南加大商业分析专业知心学姐分享：如何申请、选课、找实习？ - 知乎专栏
{"debug":false,"apiRoot":"","paySDK":"/api/js","wechatConfigAPI":"/api/wechat/jssdkconfig","name":"production","instance":"column","tokens":{"X-XSRF-TOKEN":null,"X-UDID":null,"Authorization":"oauth c3cef7c66aa9e6a1e3160e20"}}
{"database":{"Post":{"":{"contributes":[{"sourceColumn":{"lastUpdated":,"description":"数据应用学院（Data Application Lab）是北美第一家培训－项目实习－内推一站式专业数据人才输送机构，提供大数据和数据科学培训和公司项目解决方案，由南加州与硅谷的高级数据科学家与数据工程师联合创办，致力于传播数据行业最新应用和知识、培训及输送优秀大数据人才，以填补人才缺口、充分发挥大数据在商业中的力量。","permission":"COLUMN_PUBLIC","memberId":,"contributePermission":"COLUMN_PUBLIC","translatedCommentPermission":"all","canManage":true,"intro":"北美首屈一指的Data Bootcamp ()","urlToken":"c_","id":22466,"imagePath":"v2-e61606b3aadfe324ede9.jpg","slug":"c_","applyReason":"0","name":"数据应用学院","title":"数据应用学院","url":"/c_","commentPermission":"COLUMN_ALL_CAN_COMMENT","canPost":true,"created":,"state":"COLUMN_NORMAL","followers":1549,"avatar":{"id":"v2-e61606b3aadfe324ede9","template":"/{id}_{size}.jpg"},"activateAuthorRequested":false,"following":false,"imageUrl":"/v2-e61606b3aadfe324ede9_l.jpg","articlesCount":79},"state":"accepted","targetPost":{"titleImage":"/v2-f00d2f7f8b3c9d92ebc3df79e714f775_r.jpg","lastUpdated":,"imagePath":"v2-f00d2f7f8b3c9d92ebc3df79e714f775.jpg","permission":"ARTICLE_PUBLIC","topics":[13026],"summary":"Peipei是数据应用学院（DAL）荣誉毕业的实习生，目前是USC南加州大学（USC）Marshall商学院Business Analytics商业分析第一年研究生。曾在国内Teradata等数据仓库和数据咨询公司做过两年Data Warehouse Engineer。 最近Peipei收到了Amazon亚马逊的面试，面…","copyPermission":"ARTICLE_COPYABLE","translatedCommentPermission":"all","likes":0,"origAuthorId":0,"publishedTime":"T08:46:22+08:00","sourceUrl":"","urlToken":,"id":3182149,"withContent":false,"slug":,"bigTitleImage":false,"title":"南加大商业分析专业知心学姐分享：如何申请、选课、找实习？","url":"/p/","commentPermission":"ARTICLE_ALL_CAN_COMMENT","snapshotUrl":"","created":,"comments":0,"columnId":22466,"content":"","parentId":0,"state":"ARTICLE_PUBLISHED","imageUrl":"/v2-f00d2f7f8b3c9d92ebc3df79e714f775_r.jpg","author":{"bio":"北美首屈一指Data Bootcamp ()","isFollowing":false,"hash":"53cb88e3bb7f7c03cc3c3f66db042e17","uid":391000,"isOrg":false,"slug":"dal-zhu-jiao","isFollowed":false,"description":"","name":"DAL林老师","profileUrl":"/people/dal-zhu-jiao","avatar":{"id":"v2-c44d2c69c3c691201aae95bb6c05ade9","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false},"memberId":,"excerptTitle":"","voteType":"ARTICLE_VOTE_CLEAR"},"id":689702}],"title":"南加大商业分析专业知心学姐分享：如何申请、选课、找实习？","author":"dal-zhu-jiao","content":"Peipei是数据应用学院（DAL）荣誉毕业的实习生，目前是USC南加州大学（USC）Marshall商学院Business Analytics商业分析第一年研究生。曾在国内Teradata等数据仓库和数据咨询公司做过两年Data Warehouse Engineer。最近Peipei收到了Amazon亚马逊的面试，面试经理表示很喜欢，只是遗憾Peipei还没到毕业时间，那么今天邀请到Peipei来给大家分享三个方面：
