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
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28