基于大数据营销能力的市场营销专业培养模式探讨

近年来, 大数据技术迅猛发展, 掀起了一场全球性发展的浪潮。从国外的应用实例来看, 最早大范围的大数据应用始于零售行业。通过对客户的消费习惯、地理位置、销售时间以及客户的社交信息等的大数据分析, 实施精准营销, 取得了显著的效果, 如Google, Amazon, Facebook等。随之而来的影响, 正在迅速渗透到多个行业领域, 颠覆着传统的营销工具。因此, 大数据时代也对营销人才的综合素质提出了新的更高要求。那么, 大数据营销能力到底意味着什么能力?如何根据大数据营销能力的具体内涵, 培养符合大数据时代需求的营销人员, 成为高等院校亟待解决的课题。带着这一问题, 我们开始了下面的探讨。

一、大数据营销能力的内涵

探讨大数据营销能力的内涵, 必须首先理解何谓大数据及大数据营销。然而学界对于大数据尚未形成统一的定义。Nerv Adrian (2011) 认为, 大数据就是“在常用的硬件环境和软件工具的条件下, 无法在其用户群体可以承受的时间内范围内, 进行采集、管理和处理的数据集合”[1]。麦肯锡全球数据分析研究所 (Mckinsey Global Institute) 的Manyika等人 (2011) 在《大数据:创新、竞争和生产力的下一个前沿》报告中提出“大数据是指大小超出了典型数据库软件工具收集、存储、管理和分析能力的数据集”[2]。

大数据具有体量巨大、种类繁多、变化迅速、模糊和不确定性等4大特征。随着大数据技术的进步, 大数据在各个行业领域的应用有了巨大的发展。

大数据营销亦被称为数据驱动营销, 就是利用大数据技术从具有低价值密度的海量数据集合中, 深度挖掘、准确分析, 进而获得巨大的商业价值。具体说来, 就是在市场营销领域中利用大数据技术对可用的、不断增长的、不断变化的、不同来源的 (传统和数字渠道) 、多种形式 (结构化和非结构化数据) 的海量数据, 进行收集、分析和执行, 以鼓励客户参与、提高营销结果和衡量内部责任的过程。根据大数据营销的工作流程和内容, 本文提出了大数据营销能力这一新概念, 旨在为大数据环境下营销专业人才的培养提供目标和评估标准。

然而大数据营销能力的内涵, 在理论界尚未有完整定义。在大数据环境下, 企业可以能够记录或搜集顾客在各个渠道 (比如社会化、移动化的媒体与渠道) 、生命周期各个阶段 (顾客产品感知、品牌参与、产品购买、购买后的口碑和社会互动) 的行为数据, 从而设计出高度精准、绩效可高度定量化的营销策略[4]。所以, 本研究认为大数据营销能力是营销人员在整个营销过程中利用大数据技术, 包括从机器学习和文本分析到情感分析和预测分析都结合在一起的, 能使营销活动效果有显著提升的综合能力。一般来讲, 大数据营销一般经历理解业务需求、数据采集和存储、数据准备和预处理、数据分析、形成数据报告、应用和反馈等六个基本过程[5]。

(一) 理解业务需求

充分理解业务需求, 提炼出大数据营销的目标, 找到传统营销的瓶颈, 确定数据分析的方法是大数据营销成功的第一步。业务的需求也是来自于客户的需求。深入把握客户的需求, 才能设计出具有针对性的解决方案, 提供个性化、主动的服务营销。同时只有深入把握行业需求, 对客户进行全面分析和监控, 直接反馈业务市场的竞争态势, 对市场的动态变化进行实时掌控, 才能在竞争中占据主动。

(二) 数据采集和存储

数据采集主要分三种方式:基础运营方式、数据租赁运营方式及数据购买运营方式。它们又可归纳为两个方面, 即内部信息采集和外部信息采集。所有数据都是可以结合新媒体营销渠道获得。因此企业一定要制定数据积累和管理框架。一方面通过市场调查消费者消费记录以及任何促销活动 (特别是新媒体营销) 的记录, 另一方面利用公共记录的数据, 如人口统计数据、医院婴儿出生记录、患者记录卡、银行担保卡、信用卡记录等都可以选择性地纳入数据采集范围。将收集的数据, 根据企业数据管理的框架和自身的条件, 选择适当的方式进行存储, 建立起大数据平台。

(三) 数据准备和预处理

这个阶段是根据大数据营销的目标, 确定大数据分析的数据范围, 运用先进大数据技术, 对数据进行清洗或预处理。

(四) 数据分析

主要从描述性统计分析、客户群的精准分类及数据模型的建立等三方面来入手。例如利用基本统计学方法进行统计分析;利用数据挖掘的分类、聚类、关联等方法进行客户群的精准分类;利用数据模型和机器学习等算法进行各种预测。

(五) 形成数据报告

在数据分析的基础上形成数据报告是非常重要的步骤。数据报告包括:分析报表、客户信息或客户群信息及其特征、根据分析结果提出应用建议。大数据分析提供了一种可能, 既可以根据营销问题, 封闭性地去挖掘对应数据进行验证, 也可以开放性地探索, 得出一些凭常识或经验可能很难想象的结论或完全与之相异的结论。

