大数据运营之渠道数据模型设计

渠道是企业将产品和服务交付给客户的一种手段。渠道可以整合各种产品和服务,在产品日益同质化的今天,渠道在社会中的重要性越来越突出。

渠道在产品和服务的提供方和消费方之间的作用如图3-4-5所示:

图3-4-5渠道是连接客户与产品/服务的桥梁和纽带

按产权归属,可以将渠道分为自有渠道和社会渠道;按照存在形态,可以将渠道分为实体渠道和电子渠道。

企业的渠道服务体系如图3-4-6所示:

图3-4-6企业渠道服务体系示例

电子渠道可以降低产品和服务交付成本,提供客户获取产品和服务的便捷性,在互联网发达的今天,电子渠道在渠道体系中占比越来越高,但是由于实体渠道能够获得实物体验,电子渠道和实体渠道还是一种互补关系,像服装、家居等需要现场体验的商品,还需要借助实体渠道销售。

企业可以采用OMO(Online Merge Offline,线上线下融合)模式,将实体渠道和电子渠道结合起来,发挥两种渠道各自的优势,实现两者的有效协同。

企业渠道的概念模型如图3-4-7所示:

图3-4-7企业渠道概念模型示例

(本文摘自:李福东《大数据运营-服务型企业架构新思维》3.3.9 ,经作者授权转发,图片来自网络)

原文地址:https://blog.51cto.com/lifudong/2453643

时间: 2024-09-29 04:07:45

大数据运营之渠道数据模型设计的相关文章

大数据运营之孕育小结局:凡事预则立,不预则废

[文摘自:李福东<大数据运营>第3章内容回顾?,了解更多请关注微信公号:李福东频道] 编者按 "孕育"意味着埋下一颗希望的种子,要想让这个"种子"满足预期要求,必须从全局和长远考虑,对于设计大数据服务这颗高科技"种子",还应当具备正确的思维方式,具备面向服务.面向过程.全生命周期.数据即资产的观念,将大数据作为服务或者产品来对待,以价值创造为衡量大数据服务的原则,整合企业内部及社会数据,充分挖掘大数据的潜力. 文章正文 不同于面向操作

大数据运营-服务型企业架构新思维

目前市面上关于大数据的图书主要分为两类:一类主要讲大数据对社会生活的影响,属于大数据科普书,读一读可以增强对大数据的感性认识:另一类则属于大数据专业技术书,主要讲大数据相关技术,可以帮助开发出大数据应用. 本书既不是泛泛的谈大数据的重要性,也不深入专业技术细节,而是从业务和企业发展战略出发,运用系统化和全生命周期管理思维,给出大数据从需求到落地的整体解决方案.犹如个人的修齐治平,在大数据时代,企业要想得以生存和发展,同样需要经历筑巢.联姻.孕育.分娩.培育以及腾飞的6个发展阶段. 在筑巢阶段,企

小数据大道理:新书《大数据运营》众筹启示

2015年7月,我的***作<大数据运营>在众筹网发起30天的图书预售活动,筹资金额5000元,从项目发起的两天半时间,即周五下午到周日晚上,就超额完成了预定目标,非常的震撼.最终,总共得到102名支持者的支持,除了两位无私支持者一位,恰好是100为获得实物回报的支持者,总筹资金额7999元,超额完成了预定目标. 通过众筹网的图书推广活动,也获取到支持者的订单数据,具体包括下单时间.配送地点.购书数量.购书金额.与笔者的社会关系等.由于只有102位支持者,所以订单数据量很小,所有就不能称之为&

《大数据运营》读书分享会活动

本周四(7.5)20:00-21:00,我与大家在线分享<大数据运营>图书的精要内容,同时植入区块链与大数据融合创新.互联网与区块链思维等新的知识点,欢迎大家关注.交流. 新增知识点之一:[区块链与大数据融合创新思考]大数据是生产资料,是新能源,但是大数据行业最大的问题和困难是:组织之间的数据难以流通和共享,如果这一问题得不到解决,数据就难以释放能量并创造更大的价值.数据难以流通和共享的主要原因是数据的开放可能会触犯个人隐私或者引发安全问题,也就是说当前还没有一种很好的办法解决由数据开放引起的

大数据运营之数据治理

数据治理包括:隐私.安全.合规性3个方面. 大数据价值创造的前提和基础是企业自身的数据以及全社会开放的数据,当数据开放为社会带来好处的同时,也同时因此了隐私侵犯问题.隐私是社会赋予个人或者企业的权利,隐私权受到法律的保护,因此,企业在利用大数据的同时,要首先考虑大数据应用是否会侵犯他人或者组织的隐私. 企业可以多种方式来解决隐私触犯问题. 对于企业向内部人员提供的大数据服务,可以通过数据权限保证隐私数据不被非法获取,如果企业内部用户具有获取隐私数据的权限,要进行数据使用行为的记录和跟踪.例如,电

大数据运营之数据分析

数据分析过程包括:数据建模.大数据处理.告警与触发.报告等. 从数据处理的实时性要求角度看,大数据分析可以分为批量和流式两种数据处理方式.批量处理主要适合于实时性要求不高的分析型应用,而流式处理主要适用于实时性要求高的在线分析应用. 批量处理方式主要适用于大规模离线数据的分析处理,比如企业周期性统计报表,可以采样批量处理方式.对企业大规模历史生产经营数据进行批量处理,分析结果可以用于制定企业发展战略,对于分析结果的实时性要求不高. 流式处理方式有许多应用场景,比如客户浏览网页时,企业可以实施实时

大数据运营之孕育:分析处理系统容量设计方法

[本文摘自:李福东<大数据运营>3.5.1.2,了解更多,请关注微信公号:李福东频道] 编者按 大数据服务通常要经过数据ETL.数据存储.数据分析.数据展示.数据开放的过程,因此在计算能力.存储能力以及网络能力的估算上也有自身的特点. 正文 与事务处理应用相比,大数据服务属于分析处理应用,由于两者的数据处理特点不同,因此容量估算方法也有一定的区别. 大数据服务通常要经过数据ETL.数据存储.数据分析.数据展示.数据开放的过程,因此在计算能力.存储能力以及网络能力的估算上也有自身的特点. 大数据

大数据运营之孕育:服务过程设计,卓有成效的管理者

[本文摘自:李福东<大数据运营>3.6?,了解更多请关注微信公号:李福东频道] 编制按 大数据服务过程包括:服务目录管理.容量管理.可用性管理.连续性管理.服务等级管理.信息安全管理.供应商管理等. 正文 在设计方法方面,大数据服务与支撑企业运营的服务既存在区别,又存在联系.不同之处是:大数据服务的设计主要以"数据"为参考点,"数据"类型越多.越丰富.越新鲜,则越有助于设计好的服务:两者的共同点是:大数据服务归根结底还是为企业运营服务的,是为了提升企业在

大数据运营之数据存储

大数据服务的数据源不但来自归属于不同行业的组织之中,而且其类型还具有多样性(Variety)特征. 多样性指的是大数据服务不仅包括例如姓名.年龄这样的结构化数据,还包括歌曲.电影这样的非结构化数据,此外网页.邮件这样的数据介于结构化和非结构化之间,属于半结构化数据,也是大数据服务的重要数据源. 结构化数据来源于业务需求,系统分析员将需求中静态的"名词"提取出来并进行抽象,作为数据库表结构设计的依据.比如我们设计一个学籍管理系统,通过分析发现"张三"."李四