数据被称为21世纪的石油，其中客户数据又是数据中最为重要的。大数据中与客户数据有关的，包括社交媒体数据、电子邮件、调查、客户服务数据等，很多组织都拥有很多数据。但是，很多数据还处在原油阶段，没能得到处理、提取、和加工，客户数据还不能产生业务价值。只有组织采取行动，深挖数据，客户数据才能有所贡献，而不止是一堆0、1和文本。

因此，产生了客户数据分析。不断地，组织投资在数据分析领域，希望能够从数据中挖掘价值，从而更好地开拓客户、维护客户。

例如，网购网站eBay就分析来自客户数据库和网站活动数据的销售记录，以此支持市场战略，将主页进行个性化调整，让不同的用户浏览到不同的内容。在2014大数据创新大会上，eBay前总裁Vadim Kutsyy表示，分析项目能够帮助网站提高业务水平。

另外，eBay通过数据分析，尽量避免给客户显示过多广告和客户不感兴趣的产品。eBay尽量为用户提供积极的网站体验，这也是Kutsyy的首要分析任务。他表示：“我总在问自己，我们的客户是否从我们收集的数据中获得了价值？”

Kutsyy介绍了一系列eBay正在使用的数据管理平台和项目语言，比如Hadoop、Teradata数据仓库和MySQL、Cassandra数据库。但是他认为，要获得正确的客户分析，就不能依赖技术。组织采用的任何工具都是为客户服务的。客户关心的不是你用了Hadoop还是Teradata，或者你用的Java语言还是Python语言，客户关心的是自己的体验。

客户分析

Netflix也采用了客户数据分析，用来个性化在线流媒体服务，保证客户能够满足于服务，按月支付月费。Netflix负责流科学算法的总监Nirmal Govind表示，收集和分析用户行为数据包括他们看的电影、观看时间、和持有的互联网账号。他说：“我们有很多数据，显示客户的消费内容，他们喜欢什么。所有这些数据都可以用于优化客户体验。”和eBay一样，Netflix使用了很多技术来支撑数据分析项目，其中包括Teradata、Cassandra和开源Apache Hive数据仓库软件、tableau的数据可视化工具。收集和准备数据之后，Govind的团队采用了一系列的算法，比如根据用户看什么样的电影推荐什么样的内容。2011年，Netflix开始开发它的原生内容。Los Gatos公司也挖掘客户喜欢和不喜欢的数据，支撑内容推荐。

数据分析之路也有挑战。Govind表示找到正确的推荐引擎是很困难的。推荐是基于基本参数进行的，很难准确地判断出一个人想要看什么内容。为了调试好引擎，他的团队做了很多A/B测试，基于不同的预测模型给不同的用户进行推荐，然后追踪每组用户花在推荐内容上的时间。

工资和人力资源服务数据分析公司Paychex关注了其他方面的数据分析：使用搅动模型识别可能会采用他们服务的客户。在去年的预测分析大会上，Paychex风险分析经理Philip O'Brien表示，他和他的团队利用公司规模数据、交易历史、客户服务交互等数据构建模型，找到可能会购买公司产品的客户。分析团队发现，公司21%的客户服务费用都花费在无论如何都是使用Paychex产品的客户上了。O'Brien表示，公司根据搅动模型部署了之前描述的处理客户数据的方法。但说服业务经理使用分析结果又成了一大挑战。

在过去，公司有很多“屁股决定脚”的决策方式，他表示：“如果人们习惯了靠直觉办事，你一定要向他们展示分析工具具体能带来什么价值。”

客户数据陷阱：知道的太多

这里有一个潜在的危机，即知道的太多。知道什么时候停止是分析客户数据的重要一步。公司可能掌握了很多数据，但不正确地使用数据很可能会给客户带来不适，最终致使他们离开。

SearsHoldings公司的大数据高级经理、企业数据仓库管理员、负责运营和部署的Andy McNalis表示，零售商分析客户浏览历史、购买记录和地理位置数据来帮助自己设定和修改产品价格。但也有一些数据动不得。比如Sears的门店都有Wi Fi覆盖，它可以看到客户在使用Wi Fi查看竞争对手网站的价格。这时，公司可以给客户推送优惠券，但这样做会让客户觉得Sears在监视他，反而适得其反。

客户数据分析还包括其他方面，不只是部署系统和捕捉数据那么简单。Sears使用Hadoop集群和Teradata数据仓库支持客户分析项目，分析团队用开源R语言等编程语言写计算方法，再将其运行到基于Hadoop的数据分析和虚拟化工具上。

这时就需要技术熟练的人应用算法生成有用的信息，访问和分析发现的内容。McNalis表示：“人们认为你在这边把数据填进去，那边就会出来一枚硬币，但其实不是这样的。”