大数据营销论文

大数据时代电力营销管理创新研究论文

摘要： 对电力企业来说，大数据营销能基于海量数据的分析，为其制定营销战略提供依据，而如何在大数据基础上进行电力营销管理创新是亟待解决的大问题。本文首先阐述了目前基于大数据电力营销管理的弊端；其次分析了基于大数据的电力营销管理面临的机遇和挑战；最后提出了基于大数据的电力营销管理创新，以促进电力企业稳定、长久发展。

关键词： 大数据；电力营销管理；创新

在当前的大数据环境下，电力系统既面临新的发展机遇，也面临着新的挑战。对电力系统来说，大数据不仅是科技生产力进步的具体体现，也是新形势下电力系统发展、管理及技术改革的重要依据，电力系统的大数据包括生产、运营和管理三方面。电力营销是电力系统的重要部分，对提高企业的核心竞争力及确保企业的可持续发展具有十分重要的作用。然而由于各种因素的影响，电力营销管理目前存在诸多弊端，在大数据时代，对电力营销创新管理模式进行研究迫在眉睫，基于此，笔者对基于大数据的电力营销管理创新进行研究。

1.基于大数据的电力营销管理的弊端

在大数据背景下，国内电力企业营销管理存在诸多弊端，具体表现在下述几方面：

第一，电力营销管理理念亟待改进。电力行业长久以来属于国家的垄断行业，而随着各种新型能源的不断出现，电能面临着巨大的竞争，然而其营销设计仍以业务导向为核心，很少考虑市场的竞争状况和客户的需求，没有建立一种以客户为核心的营销管理机制；

第二，电力营销业务功能亟待完善。电力系统的营销政策、技术研究、运维及市场开拓等方面的机构不完善，不健全，部分功能缺失；

第三，电力营销运营效率亟待提升。电能计量检定、人员及相关设备重复配置；规划、生产的部门对电力营销管理支持力度较弱；故障抢修、业扩报装等服务流程不协同。综上所述，电力营销管理亟待进行创新，以适应新形势下客户对供电服务的要求。

2.基于大数据的电力营销管理面临的机遇和挑战

机遇

在大数据快速发展的背景下，电力系统营销管理面临的机遇主要表现为：

第一，国内经济稳定发展，电力需求仍持续增加；

第二，国家实施节能减排，电能应用范围更加广泛；

第三，国家电网创建“双一流”，为加快营销发展注入新动力。

挑战

在大数据快速发展的背景下，电力系统营销管理也面临诸多挑战，具体表现为：

第一，国家经济转型期的'结构优化调整及节能减排战略的实施，国家控制能源消费总量，大工业用电比重会呈现一定程度的下降。循环经济、节能环保产业、分布式电源等会日益增加，对电力营销市场的发展带来威胁，影响电能的市场占有率；

第二，国家大力开发低碳技术，清洁能源要求必须建立一种新型的供用电模式，而现有的供电模式要满足这些应用需要法律、政策、技术等众多方面的支持才能实现；

第三，国家电网推进“三集五大”要求电力系统必须要转变营销发展方式。目前电力系统的营销仍然资源分散、管理层级多，亟待进行整合；营销管理的专业化、组织结构扁平化、管理层级等方面亟待改进，集约化、智能化的服务手段亟待提升等，使得目前电力系统的营销管理面临巨大挑战。

3.基于大数据的电力营销管理创新研究

在大数据及信息化背景下，电力企业要提高核心竞争力，必须要顺应时代潮流，及时对传统的营销管理体系进行重构，通过利用大数据分析研究结果进行电力营销，具有极大的市场价值。

通过大数据分析客户的潜在需求行为

大数据最主要的特征之一是海量的数据，电力企业要获取比较精准的数据，必须进行大量数据的分析研究寻找客户的潜在需求。所以对电力企业来说要重建营销管理体系，提高核心竞争力必须要制定多种方案，通过大数据的分析结果寻找潜在的客户需求，站在用户的角度，分析用户的电能消费行为和特点，通过这些分析及时改变自己的营销管理模式，提升服务质量，提高客户满意度和忠诚度，最终提高电力企业的知名度。

