京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
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随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25