广告大数据我们公司刚刚成立，是广告公司，需要给公司做一个公司市场的大数据分析，但不知道该怎么写，写什么内容，

大数据营销究竟该怎么做

1、数据层：采集和处理数据 传统采集数据的过程一般是有限的、有意识的、结构化的进行数据采集，例如问卷调研的形式。

你能采集到的数据一定是你能设想到的情况。

数据的结构化较好。

一般的数据库Mysql甚至Excel就能满足数据处理过程。

2、业务层：建模分析数据 使 用的数据分析模型，例如基本统计、机器学习、例如数据挖掘的分类、聚类、关联、预测等算法，传统数据和大数据的做法差别不大，例如银行、通信运营商、零售 商早已成熟运用消费者的属性和行为数据来识别风险和付费可能性。

但是由于数据量的极大扩增，算法也获得极大优化提升的空间。

3、应用层：解读数据 数据指导营销最重要的是解读。

传统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，数据进行分析，验证假设，进行解读。

解读的空间是有限的。

而大数据提供了一种可能性，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，得出一些可能与常识或经验判断完全相异的结论出来。

可解读的点变得非常丰富。

大数据是什么？

大数据只是一个空洞的商业术语，就跟所谓的商业智能一样空洞无物。

当然，这并不是说大数据没有意义，只是对于不同的人有不同的含义。

对于投资人和创业者而言，大数据是个热门的融资标签。

就和前几年流行的 SoLoMo，这几年火爆的 P2P 一样，大数据是资本泡沫的催化剂。

如今任何一家（移动）互联网公司都忙着把自己标榜为大数据公司，或者干脆说自己是一家数据公司。

遗憾的是，大多数中国的互联网公司都是流量驱动的企业。

与其说这些公司是大数据公司，不如说它们是数据采集公司。

是的，每一家互联网公司都是数据公司，因为数据（Data）是比信息（Information）要狭隘得多的词汇。

换句话说，任何一家 IT 行业的公司天然地都是数据公司。

但是非 IT 公司同样可以是数据公司，例如房地产企业和汽车销售公司——毕竟他们优质低价地将顾客的信息转卖给任何感兴趣的个人或实体。

遗憾的是，中国并没有几家 Pure-Play 的数据公司，因此中国不太可能出现 Palantir 这样伟大的企业。

我不幸见过一两家国产独角兽企业的技术/数据负责人，他们似乎并不了解这家 CIA 投资的创业公司，但这并不妨碍他们把自己的公司定位为世界级的大数据公司。

我可以臆测，国内这些独角兽企业的道德底线远远低于（为美帝情报机构服务的） Palantir，只是它们还没有足够的人才和技术来充分挖掘数据中的有效信息。

对于大多数互联网公司或者工程师而言，大数据实际上只有一个意思，就是把一堆乱七八糟的数据扔到 HDFS 上面然后进行计算。

计算的工具有很多，最常见的是 Map-Reduce，但是技术一直在演进，现在还流行 Impala、Spark、Presto 什么的。

对于这些搞大数据的工程师而言，这是一个非常好的事情，因为要把这么多异构的数据和系统跑起来，需要很多人写很多代码，还需要有人来做运维。

这么一个部门总得需要几十台机器否则还不如单机计算能力强，工程师也得有十来人。

然后可能还需要数据分析师，否则这部门跟摆设也没什么区别。

如果系统做得不错数据量也有了，总得配个数据科学家搞点数据挖掘或者机器学习什么的吧。

所以大数据这件事情可以解决很多就业问题，毕竟很多上了规模的互联网公司都想搞大数据。

对于大多数互联网公司或者工程师而言，大数据实际上只有一个意思，就是把一堆乱七八糟的数据扔到 HDFS 上面然后进行计算。

计算的工具有很多，最常见的是 Map-Reduce，但是技术一直在演进，现在还流行 Impala、Spark、Presto 什么的。

