NBA夏洛特黄蜂队（一支位于美国北卡罗来纳州夏洛特的职业篮球队）有数百万球迷，球迷们对这支球队非常了解，但这支球队对他们的球迷却知之甚少。更准确地讲，黄蜂队有许多球迷的数据，但是这些数据都是杂乱无章缺少关联的。

夏洛特黄蜂队的CRM（客户关系管理）分析师Chris Zeppenfeld为了弥补这方面的问题，实施了Phizzle FanTracker软件。这款软件是基于SAP HANA数据库之上构建的平台，整合了几百万条球迷数据，为每个球迷建立大数据画像。掌握了每个球迷精确并且实时更新的个性特征之后，可以帮助球队提供更好的粉丝球迷体验，并通过改善市场营销带来更多销量，从而给球队带来更多收入。

被大量数据淹没

事实上，黄蜂队并不缺乏数据，因为现在的球迷可以有很多途径与球队互动。球迷们会在互联网上购票或在实体店购买带有球队元素的物品，还有在比赛期间饮食消费，在社交媒体上评论球队等等。每个球迷都会从一种或多种途径与球队互动，从而产生该球迷与球队互动的数据。大概在四年前，黄蜂队的CRM系统开始感受到了容纳所有球迷数据的压力。对于黄蜂队来说，更大的麻烦是这些数据都是孤立的存在。

商业智能总监Zeppenfeld明白，球队需要数据仓库来处理球迷数据，尽管在当时来说把这种技术用于体育运动组织还是非常罕见的。Zeppenfeld说：“我们基本上已经刷爆了CRM系统（微软公司的Dynamics），因为我们想把所有获取到的数据都放进去。人们可以通过许多途径接触到黄蜂队品牌，这些途径都代表着后端有不同的数据源。因此我们知道现在不得不构建真正的数据仓库了，我认为这里有两种不同的挑战。一是我们有来自12家不同供应商的12到14个不同数据源，这些数据源的数据都需要进入数据仓库中。二是一旦你把数据都导入数据仓库了，你会在数据仓库中得到12份球迷数据，怎么才能把这些数据中相同球迷的数据整合为一呢？”

球迷数据的整合

Zeppenfeld在Phizzle FanTracker中找到了解决这两个问题的办法，Phizzle FanTracker是基于SAP HANA内存数据库构建的应用，提供数据仓库和处理所有数百万球迷数据的能力，该软件可以把重复的数据整合成为一份球迷数据。Phizzle还可以用来监听社交媒体和跟踪网站，进一步帮助分析球迷行为。

Zeppenfeld解释说：“我们启用了Phizzle FanTracker平台，因为我们觉得它可以非常完美地帮助我们把12份球迷数据整合为1份。我们去商店的时候，我可能使用的是‘Chris Zeppenfeld’相关的签名数据，而购票数据中可能记录的是全名‘Christopher Zeppenfeld’，同时在社交媒体监听数据库中记录的是‘czeppenfeld@gmail.com’。所以在所有数据源中我们会得到‘Chris Zeppenfeld’同一个人的五六种版本的数据。所有这些数据都导入数据仓库之后，我们真的需要把他们进行整合，这样才能了解‘Chris Zeppenfeld’这个人完整的行为过程，而不是拿到6种形式的无关联数据。”

决定了要采用Phizzle之后，Zeppenfeld必须说服团队信任这个项目，让大家认识到这是值得的。由于Phizzle有一定的配置需求，前期成本尤其重要。

Zeppenfeld说：“那个时候成立商业智能部门的概念在全球范围内也只是刚刚起步，对于体育运动球队来说，提出做这种项目还是比较令人瞠目结舌的。当时我们还是第一家这么做的球队。”

为了获得支持，Zeppenfeld必须说服业主现有的CRM系统是不够用的，Phizzle的数据仓库平台可以帮助告诉大家每个球迷的花费情况。这个过程花了大概一年时间，最终Zeppenfeld的项目得到了支持，黄蜂队IT团队实施了Phizzle FanTracker。

到目前为止，该项目非常成功。20个数据源把所有数据记录都传输到了SAP HANA数据库，并使用Phizzle FanTracker API来做清洗。黄蜂队发现1900万条记录中大约有一半是重复的。Zeppenfeld预计，使用软件清洗和删除重复数据的过程可以节约大约150万美元和一万小时的数据质量检查时间。

Zeppenfeld解释说，这个过程是个持续长期的工作，因为即使整合了多份球迷数据，但是进一步的活动可能会产生新的数据需要做关联。“假设我们有8份数据做了整合，但是在第9个数据源中球迷可能产生了一些活动数据，这些数据可能是社交监听数据库中以前从未出现过的。现在相当于又有两份数据需要合并了。”

更好地理解球迷

下一步是将所有数据整合到一起建立完整的球迷画像，这样可以帮助改善球迷体验，为组织带来更多收益。之前，黄蜂队可以分析来自每个渠道的单个数据集，但是现在可以得到完整的数据画像，包括跨所有数据源的实时行为。所以，如果有球迷在网上买了门票或者在Twitter中评论比赛，这些数据都会实时融入球迷画像。

Zeppenfeld说：“我们在数据来源方面做了相当大的投资，主要是给零售店、食品和饮料销售点投资，帮助在销售点识别球迷身份。这对后端整合数据有很大的价值。我们本来知道会发生什么情况，以前只是不知道是具体发生在哪个球迷身上的。把数据和球迷身份整合以后可以帮助我们给球迷提供更好的体验，他们进入相应区域的时候我们知道他们想做什么。”

Zeppenfeld说：“季票持有者买票花了3000美元，相应会计入有3000美元的账户，但是其中并不包括在比赛期间或者是球队商店中的花费，因为这部分数据没有与季票数据相关联。实际上，他们可能花了5000美元，所以我们有两种方式处理：一是我们更应该把他看作是一个5000美元的账户，另一种情况是基于我们掌握的数据分析他在各处做了什么，我们可以为他提供更好服务。如果我们从数据中发现他总是在每次比赛第二节的时候购买烤干酪辣味玉米片或者会购买球员运动衫，我们就想办法给他提供更好的服务。或许我们的服务代表会在一场比赛中提供免费的烤干酪辣味玉米片，甚至会提供与球员会面的机会。这正是数据仓库可以提供的强大力量，可以获得相应的投资回报。”