通过大数据分析精准定位消费客户，进行个性化营销

从大数据提供的海量信息中分析客户的消费行为，找出电力系统最精准的用户，以便电力企业的营销能实现精准化，同时根据精准化消费群体的特征建立针对性的营销方式，从而能划分出精准的消费客户，进行个性化营销。随着经济的发展和用户需求的提升，电力企业也逐渐重视电力营销的精准化，而大数据的出现不仅使精准化营销变得更加高效，也极大地提升了服务和产品质量，使得消费者市场也发生一定程度的变化。消费者市场的划分必须要经过大数据才能实现精准的分析，这种分析结果面临的是个体消费者，而并非是群体，在这种情况下，电力系统的个性化营销在不久的将来一定会成为电力系统的营销主体。

运用大数据分析，制品新产品，拓展新市场

对电力系统来说，传统的以业务导向为核心的营销管理已经难以满足现代化的需求，通过大数据分析结果制定针对性的营销策略是十分重要的，这对于电力企业开拓市场和业务起着决定性作用。如腾讯在开发游戏时，总是先通过大数据对游戏用户行为进行精准的分析然后再推出产品，通过这种方法能使其在推出手游时更具有针对性和精准性。因此电力企业通过使用大数据分析客户的消费行为，开拓新业务、新市场是未来发展的必然趋势，根据大数据分析的结果为客户制定更加个性化的需求，并进一步制定针对性的营销渠道，拓宽产品领域。

依靠互联网技术，合作开展大数据营销，开展多元化服务

随着互联网营销的风靡，很多行业越来越重视网络营销，他们通过使用大数据进行网络营销。电力系统要想持续、稳定、可持续发展，必须要充分利用互联网进行大数据营销，除了要在电力系统领域建立相关的数据库，利用资源优势外，还要不断拓展业务，通过业务延伸实现电力企业的多元化发展模式。多样化服务的开展可从下述几方面着手：客户经理对客户的用电状况进行详细的统计和分析，提出的建议中不仅要有生产班次的安排，还必须要为客户的用电状况提供针对性的无功补偿。站在客户角度为客户节约电费着想，为客户的用电负荷进行合理、科学的指导，这不仅能有效地节约电费，还能有效减少设备的能耗。电力企业还要在基于自身优势的基础上，不定期检查用电设备的运营状况，及时排查运行过程中存在的安全隐患，这对确保配电网的稳定运行具有重要作用。要对所在区域的电网进行改造时，要及时通知大客户，并将规划改造的详细情况与大客户进行沟通交流，以得到客户的理解和支持，这对电力企业的稳定发展意义重大。

与税务部门合作减小电费回收风险

对电力企业来说，电费能否正常回收是确保其正常运作和提高经济效益的关键环节，尤其是大客户的电费回收，由于受到各种因素的影响，电费回收难一直是难以解决的难题。目前多数电力企业为了加强电费回收，通常采取如下措施：强化合同管理、建立信用评级制度、严格客户资质审核、高压用户电费担保模式等，在这些措施中，高压用户担保模式具有较好的效果，然而也存在一定的不足之处。对电力企业来说，仅仅具有采集客户的用电信息数据，对客户的资金信息难以准确把握，高压用户担保模式虽然让电力企业通过银行掌握相关的资金信息，然而很多企业的现金流并不通过银行，因此获得信息并不准确，在一定程度上影响电费回收风险的控制效果。为了有效解决这种弊端，可建立一种能将用电企业的资金流动信息整合到电力系统大数据库的营销管理中，而与税务部门进行合作能达到此目的。具体实施措施如下：首先，与税务部门协调，将电力系统大数据平台增加一个调取用电企业每月纳税信息的模块；其次，根据用电企业的纳税和银行信贷状况，计算电费回收风险指数，评估风险；最后，根据评估结果建立预警机制，对于部分电费回收风险较大的企业可采取各种手段介入电费回收。

4结束语

综上所述，大数据时代的来临给传统企业和互联网企业的营销管理带来巨大的冲击，越来越多的企业开始利用大数据进行营销管理，电力企业也要与时俱进，持续改革，在大数据时代下重构营销管理体系，以提高其核心竞争力和经济效益。

参考文献：

[1]宋宝香.数据库营销:大数据时代引发的企业市场营销变革[J].价值工程,2014,31(30):132-134.

