京公网安备 11010802034615号
经营许可证编号:京B2-20210330
从洞察到决策,移动电商大数据的四种能力
“对电商以及互联网企业来说,大数据到底意味着什么?是一种技术、一批数据,还是一堆算法?”这是在日前召开的移动开发者大会(MDCC 2016)主论坛上,京东集团技术副总裁赵一鸿抛出的一个问题。在如今这种言必谈大数据,每个企业都以数据驱动自居的时代,这个问题正隐隐出现在一些大数据从业者的脑中。
那么,数据的本质,到底是什么?在赵一鸿看来,大数据的价值是提供一种能力,它可以把握人的变化、预知趋势的走向、提高决策的质量。而这种能力恰恰是凌驾在数据、技术、算法之上的。“特别是在移动互联网时代,移动技术的普遍性给用户带来不一样的变化,也让我们对大数据的动态性、准确性、完整性都提出更高的要求。这也是京东大数据的优势所在。”赵一鸿如是说。
专注用户行为
易观发布的《中国移动网购市场季度监测报告2016年第2季度》数据显示,从2015年第二季度开始,是中国网络购物的分水岭,移动网购开始追赶PC端,并在第三季度完成了对PC端购物占比的超越。2016年第二季度,中国移动网购市场交易规模达8771.4亿元,同比增长104.5%,移动网购已经占整个网购规模的72.3%;预计2017年有望突破80%。
“这个数字背后是对所有电商企业的挑战:随着移动端使用率的增加,用户在屏幕上的关注点会减少,代表着我们能提供给用户的信息越来越少,希望在这些内容中命中用户的需求难度不断提升。”赵一鸿认为,随着移动时代流量的引入越来越宝贵,迫切要求从技术角度实现精准和个性化体验。
京东一直通过大数据在追踪并研究着用户。数据显示,相比PC端,移动电商用户的碎片化利用率高,下单间隔更短。”在碎片化的场景下,用户购物的效率是非常高的,在一天中,无论是订单量还是购买产品的客单价都高于PC端。“赵一鸿解释道,因此,只有更精准地呈现内容,才会让商家和用户实现双赢,前者提升转化率和用户体验,后者缩短购物时间、买到更合适的商品。
图注:京东用户在PC端和移动端订单量分时段占比分布(蓝色为移动端)
此外,移动技术的普适性,也给很多西部地区的用户带来变化,这些电商新用户跨越了PC时代直接进入移动电商。京东大数据显示,西藏、宁夏、新疆、陕西、贵州、山西等省份的移动端渗透率超过了北上广深等一线城市,未来移动电商也将在西部释放更多潜力。
大数据的四种能力
那么,面对消费者的升级,京东如何理解这样的变化,并利用大数据来使这些变化产生价值?赵一鸿认为,大数据为京东带来了4种能力。第一种能力是洞察,数据中包容着丰富的趋势和变化,我们需要具备发现规律的能力;第二种能力是挖掘,通过算法和机器学习来深入分析和学习趋势、洞察、变化的原因;第三种能力是决策,将数据智能赋值给客户和供应商,为其创造价值;第四种能力是开放,分享洞察、商机给第三方,包括社会和政府。
从京东大数据平台建设的第一天起,对用户在网上行为和数据的收集就是整个京东大数据团队工作的重点。在赵一鸿看来,京东大数据有三大特点:非常完整、非常精准、价值链非常长。因为这些数据覆盖了用户从浏览、下单、配送到客服的完整过程,是用户在用真金白银购物过程中产生的数据,因此非常准确,具有极高的质量,从而能产生巨大的价值。
为了更好地研究用户,京东的用户画像按照地域、行为、设备、偏好、用户等属性,将虚化的目标用户数据化和具象化。“与目前业内很多公司‘静态’的用户画像不同,京东的用户画像是‘动态’的,每个用户身上不会固定一个或几个标签,而是随着用户生活的变化而变化,陪伴用户,预知用户需求,来进行推荐和个性化服务。“赵一鸿表示,基于用户画像,结合京东的智能卖场、移动商店等项目,精准触达用户。例如,在iPhone 7首发中,京东根据购买量预测,将商品提前放在配送站,让众多用户在1小时内拿到了iPhone 7/Plus手机,其中一位北京用户从下单到收货仅用了3分57秒。
京东大数据的重点是解决实际的业务问题,为用户和商家创造价值,因此,开放的意义显得更为重大。赵一鸿表示,移动电商的趋势已经不可逆转,未来京东将利用移动互联网的场景化和去中心化趋势,将京东各个业务模块及能力进行整合与开放,为合作伙伴创造价值。同时,京东会将高质量数据通过各种形式开放出来,定期发布各个维度的京东指数,更好地服务于社会各界和协助政府决策。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 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 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 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, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 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”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 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 ...
2026-09-02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