
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
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08