大数据背景下的营销管理中的应用探究_开题报告

1.开题报告主要内容包括：封面、文献综述、范文提纲（需提供二级提纲）、参考文献（10篇以上）。 

2.字体：宋体，字号：小四，行间距：18磅。字数2000字以上。 （英语专业要求字体为：Times New Roman，英文书写，900个英语单词以上） 

3.开题报告格式规范参考如下：

一、文献综述

1最早提出 “大数据时代已经到来”的机构是全 球知名咨询公司麦肯锡。2011 年，麦肯锡在题为 《海量数据，创新、竞争和提高生成率的下一个新领 域》的研究报告中指出，数据已经渗透到每一个行业 和业务职能领域，逐渐成为重要的生产因素; 而人们 对于海量数据的运用将预示着新一波生产率增长和消 费者盈余浪潮的到来。 维基百科对于 “数据”一词的定义是 : “数据 ( Data) 是载荷或记录信息的按一定规则排列组合 的物理符号，可以是数字、文字、图像，也可以是 计算机代码。对信息的接收始于对数据的接收，对 信息的获取只能通过对数据背景的解读。数据背景

是接收者针对特定数据的信息准备，即当接收者了 解物理符号序列的规律，并知道每个符号和符号组 合的指向性目标或含义时，便可以获得一组数据所 载荷的信息。亦即数据转化为信息，可以用公式 ‘数据 + 背景 = 信息’表示。”数据与信息的区别在 于: 数据是对信息数字化的记录; 信息是指把数据 放置在一定的背景下，对数字进行解释、赋予意 义。在进入信息时代之后，人们趋向把所有存储在 计算机上的信息，无论是数字还是音乐、视频、图 片，都统称为数据。 ② 正因为数据承载着信息，所以在应用过程当中， 这些数据就不再仅仅是对客观现象的记录或纷繁无 序的数值，而是带着特殊意义和价值。人们通过对 这些数据的交换、整合、分析，来解释各种现象背 后的原因，同时预测事物的发展趋势，这样一来， 数据就成为了 “知识”，可以说，数据正是知识的 来源。当下的政府、医疗卫生、公共安全、环境气 象、交通道路等等各个行业都在利用数据指导决 策、预测趋势。

2大数据环境下，数据的特点首先是规模大、类型 多、结构多样，包含结构化的数据表和半结构化、非结 构化的文本、图片、视频等。数据使用之前需对多源数 据进行清洗、抽取和集成，保证数据的质量和可靠性， 再采用统一结构来存储这些数据。传统的数据库管理 系统和数据分析手段已无法适用， Ｇｏｏｇｌｅ、Ａｍａｚｏｎ、微 软等企业都推出了大数据解决方案，它要求企业更新 技术，以适应大数据处理的需要；其次是数据产生速度 快，应用场景从离线（ ｏ ｆｆｌｉｎｅ）转向在线（ ｏｎｌｉｎｅ），并出现 实时处理需求［ ４］。实时数据处理是大数据分析的一个 核心需求，许多企业发现了实时数据的作用，开始专注

于实时数据流，对实时数据的及时处理和利用也是企 业面临的一大挑战；第三是大数据与其它数据的关系。 大数据的价值来自于数据碎片间关联所产生的信息。 大数据时代最大的转变是用相关关系取代因果关系， 即只需知道“是什么”，而不需知道“为什么”。通过探 索数据之间的关联模式，挖掘大数据中的信息，是大数 据的价值所在。但这些数据之间交互广、价值密度低 且呈碎片化，从大数据中提取有用信息，为管理决策提 供支持，成为企业的迫切需求。 

3大数据的应用是一个经济学问题，究竟该不该利用大数据技术必须要从成本效益的视角分析，如果不划算就不应当发展大数据。企业的大数据经济核算至少要考虑以下三个问题：①你有大数据资源吗？如果有自然可以利用，那些拥有大数据的企业如互联网巨头、电信运营商、金融服务企业等，毫无疑问是会发展大数据应用的；如果自己没有产生大数据的业务，那么数据源成本将是大问题。②企业管理完善吗？大数据解决的是细微处的改进，只有非常优秀的企业才有精力去改进细节，大数据才能锦上添花；如果企业管理不善，还是应该集中精力解决更重要的问题，暂缓大数据应用。③业务规模够大吗？大数据应用成本是很高的，信息化应用有规模效应，如果业务规模不够大，那么成本回收将十分困难，规模小的企业不必玩大数据游戏，不要因大数据应用把企业搞黄了。大数据有自己适应的领域，没有看清楚明确的效益机会最好不要贸然进入。