1. 无中介DIY申请BA项目的经验分享
2. 在USC的BA项目学习体验
3. 如何提前规划找到暑期实习下面是她的分享。首先，我想给你打点鸡血，帮助你获得关于商务分析行业需求和求职方法。很多人可能会听到“data-driven business”数据驱动的业务，麦肯锡预测到2018年在美国将达到190,000个空缺职位。除了这些大话，我个人经历感觉也是一样的。当我在国内数据仓库公司工作时，我非常了解缺乏足够的机器学习人员，特别是那些可以为业务增添真正价值的人。我对此有很大的激情，当我跟我的经理询问希望转岗到机器学习团队时，我马上收到了拒绝。他告诉我，我至少还需要五年时间和经验。“这太可笑了”---当然我没有大声说出来。我觉得我等不了这么长时间，所以我决定去留学，海外高等教育对我来说是个好机会。我没有找中介机构申请研究生，因为大多数申请信息我们都可以在网上搜索到。首先，我通过美国的“US News Rank”了解了学校和专业排名，并在Excel spreadsheet中创建了自己的Dream school list梦想学校列表，包括大学排名，课程排名，地点，学费，学习时间，申请开始日期，结束日期和费用，申请所需文件，提交方式，GRE，elts，GPA酒吧，网站链接，联系方式（电子邮件，邮件地址，电话号码）以及课程表。在与熟悉大学申请的一些朋友进行讨论之后，我最终选择了九所院校，两所最好的学校，四到五所中等学校，以及三所排名在100-200的大学。幸运的是，我收到了南加州的Business Analytics项目的录取，圣路易斯华盛顿UWSTL CS项目和其他学院的一些录取通知书。最终我选择了来到USC的Business Analytics项目。BA的研究生项目是技术和商业应用方面的良好组合。USC的Business Analytics研究生项目充满了乐趣和挑战，并且在多元化（Diversity），项目（Project），特别是交际网（Networking）三方面有着突出优势。多元化——在这里我想强调这里有来自各种背景的同学以及老师，而不是像政治权利。大多数同学有1-2年的工作经验。有一些行业意识让我们更多地关注我们热忱的领域，包括市场营销，财务，商业，会计，广告，工程，这些对我们学习上帮助很多，特别是完成团队项目的时候。项目——是我最喜欢的另一件事。通过大量的项目，我深深地掌握了解了自己的课程，并且将方法应用于实际的问题。例如，在Fraud analysis course欺诈分析课程项目中，我们得到关于整个数据流水线data pipeline的处理方式。在数字分析策略课程中，我们项目介绍的两位公司负责人是ZoeReport的内容总监和营销经理，（ZoeReport是一家时尚季刊公司）。最后，同等重要的是交际网。我们被鼓励，甚至是“被逼着”参加各种networking 活动，建立了自己的职业人脉网络，并加入了很多networking活动中。经过几个尴尬的时刻，大家对networking更加自在。通过数据科学大会，招聘会，networking晚宴等能认识很多公司并有很多潜在的机会来实习面试。比如，我是通过参加2016年在南加举办的SoCal Data Science Conference数据科学大会认识了DAL数据应用学院的Jason老师，在刚开学的第一个学期拿到了一个春季实习的机会。 我的一个同学在networking中让公司招聘方为她新加了一个特定的实习生职位。Networking活动结束后，我拿到了Pacific Western Bank以及迪士尼等几个机构的面试机会。另一件让我很惊喜而我也从来没有想过的是，一个校友与我分享她的招聘人员的联系方式，他们直接给我介绍了公司有哪些开放职位。为什么Networking是如此重要？ 因为80％的工作没有公开发布。 70-80％的工作机会是通过networking录取的。在参加networking活动之前，90％可以找到一个参与者名单。提前做好功课， 去公司网站，找到开放的职位，在遇到他们之前可以先申请，在LinkedIn上保持联系，了解公司主要业务，挑战，竞争对手和你能给他们增值的能力。经过充分准备，在networking活动现场，可以提早在那里，穿着职业干练，直接去你感兴趣的公司，展示你的激情，做一个流利的Elevator Pitch。如果你紧张，可以带着一个朋友，或者试图和一些不在你梦寐以求的公司谈话先练练手。以上是我在networking方面的一些经验分享。 接下来我想介绍一下课程选择。我们一共有8个核心课程和12个选修课。根据内容，它们可以分为业务案例，编程和统计模型三部分。有些课程对MBA和MSBA都是开放的，所以双方可以相互学习，比如MBA具有很好的表达能力和商业意识。没有特别的编程课程，但学生可以学习许多课程涵盖的SQL，R，Python，Tableau，SAS，Excel（Solver），Google Analytics，Spark，Hive，NoSQL等。