(六) 应用和反馈

数据指导营销最重要的是解读。一般是定义营销问题之后, 采集对应的数据, 然后根据确定的建模或分析框架对数据进行分析、验证假设、进行解读。在大数据分析的基础上, 可解读的点变得非常丰富。解读的目的是应用, 根据解读的结果, 把分析的建议加入大数据营销计划, 进行跟踪评估和优化提升, 达到知识沉淀的目标, 最终应用于新一轮的大数据营销中去。

根据以上六大步骤的任务需要, 本研究认为大数据营销能力应当包含:营销管理的能力、数据采集和存储能力、数据准备和预处理能力和数据分析能力。其中营销管理能力是指从业人员是否可以理解业务需求制定大数据分析任务、根据数据分析的结果形成数据报告、并将结果应用于企业执行。对应图1中的步骤1、5和6。

二、现有本科层次数据营销能力培养方式的问题

在现有的本科层次传统营销专业培养计划中, 基于数据营销和营销科学化方向的培养方式, 问题诸多。主要表现在以下方面:

(一) 课程目标不明

因为没有明确大数据营销工作所需的能力内容和层级, 无论是整个教学体系设置的人才培养目标还是单门课程的教学内容和目标, 都与社会需求相脱节。企业究竟需要何种人才从事何种领域和层次的工作, 这一问题并不明确。直接影响了人才培养的结果缺乏有效性。

(二) 缺乏有效课程体系

虽然绝大多数的本科院校市场营销专业教学计划都包含有市场调研、消费者行为学、统计学等核心课程, 甚至还包含其他的营销分析工具课程, 但是对于课程整体缺乏规划。这与不清楚数据营销能力具体表现为何种能力不无相关。进而, 不明确人才培养的具体目标。比如, 大数据营销分析包括三种分析方式, 每一种对于学生计算机和统计学基础要求都不尽相同。针对本科院校商科学生的基础能力和企业需求, 究竟让学生达到何种水平不明确。因此, 对于培养方案应该包含什么课程, 课程之间的逻辑关系, 是否存在进阶, 缺乏必要的计划。

(三) 教学方法和考核方式陈旧

大数据时代, 营销类课程具备创新型应用性的属性。因此在教学过程中, 需要采用多种教学手段和方式。但在实际授课中, 很多课程的授课形式还没有从传统理论课程中转变。讲授方式仍然占据了绝大部分课时。而考核方式和内容本身对于教学结果具有极强的指向性, 但目前很多课程仍是以期末闭卷考试为主, 特别是对于技能型、工具型课程的评价效果比较差。因此, 高校急需建立基于大数据营销能力的市场营销专业培养模式。

三、本科层次学生大数据营销能力培养模式

虽然大数据营销已经在企业中开始应用, 并引发全社会的关注。但是面向大数据营销能力的人才培养方式目前还比较欠缺, 根据中国知网截至2017年10月23日21点40分的搜索数据显示, 全文涵盖大数据营销的论文有3119篇, 全文涵盖“大数据营销”and“人才培养”的论文为305篇, 而其中从高校专业人才培养角度撰写的甚至不超过5篇。可以借鉴的研究成果十分有限。

本文基于对大数据营销能力的解读和高校数据营销培养方式中现存问题的分析, 构建了市场营销专业本科层次学生大数据营销能力培养模式。如图所示。

(一) 明确培养目标

如图2所示, 根据前面研究得出的大数据营销能力所包含的营销管理的能力、数据采集和存储能力、数据准备和预处理能力和数据分析能力来确定培养目标。并结合本科层次市场营销专业学生的基础和就业需求, 将这四大能力的要求进行分级。对于营销管理能力的掌握程度要求最高第一层级:熟练操作。一方面考虑这个领域是市场营销专业学生的专业特长所在, 另一方面也考虑企业实际需求, 这是未来市场营销专业对口的从业人员在企业大数据营销团队中应当直接承担的主要任务。对于数据采集和存储能力, 要求掌握的层级是第二层次:会操作。要求不仅知道信息获取的来源, 而且可以从中获取信息并通过基本的数据库操作技能存储数据。对于数据准备和预处理能力和数据分析能力, 要求学生掌握的层次是第三层次:理解。会向专业大数据技术分析人员解读任务, 理解技术人员的工作内容。

(二) 建立课程体系

对应这四大能力, 建立和优化原有课程系, 如图2所示。由于大数据分析应用涉及的知识多、综合性强, 而市场营销专业人才培养方案的学时有限, 因此需要将市场营销专业部分经管课程的内容进行优化和更新, 增加大数据分析在市场营销各个环节应用的相关内容, 将互联网思维和大数据分析思维贯穿整个培养过程中。