4大数据的优点在于能够发现一些更精确的规律，它适合于具体的专业化应用领域，当整体性工作不断细分，进入到细微领域之时，环境不确定性大为减少，影

响工作质量的因素也减少了，大数据揭示的关系更能够发挥作用从而改进工作。在相对局部化的业务（小事情）中，大数据分析更能够表现出优势。因此，政府的大数据战略应当强调“大数据应用从小事做起”。目前，社会最缺乏的是能够沉下心来做好小事情的精神，智慧城市的大智慧是由小智慧不断积累而成的，不存在“抱个大金娃娃”的可能性，应当鼓励在小事情上的大数据应用，让小事情处理科学化、精确化。不断积累做小事情的最佳方法是对智慧城市建设的大贡献

5数据的广泛存在性使得数据越来越多地散布于 不同的数据管理系统中，为了便于进行数据分析需 要进行数据的集成．数据集成看起来并不是一个新 的问题，但是大数据时代的数据集成却有了新的需 求，因此也面临着新的挑战． １）广泛的异构性．传统的数据集成中也会面对 数据异构的问题，但是在大数据时代这种异构性出 现了新的变化．主要体现在：①数据类型从以结构化 数据为主转向结构化、半结构化、非结构化三者的融 合．②数据产生方式的多样性带来的数据源变化．传 统的电子数据主要产生于服务器或者是个人电脑，

这些设备位置相对固定．随着移动终端的快速发展， 手机、平板电脑、ＧＰＳ等产生的数据量呈现爆炸式 增长，且产生的数据带有很明显的时空特性．③数据 存储方式的变化．传统数据主要存储在关系数据库 中，但越来越多的数据开始采用新的数据存储方式 来应对数据爆炸，比如存储在 Ｈａｄｏｏｐ的 ＨＤＦＳ中． 这就必然要求在集成的过程中进行数据转换，而这 种转换的过程是非常复杂和难以管理的． ２）数据质量．数据量大不一定就代表信息量或 者数据价值的增大，相反很多时候意味着信息垃圾 的泛滥．一方面很难有单个系统能够容纳下从不 同数据源集成的海量数据；另一方面如果在集成 的过程中仅仅简单地将所有数据聚集在一起而不 作任何数据清洗，会使得过多的无用数据干扰后 续的数据分析过程．大数据时代的数据清洗过程 必须更加谨慎，因为相对细微的有用信息混杂在 庞大的数据量中．如果信息清洗的粒度过细，很容 易将有用的信息过滤掉．清洗粒度过粗又无法达到 真正的清洗效果，因此在质与量之间需要进行仔细 的考量和权衡．

6隐私问题由来已久，计算机的出现使得越来越 多的数据以数字化的形式存储在电脑中，互联网的 发展则使数据更加容易产生和传播，数据隐私问题 越来越严重． １）隐性的数据暴露．很多时候人们有意识地将 自己的行为隐藏起来，试图达到隐私保护的目的．但 是互联网尤其是社交网络的出现，使得人们在不同 的地点产生越来越多的数据足迹．这种数据具有累 积性和关联性，单个地点的信息可能不会暴露用户 的隐私，但是如果有办法将某个人的很多行为从不 同的独立地点聚集在一起时，他的隐私就很可能会 暴露，因为有关他的信息已经足够多，这种隐性的数 据暴露往往是个人无法预知和控制的．从技术层面 来说，可以通过数据抽取和集成来实现用户隐私的 获取．而在现实中通过所谓的“人肉搜索”的方式往 往能更快速、准确地得到结果，这种人肉搜索的方式 实质就是众包（ｃｒｏｗｄｓｏｕｒｃｉｎｇ）．大数据时代的隐私 保护面临着技术和人力层面的双重考验．２）数据公开与隐私保护的矛盾．如果仅仅为了 保护隐私就将所有的数据都加以隐藏，那么数据的 价值根本无法体现．数据公开是非常有必要的，政府 可以从公开的数据中来了解整个国民经济社会的运 行，以便更好地指导社会的运转．企业则可以从公开 的数据中了解客户的行为，从而推出针对性的产品 和服务，最大化其利益．研究者则可以利用公开的数 据，从社会、经济、技术等不同的角度来进行研究．因 此大数据时代的隐私性主要体现在不暴露用户敏感 信息的前提下进行有效的数据挖掘，这有别于传统 的信息安全领域更加关注文件的私密性等安全属 性．统计数据库数据研究中最早开展数据隐私性技 术方面的研究，近年来逐渐成为相关领域的研究热 点．文献［１２０］中提出保护隐私的数据挖掘（ ｐｒｉｖａｃ ｙ ｐｒｅｓｅｒｖｉｎｇ　ｄａｔａ　ｍｉｎｉｎｇ）这一概念，很多学者开始致 力于这方面的研究．主要集中于研究新型的数据发