选择课程时，你应该考虑自己的兴趣，期限计划以及技术与商业案例研究之间的平衡。我更喜欢科技，所以我在工程学院选择一些课程。我知道我的短板是将技术发现呈现给企业挖掘洞察力，所以我还选择数字分析，营销和欺诈分析。另外考虑到学习负担，上个学期我放弃了蒙特卡罗模拟。为了达到要求，我也采取了像python，时间序列，Hive的在线课程。在我看来，唯一重要的是课程一定要值得时间和金钱，并能对你想找的工作起到帮助。1. 在暑期实习方面，我的建议是早点开始，建立自己的个人形象，做好面试准备。早点开始可以让你有机会犯错误。我听到的最搞笑的typo错误是来自我的一个好朋友。她的简历使用 Horror（恐怖）而不是 Honor（荣誉）超过一个月。这可能听起来不会发生在你身上，但谁知道呢。通过访问职业中心，职业顾问，招聘者，重新修改你的简历要确保没有打字错误。保证完美的排版，舒适的字体，并且涵盖所有必要的内容，如技能，荣誉，领导力，项目，工作经验，教育，特别是研究生毕业日期和正确的联系方式。找一些经验丰富的招聘经理来打磨你的经历描述。根据不同职位和公司的工作描述进行修改，并列出简历上最近和最相关的项目，Cover letter还是最好准备一份。2. 建立个人形象据我所知，LinkedIn简介，构建你的网站，博客，GitHub页面都是为自己品牌设计的方法。你可以发布好看的Tableau dashboard作为项目展示和成果介绍。准备好Elevator Pitch，这实际上是回答最最最基本的行为问题“Tell me about yourself”，即使没有被问到。作为一名优秀的团队合作成员，也是一种重要的个人品牌。你的同学们，你的school project团队成员甚至在毕业后的几年都会记得。在工作中尤其如此。你的快速反应，良好技能，每次例会都守时出现，愿意分享，灵活应变，忠诚和负责任，都是在建立自己的品牌，受益终身 。3. 沟通对于很多学生来说，行为面试很难。但是，我认为行为面试可以通过快速练习而改善。关键字是STAR。我借用了电影“星球大战”的海报。但在这里，STAR代表Situation情况，Task任务，Action行动，Result结果。使用STAR方法来讲述你的故事，否则你的故事听起来会缺乏条理而混乱。最后我想感谢DAL数据应用学院在我准备亚马逊面试的时候给我的帮助。联系的Wendy老师在亚马逊onsite面试之前给我的辅导非常专业和高效。老师对Amazon组里面试的流程和每个面试官喜欢考的侧重点都做了认真的讲解，后来behavioral面试考题差不多，覆盖很全，统计也考了一点，我觉得面的还不错，基本对答如流，最后招聘经理反响也很不错。","updated":"T00:46:22.000Z","canComment":false,"commentPermission":"anyone","commentCount":0,"collapsedCount":0,"likeCount":2,"state":"published","isLiked":false,"slug":"","isTitleImageFullScreen":false,"rating":"none","titleImage":"/v2-f00d2f7f8b3c9d92ebc3df79e714f775_r.jpg","links":{"comments":"/api/posts//comments"},"reviewers":[],"topics":[{"url":"/topic/","id":"","name":"商业分析"}],"adminClosedComment":false,"titleImageSize":{"width":1350,"height":525},"href":"/api/posts/","excerptTitle":"","column":{"slug":"c_","name":"数据应用学院"},"tipjarState":"inactivated","annotationAction":[],"sourceUrl":"","pageCommentsCount":0,"hasPublishingDraft":false,"snapshotUrl":"","publishedTime":"T08:46:22+08:00","url":"/p/","lastestLikers":[{"bio":"大学生","isFollowing":false,"hash":"7eb0b64f67748f14cdab32a1dc212087","uid":578000,"isOrg":false,"slug":"chelsey-83","isFollowed":false,"description":"","name":"Chelsey","profileUrl":"/people/chelsey-83","avatar":{"id":"v2-4e6a99c11eae1ea284b1d6","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false},{"bio":null,"isFollowing":false,"hash":"f2ccd5cfb7f27f9e6d4aee","uid":704600,"isOrg":false,"slug":"yang-jia-lun-91","isFollowed":false,"description":"","name":"杨家伦","profileUrl":"/people/yang-jia-lun-91","avatar":{"id":"da8e974dc","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false}],"summary":"Peipei是数据应用学院（DAL）荣誉毕业的实习生，目前是USC南加州大学（USC）Marshall商学院Business Analytics商业分析第一年研究生。