
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
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01