京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据重塑世界和个体 传统企业却在慌乱
大数据即将重塑世界与人的关系,但很多数传统企业,却仍然停留在盲人摸象的阶段。
这是一件很可怕的事情。商业社会的开放与透明,特别是互联网时代带来的信息爆炸,让闭塞的商业模式一去不复返。诺基亚、柯达、摩托罗拉……为了避免这样的悲剧一个接一个重演,一些企业开始研究如何让传统商业更好的与大数据相融合,形成新的商业体系和商业文明。国内的百分点科技正在做这样的努力,它最近成立了一家独立的子公司,专门从事传统企业O2O数据研究。
以下这家公司CEO柏林森的独白,亿邦动力网整理成文:
为什么要成立O2O子公司?
百分点2013年的7月25日B轮融资融资,到现在,大半年过去了。百分点赶上了整个大数据产业链蓬勃发展的一个阶段,当时我们提出百分点成为企业决策的大脑,打造企业所需要的一个数据供应链的概念。
百分点也是最早在国内的做大数据的技术型企业。尽管当时我们没有叫大数据,但是我们用的所有架构和方法,和我们的商业模式是大数据的一个核心元素。在过去的一年,我们百分点在朝着集团化发展。大数据,首先我们认为大数据一定是应一定用导向的,大数据一定是朝着不同的垂直行业,没有一款统一大数据的架构和方法论来指导所有的企业。教育、旅游酒店、智慧城市、金融等等,大数据在每个行业都会有很具体的解决方案的。
百分点在朝着集团化来发展。之前是电商、媒体,接下来我们主攻的方向是O2O。百分点针对O2O会成立一个单独的实体,来进行运作,放在百分点集团旗下。
不排除在可预计的未来,互联网金融、个人征信业务、汽车等等,我们要单独拆出来一块实体来做。做扎实一个行业,为整个行业提供大数据解决方案、方法论。
集团化的发展可能来自收购、并购,通过资本的驱动,这是我们未来的一个愿望。所以,在未来一段时间,我们可能有非常积极的收购并购动作
大数据战略比别人强在哪?
百分点和其他企业的不同之出,我们认为主要是三点。首先,百分点是同时拥有大数据技术和大数据的企业。很多企业是技术驱动型企业,他的企业提供技术外包。但是这个企业没有自己的数据,他不是数据的中心。百分点从企业创立的时候,理念就是,数据需要具有流动性,只有数据的流动动性才能保证数据应用的真正爆发。我们的流动性主要是想解决企业之间和企业内部之间信息孤岛的问题,在数据孤岛之间建立起来了桥梁。在保证数据安全和用户企业不被侵犯的条件下,我们让这些数据能尽可能多的交叉复用,这是我们认为数据流动性能解决的一个最核心的问题。
第二点,百分点是一家大数据应用为导向的公司。我们做了五年,最核心的是我们的个性化应用,包括个性化推荐。推荐包括在网站上推荐的商品、推荐文章,甚至交友等等。同时我们通过很多多触点的渠道,包括电子邮件,包括信息,包括网页端推荐栏等等,用群体的智慧与个体进行交互。包括给越来越多的企业建立底层大数据管理平台。我们和IBM 等别的企业不一样的地方,我们完全是应用导向的,而不是说完全为了做一个大项目而做一个大数据。
第三点,百分点是国内最早用“云”的思想来做大数据的,这是我们前瞻性的体现。在大数据应用需求爆发的时候,市场和客户对百分点需求迅速爆发。现在很多企业,包括电商包括品牌客户,在排着队等着我们做大数据的项目。
很多企业对数据理解都有误区
最大的误区就是很多人仅仅简单把大数据理解为函数或者说云计算。我们想说的是,大数据是整合、利用、加工内部和外部数据的一整套解决方案,是整合、利用、加工内部和外部数据链打造的过程中使用的所有技术。
举个例子,我们对消费者或者说用户的兴趣图谱进行一个构建,给他打开什么标签,这需要大量数据管理的工作。这需要非常深的了解一个企业的经营管理。从后端的运营管理,到前端流量的引入,这都需要我们一整套的数据结构来帮助企业解决。