对于这些搞大数据的工程师而言，这是一个非常好的事情，因为要把这么多异构的数据和系统跑起来，需要很多人写很多代码，还需要有人来做运维。

这么一个部门总得需要几十台机器否则还不如单机计算能力强，工程师也得有十来人。

然后可能还需要数据分析师，否则这部门跟摆设也没什么区别。

如果系统做得不错数据量也有了，总得配个数据科学家搞点数据挖掘或者机器学习什么的吧。

所以大数据这件事情可以解决很多就业问题，毕竟很多上了规模的互联网公司都想搞大数据。

关于大数据和隐私，最核心的问题在于标识（Identity），尤其是所谓的 PII （Personal Identifiable Information）。

但是要对用户进行追踪并不一定需要 PII，任何一个强度足够高的随机数都可以用来追踪单个用户。

在 Web 时代，由于 Cookie 的生命周期问题，对用户进行长期追踪并不是很容易。

但是最近几年，越来越多的公司使用 Flash 来进行追踪，最终演进成一种叫做数字指纹的技术。

要解释这些技术需要一些应用数学背景，知乎上应该可以找到相关的问答，我就不赘述了。

我很想系统地讲述在使用桌面浏览器上如何保护自己的隐私，但是似乎离题太远了。

但是我还是想提醒一句，在桌面浏览器上最有效的安全习惯就是禁用 Flash（当然，如果你出于安全装了数字公司的软件，那么你可以假装我说的都是废话——毕竟数字公司连你开机时间这种信息都不放过，更何况这家公司可是以所谓的“厚数据”而闻名的）。

身份到底有多重要呢？我可以说说我自己的一些非理性的习惯。

大多数地铁一卡通都是不记名的，但是我以前会定期地破坏一卡通，从而避免在一卡通里积累过多的数据。

但是由于我并不能很频繁地换卡，所以我这样的非理性行为是毫无用处的——你只需要读读我的卡就知道我住在哪里又在哪里上班，误差不会超过两公里。

从技术上说，任何一张非接触卡都可以可能用于追踪我的身份，以及我所在的时空坐标。

虽然我知道目前的技术并不能在超过一米的距离上读出我随身携带的卡片，但是我仍然把我身上所有的非接触卡放在一个金属的名片盒中。

作为一个足够偏执的人，我更相信物理隔离。

遗憾的是，这些非理性的习惯在移动时代都是徒劳的。

在移动时代，身份问题变成了最严重的问题，因为智能手机在很大程度上是私人设备。

大多数人都随身携带这些设备，这就意味着设备的标识和个人几乎是一一对应的。

在这个问题上，就连苹果公司都没能意识到其严重性，以至于在早期的苹果设备上有一个接近完美的唯一硬件标识（UDID）。

这就意味着所有的 App 开发者都可以使用这个标识来追踪设备和交换数据。

换句话说，只要你在一个 App 中使用了 Facebook 账号或者提交了电话号码，那么你在这个设备中的所有行为都有可能被关联到你的 PII。

苹果直到两年以前才堵上这个漏洞，并通过所谓的 IDFA 来替代 UDID。

我并不喜欢苹果公司，但是我在这里提这个案例并不是为了贬低苹果公司。

事实上，苹果公司是所有的智能手机制造商中最尊重用户隐私的那一家，没有之一。

原因很简单，苹果公司并不是一家互联网公司，它是通过向消费者出售手机来获利的。

苹果公司的硬件利润非常高，它不需要通过 App Store 和广告来获利，因此 Tim Cook 才会有底气地讨论消费者的隐私问题。

而 Google 则不同，它是一家广告公司，它甚至会通过分析用户的邮件来进行精准广告投放。

我并不想把 Google 妖魔化成一个侵犯消费者隐私的寡头，但是 Google 的不作为让 Android 成为了地球上最伟大的监控平台。

Android 上的确没有 UDID 这么高质量的标识，但是它允许开发者直接获取 IMEI——利用 IMEI 理论上可以通过运营商获取手机号码，并且进行实时的监控。

