京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据挖掘,正从从线上生活伸向线下
天气一热,冷饮会不会立马涨价?
英国消费者很快就能知道答案。近日有报道称,英国三大连锁超市将在部分门店推出动态价格。这意味着,价格将在一天之中随着需求的变化而涨落。午餐时间买午餐就像高峰时段叫网约车一样。
这可能听起来相当极端,但更加剧烈的变化即将到来。大概在那篇报道发表的前一周,亚马逊宣布以137亿美元收购全食超市。亚马逊毕生致力于消灭实体零售商,但如今却在三个国家拥有460多家实体店。
收购全食超市(亚马逊有史以来最大的收购交易)令一些观察人士百思不得其解。但亚马逊的眼光往往领先竞争对手十年。该公司的成功正是源于反常的大动作。亚马逊在1994年看到了在线零售的潜力,在2006年意识到了云计算的潜力。收购全食超市表明,亚马逊又预见到一个利润丰厚的新领域。
亚马逊不是放弃在线零售,转投实体零售,而是打算合二为一。这将使我们的日常生活数字化,让生活用品价格的大幅上涨显得更加自然。这将把硅谷基于监测的商业模式扩大到实体领域,通过监测我们做的每件事来赚钱。
硅谷是一个开采行业。它开采的不是石油或铜矿,而是数据。企业通过尽可能地观察消费者的在线活动来收集数据。这种活动可能是使用社交媒体,进行网络搜索,甚至是鼠标在屏幕特定区域停留了多长时间。单独来看,个人的这些在线痕迹可能没有什么意义,但如果和千千万万的其他人相比较,企业就能发现隐藏的模式,确定你是哪种人,你可能购买哪些东西。
这些模式蕴含巨大商机。硅谷利用它们来推销产品或者发布广告。但发现这些模式的算法需要源源不断的数据。数据确实非常丰富,但并非无穷无尽。
一百年前,你在得克萨斯州随便挖个洞,就可能发现石油。现在,化石燃料公司不得不在离海岸很远的地方修建钻井平台。科技行业面临着类似的命运。到处都是发财机会的日子结束了:最容易挖掘的数据大多已经被人收入囊中。Facebook和谷歌总共占到美国在线广告收入的76%。
西雅图的一家Amazon Go“智能”商店。该公司收购全食超市的交易表明,亚马逊希望将在线监测和实体业务合二为一
想要获得更多的利润,硅谷必须挖掘更多的数据。一个方法是让人们在网上花费更多的时间:开发新的APP,使它们尽可能地让消费者上瘾。另一个方法是让更多的人上网。这就是Facebook推出FreeBasics计划的动机。该计划在全球欠发达地区提供免费上网服务(只能访问某些站点),希望从世界各地的穷人身上收集数据。
但这两个方法会遗漏大量数据。毕竟,我们的上网时间只有那么多。笔记本电脑、平板电脑、智能手机和可穿戴设备参与了我们的很多日常活动,但不是全部。在硅谷眼中,不能完全了解用户就意味着收入损失。任何没有被监测的活动都代表了一个错失的机遇。
亚马逊将向科技行业表明如何监测更多的活动:把企业监测深深地嵌入实体环境,就像深深地嵌入虚拟环境一样。硅谷已经通过监视我们在线上的一举一动,赚得盆满钵满。不久,它将通过监视我们在线下的一举一动,赚取更多收入。
这一点如何运作不难想见,因为相关技术已经存在。去年底,亚马逊在西雅图开设了一家“智能”杂货店。你不必在收银台排队结账,只需要拿起商品走出店门。传感器会探测你选取了什么商品,在你离开时从你的账户上扣费。
亚马逊着力强调这对消费者的好处:没人喜欢排队结账,或者在收银台前翻钱包。这项技术也使亚马逊可以追踪消费者的每个举动。
想象一下,如果超市像Facebook或者谷歌那样密切观察你,结果会怎样。它不仅会知道你买了什么东西,还会知道你在哪件商品前停留了多久,以及你穿过商店的路线。这些数据很宝贵,揭示了你的个性和偏好,亚马逊将借此向你销售更多的物品,不管是线上还是线下。
超市不是实现这些想法的唯一场所。监测能把任何实体场所变成数据矿场。数据最丰富的场所就是你的家,那里包含了关于你的最多信息。
这就是亚马逊积极推广智能音箱Echo的原因。Echo类似Siri的语音助手Alexa能播报天气,朗读新闻,制定待办事项清单,以及完成其他很多任务。它还是非常好的倾听者。它会忠实地记录你的互动情况,然后传输给亚马逊以供分析。实际上,它不仅记录了你的互动情况,可能还记录了所有的事情。