曾在国内Teradata等数据仓库和数据咨询公司做过两年Data Warehouse Engineer。 最近Peipei收到了Amazon亚马逊的面试，面…","reviewingCommentsCount":0,"meta":{"previous":{"isTitleImageFullScreen":false,"rating":"none","titleImage":"/50/v2-2aa7e1cd723efbf88f709_xl.jpg","links":{"comments":"/api/posts//comments"},"topics":[{"url":"/topic/","id":"","name":"数据"}],"adminClosedComment":false,"href":"/api/posts/","excerptTitle":"","author":{"bio":"北美首屈一指Data Bootcamp ()","isFollowing":false,"hash":"53cb88e3bb7f7c03cc3c3f66db042e17","uid":391000,"isOrg":false,"slug":"dal-zhu-jiao","isFollowed":false,"description":"","name":"DAL林老师","profileUrl":"/people/dal-zhu-jiao","avatar":{"id":"v2-c44d2c69c3c691201aae95bb6c05ade9","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false},"column":{"slug":"c_","name":"数据应用学院"},"content":"如同人类通过交流相互合作，计算机网络中计算机的相互合作也依赖于彼此的信息交流。人类间的相互交流可以通过当面交流，电话，短信，邮件，IM应用来实现，但这建立在两人使用共同语言的基础上。计算机间可以以TCP等方式传输数据，但我们需要预定义一种为双方计算机所接受的“语言“，方能使数据交流正常进行，这种语言我们称之为”数据交换语言“。基于数据交互的基础性，各种开发语言基本都提供了自身的数据交换功能或者对通用交换语言标准的接口。但在不同的系统不同的语言间交换数据时，我们一般倾向于使用无关于平台及语言的数据交换语言。此类语言主要包括XML，JSON，YAML，Protobuf等，常用于接口调用，配置文件，数据存储等场景。JSON作为一种轻量级的，易于编写和阅读的数据交换语言在web开发中得到了越来越多的应用，本文将对JSON的历史，特点及语法进行简要介绍，并将其与XML语言进行横向对比，通过不同应用场景对数据交换语言的不同要求分析对数据交换语言的选择。JSON历史JSON全称为JavaScript Object Notation（ JavaScript 对象表示法）， 是基于JavaScript Programming Language, Standard ECMA-262 3rd Edition - December 1999的一个子集。JSON早在2000年就已经在使用了。2006年Douglas Crockford把JSON提交给IETF后，JSON开始作为Javascript的一个严格的子集得到推广。JSON用Javascript中的一些模式来表示结构化数据，这使得JSON对于Javascript开发者来说极为易读易写，极大地推动了JSON在web开发界的应用。目前JSON已被越来越多的API及Database选为输出的首选格式，在轻量级数据交换语言界独占鳌头。JSON特点1. JSON是一种轻量级的数据交换语言而非编程语言，其语法只支持字符串，数值，布尔值及null以及在此基础上的对象和数组。JSON轻量级的一部分体现即来源于此，因为JSON只处理了非常有限的数据类型，甚至没有一个日期数据类型。与之相对的重量级数据交换语言如XML则拥有更为复杂的数据类型及规则。有限的数据类型固然一定程度上限制了JSON在功能上的实现，却也使得JSON字符使用量极少，极大地降低了读写成本，特别适合互联网的数据传递。2. JSON采用与编程语言无关的文本格式，任何编程语言只要按JSON的规则都能解析JSON，这使得JSON的跨平台传递效率极高。JSON同时采用了大量类C语言（C，C++，C#，Java，JavaScript，Perl，Python等）的语言习惯，使得其可读性极高，容易编写编译。3. JSON是Javascript的一个子集，因而具有Javascript的原生支持。JSON可以用Javascript内建的方法直接进行解析，转换成Javascript也非常方便。4. JSON不是完整的标记语言，这使得其拓展性及可检索性较低。JSON语法我们在上文提过， JSON其语法只支持字符串，数值，布尔值及null以及在此基础上的对象和数组。下面我们分别介绍其在JSON中的表达形式。1. 