京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12