分析收集的数据和大数据

[hggafdb]

因此，聚合的主题是真实且双重的： 您需要管理不同软件之间的数据流以获得独特的信息（仅举一个简单的示例，将发送新闻通讯的软件与 CRM 保持一致）。 您需要知道如何标准化来自不同外部来源的数据（例如，集成导航数据、社交媒体上的行为数据以及来自销售部门的电话数据）。 技术因素是数据聚合的基础。首先是因为否则这将是大量（无用的）工作，其次是因为迄今为止，我们收集的所有数据都直接来自我们每个人每天使用的平台（社交媒体、移动应用程序、谷歌搜索等）。



 一旦数据被聚合和标准化，它就必须能够被读取，以便深入了解他们的行为（什么是消费者洞察？）。这是最后阶段，如果我们在这里，这意味着： 我们在公司内部建立了有效的内部软件生态系统 我们正在收集与客户或潜在客户的行为相关的统计数据 我们有一个知道如何阅读统计数 加拿大移动的数字 据的人（数据科学家） 当然，我们必须确保阅读和解释数据会导致某种类型的行动：显然阅读和了解是不够的，数据必须是新的或纠正行动的起点，然而，这些行动不是“凭直觉”采取的“但要有充分的认识。




这就是数据驱动营销应该引导的方向。 卢卡·比扎里 大数据和数据挖掘 如前所述，大数据从根本上来说是原始数据，不仅必须恢复，而且还必须通过复杂的算法进行解释和组织。挖掘如此复杂的信息量的活动解释了数据挖掘的含义，其含义非常明确，可以比喻为从数据矿井中提取信息。让我们立即做出这种区分，这对于我们的案例来说是至关重要的： 我们将“数据”定义 为特征已知但尚未组织或分类的元素。