一步是要找出你要解決的問題，這可能決定銷售流程的效率。我們如何利用更少的資源做銷售？在你分析PB級數量的非結構化數據，從電子郵件、職員博客到語音通話時，首先你必須確定其中重要的結構化元素，目的是確定可說明問題的特定交流。但為了確定誰和誰談論哪些話題，你需要從準確標注“主動談話人”、“談話內容”和“被動談話人”開始。
確定“主動談話人”要知道其用戶名、登錄名和其他與具體職員有關的ID。如果在現實中這些信息都來自同一個人，獲取5個不同人的數據沒有用。第二，你必須能理解你分析的話題。要成功分析必須使內容結構化。第三，你的客戶是誰？你是否使用了正確的詞條獲取與該客戶有關的所有信息？您必須確保能獲得每個部門、縮寫和控股公司的所有參考資料。如蘇格蘭皇家銀行和國民西敏寺銀行？英國天空廣播、天空或新聞集團？
然后將這個完整的結構化框架與從你選擇群組中大量不同對話收集的非結構化信息結合。可能出現這種情況：銷售額最大的公司也是該公司員工談論最多的公司，在這種情況下，內部溝通是良性的。但同樣，人們談論最多的客戶并不能帶來足夠的收入，在這種情況下，你就能發現銷售流程中導致低效率的關鍵。
目前很多廠商將非結構化數據作為單獨的技術挑戰對待。但只有在確定了相關的重要結構化信息時，才能理解非結構化數據。如果一個職員是負責某個特定話題95%的溝通，無疑將使他或她成為這個問題的核心信息中心。但如果這個模式不能找出證明各種不同的登錄信息和身份信息屬于同一個人的基礎結構化信息，你可能無法看到這個事實。
如果數據等同于噪音，就不可能準確做出決策。因此，我們應如何使用非結構化數據為超市設計最好的布局？零售公司、主題公園甚至警察部門使用的是群體分析，預測人群在某些情況下可能的反應。在超市中，分析視頻確定購物者狂商店的路線，記錄他們在哪停過，什么地方將商品放入籃子，在遇到人多或死角時如何應對。
然后將非結構化信息與結構化數據結合--例如，某些商品在貨架上的位置或收銀臺--制作一個購買者行為的完整數據驅動圖。一旦這個信息就位，就可能根據各種不同情況對未來銷售進行預測。是否將山羊奶酪換個位置，買酒的人會更多？如果將更便宜的啤酒移到通道后面，人們會購買更多高價啤酒嗎？如果面包房附近出現擁堵，超市會出售更多的面包嗎？
使用這種結構化和非結構化數據組合，可以找到這些問題的答案，而這些問題又是成功預測分析的基礎。但只有建立完整的可用數據圖，才能做出準確的決策。
推薦閱讀
8月23日消息，在“第四屆三網融合中國峰會”上，中國廣播電視協會會長李丹表示，全國已經有54個地區成為三網融合的試點區域，覆蓋人口已經達到3億人以上，三網融合已經進入了一個新的發展階段。 李丹指出，2012年對于>>>詳細閱讀
本文標題：企業管理的挑戰：非結構化數據分析
地址：http://www.xglongwei.com/a/shuju/20120901/82888.html
網友點評
精彩導讀
科技快報
品牌展示