在这个过程中,我们为企业做最核心的两件事。
一件事是提高企业的效率。一个信息发给所有的人是低效的,或者说是浪费的。一个广告投诉给所有人也是浪费的。我现在用大数据来解决非常精准的广告投放的问题。从运营效率上讲,很多企业的决策是没有数据支撑的,就是拍脑袋来决定的。用大数据可以解决很多运营决策精准性的问题。
第二件事是降低成本。企业的很多岗位甚至都可以减少人员,或者减少投放,比如说广告投放成本可以大幅度削减。像沃纳-雷特说,我知道50%的广告费是浪费的,但我不知道哪50%是浪费的。现在大数据可以解决这些问题。可以告诉你哪些是不用投放的
最核心的是,我们也提高了终端消费者的分析能力。因为个人消费者(用户)作为终端,你所拥有的数据和分析能力是远远不够的,在你的头脑里是没法整合的,而大数据恰恰是可以帮助企业同时也帮助客户。所以,百分点认为,大数据真正的核心内涵是基于应用的提高企业的商业价值。
另外,举两个关于大数据比较严重的误区。一个是大多数企业认为收集到原始数据就够了,对数据管理没有任何理解。打个比方,把企业拥有的数据想象成原油,原油是不能用的,只有通过提炼加工才能变成汽油,才能变成各种各样的有机材料,这些材料才是真正能用得到的,这个过程就是数据管理的过程。把没有价值或表面上没有办法换算价值的数据商业利用,大多数企业都不具备的。
第二个,企业盲目地上大数据项目,而且不是一般的工程。盲目地上大数据项目的时候,因为大数据很火,企业的领导人、决策者非常关注大数据,但是,他们没想到大数据有什么应用。他不是应用导向的来做大数据底层技术和管理项目。这是目前他们一个非常严重的误区。
传统企业更抗拒大数据之潮?
首先,电商企业和传统企业在对大数据的认知上不同,这是很显然的。我宁可这么分:电商、传统企业有电商、传统企业没电商。因为百分点的客户像王府井、国美,它们既有线下也有电商,电商做得非常不错,这些企业和纯传统企业还是非常不一样的。纯电商,像玛萨玛索,和传统企业也不一样。还有很多企业,像是制造业,想做电商但还没做电商。这些企业对大数据的认识确实有很大不同。
从两个角度来判断,一个是数据应用层面,纯电商会比有电商的传统企业和没电商的传统企业更好一些;还没有做过电商的传统企业,它们对数据的利用是非常弱的,甚至我们和这样一些企业做过一些合作。这些企业认为,他们有很多会员卡的数据,但这些数据都是传统的交易数据,是死的,它不是online的,就像数据是一个个打开的盒子放在地下室,你不知道那个盒子装是什么样的数据。你要找一样数据,要把所有地下室的所有盒子都打开。这是他们的问题,有一定的数据,但是很少,他们不知道该怎样利用。目前来看,用的比较好的是纯电商,还有有电商的传统企业,他们做的还不错。
第二,对于这个数据开放程度和对技术接受程度的也有分别。传统企业的数据在内部上非常的封闭,不同的部门之间数据是不打通的,没有做过任何的探索。相反,纯电商是愿意去拥抱的,因为他们在这种非常激烈的竞争环境下,纯粹的市场环境竞争下,他们对于新的技术,接受程度非常之高。
大数据的未来:重塑世界
大数据现在在做的一件事就是重新连接世界,连接世界每个个体,和这个个体所需要的信息、服务。
接下来,应用前景会很多,线下零售、shopmall和电商平台线上线下打通,这就是一个连接点的作用。
再比如,大众点评开始进入婚庆市场,它也是基于用户在大众点评所留下的行为轨迹预测出来的偏好。婚庆他是一个大消费,一般是十万到几十万之间。所以这是一个大消费的项目。我们通过这些线下的数据来预测,虽然不能百分之百知道哪些人概率高,哪些人概率低一点。
确实会颠覆很多很多的传统行业。因为他在重新构造、重新连接这个世界和个体。
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