１６０ 计算机研究与发展　２０１３，５０（ １）

布技术，尝试在尽可能少损失数据信息的同时最大 化地隐藏用户隐私．但是数据信息量和隐私之间是 有矛盾的，因此尚未出现非常好的解决办法．Ｄｗｏｒｋ 在 ２００６ 年 提 出 了 新 的 差 分 隐 私 （ｄｉｆｆｅｒｅｎｔｉａｌ ｐｒｉｖａｃ ｙ） ［ １２１］方法．差分隐私保护技术可能是解决大 数据中隐私保护问题的一个方向，但是这项技术离 实际应用还很远． ３）数据动态性．大数据时代数据的快速变化除 了要求有新的数据处理技术应对之外，也给隐私保 护带来了新的挑战．现有隐私保护技术主要基于静 态数据集，而在现实中数据模式和数据内容时刻都 在发生着变化．因此在这种更加复杂的环境下实现 对动态数据的利用和隐私保护将更具挑战．

7全球知名的咨询公司麦肯锡（ＭｃＫｉｎｓｅｙ）２０１１ 年６月份发布了一份关于大数据的详尽报告“Ｂｉ ｇ ｄａｔａ：Ｔｈｅ　ｎｅｘｔ 　ｆｒｏｎｔｉｅｒ 　ｆｏｒ 　ｉｎｎｏｖａｔｉｏｎ，ｃｏｍｐｅｔｉｔｉｏｎ， ａｎｄ　 ｐｒｏｄｕｃｔｉｖｉｔ ｙ” 对大数据的影响、关键技术和 应用领域等都进行了详尽的分析．进入２０１２年以 来，大数据的关注度与日俱增．１月份的达沃斯世界 经济论坛上，大数据是主题之一，该次会议还特别针 对大数据发布了报告“Ｂｉ ｇ　ｄａｔａ，ｂｉ ｇ 　 ｉｍｐａｃｔ：Ｎｅｗ ｐｏｓｓｉｂｉｌｉｔｉｅｓ 　 ｆｏｒ 　 ｉｎｔｅｒｎａｔｉｏｎａｌ 　 ｄｅｖｅｌｏｐｍｅｎｔ”，探讨 了新的数据产生方式下，如何更好地利用数据来产 生良好的社会效益．该报告重点关注了个人产生的 移动数据与其他数据的融合与利用．３月份美国奥 巴马政府发布了“大数据研究和发展倡议”（Ｂｉ ｇ ｄａｔａ 　 ｒｅｓｅａｒｃｈ　ａｎｄ　ｄｅｖｅｌｏｐｍｅｎｔ 　 ｉｎｉｔｉａｔｉｖｅ），投资２亿 以上美元，正式启动“大数据发展计划”．计划在科 学研究、环境、生物医学等领域利用大数据技术进 行突破．奥巴马政府的这一计划被视为美国政府 继信息高速公路（Ｉｎｆｏｒｍａｔｉｏｎ　Ｈｉ ｇｈｗａ ｙ）计划之后 在信息科学领域的又一重大举措．与此同时，联合 国一个名为“Ｇｌｏｂａｌ 　 Ｐｕｌｓｅ”的倡议项目在今年５月 发布报告“Ｂｉ ｇ　ｄａｔａ 　 ｆｏｒ　ｄｅｖｅｌｏｐｍｅｎｔ：Ｃｈａｌｌｅｎｇｅｓ　 ＆ ｏｐｐｏｒｔｕｎｉｔｉｅｓ”，该报告主要阐述大数据时代各国 特别是发展中国家在面临数据洪流（ｄａｔａ　ｄｅｌｕｇｅ）的 情况下所遇到的机遇与挑战，同时还对大数据的应 用进行了初步的解读．《纽约时报》的文章“Ｔｈｅ 　 ａｇｅ ｏｆ 　 ｂｉ ｇ　ｄａｔａ”则通过主流媒体的宣传使普通民众开 始意识到大数据的存在，以及大数据对于人们日常 生活的影响． 大数据的火热并不意味着对于大数据的了解深 入，反而表明大数据存在过度炒作的危险．大数据的 基本概念、关键技术以及对其利用上均存在很多的 疑问和争议．本文从大数据问题背后的本质出发，对 现有的大数据研究资料进行全面的归纳和总结．首 先简要介绍大数据的基本概念，阐述其同传统数据 库的区别．在此基础上，对大数据处理框架进行详细 解析．我们认为大数据的发展离不开云计算技术，云 计算支撑着大数据存储、管理以及数据分析等．因此 本文展开介绍了大数据时代不可或缺的云计算技术 和工具．最后全面阐述大数据时代面临的新挑战．