[2]孙柏抓.大数据技术及其在电力行业中的应用[J].电气时化,.

[3]庞建军.大数据背景下的电力营销市场行业发展趋势分析[J].科技视界,2014(32):295-296.

下面我为你准备的关于市场营销的论文，欢迎阅读借鉴，希望对大家有帮助。

一、数据分析时代演变历程

(一)数据时代

数据分析出现在新的计算技术实现以后，分析时代又称为商业智能时代。它通过客观分析和深入理解商业现象，取缔在决策中仅凭直觉和过时的市场调研报告，帮助管理者理性化和最大化依据事实作出决策。首次在计算机的帮助下将生产、客户交互、市场等数据录入数据库并且整合分析。但是由于发展的局限性对数据的使用更多的是准备数据，很少时间用在分析数据上。

(二)数据时代

时代开始于2005年，与分析要求的公司能力不同，新时达要求数量分析师具备超强的分析数据能力，数据也不是只来源于公司内部，更多的来自公司外部、互联网、传感器和各种公开发布的数据。比如领英公司，充分运用数据分析抢占先机，开发出令人印象深刻的数据服务。

(三)数据时代

又称为富化数据的产品时代。分析时代来临的标准是各行业大公司纷纷介入。公司可以很好的分析数据，指导合适的商业决策。但是必须承认，随着数据的越来越大，更新速度越来越快，在带来发展机遇的同时，也带来诸多挑战。如何商业化地利用这次变革是亟待面对的课题。

二、大数据营销的本质

随着顾客主导逻辑时代的到来以及互联网电商等多渠道购物方式的出现，顾客角色和需求发生了转变，世界正在被感知化、互联化和智能化。大数据时代的到来，个人的行为不仅能够被量化搜集、预测，而且顾客的个人观点很可能改变商业世界和社会的运行。由此，一个个性化顾客主导商业需求的时代已然到来，大数据冲击下，市场营销引领的企业变革初见端倪。

(一)大数据时代消费者成为市场营销的主宰者

传统的市场营销过程是通过市场调研，采集目前市场的信息帮助企业研发、生产、营销和推广。但是在大数据以及社会化媒体盛行的今天，这种营销模式便黯然失色。今天的消费者已然成为了市场营销的主宰者，他们会主动搜寻商品信息，货比三家，严格筛选。他们由之前的注重使用价值到更加注重消费整个过程中的体验价值和情境价值。甚至企业品牌形象的塑造也不再是企业单一宣传，虚拟社区以及购物网站等的口碑开始影响消费者的购买行为。更有甚者，消费者通过在社交媒体等渠道表达个人的需求已经成为影响企业产品设计、研发、生产和销售的重要因素。

(二)大数据时代企业精准营销成为可能

在大数据时代下，技术的发展大大超过了企业的想象。搜集非结构化的信息已经成为一种可能，大数据不单单仅能了解细分市场的可能，更通过真正个性化洞察精确到每个顾客。通过数据的挖掘和深入分析，企业可以掌握有价值的信息帮助企业发现顾客思维模式、消费行为模式。尤其在今天顾客为了彰显个性，有着独特的消费倾向。相对于忠诚于某个品牌，顾客更忠诚与给自己的定位。如果企业的品牌不能最大化地实现客户价值，那么即使是再惠顾也难以保证顾客的持续性。并且，企业不能奢望对顾客进行归类，因为每个顾客的需求都有差别。正是如此，大数据分析才能更好地把握顾客的消费行为和偏好，为企业精准营销出谋划策。

(三)大数据时代企业营销理念――“充分以顾客为中心创造价值”

传统的营销和战略的观点认为，大规模生产意味着标准化生产方式，无个性化可言。定制化生产意味着个性化生产，但是只是小规模定制。说到底，大规模生产与定制化无法结合。但是在今天，大数据分析的营销和销售解决的是大规模生产和顾客个性化需求之间的矛盾。使大企业拥有传统小便利店的一对一顾客关系管理，以即时工具和个性化推荐使得大企业实现与顾客的实时沟通等。

三、基于数据营销案例研究――京东

京东是最大的自营式电商企业。其中的京东商城，涵盖服装、化妆品、日用品、生鲜、电脑数码等多个品类。在整个手机零售商行业里，京东无论是在销售额还是销售量都占到市场份额一半的规模。之所以占据这样的优势地位，得益于大数据的应用，即京东的JD Phone的计划。

