大數據分析到底是應該以洞察總體或群體的特徵為目標，挖掘潛在客戶需求方向？還是應該以洞察個體消費特徵為目標，制定針對性的營銷方案和服務？

01-25

謝邀。（最近越來越感覺到這兩個字裡面包含的分量了，因為被邀請的問題都是博士論文或者碩士論文級別的）

我首先想說明一下我個人對大數據的看法。我認為大數據是新世紀媒體炒作出來的一個概念，數據挖掘和機器學習的研究目標一直是尋找大規模數據中潛在的知識，大數據這個概念出來之前一直是這樣的。在新世紀，大規模數據自然就被和大數據畫上等號了。這個無可厚非，因為大數據這個名詞聽起來比較容易被接受。但是，請自己想想，到底什麼是大數據呢？什麼又是大規模數據呢？以前做機器學習和數據挖掘的人都用UCI數據，現在隨著數據規模增大，現在如果再用UCI數據發論文，都不好意思了。有點跑題了，我的意思是你說的大數據分析其實就是機器學習和數據挖掘，好吧，再算上統計分析。沒什麼差別。有個fancy的名字並不能怎麼樣。

繼續回答你的問題。其實你說的兩個都不矛盾，整體就是由部分組成的，整體特徵也必然是獨立個體的特徵。這裡面有個關係就是，整體表現出來的特徵並不一定適用於每一個個體，會適用於大部分。這時候可以將用戶分為兩部分，就按80/20的比例分配吧。80%的用戶用已經分析出來的模型直接做營銷就可以收到比較好的效果。對於剩下20%的用戶，用模型得到的結果直接營銷不會有很大效果，需要針對這群人做進一步的建模，細分，也就是你說的個體消費特徵，針對性營銷。但是考慮到模型已經幫你解決掉80%的客戶了，你就可以花大部分精力去迎合這20%客戶的需求，如果這20%的客戶又恰好是你產品的付費用戶，那麼就更應該花大精力去針對性營銷了。

最後，我要提醒一下，數據得到的模型不是萬能的。All models are wrong, but some are useful. 現在的建模方法都是人設計的，對於具體數據又會做具體修改，這裡面就加入了設計者的先驗知識，而通常設計模型的不是直接做業務的，這之間的就很容易產生偏差，所以需要懂業務的和做模型的人之間有良好的溝通，反覆修改模型，才能得到有用的結果。

都有。且不止這些應用場景呢~找目標客戶，找企業定位，找用戶特徵，找行為習慣……做統計做分析做預測……簡直是58同城一樣神奇的普適性工具~

大數據分析跟數據挖掘其實同根同脈，可以貫穿在生產服務的每一個環節，為企業運營中的各種決策提供客觀數據支撐，是相較於經驗主義感性認識存在的哈~

應該是以具有個體共性的群體作為研究方向，挖掘目標群體的需求。