8从数据库到大数据，看似只是一个简单的技术 演进，但细细考究不难发现两者有着本质上的差别． 大数据的出现必将颠覆传统的数据管理方式．在数 据来源、数据处理方式和数据思维等方面都会对其 带来革命性的变化． 如果要用简单的方式来比较传统的数据库和大 数据的区别，我们认为“池塘捕鱼”和“大海捕鱼”是 个很好的类比．“池塘捕鱼”代表着传统数据库时代 的数据管理方式，而“大海捕鱼”则对应着大数据时 代的数据管理方式，“鱼”是待处理的数据．“捕鱼”环 境条件的变化导致了“捕鱼”方式的根本性差异．这 些差异主要体现在如下几个方面： １）数据规模．“池塘”和“大海”最容易发现的区 别就是规模．“池塘”规模相对较小，即便是先前认为 比较大的“池塘”，譬如 ＶＬＤＢ（ｖｅｒ ｙ 　 ｌａｒ ｇ ｅ　ｄａｔａｂａｓｅ）， 和“大海”ＸＬＤＢ（ｅｘｔｒｅｍｅｌ ｙ 　 ｌａｒ ｇ ｅ　ｄａｔａｂａｓｅ）相比仍旧偏 小． “池塘”的处理对象通常以 ＭＢ为基本单位，而“大 海”则常常以ＧＢ，甚至是ＴＢ，ＰＢ为基本处理单位． ２）数据类型．过去的“池塘”中，数据的种类单 一，往往仅仅有一种或少数几种，这些数据又以结构化数据为主．而在“大海”中数据的种类繁多，数以千 计，而这些数据又包含着结构化、半结构化以及非结 构化的数据，并且半结构化和非结构化数据所占份 额越来越大． ３）模式（ｓｃｈｅｍａ）和数据的关系．传统的数据库 都是先有模式，然后才会产生数据．这就好比是先选 好合适的“池塘”，然后才会向其中投放适合在该“池 塘”环境生长的“鱼”．而大数据时代很多情况下难以 预先确定模式，模式只有在数据出现之后才能确定， 且模式随着数据量的增长处于不断的演变之中．这 就好比先有少量的鱼类，随着时间推移，鱼的种类和 数量都在不断地增长．鱼的变化会使大海的成分和 环境处于不断的变化之中． ４）处理对象．在“池塘”中捕鱼，“鱼”仅仅是其 捕捞对象．而在“大海”中，“鱼”除了是捕捞对象之 外，还可以通过某些“鱼”的存在来判断其他种类的 “鱼”是否存在．也就是说传统数据库中数据仅作为 处理对象．而在大数据时代，要将数据作为一种资源 来辅助解决其他诸多领域的问题．

9所谓的精确化营销就是改变传统的营销渠道和方 法，把制造商的客户、销售商作为营销工作的中心，通 过互联网、电子媒介、邮件、电话访问等多种方式创建 客户和销售商资料数据库，继而通过科学的分析，最终 确定可能会购买商品的客户，进而指导制造商改变以 往的营销策略，针对具有购买潜力的客户制定出一套 切实有效的营销推广方案，同时为制造商提供销售商 和客户的持续追踪服务。 随着大数据时代的到来，才使得精确化营销成为 可能。在网络条件下，随着数据存储能力、处理能力以 及数据收集成本的下降，企业可以记录或者搜集客户 在各种渠道（例如移动网络化的媒体和渠道）、生命周 期的不同阶段（客户产品体验、品牌参与、购买产品、购 买之后的评价以及社会互动）的行为数据，从而制定出 绩效可高度量化、高精准度的营销策略。 消费者的异质性在丰裕时代也越来越明显的表现 出来。这种异质性主要体现在消费者在消费、阅读、交 友等日常生活的各个方面的喜好的不同。大数据已经 为个性化营销提供了必要的基础条件，基于归纳整理 后的可流转数据以及透明可见的客户个体行为和偏好 数据，使得企业可以大大地提升对客户的洞察力。其 中提升客户洞察力包括对静态客户的细分和基于客户 生命周期的动态客户细分，需要从客户的需求出发，选 择最佳营销组合策略，其包括促销（ ｐ ｒｏｍｏｔｉｏｎ）、产品 （ ｐ ｒｏｄｕｃｔ）、价格（ ｐ ｒｉｃｅ）以及渠道（ ｐ ｌａｃｅ）四个发面，只有 将量身定做的４Ｐ营销组合在恰当的时机提供给特定 客户，才有可能实现营销收益最大化。但组成这些要 素的因素也不是单一的，例如产品就包括产品的包装、 品牌、设计、质量、服务等多个方面，这些数据构成还可 以进一步细化成更具体的维度；同理价格也包含支付 方式、目录价格、信用条件、付款期限信用条件等多个 维度；渠道包括存货地点、运输方式、覆盖区域等多个 方面；促销包括降价打折、人员推销、采用广告、公共关 系等多个维度。企业通过大数据挖掘就可以发现消费 者的行为偏好和消费习惯，从而可以准确的根据每个 消费者的不同消费习惯和偏好为其提供具体的、个性 化的产品和服务。

