公用事业如何使用分析来改善与客户的互动
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-01-13
1：客户意识
该公司花了两年的时间与客户交谈，进行调查并从其营销系统运行分析，以确定哪些客户有可能使用智能电表。分析技术可带来价值，因为该技术可以汇总有关每个客户的多种类型的异类信息，然后以提供其他方法不易发现的客户洞察力的方式组合和评估此汇总信息。
2.系统整合
公司中的一个派系希望完全废除旧系统，但是随着时间的推移，项目团队意识到信息，业务流程和用户对这些系统的熟悉度的重要性。然后，选择成为将旧系统基础与更新的IoT，大数据和分析系统集成的一种。结果是可以从旧数据和大数据中获得的混合数据存储库，可以通过分析来查询。
3.频道优化
该公司从未花费太多时间来研究如何与客户沟通。这种通信可以通过电话，电子邮件或普通邮件或社交媒体进行。它在市场营销中开发的分析方法结合了来自结构化和非结构化数据源的数据。该公司还可以查看客户的通信渠道偏好。
4.文化变革
IT部门开始合并首席数据架构师，人们意识到，数据正在演变为新的，非结构化的形式，例如社交媒体和IoT，因此必须以某种方式成功地将它们与标准的交易数据融合在一起-并且需要数据架构师来做到这一点，在面向客户的方面，该组织开始寻求具有技能和对客户关系的承诺的新人才。
大数据和分析的作用
实用程序的底线是，大数据和分析已成为一直支持这些功能的标准系统，成为对业务运营和客户关系成功至关重要的主流，并且对它们至关重要，我们目前对客户的了解足以创建程序流程，确定激励水平，开展市场营销活动并报告成果，我们还不能做的是：
1）预测哪些客户有兴趣参与未来的业务。
2）根据我们对客户需求和偏好的了解，直接向客户进行市场营销。
3）跟踪直销活动的成功与否，鼓励客户参与。
4）衡量由于我们有针对性的交流和随后的计划参与而导致的客户满意度的变化，客户分析计划将增强我们了解客户，与客户进行有效沟通以及衡量这些变化的结果的能力接近中。
如何避免不切实际的数据科学项目期望：8个技巧
企业热衷于聘用数据科学家，但必须记住，数据驱动的项目并不能解决所有问题，所有行业的组织都在收集比以往更多的数据，并希望数据科学家和分析师收集有助于改善业务的见解，但是由于围绕大数据的所有宣传，数据科学项目的期望很容易失控，公司对数据能够解决他们遇到的每个问题感到非常兴奋，很可能数据和数据科学将解决他们的许多问题并将推动他们的业务向前发展，但是在您做的每个项目中，您都应该坐下来认真思考收集的具体数据以及潜在的问题，这意味着什么。
1.从小做起
从一个小的，低风险的项目开始，这意味着您目前不很担心，但是很有可能获得成功，大多数组织实际上没有做的常见的事情之一就是测试电子邮件中的某些内容，例如大多数电子邮件通讯供应商都提供了测试电子邮件其他版本的功能，您可以开始测试主题行，然后查看哪些主题会产生更多的打开和点击，这是尽可能降低的风险-您没有损失，也不必花任何钱，因为您的供应商已经提供了技术能力，而且您可能会发现，此主题行比该主题行效果更好，这是一个很好的示例，说明您可能正在做的事情以及可以开始展示价值的地方。
2.创建分析计划和流程
企业需要一个分析过程，当人们抱怨分析师没有解决正确的问题或没有给他们正确的信息时，这反映了过程问题，该过程可以首先就组织中的问题达成共识，然后选择每个人都可以定义并同意进行工作的小问题。然后，您必须评估是否有数据可以解决它。
3.忽略趋势
避免开始一个浮华的项目，不用担心什么很酷，担心什么对您而言具有成本效益，酷因素可能是一个很大的问题。
4.不要迷恋工具
谈到数据驱动项目时，工具是您要考虑的事情，公司需要确定哪些特定产品重要，并在需要时花钱，而不是花费大量时间等待或寻求其他解决方案。
5.了解计算限制
尽管数据分析可以改善许多流程，但在数学上可以证明的事情不能无条件地完成，认为一个领域将能够做所有事情来解决世界上的数据问题是一件非常棒的事情，但是直到，有些事情是无法完成的，除非我们有一个完全不同的框架来思考计算，这只是不会发生。
6.请记住，并非所有数据都可用
组织机构必须记住，收集大量数据并不意味着数据是干净的或可用的，尽管企业可能拥有大量数据，但并非总是会收集正确的数据，正确地组织结构或数据足够丰富以至于能够收集他们正在寻找的见解，在真正增加价值之前，通常需要对数据进行完善，清理，重组，甚至与其他数据源结合，无法理解这是期望经常无法得到满足的主要原因。
7.不要期望找到一个数据科学独角兽
在聘用数据科学家时，许多公司都在寻找具有各种资格的魔术候选人，但很难找到他们，当他们确实录用时，对专业人员能做什么的期望通常过高，坦率地说，很多人雇用了数据科学家，却没有从他们那里得到想要的东西，从适度的东西开始，并从一开始就建立一个良好的流程作为您的操作模式。
8.允许学习曲线
公司应将数据驱动的项目称为“特殊项目”，该项目应获得支持和资源，但应从一开始就考虑日常运营，企业有一个学习过程来学习数据，对在不了解行动的情况下过快采取行动要谨慎。