把一款收听设备放在你的家里,这对亚马逊来说是对你加深了解的好方法。另一个方法是对你的家进行空中监测。7月底,亚马逊获得了一项无人机专利,其无人机可以在送货时探测人们的家。亚马逊专利文件中的一个例子是屋顶维修:无人机把包裹放在你家门前时,注意到你家的屋顶坏了,这一发现可能导致亚马逊向你推荐维修服务。亚马逊还在测试其送货无人机,如果投入使用,那么可以肯定地说,它们将孜孜不倦地从你家外面收集数据,就像Echo从你家里面收集数据一样。
硅谷是一个开采行业。它开采的不是石油或铜矿,而是数据。想要获得更多的利润,硅谷必须挖掘更多的数据
在更加深入人们日常生活的过程中,亚马逊可能会遇到一些阻力。人们也许不希望超市监视他们,或者让自己的家变成为算法提供数据的地方。但在资本的要求下,行为规范会迅速调整,我们绝对不能低估了这一点。
二十年前,如果有一家公司读取你的邮件,观察你的社交互动,追踪你的地理位置,这会被很多人乃至大多数人视为侵犯个人隐私。但现在,人们已经对这些事情习以为常,甚至无动于衷。值得指出的是,在今后二十年内,随着硅谷更深入我们的生活以挖掘数据,进一步的妥协将成为常态。
技术拥护者会说,消费者一直都有权选择不接受:如果你反对某公司的做法,你可以不使用该公司的服务。但在垄断资本主义时代,消费者选择是个伪命题。谷歌、Facebook和亚马逊这样的公司掌控了数字世界,根本避无可避。
政治是唯一的解决途径。作为消费者,我们几乎无能为力,但作为公民,我们可以要求以更民主的形式管控我们的数据。数据是公共利益。我们把数据集中起来,使它具有意义,因为只有通过收集和分析大量数据,才能发现有用的模式。
没有哪个正常人会允许矿业公司单方面决定如何开采和提炼资源,在哪里修建矿场。但不知怎么地,我们却允许科技公司单方面行事,几乎没有受到公众监督。地球属于我们所有人,从地下挖掘铜矿的公司应该受到监督,其行为应该符合所有人的利益。从我们集体生活中挖掘数据的公司也应该如此。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Excel数据分析中,数据透视表是汇总、整理海量数据的高效工具,而公式则是实现数据二次计算、逻辑判断的核心功能。实际操作中 ...
2026-04-30Excel透视图是数据分析中不可或缺的工具,它能将透视表中的数据快速可视化,帮助我们直观捕捉数据规律、呈现分析结果。但在实际 ...
2026-04-30 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-04-30在中介效应分析中,人口统计学变量(如年龄、性别、学历、收入、职业等)是常见的控制变量或调节变量,其处理方式直接影响分析结 ...
2026-04-29在SQL数据库实操中,日期数据的存储与显示是高频需求,而“数字日期”(如20240520、20241231、45321)是很多开发者、数据分析师 ...
2026-04-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-04-29在手游行业竞争日趋白热化的当下,“流量为王”早已升级为“留存为王”,而付费用户留存率更是衡量一款手游盈利能力、运营质量的 ...
2026-04-28在日常MySQL数据库运维与开发中,经常会遇到“同一台服务器上,两个不同数据库(以下简称“源库”“目标库”)的表数据需要保持 ...
2026-04-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-04-28箱线图(Box Plot)作为一种经典的数据可视化工具,广泛应用于统计学、数据分析、科研实证等领域,核心价值在于直观呈现数据的集 ...
2026-04-27实证分析是社会科学、自然科学、经济管理等领域开展研究的核心范式,其核心逻辑是通过对多维度数据的收集、分析与解读,揭示变量 ...
2026-04-27 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-04-27在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22