京公网安备 11010802034615号
经营许可证编号:京B2-20210330
传统行业如何拥抱大数据变革
大数据会怎样改变一个传统行业的运营模式呢?
在前不久举行的2016英特尔中国行业峰会上,英特尔公司销售市场部副总裁兼行业解决方案集团全球总经理香农·波林分享了一个传统农业是如何与大数据结合的故事。
他以美国一家非常大的农机公司为例。这家生产拖拉机等农业机械设备的传统行业公司也要拥抱新趋势:他们要把依赖手工和人工劳动力投入的行业转变成依靠技术发展的行业。
他们是怎么做呢?他们在拖拉机的维护上就作了一些新的技术尝试,比如说安装芯片收集GPS信息,除了采集拖拉机本身的数据,还通过拖拉机在农田中的耕作收集农田的情况,比如土壤的湿度、温度、构成等。然后,他们告诉农民,根据收集到的土壤信息,应该做什么样的农业生产。
现在这家农机公司不仅卖给农民农业机械,卖的是更多、更高端的服务,而这种服务是基于技术收集的数据基础。
“这就是创新和变革的力量。”波林说。
实际上,整个行业环境的竞争格局都在发生变化。行业内生性变革和跨界竞争交织在一起,不断冲击着传统行业的固有业务模式和竞争格局。在2016英特尔中国行业峰会上,来自金融、能源、医疗、交通、零售、教育等行业的专家、企业高管、英特尔业务负责人以及合作伙伴们,一起分享了数字经济如何挑战传统行业并推动新兴行业的发展。
在零售业,从云到端的技术和应用为消费者打造了完美的购物体验,打通零售全渠道营销,助用户更加精准、快速地响应市场变化,捕获无限商机;在医疗行业,创新技术正在帮助用户提升运营效率、完善就医体验,让高质量、个性化、便捷的医疗服务触手可及;而在传统金融业,银行正在从古老的限定位置、时间的线下网点服务,转向即时可用、随时随地的个性化金融服务,这使得用户可以更加灵活地应对不断涌现的金融业务创新和技术挑战。
各行各业都面临着相同的答卷:在数字时代经济大潮涌动的时候,巨大的市场需求和科技创新驱动着商业变革。
前段时间,波林与一些金融行业,特别是银行的客户进行交流。他们告诉波林,现在银行业处在巨大变化的过程中:银行业过去的对手比较传统,在未来的几年里,一些新的业务模式将给银行业带来更强劲的挑战,比如说互联网金融。如果放在20年甚至10前,这些新兴的公司不可能成为传统公司的竞争对手。
据波林了解,银行业正在努力实现自身的变革,让自己能更好地成为颠覆的力量,而不是成为被颠覆的对象。而这一切才刚刚开始。
在过去10~15年,全世界都经历着计算带来商业模式的变革。以云计算、大数据和万物智能互联等为代表的新兴技术正在为全球范围内的商业和企业带来变革。以Airbnb为例,它用6年时间发展到200万间客房,而著名的酒店连锁企业美国万豪酒店集团用了90年的时间才做到100万间客房的规模。
“云在颠覆我们的传统业务。”英特尔公司数据中心事业部副总裁及云服务平台事业部总经理芮洁安妮·斯基尔伦女士说。在她看来,云实际上是现在业界最大的颠覆者,它是一个总值达到2000亿美元的行业,其中一半是软件及服务,以网络为基础面向普通消费者的服务,同时也会对传统业务在向数字化进行转型的过程中起到巨大的推动作用。
云意味着很多全新的可能。斯基尔伦每一次来到中国都会和很多新公司交流,它们是在新趋势下应运而生的新企业,他们每天做的工作是改变消费者的生活方式,社交、娱乐、即时沟通工具,都是基于公有云计算的基础上。
以美国的UPS公司为例,每天运输的包裹数量达到2000万个,这些邮包如何准确送到用户手中?UPS用人工智能进行他们的业务。他们打造了一个系统,使用非常先进的远程信息系统GPS路由以及卡车司机过去的驾驶数据分析,综合在一起,这个系统能够帮助司机实现最优的路线规划。实际上, 一天少开一英里可能不算什么,关键这个数据以年来计算,每年就是8500万英里,换而言之,意味着相应量的汽油的节约。
云会不断扩展,每秒钟都会有新的数据产生,每12个月产生的数据量要翻番。斯基尔伦说,我们在创造数据时,也要存储数据,但是在使用数据方面做得并不是很好。斯基尔伦和同事们做了一些研究,在现有捕捉的数据中,只有5%的数据实际上真正得到了使用,95%的数据被存储了,然后就再也不去碰了。
必须承认的一个事实是:未来的世界是属于新型创新的公司。
波林认为,很多企业在创新中被颠覆,在未来几年,40%的企业将会以某种方式受冲击:他们可能被收购,也可能因为商业模式不再奏效,完全没有业务。也许还有一些企业因为能够创新,带来整个行业同类公司的变化。
在未来的竞争中,除了技术,还必须能够打造一个吸引创新人才的职场。“如果做不到这一点,5~10年后这家公司就会死去。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21