对象对象是一个无序的“键－值”集合。一个对象以“{”（左括号）开始，“}”（右括号）结束。每个“键”后跟一个“:”（冒号）；“键－值”之间使用“,”（逗号）分隔。2. 数组数组是值（value）的有序集合。一个数组以“[”（左中括号）开始，“]”（右中括号）结束。值之间使用“,”（逗号）分隔。3. 值值（value）可以是双引号括起来的字符串（string）、数值(number)、true、false、 null、对象（object）或者数组（array）。这些结构可以嵌套。具体的字符串和数值的实现与Javascipt非常类似，这里就不多展开了，下面给出几个JSON代码样例。对python中dictionary熟悉的读者相信能很轻松地提取出其中的信息。JSON的解析工具浩如繁星，如JavaScript中的eval()函数，这里也不详细展开了。额外安利一个检验JSON格式的网址，不仅能在线检验JSON代码格式的正确，同时能够给出相应的修改意见。如果你的代码没有问题，还会自动帮你排版为更易读的版式，强迫症福音！JSON与XML的对比XML全称为extensible markup language，是一种类似于HTML的语言。XML没有预先定义的标签，使用DTD(document type definition)文档类型定义来组织数据，是业界公认的标准数据交换语言之一。JSON与XML的区别主要包括：1. 标记语言JSON与XML最大的不同在于XML是一个完整的标记语言，而JSON不是。这使得XML在程序判读上需要比较多的功夫。XML利用标记语言的特性提供了绝佳的延展性（如XPath），在复杂数据存储，扩展及高级检索方面具备对JSON的优势，但同时也意味着冗余信息较多。对于需要高性能交互的应用，过多的冗余信息则成了缺点。2. 字符占用量XML由于其标记语言的特性具有大量的冗余信息，这使得其字符占用量超过同等信息量的JSON文件。以下我们提供一个例子：为了提供一个人的相关信息，我们先以XML语言编写相关文件：然后我们再以JSON文件编写一次：可以看出，字符数仅为XML编码所用约1/2。3. 编译方式XML主流的编译方式包括DOM, SAX,JDOM 和DOM4J四种，DOM拥有较强的遍历能力和检索能力，但需要将文件整体读入内存进行处理，对计算机性能和内存的要求较高。SAX处理的优点非常类似于流媒体的优点。分析能够立即开始，而不是等待所有的数据被处理。而且，由于应用程序只是在读取数据时检查数据，因此不需要将数据存储在内存中。这对于大型文档来说是个巨大的优点。 而目前JSON的编译方式还比较单一，与DOM较为类似。因而在大规模数据的处理上有一定劣势。JSON vs XML -- 应用场景分析从以上分析我们可以得出，JSON由于其非标记语言的设计思路具有字符利用率高，解析速度快的优点，而XML作为一种完整的标记语言虽然继承了标记语言的冗余度，在读写成本上逊色于JSON，但在数据的检索与复用上对JSON有较大的优势。下面我们就不同的应用场景分析对JSON和XML的选择。1. 开放式平台此类应用场景实例包括微博，Facebook等。此类场景的特点是：1. 调用方不完全可控，而且是针对公网的，你可能不知道是谁、是什么语言、是什么方式在调用你提供的数据接口；2. 接口访问量一般都非常大，要求具有很高的性能和吞吐量；3. 需要考虑安全问题，外部提交的数据可能不是合法的。所以在这种情况下，需要考虑数据传输的带宽消耗和数据交换协议的易用性，以及多语言支持程度。以前对于html页面使用的JavaScript接口调用一般都使用XML格式，最近几年几乎都转成了JSON格式了，因为JSON传输量更小，比XML更加容易使用。 而对于开放平台，由于使用的场景很多，所以需要提供多种交换协议格式。基本上都会提供XML和JSON。大型互联网公司像Twitter， Facebook和LinkedIn的很多原始数据仍然使用XML而不是JSON存储，像可编程Web和其他数据表明，XML仍然是API的主要数据格式，但是“大JSON”正在快速上升。 Twitter的API大约两年前开始就只支持JSON了。Foursquare也跟进了。有业界人士表示：“当涉及到数据API服务时， XML仍然是最常用的格式，但JSON是的增长更快。尽管还有很多XML格式的API，但最近的API ，越来越倾向于使用JSON格式。这样的例子还有很多…… 企业正在迅速从XML迁移到JSON。”2. 内部服务对于一个大型系统来说，内部服务的数据交换无处不在。从最基本和常见的数据库数据交换、memcached缓存数据交换、消息队列的数据交换到系统之间使用的RPC服务框架等等，都可以算作内部服务的数据交换。内部服务的特点是不用考虑防火墙，不对外开放，速度快（基本无带宽成本）。内部服务的数据交换协议的选择空间非常大，一般需要考虑：1. 数据交换语言的性能2. 是否需要跨语言支持3. 数据交换协议的消息体大小以数据库为例，传统数据库如Oracle,Postgres等均支持XML，因为在数据量的吞吐上数据交换语言的性能及消息体大小并不会成为瓶颈，同时传统关系型数据库对数据的可检索性及复用性要求较高，这使得XML成为一种理想的选择。而随着大数据和NoSQL型数据库的发展，JSON在数据库上的应用越来越普遍，因为1. JSON的设计思路就是从存储无关系数据的角度出发的，这与NoSQL型数据库的设计出发点相符；2. 大数据时代数据规模的激增及分布式存储使得数据交换语言的性能及消息体大小成为制约数据库性能的极大瓶颈。这是有很多知名的例子，像MongoDB，CouchDB，和Riak。