京公网安备 11010802034615号
经营许可证编号:京B2-20210330
海量研习社走进海尔大学 大数据该怎么玩
7月2日下午,国内知名的海量大数据研习社来到了青岛海尔集团海尔大学。海量研习社的专家讲师就“基于互联网大数据的信用评估与风险控制”、“互联网大数据时代的品牌数字聆听”、“传统企业小V化重度孵化实践”与听众进行了分享交流。“玩转大数据”和“重度孵化”成为大家讨论的热词。
大数据带给我们什么?
什么是大数据?大数据是怎么得来的?互联网时代,海尔运用大数据实现了企业的华丽转身,大数据时代打造品牌的关键是什么?如何让消费者进入打造品牌的过程?大数据为草根创业带来机遇,如何运用大数据服务平台,实现“大众创业”?针对这些热门话题,海量大数据研习社给海尔大学的听众带来了大量“干货”。
本次海量大数据研习社海尔专场一开始,海量信息技术有限公司产品副总裁陈凯首先给听众分享了“基于互联网大数据的信用评估与风险控制”。陈凯就互联网数据在风控领域的应用价值、互联网大数据加工流程、获取渠道、信息的精准识别、信息分析、信息抽取与信息标引、基于分词的热点发现、基于知识网络的企业库建设等方面详解了大数据的概念以及价值。
大数据在现实中可以应用到哪些方面?陈凯表示,大数据在企业动态信用情报监测、交易对手信用评估与风险控制和上市公司投资者关系管理三大方面都有极高的应用价值。
随后,陈凯就《互联网大数据时代的品牌数字聆听》进行了讲解。他以“爸爸去哪儿第二季的数字聆听”为案例,分析了节目讨论焦点分析、基于用户关注的营销策略调整、节目组的策略等,最终得出观众对“爸爸去哪儿第二季”的评价分析,为节目组接下来的应对策略提供了数据支持。
重度孵化扶创业者上路
“我的目标是在5年时间内,帮助100位创业者实现创业梦想。”演讲一开始,海量信息技术有限公司郝玺龙董事长就说出了他的事业目标。
实际上,自2013年以来,以郝玺龙为首的团队已经孵化出了大量创业型公司,其中不乏知名企业,如海云、销售易、狗大夫等等。
目前,已经在业内有相当影响力的掌上移动宠物健康“狗大夫”,就是海量在移动互联网时代的重度孵化典型。
“狗大夫”在短短一年多的时间里,目前用户数已经达到200万。郝玺龙在案例分享中,详解了“狗大夫”的创业经历,从自我认知的困惑,回归原点,挖掘用户痛点,提出解决方案,到团队的建立,方案与角色的关系,如何开始和进行等环节,涵盖了创业孵化的精髓。
演讲中,郝玺龙提出的“精益创业三步曲”、“如何抓关键任务”、“融资的四个阶段”、“重度孵化流程”、“重度孵化保障机制”等观点,得到了现场听众的强烈认同。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20