此外 Android 还允许开发者获取 MAC 地址和 Android ID 这些标识，而前者可以用于基于 Wi-Fi 的地理位置定位。

这些看起来很糟糕，但还不是最糟糕的，因为 Android 还允许开发者获取安装应用列表、正在运行应用列表。

换句话说，Android 不仅允许开发者监控自己的 App 使用情况，还可以监控其他的 App 的使用情况，这可是字面上的情报工作。

这些在技术层面上都是 Android 允许的，对于已 Root 设备或者能够利用漏洞提权的 App 而言，Android 提供的想象空间几乎是无限的。

对大数据营销的了解

5G时代，智联万物的时代来临，数据会成为未来最重要的资产，或者说最重要的生产要素。

为什么这么说呢？我们先来了解一下大数据。

大数据一词，想必大家都听过非常的多了，但是如果要让大家准确的说出他的定义来，大家可能就有点卡壳了。

大数据是英文单词big data的直译，我们看看百度百科当中对大数据的定义： 指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。

是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

其实这里面包含了两个层次对大数据的定义，一个是可利用的大数据，第二个是大数据价值的定义。

大数据是海量数据的集合，但是大数据不是说数据越多越好，而是着重于对那些含有意义的数据的专业化处理，也就是说利用价值的大数据才是信息资产。

麦肯锡全球研究所给大数据的定义当中有这么四个特征：海量的数据规模、快速的数据流转、多样的数据类型和价值密度低。

数据本身并不产生价值，海量的数据，混乱，无序，价值密度低，大数据的关键在于如何从这些数据当中提取出有价值的东西。

随着人工智能和云计算的发展，大数据的价值越来越强，越来越先进的手段可以从海量的数据当中寻找到最后价值的，而同时，这些海量的数据也可以训练人工智能的智能化水平越来越高。

这几项领域协同发展，互相促进，已经对现在的行业形势产生了非常大的影响。

下面我们说说大数据营销是什么样子的呢？其实在营销学上早就有一个很经典的关于大数据营销的案例了，相信很多学习营销的朋友都听说过： 20世纪90年代的美国沃尔玛连锁超市。

故事是这样的：沃尔玛超市管理人员分析其销售数据时，竟然发现了一个十分令人难以理解的商业现象：在日常的生活中，“啤酒”与“尿布”这两件商品看上去风马牛不相及，但是经常会一起出现在美国消费者的同一个购物篮中。

因为在有婴儿的美国家庭中，通常都是由母亲在家中照看婴儿，去超市购买尿布一般由年轻的父亲负责。

年轻的父亲在购买尿布的同时，往往会顺便为自己购买一些啤酒。

沃尔玛的管理人员发现该现象后，立即着手把啤酒与尿布摆放在相同的区域，让年轻的美国父亲非常方便地找到尿布和啤酒这两件商品，并让其较快地完成购物。

这样一个小小的陈列细节让沃尔玛获得了满意的商品销售收入。

这便是“啤酒+尿布”故事。

再说说现在大数据的落地案例吧： 电商的推荐系统 现在很多的网购平台，因为商品的类目很多，用户挑选起来也很费劲，为了抓住用户的痛点，促成交易，及时给用户推荐他们所需要的商品才是王道。

怎么知道用户需要什么呢？这个就是要大数据了，根据用户的浏览行为，购买行为，同时匹配相同属性的用户的行为，进行分析计算，得出用户的兴趣偏好，为用户推荐他们可能感兴趣的商品，经过时间的推移，用户的画像也就越来越精准，推送的也就月精准。

广告精准投放系统 我们经常在朋友圈或者在一些新闻APP等等浏览的时候，会看到一些的广告，比如“30-40岁的人必看”“XX城市的人看过来”等等类似于这样的正好符合用户条件的广告出现，这个在行业中一般被称之为是信息流广告。

而信息流广告投放当中就有选择用户包，选择用户的年龄段、地域、可能的收入水平、男女、爱好、使用的手机类型等等。

这些都是通过大数据整合以后提供的选项，也是对大数据的应用。

当然了，除此之外，大数据也在医学、城市规划、店铺选址等等诸多方面都已经有了应用。

感兴趣的朋友可以聊聊。

大数据能做什么，给我们带来了什么

大数据能做什么，给我们带来了什么 最近一两年，“大数据时代”、“互联网思维”在微博和微信上非常火爆，有一股“分享不谈大数据，读尽诗书也枉然”的势头。

对于企业公关，广告行业来说，大数据和互联网思维确实是一种全新的理念，对于个人而言，大数据时代究竟意味着什么呢?下面就从身边的案例着手，用逆向思维的来分析下大数据对我们有什么样的改变和意义。