这三种数据库都基于JSON，横向可扩展，由Web驱动。其他的例子比比皆是：亚马逊DynamoDB的架构是完全基于REST/JSON的。 Neo4j，图形数据库，有一个REST/JSON API，没有对应XML的支持。 HBase的的REST架构目前支持XML，但这种支持正走在被废弃的路上。结语JSON作为一种轻量级的数据交换语言，因其较低的读写成本，较好的跨平台性以及其数据结构与当前数据交流要求的契合在web大数据时代得到了越来越广泛的应用。但JSON并不是尽善尽美的，从其语法结构的设计我们可以看出JSON是基于”键－值“型数据的一种较为简单的数据交换语言，单一的数据结构在提供了较低读写成本的同时也使得JSON的检索效率及可复用性较差，使其在复杂关系性数据的存储上具有一定劣势。在实际应用中我们仍需根据数据类型，硬件性能及数据交流实际需求在以JSON为代表的轻量级数据交换语言和以XML为代表的重量级数据交换语言间做出合理的选择。参考软件系统开发中的数据交换协议","state":"published","sourceUrl":"","pageCommentsCount":0,"canComment":false,"snapshotUrl":"","slug":,"publishedTime":"T08:10:25+08:00","url":"/p/","title":"什么是数据交换语言?","summary":"如同人类通过交流相互合作，计算机网络中计算机的相互合作也依赖于彼此的信息交流。人类间的相互交流可以通过当面交流，电话，短信，邮件，IM应用来实现，但这建立在两人使用共同语言的基础上。计算机间可以以TCP等方式传输数据，但我们需要预定义一种为双…","reviewingCommentsCount":0,"meta":{"previous":null,"next":null},"commentPermission":"anyone","commentsCount":0,"likesCount":2},"next":{"isTitleImageFullScreen":false,"rating":"none","titleImage":"/50/v2-95969ddfc71e_xl.jpg","links":{"comments":"/api/posts//comments"},"topics":[{"url":"/topic/","id":"","name":"市场营销"}],"adminClosedComment":false,"href":"/api/posts/","excerptTitle":"","author":{"bio":"北美首屈一指Data Bootcamp ()","isFollowing":false,"hash":"53cb88e3bb7f7c03cc3c3f66db042e17","uid":391000,"isOrg":false,"slug":"dal-zhu-jiao","isFollowed":false,"description":"","name":"DAL林老师","profileUrl":"/people/dal-zhu-jiao","avatar":{"id":"v2-c44d2c69c3c691201aae95bb6c05ade9","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false},"column":{"slug":"c_","name":"数据应用学院"},"content":"作者Diana Beyer：我热衷博客，同时也是Resumes.Expert网站的内容编辑。我对很多话题都很感兴趣，比如营销，商业分析，统计咨询等。数据库营销是收集，分析和识别客户重要信息的过程。信息可以来自不同的渠道，如销售记录，电子邮件，保修卡等。有了此信息，你就可以更加关注你的客户，并且使营销活动变得更加有效。据库营销技术可以帮助你以下几点改善营销效果增加销售额保留并获得更多客户如果你不相信，试着想象下一个完整的客户资料档案库。你会知道他们的年龄，性别，购买习惯，任何具有完整信息的业务都可以使用它来增加销售额和最终的利润。他们需要的东西，以及任何其他可能的信息。任何具有如此完整信息的企业都可以使用它来增加销售额和利润。这就好像你被绊倒在了一个只有你知道的金矿之中。客户想感受到他们是与众不同的，对于商家来说唯一的方法是通过学习尽可能多地了解客户们想要和需要什么。以下是一些必要的技术，帮助你更好的使用数据库和增加销售额。客户终身价值CLV模型是一个被广泛应用的数据库营销技术，它可以衡量客户和商家之间的终生关系，这对商家是非常有用的。这项技术近年来变的更加准确，并且被很多营销专家使用。有了这项技术，企业可以更准确的估计他们的收入，进而预测公司发展潜力。这个数据还可帮助你评估可以改进哪些领域来增加客户终身价值。客户沟通企业生产的数据可以提供关于谁购买他们产品的足够信息，为不同领域的改善开辟了新的可能性。客户沟通就是其中一个。客户都喜欢被特殊对待，以及他们的购买非常重要的感觉。因此，最好的方法是使用客户的数据来改善用于与之沟通的渠道。在客户沟通中使用数据库的几个原因认为自己重要的客户会购买更多产品提高对品牌的忠诚度增加销售RFM（近期，频率，货币分析）没有企业是愿意把时间浪费在只消费一次或者即使订阅了你的网站却从不消费的客户身上。这是当这种技术派上用场的时候。RFM出现在互联网之前，但是很多公司并没有正确的利用它。首先，RFM是一种可以计算客户最近购买，以及购买最多产品的技术。