JD Phone计划是依据京东的大数据和综合服务的能力，以用户为中心整合产业链的优质资源并联合厂商打造用户期待的产品和服务体验。京东在销售的过程中，通过对大数据的分析，内部研究出一种称为产品画像的模型。这个模型通过综合在京东网站购物消费者的信息，例如：年龄、性别、喜好等类别的信息，然后进行深入分析。根据分析结果结合不同的消费者便有诸如线上的程序化购买、精准的点击等营销手段，有效的帮助京东实现精准的营销推送。不仅如此，通过对于后续用户购物完成的售后数据分析，精确的分析商品的不足之处或者消费者的直接需求。数据时代的一个特征便是企业不在单纯的在企业内部分析数据，而是共享实现价值共创。所以，京东把这些数据用于与上游供应商进行定期的交流，间接促进生产厂商与消费者沟通，了解市场的需求，指导下一次产品的市场定位。总的来说，这个计划是通过京东销售和售后环节的大数据分析，一方面指导自身精准营销，另一方面，影响供应商产品定位和企业规划，最终为消费者提供满足他们需求的个性化产品。

四、大数据营销的策略分析

(一)数据分析要树立以人为本的思维

“以人为本”体现在两个方面，一方面是数据分析以客户为本，切实分析客户的需求，用数据分析指导下一次的产品设计、生产和市场营销。另一方面，以人为本体现在对用户数据的保密性和合理化应用。切实维护好大数据和互联网背景下隐私保护的问题，使得信息技术良性发展。

(二)正确处理海量数据与核心数据的矛盾

大数据具有数据量大、类型繁多、价值密度低和速度快时效高的特点。所以在众多海量的数据中，只有反映消费者行为和市场需求的信息才是企业所需要的。不必要的数据分析只会影响企业做出正确的决策。鉴于此，首先企业需要明确核心数据的标准;其次企业要及时进行核心数据的归档;最后要有专业的数据分析专业队数据进行分析，得出科学合理的结果以指导实践。

(三)整合价值链以共享数据的方式实现价值创造

"大数据"是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。 "大数据"首先是指数据体量(volumes)?大，指代大型数据集，一般在10TB?规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量；其次是指数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。接着是数据处理速度（Velocity）快，在数据量非常庞大的情况下，也能够做到数据的实时处理。最后一个特点是指数据真实性（Veracity）高，随着社交数据、企业内容、交易与应用数据等新数据源的兴趣，传统数据源的局限被打破，企业愈发需要有效的信息之力以确保其真实性及安全性。从所周知，大数据已经不简简单单是数据大的事实了，而最重要的现实是对大数据进行分析，只有通过分析才能获取很多智能的，深入的，有价值的信息。那么越来越多的应用涉及到大数据，而这些大数据的属性，包括数量，速度，多样性等等都是呈现了大数据不断增长的复杂性，所以大数据的分析方法在大数据领域就显得尤为重要，可以说是决定最终信息是否有价值的决定性因素。基于如此的认识，大数据分析普遍存在的方法理论有哪些呢？大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。大数据分析广泛应用于网络数据挖掘，可从用户的搜索关键词、标签关键词、或其他输入语义，分析，判断用户需求，从而实现更好的用户体验和广告匹配。大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。 大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。当下我国大数据研发建设应在以下四个方面着力一是建立一套运行机制。大数据建设是一项有序的、动态的、可持续发展的系统工程，必须建立良好的运行机制，以促进建设过程中各个环节的正规有序，实现统合，搞好顶层设计。二是规范一套建设标准。没有标准就没有系统。应建立面向不同主题、覆盖各个领域、不断动态更新的大数据建设标准，为实现各级各类信息系统的网络互连、信息互通、资源共享奠定基础。三是搭建一个共享平台。数据只有不断流动和充分共享，才有生命力。应在各专用数据库建设的基础上，通过数据集成，实现各级各类指挥信息系统的数据交换和数据共享。四是培养一支专业队伍。大数据建设的每个环节都需要依靠专业人员完成，因此，必须培养和造就一支懂指挥、懂技术、懂管理的大数据建设专业队伍。