
哪个行业应该更多地投资在大数据上?
对于这个行业投资#大数据#的问题,至少下面两个方面的理解: 哪个行业应该考虑在大数据以及分析上面进行高于总体平均水平的投资?哪个行业在一开始采用大数据战略的公司数量比较少,因此,有很多公司需要“唤醒服务”。
为了回答第一个问题,我们来看看不同行业在大数据方面花费的平均水平的调查(Exhibit VII-1)
Exhibit VII-1: 哪个行业在大数据中花费最多?
Q14 :2012每个行业公司在大数据上的平均花费。(百万美元)
四种行业——电信,旅游相关,高科技还有银行/金融服务——告诉我们他们在大数据上的花费远远高于平均行业水平。那么这些行业有什么共同点呢?首先,他们有大量的客户交互行为(特别是线上的)。另外,根据我们的数据显示,他们中有三个从网络订单中产生高过平均水平的收入。
Exhibit VII-2:
每个行业从网络订单中收入的百分比。2012每个行业的客户收入中网络订单的占比情况
如果你的公司不是互联网公司,那么,你很容易认为大数据跟你的关系不大。理由是现在客户跟公司交互的方式一般是在线的远远超过从他们网站的进行交易。这种电子交互的案例比比皆是:社交媒体工具例如Facebook,Twitter 和Pinterest;用户在他们的电话上面的手机应用;机器上的传感器会把他们的生命体征反馈给设备制造商等。
如果你只是单纯地看那些大数据的早期采用者——那些互联网公司持续地修补它们的网站并对他们网站上的浏览数据进行挖掘,从而给他们的客户销售更多他们想要的——那么你就很有可能错过下一个大数据应用的浪潮。这些大数据应用者,例如通用电气,就会用大数据来查明欺诈,预测机器故障,以及在一些其他产品上面去使用并且对传统企业的业务进行改善。
现在让我们来看一下我们提出的第二个问题:在哪个行业是比较少公司开始使用大数据,因此这些行业的很多公司需要一个“唤醒”机制。通过我们的调查,我们发现在下面四个行业,只有一小部分公司在大数据上的预计投资回报超过50%: 日用消费品(只有9%的公司的投资回报率是>50%)公用事业(15%)保险业(17%)媒体与娱乐(19%)
这预示着一个信号:这些行业中的大多数公司离行业内的佼佼者还有很长的一段距离。
另外一个方法去阐述哪种行业的公司在大数据方面具有最大的机会,就是要明白它们是不是在押注“最划算的赌局”——那些行业尽管进行最低的大数据投资都能够得到很丰厚的回报。(例如,大数据支出占收入的百分之一)。
Exhibit VII-3 展示了能源与资源,生命科学,旅游相关,银行,保险以及重工业的这些数据。
Exhibit VII-3:谁是获利最多的赢家并且将最求更多?
画成2*2的表格,数据看起来是这样的:
Exhibit VII-4: 通过投资回报率和大数据的花费来划分行业
大数据花费(平均行业收入的百分比)
对于看待那些大数据方面领先的行业,有很多不同的观点。不过在我们调查的这12个行业内,有一点是毋庸置疑的:大数据应用的佼佼者花费在大数据的投资是那些落后者的3倍,在2012年中。佼佼者的平均花费是2400万美元,而对于落后者,则是700万美元。(看Exhibit VII-5。)似乎需要一定的基础投资在大数据上,才能够保证进行这场高水平的游戏。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11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