京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据商机:用户打瞌睡都值钱
关于 “大数据” 这个词,我第一次关注到,是通过一本叫作《大数据时代》(维克托·迈尔-舍恩伯格 / 肯尼思·库克耶著)的书中看到的。
在这本书中,讲到了一个航海地图的故事,大概意思是:一个要去航海的船长,如果他想使用已知的航海导航图,他必须把他在航海过程中获得的新导航信息反馈回来,作为信息的交换。这样的话,越往后面使用航海导航图的船长,所能使用和看到的航海路线就会越充实。
21 世纪商业思维的变迁
这个模式本身(虽然是发生在很多很多年前),放到现在的互联网大数据时代,这就是一个非常有创意的商业活动。
现在的互联网,已经不再是简单的买家和卖家之间的技术对接桥梁,而是更像一种互相可以参与,可以共同发展的一种合作(当然其中还同时存在大量的非合作性的竞争)。
现在很多电子商务平台,以前是以卖实物给个人客户,个人客户用钱财来购买相对应的实物。这是一个单向的过程,其实并没有做到双向的互动。就像航海故事中的一个船长为了得到航海图,付了一笔钱,就拿到了某个版本航海图的使用权一样。随着时间的流逝,卖家并不知道买家下一次有什么样的购买需求。买家也不知道卖家未来会能提供什么实物商品。在买家和卖家之间,有一定的供需不平衡。
一般来说,买家并不希望提供个人的私有信息让卖家知道。其中的原因之一,就有可能是因为买家对于自己的私有信息非常敏感,而又感到如果让卖家知道自己的私有信息,又没有什么可以让他个人赢利的可能,所以这就造成了卖家想获得买家的更多的个人信息,而买家却又不想提供给卖家。
如果换一个角度来想,如果买家肯主动提供自己的个人信息给卖家,那买家多数是认为这样的行为,是可以给自己带来益处的,即像航海故事中的那些船长一样,他们拿到航海图,只需要把自己的航海经历反馈就可以了。那卖家可以提供什么能让买家主动来提供自己的个人信息呢?那多数就是买家想要得到的某种利益。
优秀案例:用户打的瞌睡都值钱
例如,一个做中医养生的公司,如果想让客户提供自己的个人健康方面的信息,比如个人的饮食种类,三餐时间,睡觉时间等。那这家公司就可以通过这些吃喝拉撒睡的信息来为客户进行疾病的预测,一般客户对免费的健康咨询报告总是受欢迎的。
很多人会问,这家公司如何赚钱呢,其实那家公司可以根据所掌握客户的大量数据进行分析,可以从海量的数据中推测出一些有价值的商业数据。
例如从很多客户三餐吃了什么,就可以推测一下,某些食品在某些地方的销售情况,再根据天气预测情况和交通运输状况等,可以估计一下,未来某个地方的这种食品的供应会如何,然后向这些食品的生产企业提供数据咨询服务,告诉食品生产企业哪个地方的这种食品会销售得更加好。
再者,拥有大量人员海量健康数据的公司,可以根据已经推测的预期结果,让某种医药生产厂商来决定是否要扩大或者缩减对抗某种疾病的药品的生产规模,以适应未来的潜在病患的购药需求。
拱卫商业思维的物质基础
计算机硬件的发展也促进了大数据时代的到来。记得在小学时,学校里就只有十几台用 5 英寸启动的 DOS 系统的老电脑,那个时候在上电脑课时,是一个数学老师在教我们用 LOGO 语言来在计算机屏幕上画图。现在的普通的个人电脑的容量已经早过了 G 时代,而且越来越多的年轻人,已经直接跨入到了移动时代——这为大数据时代,各种各样数据的存储和计算提供了物质条件。科技的发展,让二十年前的不可能变成必须。也把老旧的商业模式直接送进了坟墓。
现在在软件世界中,已经有了不少的可支持大数据运算的技术平台(如 TimesTen, Spark, Hana 等等)。在软件服务领域中,金融和电信公司一般对数据的存储和计算在数量上是要比一般的企业要多很多。作为金融行业的从业人员,在文章的末尾,我想给大家推荐一个由中国人组成的团队开发的云计算平台 YunTable。
在结构化数据分析方面,很多公司会选择业界比较成熟的解决方案(例如 Oracle 的 Exadata),但它的价格比较昂贵。对于许多大数据初创型的创业公司而言,这么高的前期硬件投入成本有点难以接受。而对这些创业期的小公司,YunTable 或许是一个可承受的选择。
YunTable 的双赢模式是这样的:YunTable 公司提供方案,在客户的使用过程中,客户也会及时地反馈到 YunTable 公司,公司可以进一步地完善和提升产品的性能,就像航海故事中的不断扩充的航海地图一样。
而对于像 YunTable 这样的软件公司来说,在大数据时代,与客户亲密合作,做互惠互利的事情,也不失为一个很好的商业切入点。
总结
每个人或者企业都有自己的需求,希望得到别人的供给。而每个人或者企业也想通过提供别人需要的供给来产生利润。大数据时代,让很多以前不大可能发生的事情,变得越来越让人有期待。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09