有了这种数据，你可以把营销方向指向那些会给你带来利益的客户。RFM会帮助你不浪费时间和金钱在错误的方向创建一个有针对性的营销活动使用80/20规则实现良好的转换率分析软件分析软件是数据库营销的下一步。使用这种技术，你就拥有了一个可以解释数据的软件。在当今世界，你可以通过网站，移动应用程序，社交媒体和其他渠道来收集客户的大量数据，有这样的软件来帮助你整理是非常省力的。因此如果你没有专家来帮你分析用户数据来学习和预测用户行为，那这个软件将对你非常有用。忠诚计划正如你在前文所读，数据库可以让你把握重点。这意味着你可以尽可能的了解客户的具体情况。你的客户所做的所有购买都会产生销售历史。有了这些信息，你便可以创建忠诚度计划。在你确定客户最想从你这里买到的产品后，提供给他们忠诚合约。这是保证销售并打败其他竞争的最好方法。电子邮件随着社交媒体和许多其他工具的出现，电子邮件可能已经过时了，但是电子邮件在销售方面依然表现出色。任何博客或网站都有你可以使用电子邮件订阅的文字。通过电子邮件，你可以更好地与客户沟通并了解他们的需求。电子邮件是一个很好的销售工具，因为你可以看到客户们阅读了哪些和忽略了哪些邮件，以改善你的发送邮件方法。客户划分销售人员通过记忆了解客户名字的日子已经过去了。今天你的产品面对数千甚至数百万的客户群，你必须保存一个数据库来存储所有的信息。客户划分是指在人口统计信息中分离信息。因此，你可以对不同种类的客户（如男性青年）采取不一样的营销策略。这对拥有多样化客户群的公司来说是极为有用的。你可以满足每个人的需求，让你所有的客户满意。多渠道营销这通常是指零售，目录和在线购买的客户。数据库可以从任意角度切入，确保客户在任意渠道都可以得到最好的体验。使用多渠道购买的客户比单渠道客户消费更多。但是，你也必须记住，现在人们也通过移动应用和社交媒体购买，而不仅是网站。这是一个好消息，在不同渠道改善用户体验，你将拥有更忠实的客户。收益分析这与RFM技术类似，但它们并不完全不一样。通过收益分析，你可以衡量每个客户的收益。在这之前，量化客户收益是非常困难的。而现在，你可以使用它来优化营销工作和定价策略。收益分析可以帮助你：找到无收益的客户了解有收益的客户需求，以及他们愿意支付的价格增加利润以不同的方式对待客户这听上去好像很可怕，但是很多大公司都会这样做，比如银行和航空公司。记住80/20规则，80％的收入来自20％的客户。所以在你的营销工作上花费更多的钱就是合理的，因为你不可能把钱花在所有的客户身上。你可以通过满意度来保留客户，同时也鼓励其他客户提高用户等级。所以你可以：创建黄金和白金会员计划给予特别折扣提供特别服务渗透分析如果使用正确，这种技术可以非常强大。使用数据库，你可以进行分析，以确定在每个邮编，年龄组或收入组中的销售额。然后，您可以使用此信息来修复可能出现的问题，并增加该划分市场的销售。 预测模型与客户沟通相结合，这种数据库营销技术可以非常强大有用。其中的数据可以帮助你预测哪些客户会回应你的营销活动，哪些不会。这个信息可帮助改进营销活动，以增加客户转化率减少客户消耗。所以预测模型可以帮助您：改进营销活动减少客户消耗增加销售附加数据附加数据是当你把很多不同的信息与一个名字或者地址联系起来。在营销中，你可以使用这种方式更有效地整理客户的信息。例如，你可以将客户的姓名与其地址以及其他信息（如性别，年龄，种族，收入，净值等）进行比较。有了这些信息，你可以创建预测模型，了解更多关于您的客户，以及他们更有可能购买的产品。这有助于你提供更好的服务，提供顾客需要的一切。网站在这个时代，每一个企业都需要一个网站，即使你不在网上销售。带有Cookie的个性化网站可以为你的业务创造奇迹。一个优秀的能与客户互动的网站可以加强你与客户之间的关系，甚至提高销售。其次，客户喜欢在购买前做调查研究这一点也让你的网站变得很重要。如果你没有一个公司网站，他们也许会认为你的业务并不合法。结论请记住使用这些技术，以便您可以：改善你的服务增加客户的价值保留并获得更多的客户增加销量增加利润因此，如果你能好好利用这些强大的数据库营销技术，你的整个营销活动以后都会得到优化。","state":"published","sourceUrl":"","pageCommentsCount":0,"canComment":false,"snapshotUrl":"","slug":,"publishedTime":"T08:57:15+08:00","url":"/p/","title":"15个基本数据库营销技术","summary":"作者Diana Beyer：我热衷博客，同时也是Resumes.Expert网站的内容编辑。我对很多话题都很感兴趣，比如营销，商业分析，统计咨询等。数据库营销是收集，分析和识别客户重要信息的过程。信息可以来自不同的渠道，如销售记录，电子邮件，保修卡等。