
大数据时代: 大数据时代的 商业创新
大数据不是一个新的现象,或者是数据根本就不是一个新的现象。上世纪1920年代,在美国出现了所谓的直销业,大量的百货公司开始进行所谓的直销,给每家每户送目录,这就是开始采集用户的数据来进行个性化的营销。到1982年,美国的一些航空公司出现了客户忠诚项目,航空公司开始有大量的客户交易行为数据。
商业创新涉及产品整个价值链
从商业创新的角度来看,更多的是围绕着管理现有和潜在顾客的全生命周期,在你购买之前、购买之后,全媒体、全渠道。无论是pc、手机,还是线下o2o,所有跟这个企业的社会互动,把这些数据收集起来,就能做出一个很好的预测。而且传统的数据营销,产品投放市场以后,只是单纯地做营销。现在,商业的创新是更多延伸到产品整个价值链的上下游商业的创新。
大数据时代,商业创新的市场趋势和一些商业创新出现新的范式。
我们现在处于一个社会化互联网时代,早就过了门户时代。现在的互联网是一个社会化的互联网,其内容主要是用户提供的,用户的内容都可以自己生成,而不是由企业生成的。
互联网时代,最主要是两种形式:一种叫口碑,就是“言”;另外一种是观察模仿,或者叫观察学习,就是“行”。
大数据时代的商业创新,既然是围绕着社会互动展开的,就有一个很重要的特点:社会化互联网使社会互动成为企业的一个重要的战略变量,无论是口碑还是观察模仿,在传统的线下,企业没有办法直接操控。中国有一句谚语:酒香不怕巷子深,但现在不一样,现在很重要的一个特点是,商业创新要看各种各样的新的商业模式,很多完全是围绕这个展开的。
口碑:
新的营销决策变量
从过去这些年的研究中,可以发现的一些有关口碑的例子。比如亚马逊1995年最早推出消费者的口碑,第一次把消费者的口碑当做企业操控的变量,它可以决定提供还是不提供。这里,我们要思考口碑给企业带来了什么样的影响,功能是什么。
观察学习也是这样,也是亚马逊最早开始做的。我们在线下排队的时候,亚马逊很轻易地放到网站上,后台可以统计出看过某款产品的客户,最终有多少人购买这款产品。
我们看到100个顾客从餐馆门前走过,最终有多少人进了这个餐馆,多少人进了对面的餐馆,这就是在现实生活中大家去吃饭时关心的数据。企业仍然能够把它当做直接操控的战略变量,这就改变了很多商业的游戏规则。
另外,社会互动的类型成为企业直接管理的变量。其实,另外一种社会互动的异质性本身或者同质性本身,也成为企业管理战略的变量,这是我们要在另外一篇文章里面讨论的问题。
商业创新:
立足社会互动的战略管理
商业创新是围绕着利用社会互动来影响产品投放市场以后的战略吗?其实远远不止,社会互动还可以影响到整个价值链的上下游。企业用消费者社会的互动来做新产品的测试,更重要的是新产品测试的时候就在做营销了。
身处大数据时代,商业创新一个很重要的立足点就是怎么来进行社会互动的战略管理。社会互动的异质性取决于社会网络关系,社会互动不同的类型不仅可以影响企业做决策,还受现在移动互联网o2o的影响,它也是一个战略变量。
其实在大数据时代,你仍然可以做社会互动。美国芝加哥的一家公司是卖t恤衫的,任何一个人都可以把自己设计的t恤衫上传到这个网站,得票高的由这个网站生产。这样来做新产品开发,同时也是在做新产品的测试,也是在做新产品的营销。什么意思呢?在大数据时代,如果你要基于社会互动战略管理的时候,我们过去商业上决策的流程是一种串行。现在是一个并行,我在做营销的时候,我就应该在做研发,我在做研发的时候,我应该就在做营销,不应该把它割裂开来。
社会互动:
企业可操控的战略变量
传统的市场主体企业创造价值,顾客消费价值。是谁创造价值,谁消费价值呢?实际上是消费者在创造价值,企业在消费价值。而传统市场的功能是在做价值的交换和资源的配置,但是价值的交换前提是:谁是价值的创造者,谁是价值的消费者非常清晰,而现在并不清晰,现在市场最主要的功能更多的是在做一种资源的整合和价值的共创。市场的主要调节机制不仅是供求价格,更多是社会互动。
人类社会一直有社会互动,社会互动现在成为市场调节的主要机制?一个很重要的条件是,价格之所以成为调解价值,第一是价格可观测、可度量,第二是价格可调控。
由于互联网、大数据技术,社会互动成为企业可以操控的战略变量。大数据技术可以把用户在微博、微信上互动的内容分析提取出来,知道什么价值有用,什么价值没用,这就是大数据时代对商业创新的影响。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15