第一，广告主用媒体资源价值制定广告投放策略，普通人可以通过广告投放来判断媒体资源价值。

我们大多数人都有这样的情况，某某电视台新出了一档火爆的电视栏目，朋友推荐了一本自己不怎么清楚的专业杂志，我们到底怎么样判断这个栏目或者杂志的专业度呢?很多朋友是通过百度，通过百科、相关宣传介绍了解该栏目或者杂志的专业度、人群。

这有没有错?没有错。

毕竟很多基本信息都可以通过百度、官网了解，但是你有没有发现这种情况，比如重庆的三家报纸，《重庆晨报》、《重庆晚报》、《重庆时报》、《重庆商报》，每一家都宣传自己是重庆最好的报纸，无论是发行还是广告收入都是第一，这种情况下，我们应该如何判断呢? 媒体自己宣传可能会夸大，但是在媒体上的广告投放都是真金白银。

企业选择在一个电视栏目投放广告，一定是认真了解了受众学历、年龄、收入、爱好、收视率的基础上，所以，你通过一个电视节目中植入广告的水平，就可以判断该节目的水平，以此类推。

笔者非常喜欢杨澜访谈录，它的冠名单位基本上都是奥迪、招商银行、华晨汽车等，中国好声音的冠名商加多宝就是看中了该节目在年轻人群体中的影响，香飘飘、步步高、韩束冠名非诚勿扰，说明该节目的收视人群偏年轻、偏女性化，等等。

第二，企业通过大数据分析了解消费者行为进行相关产品和服务的推荐，普通人可以通过推送和推荐信息来判断自身行为。

现代生活中，社交活动越来越多，认识的朋友也越来越多，但是对于自己的认识却越来越觉得不够，很多人反映，经常莫名的郁闷和苦恼，不知道自己最近学习和工作思路对不对，那么，大数据时代的逆向思维或许可以给你一些启发。

说到逆向思维，我们先来考虑正常思维。

每个人通过网络(pc或者移动端)上的使用都有产生数据和痕迹，背后反映的是一个人的收入、阶层、消费理念、兴趣爱好、文化程度等多方面的综合评价。

企业通过收集这些数据，进行一系列分析和匹配，最终推送给你“他们觉得你应该需要的商品或者服务”。

所以，你可以通过商家的推送来逆向思考你自己关注的东西，如果你经常收到一些乱七八糟的信息，或者各种游戏、无聊低级趣味的推荐，这说明你最近一段时间的关注点是在这些方面的，如果你经常收到一些专业书籍、会议邀请、知识推荐之类的信息，这反映的是另外一种信息。

我们不一定每个人都是企业主，都是品牌代理公司，不一定都会使用这些看起来高端大气上档次的理论去从事运营和推广，但我们每个人一定都是消费者，我们可以通过逆向使用大数据和互联网思维去更好的理解、判断、辅助分析事物。

我们公司刚刚成立，是广告公司，需要给公司做一个公司市场的大数据分析，但不知道该怎么写，写什么内容，

这个市场研究报告应该包括的内容： 1 整个北京市的广告公司有多少，规模大概什么样子的，然后现在广告公司主要从事的一些业务类型，包括他们的客户类型、客户特点、以及现有广告公司的一些特点等，总之就是对现在存在的你的竞争对手进行一个充分的了解与总结 2. 你们所在区的广告公司的情况，跟第一点相同，但是不建议就只分析一个区，因为你们将来的业务范围不可能只限定在一个区 3.广告市场的分析，这个从大了说 整个广告业的发展趋势和方向如何，从小了说，客户需求广告合作的方式、特点等，总之这一点就是结合我们的客户分析未来广告发展的方向 4. 在前面分析的基础上，就可以结合自身公司的特色，寻求一些差异化的发展方向和建议等 大概这样吧，你还可以适当添加其他内容