2.通过具体技术方案，标签化、聚众类库法等分析，构建画像体系，这里涉及到大数据的核心，如大数据平台的开发和挖掘技术；3.精准营销：通过一系列的模型，对新业务，匹配合适的用户群，提高业务到达率及转换率。这也是大数据技术的本质，回归到具体业务，提升业务指标完成率。总之，大数据的开发、挖掘及大数据的应用，在实践中，涉及到节点比较多，且模型的建立、迭代升级、优化都是需要不断的修正，这样就会达到比较好的效果！。
请问销售可以做哪一类数据分析师？
大数据是我的主要研究方向之一，同时也在带大数据方向的研究生，我来回答一下这个问题。对于非计算机专业出身的人来说，学习数据分析可以从基本的数据分析工具开始学起，一方面比如容易掌握，另一方面也可以跟实际工作相结合。对于销售人员来说，学习数据分析技术具有比较强的现实意义，目前不少公司的销售部门都会配备专业的数据分析人员，进行场景化的大数据分析。
场景大数据分析通常需要进行三个步骤，其一是完成数据的采集和整理（抽取），其二是根据行业规则进行算法设计，其三是根据场景需要进行结果呈现。场景数据分析目前依然以结构化数据为主，尤其是销售类数据更是如此。通常情况下，场景数据自身的价值密度是比较高的，而且维度也比较清晰，所以在数据采集和整理方面会相对比较容易，通常可以直接从已有的数据库中进行数据提取。
要想完成这个步骤需要掌握Sql语言以及一些常见数据库的使用。场景分析的第二步是根据行业规则进行算法设计，这个步骤通常需要具备一定的专业知识，需要掌握一些常见的算法，比如kNN、决策树、朴素贝叶斯、支持向量机等等，这些算法都是数据分析领域比较常见的算法。当然，目前BI工具已经集成了大量的算法，只要根据具体的应用场景进行选择就可以了。
其实大部分常见算法并不复杂，具备一定线性代数和概率论的基础知识就能够掌握。场景分析的第三步是进行结果呈现，结果呈现可以有很多种方式，比如可以通过BI工具自带的模版进行定制化设计，也可以通过编程的方式完成结果呈现。我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
大数据时代会对传统营销带来怎样的变革？
