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
在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23