1. 增设大数据环境的商务创新模式和营销策略, 培养数据采集和存储能力

增设应对大数据环境的创新商务模式和营销策略, 介绍大数据所推动的商务 (特别是电子商务) 新兴产业链。在结合电子商务概论、网络营销、消费者行为学等课程的理论原理基础上, 理解大数据带来的数据服务新变革。学习基于大数据的新型营销方式, 如基于社交网络、基于位置服务大数据的新媒体营销等。并且了解数据的存储方式和关系型数据库的查询方法, 如数据库原理及应用。目的在于加强学生对大数据环境下对新商务模型及营销模型的数据的敏感性, 认识不同的数据类型及其潜在的价值, 了解数据采集、存储和查询的方法。

2. 增设大数据前期处理和初步挖掘的工具与方法, 培养数据准备和预处理能力

通过增设ETL原理和应用课程, 了解数据的提取、转换及上载的原理和ETL工具, 并通过数据仓库和商务智能学习, 了解在数据仓库平台进行对数据前期处理和初步挖掘的工具与方法, 培养数据准备和预处理能力。

3. 增设大数据营销及挖掘的工具, 培养数据分析能力

增设营销分析工具及大数据营销课程, 了解大数据技术在营销领域的应用场景及及其挖掘工具和可视化工具。在学习大数据分析与挖掘技术的基础上, 引导学生从实践教学中, 学习描绘、预测、分析、指引消费者的行为, 探索发现基于大数据平台的新兴营销分析方法, 帮助企业制定有针对性的商业策略。针对消费者的特性提供相应的个性化服务、消费预测等原理与案例内容。目的在于培养适应大数据环境下数据分析能力。

4. 增设大数据环境下的商务和营销模式的新视角, 进一步提高营销管理能力

主要的方法是在传统的课程中增加大数据的内容。具体涉及的课程为:在电子商务概论课程中增加大数据概述, 讲解大数据对电子商务的深刻影响;信息管理系统中增加大数据环境下信息管理系统的新变化;市场营销学课程增加了“大数据时代的市场调查”, 以及大数据营销概论的章节, 介绍大数据时代市场调查的方法和特点, 以及大数据营销的内涵、特点、运营方式和操作过程;同时新增专业前沿讲座包含了大数据营销的新进展等相关内容。以此进一步提高大数据环境下的营销管理能力, 为建立综合大数据营销能力奠定良好的基础。

(三) 优化教学方式和考核方法

针对课程的内容和目标, 设计针对性的教学方法和考核方式。整体以实训为导向, 所以课程内容编写以实际工作流程中的任务主导。比如《大数据营销》课, 以企业需要解决的问题为专题组织课程, 并以完成此类型任务所需的工具、技能和操作流程为具体内容, 教学方式在任务导向下, 以软件工具教学和上机实操、小组任务等形式展开, 因此课程考核的标准也变原来的期末闭卷考试成绩为授课过程中每次实操任务的完成结果。而对于传统理论课程, 比如《市场营销学》, 拆分为理论+实训课时, 不仅课程内容和训练以任务为导向, 并配合实训平台建设, 编写配套的实训教材和课程, 使学生在学习的过程中动手做。

四、结语

通过分析大数据营销操作过程中各个环节的工作任务属性, 本文提出了大数据营销能力应当包含:营销管理的能力、数据采集和存储能力、数据准备和预处理能力和数据分析能力。其中营销管理能力指从业人员是否可以理解业务需求制定大数据任务、根据数据分析的结果形成数据报告、并将结果应用于企业执行。指出现有营销教学体系中对本科生数据营销能力培养方式存在缺乏有效系统方案、课程设置与社会需求不匹配、教学方法和考核方式与课程目标不符等问题。基于以上研究, 本文构建了包含能力目标、课程体系和授课方式在内的本科层次学生大数据营销能力培养模式。

摘要：通过研究大数据营销的本质, 并结合大数据时代企业对营销人员新的综合能力要求, 提出本科层次市场营销专业学生大数据营销能力的内涵。分析现有营销教学体系中对本科生数据营销能力培养的方式, 指出诸多现实的缺陷和问题。最终, 构建本科层次学生大数据营销能力培养模式。本研究成果对本科层次大数据营销人才培养, 具有理论和实践意义。

关键词：大数据,大数据营销能力,培养模式

参考文献

[1] Merv Adrian.Big Data:it’s going mainstream and it’s your next opportunity[J].Teradata Magazine, 2011, (1) :3-5.

[2] Manyika J, Chui M, Brown B, et al.Big data:The next frontier for innovation, competition, and productivity[R].USA:Mckinsey Global Institute, 2011.

[3] Andy Sellers.The advent of the new content marketing era means marketers need new skills.www.linkedin.com/pulse/advent-newcontent-marketing-era-meansmarketers-need-andy-sellers/.2015.

[4] Hui S K, Fader P S, Bradlow E T.Path data in marketing:An integrative framework and prospectus for model building[J].Marketing Science, 2009, 28 (2) :320-335.

[5] 崔译文, 邹剑峰, 马琦等.市场营销学 (第3版) [M].广州:暨南大学出版社, 2017.45.