京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代:要么去改变 要么被改变
过去15年中,我们不停地问这些问题:客户是谁,他们需要什么产品,需要什么样的价格?但是现在事情相反了,我们不仅要知道是什么,更重要的是要知道为什么。我们要关心客户为什么买,为什么在那个时间买。我们对客户的了解越多,对客户的需求把握也会更加精准。
大数据分析最重要的一点就是,当我们有不同的原始数据的时候,首先要保持及时性;其次是预测,下一步怎么做,我们要做有预测性的分析。最后一点也很重要,当有分析结果出来的时候,企业要行动,这个行动要在第一时间内告诉消费者“我懂你”。
一个案例就是亚马逊,他们会做一个预测性分析,把货物通过最短距离运送到客户家里。当你根本还没有做出采购选择时,他就预测到了你未来可能会做哪些采购。亚马逊对客户的掌握非常好,不仅能预测到你要购买这个东西,而且知道如果运输过去后,你一定会很开心。这个过程中,需要强大的数据支撑,用于了解客户心理、客户想法,当你把货运到他们家时,他会觉得你懂他。
亲密感虽然是客户所希望的,他们希望你能“懂我”,但如果他们觉得你过多地进入了自己的生活,“你太懂我了,我会有恐慌感。”这就是与“亲密感”所对应的“不舒适感”。
所以我们要做的事情是:我们懂消费者,但是不能让消费者感到害怕。一家聪明的公司,他们知道消费者知道什么,但是还是和他保持相对的距离,让他感觉亲密,不会让他感觉到不适。当你跨过了这条分界线,让他感觉不舒适,他会离开,觉得你不是一个很好的平台。
打通数据的桥梁
就能颠覆行业
现在所有人都在讨论一家叫Uber的公司。以前出租车公司想的是,能够把乘客送到想要去的目的地即可,但这么做还远远不够。消费者更关注是否能够最快速度地搭上车。Uber这么做了,所以成为了世界最大的出租车公司,但事实上没有一辆车是属于他们的。他们可以做到一年410亿美金的营收,而传统出租车公司现在的生存环境就有危机了。这样的商业模式冲击,我们在不同领域都可以看到。
大面积颠覆会发生在以下情况:第一,现有数据和新数据相互匹配提供新的见解;第二,数据分析涉及到移动数据、社交数据、云数据、游戏数据,并深刻理解客户,理解供应商。也就是说,假如你把数据的桥梁打通了,就能把行业给颠覆了。
我们看看这些应用案例:
一、脸识别系统。从进门那一刻,人脸就被快速抓拍,通过人脸识别技术可以很明确地知道:这个人是谁,他将要去哪里。
二、上海街道上的一个监控系统。当行人走过来的时候,摄像机会抓取人脸,识别这个人是否在警方搜索通缉范围内。假设走过来的是嫌疑犯,他在通缉的名单里,系统会快速地把他定位。
三、伦敦地铁的一个系统。每个人走过时,系统会记载他走路的步频是多少,身体状态好不好。这个案例已经落地了5年。
现在有非常智能的牙刷,每天记录你在什么时候刷牙、刷牙是否到位。如果不到位,它会把信息直接传给你的牙医,所以物联网很多应用产生的数据都会影响到你的消费需求。
对很多大公司来说,他们认为自己某种程度上受到政府和法律法规的保护,觉得自己不可战胜。他们说的最多的一句话就是“不,我不想改变”。但是对小的公司来说,任何一个机遇或者创新点对他们来说都是:“是的,我可以改变”,所以机会也许在他们身上。
这个世界是一定要被改变的。你要问自己的是,是改变这个世界,还是让这世界的一部分人来改变你。德国一家非常大的ERP公司预测说,未来很多曾经位列世界500强的企业会消失,全球有40%像泰坦尼克号一样的顶级企业会掉下来。新兴的企业会出来,这个趋势不会停止,大公司会以越来越快的速度消亡,新公司会以越来越快的速度前进。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15