
美零售业遭遇大数据烦恼
说到“大数据”时,一般人首先想到的就是各类社交媒体、电信通讯商等科技企业;然而另一个涉及密集用户数据的行业是零售业。
在这个颇为传统的行业中,“大数据”同时夹杂着风险和盈利。零售业巨头们动辄手握百万甚至千万消费者的购买数据或信用卡数据,但在数据安全管理上漏洞百出,售卖数据之后获得的盈利,也因为当前会计准则的限制而并不能出现在潜在投资者眼前。
黑客爱超市
黑客们除了喜欢攻击各种银行网络或者窃取邮件密码,接下来排得上号的最爱攻击的对象大概就是那些连锁零售商们了。大型连锁超市遍布各地,上百万的顾客付款信息却都储存在同一个系统里,安全意识或者抵抗攻击水平却又比不上银行或者其他科技公司。这大概解释了为什么这几年美国零售巨头们几乎是轮流遭到数据偷窃,导致几千万顾客的信用卡信息泄露。
就在今年9月,大型家居连锁店家得宝(Home Depot)成为了最新一家顾客支付信息遇窃的零售商。据初步分析,泄露事件可能已经波及家得宝公司遍布全美的2200家分店。这意味着大约有400万张信用卡或储蓄卡信息被盗。
除了家得宝外,最近一系列零售商比如食品超市连锁“超价商店”、美式中餐连锁P.F.Chang等都被黑客盗取顾客信息。同样在9月,慈善二手商店Goodwill称,其顾客的信用卡信息在超过300家分店遇窃。
去年年底的美国连锁零售商Target遭入侵事件,算得上是近年来支付卡行业遭遇到的一个巨大历史拐点。当时,Target公司的网络遭到黑客入侵,共有4000万顾客的支付卡信息被盗。
事件发生后,Target公司直到现在还在试图消除残余影响。信息被盗事件伤害了公司的股价和声誉,Target还需要花上1亿美元在其1800家店铺增强信息安全防卫措施。
除了餐饮超市等零售业外,酒店业的数据泄露也让许多顾客汗毛倒立。服务业信息泄露风险敞口之大已经让消费者对商家是否能够有力保护个人数据的信心降至冰点。
不能入账的盈利
顾客的银行支付信息给零售商们带来了风险,但另一部分数据则是金光闪闪。
拥有2600家连锁超市的美国克罗格公司记录着每一位顾客的购买数据,同时还能追踪共550万会员的购买历史。克罗格公司对这些数据进行分析后,再转手卖给各种从苏打水到燕麦片的供货商。还有类似宝洁和雀巢这样的消费品生产商对这些数据都非常感兴趣,希望能从数据中得出顾客偏好来帮助产品设计和市场营销。
有分析机构认为克罗格仅凭出售这些数据就能获得每年1亿美元的收入。克罗格公司对此保持沉默,只是称自己遵循了会计一般原则。根据这些原则,公司不能将所掌握数据作为资产计算,也不能将因收集和分析数据而付出的成本作为对公司的投资。
克罗格公司可以靠这些数据获得额外的收益,但还并未真正充分利用这些数据的潜在价值。比如由于无法在公司财报中体现公司拥有大数据的当前或者未来价值,这部分内容在投资者眼里实际上成了盲区,往往会让投资者低估公司发展潜力。
越来越多的公司开始靠信息交易和大数据分析工具来拓宽盈利渠道,但如何将大数据作为一项资产来评估?这在当前的商业界中还是空白。要评估大数据,公司需要对自己数据的保质期做出估算,需要持续跟踪其价值以及随时可能发生的变化。想要对比如工厂厂房在内的有形资产进行估值很容易,但对大数据潜在价值做出估算方面好像还没有先例。
无形资产相当于大半个欧洲GDP
美国费城联邦储备银行经济学家伦纳德·纳卡穆拉(Leonard Nakamura)在一项研究中称,所有商业公司的无形资产总和估价高达8万亿美元,相当于德国、法国和意大利三国GDP的总和。这些无形资产中包括专利、商标权和版权,还包括大数据。
这些无形资产在全球经济中所扮演的角色正在日益重要。比如在过去几年诸如谷歌、苹果和三星等科技巨头发起的一系列并购、诉讼,本质上都是围绕着专利权的归属问题。但这些无形资产都没有出现在公司财务报表中。
“我们希望有更多关于无形资产的会计信息,这样才能更好地理解公司正在如何投资于未来增长。”纳卡穆拉说。
鉴于如今的经济结构越来越依赖信息和知识产权,美国财务会计准则委员会正在致力于更新会计准则。早在2002年和2007年,美国财务会计准则委员会就曾两次对无形资产的问题提出过讨论,但每次都在分歧前不了了之。直到今年9月,委员会的一些顾问再次提出了这个问题。
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