10传统的营销渠道强调构建的是金字塔 型的渠道伙伴关系，体现的是一种层层代 理式的营销理念与营销方式，企业的营销 成本逐步上升，营销效果却不甚理想。在 大数据时代，企业通过网络化、数据化的 建模与分析，用互联网的思维搜寻、筛选 更合适的渠道伙伴。从外延上看，企业可 以借助大数据挖掘技术，做好营销系统渠 道规划，强化渠道的精细化管理，发掘渠 道客户群的优势，不断整合垂直产业链潜 质大和能力强的公司，销售渠道逐渐由金 字塔型向扁平化的结构转变。从内涵上看， 通过整合企业内部和合作伙伴的营销渠道， 及时发现渠道中存在的问题，优化渠道的 逐层代理结构，可以逐步建立起自我为主 的渠道网络，增强企业内部渠道的优势，获 取在市场营销中更多的主导权。

11大数据使企业公共关系的传播环境得 以重塑，尤其是当前各种移动智能终端的 普及，由于网络导致的大规模社会化传播 已经成为现实，致使传统的公共传播的战 略和策略、内容和形式都发生了深刻的变 化。企业在开展公共关系的过程中，网络 推广、平面广告和公关活动之间相互依存、 不断融合。面对企业公共关系环境的变迁， 大数据可以帮助决策者更好地掌握公共关 系核心业务，洞察新规律、发现新契机。 大数据为企业营销管理提供了崭新的 环境和前沿的视角，深刻地影响了企业营 销决策的理论研究与实践应用。无论是企 业管理者还是学术研究者，都应当顺应时 代的发展变化，在营销组合理论上进行继 承与创新。

二、范文提纲

引言：谈及大数据在营销管理的地位和发展前景

一、大数据在营销环节的应用

（一）大数据在优化“产品”方面的应用

（二）大数据在调研群众需求的应用  

（三）大数据在用户体验后信息反馈的应用

二、大数据营销管理中存在的疑问和不足

（一）信息的隐私安全性无法得到保障

（二）数据的真实和有效性难以保证

（三）大数据难以预期未来

三、完善大数据在营销管理的建议

（一）利用大数据提升营销管理的数据意识

（二）筛选合适的数据，运用到营销管理中

（三）在营销管理中不能为了跟风而盲目改革

三、参考文献

[1] 黄升民. 刘珊. 大数据背景下营销体系的解构与重构 [J]. 现代传播，2012（11）

[2] 何军. 大数据对企业管理决策影响分析[J]. .科技进步与对策，2013（9）. 

[3] 胡小明.大数据应用的误区、风险与优势[J]. 电子政务，2014（11）

[4] 孟小峰. 慈祥.大数据管理：概念、技术与挑战[J] 计算机研究与发展，2013（1）

[5] 谢芳.大数据时代下市场营销的变革[J] 现代经济信息，2015（18）

[6] 张俊杰.杨利. 基于大数据视角的营销组合理论变革与创新 [J]. 商业经济研究 ,2015(06):54-55.[7] ] 陈怀涛.邹欣.李继峥 . 大数据背景下市场营销方式变革探讨 [J]. 现代商贸工业 ,2015 年第 5 期上 :11-13.

[8] 李翠亭.“大数据”时代营销策略分析[M].哈尔滨金融学院,2016

[9] 李巍,席小涛.大数据时代营销创新研究的价值、基础与 方向[J].科技管理研究,2014(6)

[10] 梁爽.大数据,大变革[J].未来与发展,2014(11)

[11] 贺玲.试析大数据时代下的市场营销机遇及挑战[M]. 中国市场,2017