
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
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04