该公司花了两年的时间与客户交谈，进行调查并从其营销系统运行分析，以确定哪些客户有可能使用智能电表。分析技术可带来价值，因为该技术可以汇总有关每个客户的多种类型的异类信息，然后以提供其他方法不易发现的客户洞察力的方式组合和评估此汇总信息。
2.系统整合
公司中的一个派系希望完全废除旧系统，但是随着时间的推移，项目团队意识到信息，业务流程和用户对这些系统的熟悉度的重要性。然后，选择成为将旧系统基础与更新的IoT，大数据和分析系统集成的一种。结果是可以从旧数据和大数据中获得的混合数据存储库，可以通过分析来查询。
3.频道优化
该公司从未花费太多时间来研究如何与客户沟通。这种通信可以通过电话，电子邮件或普通邮件或社交媒体进行。它在市场营销中开发的分析方法结合了来自结构化和非结构化数据源的数据。该公司还可以查看客户的通信渠道偏好。
4.文化变革
IT部门开始合并首席数据架构师，人们意识到，数据正在演变为新的，非结构化的形式，例如社交媒体和IoT，因此必须以某种方式成功地将它们与标准的交易数据融合在一起-并且需要数据架构师来做到这一点，在面向客户的方面，该组织开始寻求具有技能和对客户关系的承诺的新人才。
大数据和分析的作用
实用程序的底线是，大数据和分析已成为一直支持这些功能的标准系统，成为对业务运营和客户关系成功至关重要的主流，并且对它们至关重要，我们目前对客户的了解足以创建程序流程，确定激励水平，开展市场营销活动并报告成果，我们还不能做的是：
1）预测哪些客户有兴趣参与未来的业务。
2）根据我们对客户需求和偏好的了解，直接向客户进行市场营销。
3）跟踪直销活动的成功与否，鼓励客户参与。
4）衡量由于我们有针对性的交流和随后的计划参与而导致的客户满意度的变化，客户分析计划将增强我们了解客户，与客户进行有效沟通以及衡量这些变化的结果的能力接近中。
如何避免不切实际的数据科学项目期望：8个技巧
企业热衷于聘用数据科学家，但必须记住，数据驱动的项目并不能解决所有问题，所有行业的组织都在收集比以往更多的数据，并希望数据科学家和分析师收集有助于改善业务的见解，但是由于围绕大数据的所有宣传，数据科学项目的期望很容易失控，公司对数据能够解决他们遇到的每个问题感到非常兴奋，很可能数据和数据科学将解决他们的许多问题并将推动他们的业务向前发展，但是在您做的每个项目中，您都应该坐下来认真思考收集的具体数据以及潜在的问题，这意味着什么。
1.从小做起
从一个小的，低风险的项目开始，这意味着您目前不很担心，但是很有可能获得成功，大多数组织实际上没有做的常见的事情之一就是测试电子邮件中的某些内容，例如大多数电子邮件通讯供应商都提供了测试电子邮件其他版本的功能，您可以开始测试主题行，然后查看哪些主题会产生更多的打开和点击，这是尽可能降低的风险-您没有损失，也不必花任何钱，因为您的供应商已经提供了技术能力，而且您可能会发现，此主题行比该主题行效果更好，这是一个很好的示例，说明您可能正在做的事情以及可以开始展示价值的地方。
2.创建分析计划和流程
企业需要一个分析过程，当人们抱怨分析师没有解决正确的问题或没有给他们正确的信息时，这反映了过程问题，该过程可以首先就组织中的问题达成共识，然后选择每个人都可以定义并同意进行工作的小问题。然后，您必须评估是否有数据可以解决它。
3.忽略趋势
避免开始一个浮华的项目，不用担心什么很酷，担心什么对您而言具有成本效益，酷因素可能是一个很大的问题。
4.不要迷恋工具
谈到数据驱动项目时，工具是您要考虑的事情，公司需要确定哪些特定产品重要，并在需要时花钱，而不是花费大量时间等待或寻求其他解决方案。
5.了解计算限制
尽管数据分析可以改善许多流程，但在数学上可以证明的事情不能无条件地完成，认为一个领域将能够做所有事情来解决世界上的数据问题是一件非常棒的事情，但是直到，有些事情是无法完成的，除非我们有一个完全不同的框架来思考计算，这只是不会发生。
6.请记住，并非所有数据都可用
组织机构必须记住，收集大量数据并不意味着数据是干净的或可用的，尽管企业可能拥有大量数据，但并非总是会收集正确的数据，正确地组织结构或数据足够丰富以至于能够收集他们正在寻找的见解，在真正增加价值之前，通常需要对数据进行完善，清理，重组，甚至与其他数据源结合，无法理解这是期望经常无法得到满足的主要原因。
7.不要期望找到一个数据科学独角兽
在聘用数据科学家时，许多公司都在寻找具有各种资格的魔术候选人，但很难找到他们，当他们确实录用时，对专业人员能做什么的期望通常过高，坦率地说，很多人雇用了数据科学家，却没有从他们那里得到想要的东西，从适度的东西开始，并从一开始就建立一个良好的流程作为您的操作模式。
8.允许学习曲线
公司应将数据驱动的项目称为“特殊项目”，该项目应获得支持和资源，但应从一开始就考虑日常运营，企业有一个学习过程来学习数据，对在不了解行动的情况下过快采取行动要谨慎。
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
