|
中国IDC圈3月23日报道：对付刷卡消费类的数据阐明，假如可以或许拿到所有人的信用卡消费数据（一小我私家大概有多张信用卡），那么拿到这些信用卡消费数据应该如何展开阐明。 对付用户消费行为阐明谈的较量多的思路仍然是需要首先搞清楚阐明的方针，然后再按照方针的阐明去收罗和处理惩罚需要的数据信息。即数据阐明自己是KPI驱动的，那么假如从最原始的数据明细入手，应该如何举办展开和数据维度的拓展？ 对付有信用卡的人，我们收到的信用卡账单，往往有最简朴的消费明细数据，如下： 消费清单（持有卡人卡号，姓名，消费商家，消费时间，消费金额） 可以看到这个消费明细数据自己是相对简朴的，假如不团结其它的数据维度，往往纯真的去做统计阐明并不会发生太多的意义。任何数据阐明都需要团结对原始数据的维度拓展上，维度拓展后整个数据模子会越发富厚，则可以发生多维度的阐明和数据聚合。 从上面的消费具体清单数据，简朴来看可以举办如下扩展 人员信息（人员姓名，身份证号，年数，姓名，职业范例，居住地点，家庭信息） 商家书息（商家名称，商家地点，商家策划范例） 有了人员信息就有第一层拓展，即我们对数据的聚合可以基于人员的属性维度，即我们拿到的消费明细数据，可以凭据消费者性别，年数段，职业范例等举办聚合。对付人员的识别独一码不是姓名，而是人员的身份证号码，即通过身份证号码我们可以对一人多张信用卡的消费数据举办聚合。 有了商家书息，我们可以按照商家的策划范例对差异范例的消费数据举办聚合。同时可以看到，对付商家具体地点信息自己是无法举办聚合的。那就要思量在主体工具的属性中的单个属性自己的条理扩展，即地点信息我们可以举办扩展，即都市-》区-》区域-》消费区域-》商圈-》大商场-》详细地点。 假如地点有了这个扩展，就可以看到最终的消费数据可以做到按消费区域举办聚合，我们可以阐明某一个商圈或商场的消费汇总数据，而这个数据自己则是从原始消费明细数据中举办模子扩展出来的。 要做到这个工作可以看到，任何动态的消费明细数据，必需要共同大量的基本主数据，这些基本主数据大概有表格布局也大概是维度布局，这些数据必需要整理出来并关联映射上具体的消费明细数据。这样，最终的消费数据才容易举办多维度的阐明，基于维度的聚合。 消费时间自己也是重要的维度，通过期间我们可以按照时间段举办数据汇总，同时时间自己可以按年，按季度，按月逐层展开，也是一种可以条理化展开的布局。同时还可以留意到时间自己还可以举办消费频度的阐明，即某一个时间段内里的刷卡次数数据，按照消费频度可以反推到某一个区域自己在某些时间段的热度信息。 假如仅仅是信用卡的刷卡消费清单数据，我们较量难以定位到详细的商品SKU信息上，假如是一个大型超市，则对付具体的用户消费购置数据，还可以明细到详细的商品上，则商品自己的维度属性展开又是可以举办拓展阐明和聚合的内容。 数据自己大概具备相关性，刷卡消费的数据往往可以和其它数据直接产生相关性，好比一个地域自己的大事件，一个区域举行的营销勾当，我们从交通部分获取到的某个区域的交通流量数据。这些都大概和最终的消费数据产生某种意义上的相关性。 假如仅仅是从刷卡数据自己，前面谈到可以按照商户定位到商家的策划范畴，毕竟是餐饮类的照旧卖衣服类的。那么按照差异的策划范例可以别离统计刷卡消费数据，然后我们就可以阐明，对付餐饮类的消费金额增加的时候打扮类的消费是否会增加，即餐饮商家毕竟对一个商场的其它用品的销售有无刊行动用等？ 对付人员同样的原理，可以阐明差异年数段的人员的消费数据之间是否存在必然的相关性？这些相关性毕竟存在于哪些范例的商品销售上等。这些阐明将利便我们拟定越发有效的针对性营销计策。 |