有了此信息…","reviewingCommentsCount":0,"meta":{"previous":null,"next":null},"commentPermission":"anyone","commentsCount":0,"likesCount":2}},"annotationDetail":null,"commentsCount":0,"likesCount":2,"FULLINFO":true}},"User":{"dal-zhu-jiao":{"isFollowed":false,"name":"DAL林老师","headline":"","avatarUrl":"/v2-c44d2c69c3c691201aae95bb6c05ade9_s.jpg","isFollowing":false,"type":"people","slug":"dal-zhu-jiao","bio":"北美首屈一指Data Bootcamp ()","hash":"53cb88e3bb7f7c03cc3c3f66db042e17","uid":391000,"isOrg":false,"description":"","profileUrl":"/people/dal-zhu-jiao","avatar":{"id":"v2-c44d2c69c3c691201aae95bb6c05ade9","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false,"badge":{"identity":null,"bestAnswerer":null}}},"Comment":{},"favlists":{}},"me":{},"global":{"experimentFeatures":{"ge3":"ge3_9","ge2":"ge2_1","isOffice":"false","nwebStickySidebar":"sticky","qrcodeLogin":"qrcode","favAct":"default","default":"None","mobileQaPageProxyHeifetz":"m_qa_page_nweb","newMore":"new","newBuyBar":"livenewbuy3","newMobileColumnAppheader":"new_header","appStoreRateDialog":"close","sendZaMonitor":"true","homeUi2":"default","answerRelatedReadings":"qa_recommend_with_ads_and_article","wechatShareModal":"wechat_share_modal_show","iOSNewestVersion":"4.2.0","qaStickySidebar":"sticky_sidebar","androidProfilePanel":"panel_b","liveStore":"ls_a2_b2_c1_f2","zcmLighting":"zcm"}},"columns":{"next":{},"c_":{"following":false,"canManage":false,"href":"/api/columns/c_","name":"数据应用学院","creator":{"slug":"chen-xiao-li-89-74"},"url":"/c_","slug":"c_","avatar":{"id":"v2-e61606b3aadfe324ede9","template":"/{id}_{size}.jpg"}}},"columnPosts":{},"columnSettings":{"colomnAuthor":[],"uploadAvatarDetails":"","contributeRequests":[],"contributeRequestsTotalCount":0,"inviteAuthor":""},"postComments":{},"postReviewComments":{"comments":[],"newComments":[],"hasMore":true},"favlistsByUser":{},"favlistRelations":{},"promotions":{},"switches":{"couldAddVideo":false},"draft":{"titleImage":"","titleImageSize":{},"isTitleImageFullScreen":false,"canTitleImageFullScreen":false,"title":"","titleImageUploading":false,"error":"","content":"","draftLoading":false,"globalLoading":false,"pendingVideo":{"resource":null,"error":null}},"drafts":{"draftsList":[],"next":{}},"config":{"userNotBindPhoneTipString":{}},"recommendPosts":{"articleRecommendations":[],"columnRecommendations":[]},"env":{"edition":{},"isAppView":false,"appViewConfig":{"content_padding_top":128,"content_padding_bottom":56,"content_padding_left":16,"content_padding_right":16,"title_font_size":22,"body_font_size":16,"is_dark_theme":false,"can_auto_load_image":true,"app_info":"OS=iOS"},"isApp":false},"sys":{},"message":{"newCount":0},"pushNotification":{"newCount":0}}