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
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24