
大数据将是移动应用与O2O模式的基础_数据分析师考试
“O2O模式与移动应用如何装得下大数据时代”。话题围绕以下问题展开:大数据的定义、大数据在服饰业的价值、移动应用以及O2O模式下的大数据应用等主题。
简单介绍下活动背景,这次活动是华南地区服饰行业CIO协会举办的“2014年度行业信息化高峰论坛”,该协会是华南地区最有影响力的服饰CIO协会,由深圳市赢家服饰有限公司信息总监胡剑雄等发起成立,经常进行案例应用分享、行业前沿讨论活动。
活动的主持人胡剑雄首先提出,如何看到大数据在服饰业的价值这一问题。卡宾服饰(中国)有限公司信息管理部总监邹聪认为,“大数据有没有价值,首先看服饰企业是否把握住数据源头。”卡宾的IT系统是加盟商开店必须配备的合同条件,为此卡宾在罕见地可以管控到全国1000多家门店,可管理到门店、人员和货品信息,门店的信息管控能做到实时的管控。
“现在人们不谈论大数据,好像有一点落伍,就好像一个企业不上SAP,就有一点落伍的感觉”。安正时尚集团股份有限公司的CIO王齐斌表示,“事实上目前服饰行业的数据基础还有点薄弱,目前应首先关注企业内部的数据,这些数据是移动互联时代的数据基础”。
此次活动讨论的第二个问题是,服饰行业的O2O模式到底是什么,现场讨论嘉宾的理解相对一致:O2O是颠覆服装业的一种运作模式,可以弥补在实体店收集不到顾客数据的遗憾,最终推动服饰行业从批发模式向零售模式的转变等等。
在实际的应用中,有的企业已经开始进行大数据的尝试。周聪分享了一个搭配分析的故事,最近卡宾对排名前30名的搭配购买数据分析发现,男性的购买规律并不符合人们的一般想象,大多数人会认为男性购物会选择一件上衣搭配一件裤子的购买搭配,但是分析结果发现,很多男性顾客采取两件上衣、两件裤子的购买方式,并且偏向购买两件颜色和风格相近的衣服,这一发现让卡宾更转变了设计思路,更注重服装的主题设计。
卡宾在进行大数据的尝试前,进行了大量的基础工作,卡宾很注重店铺主数据的设立和管理,主数据的变更必须老板签字才能改变,这种严格的数据管理方式,很好地支持了后续的商品管理等运营,为此卡宾可以实现对线上线下渠道的营销把控,以及可以针对VIP客户提供精准的导购服务模式。
在进行大数据分析的过程中,王齐斌的实践感受是,如何构建大数据的预测模型,进行人、货、场的分析,是一项具有挑战的工作;其次在操作层面上,在企业推动大数据的项目时,IT部门一定不要冲在前线,而应该与各业务部门、高层一起来推动这个项目。“在谈论大数据的分析前,目前整个O2O体系的建立还是一个难题,既没有成功的案例也没有相应的技术服务公司,为此至今也无法解决现在的微购物中没有货品搭配的功能。”深圳市品嘉百货股份有限公司信息总监蔡建勇表示。
O2O下的大数据应用是一方面,移动应用与大数据的应用是另一个同等重要的话题。“大数据做的是O2O的未来,可以提升O2O的价值空间,当来自移动端的客户访问和交易量发展到一定规模,大数据的价值会越来越明显,这是一项基础的技术工具。”周聪表示。
“无论出于O2O还是移动应用的考虑,企业都必须考虑应用大数据。”蔡建勇认为,“应用大数据需要解决两个问题:首先需要培养大数据分析的能力问题;其次企业需要真正将大数据用于解决业务的实际问题,包括用于决策层的管理、帮助业务部门实现商品管理、营销管理等业务”。
“大家更多谈论了应用层面,实际上企业对于数据的底层架构、未来的性能安全也应该密切关注;其次,企业还需要关注货品的一体化、会员的一体化等后台的工作。”深圳德津实业有限公司CIO张腾表示。邹聪从商业的角度提出另一个观点,“无论谈论O2O,移动应用或者大数据,一切都要回归商业本质。企业需要想清楚公司商业模式是什么,品牌定位是什么,而不是盲目追求O2O,移动应用或者大数据”。
作为活动的主持人的胡剑雄总结表示,此次的大数据讨论,最终希望服饰同行认识到整个行业已经进入大数据时代,而并非要马上对大数据进行应用,“此次活动参加讨论的嘉宾都认可,大数据将是企业在移动应用端的发力的工具,以及O2O模式深入应用的基础,这些应用需要回归商业本质,解决商业的实质问题”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25