
大数据的商业未来:几率就是机遇
数据创新要依托于大平台
作为雅虎的一名老员工和长期从事信息技术创新的工作者,我对两份报道相关信息的看法是:第一,大数据不会是昙花一现的行业话题--普通用户可能会对数据揭示出的一些看似风马牛不相及的事物之间的隐秘关联很有兴趣,比如为什么英格兰队身穿红色球衣便会提升约20%的夺冠几率,但对从事研发的团队而言则更关注如何获取更多有价值的数据、如何使得数据分析结果能够精确到足以分辨小众乃至个体的差异与偏好、如何将发现的规律转化为激发需求的动力--一句话,对大数据的充分采集、分析和利用会彻底改变产业竞争格局乃至亿万用户的未来。
几率就是机遇。当我们有办法根据大数据衍生的结果来提升某项产品决策、某次广告投放、某些针对特定消费群体的诱导式促销的成功几率,也就意味着我们能将小机遇变成大机遇、将低概率变成高可能性。
然而针对大数据的研发也有着一些门槛:比如,要有足够多的用户源源不断地生成足够庞大的数据;再如,要能在确保用户隐私不受威胁的前提下,实现数据与制造数据的用户之间的安全、牢固、持续的链接;此外,还要有可验证、反复修正并因此越来越有效力的结果。
所以大数据创新最好能依托于一个大平台--这就引出了第二点:在用户数量、用户黏性、用户活跃度等方面,雅虎仍然具有不可低估的影响力与潜能。
Mary Meeker的报告显示,2014年3月,全球十大互联网服务商中,雅虎排名第四位(根据全球每月独立用户访问量统计),与2013年的位置相同--对一家互联网公司来说,没有比忠诚的用户更重要的资源和筹码--这为雅虎的再度崛起提供了最为坚实可靠的基础,但同时,全球逾8亿用户、4.3亿移动用户,这些数字也鞭策着我们不能浪费雅虎作为大平台的优势,而是要基于我们独有的大数据资源,以领先于趋势的洞察、贴近用户需求的视角和比过去更高的效率研发出更具竞争力的产品,在此方面,雅虎北研与雅虎总部的同事正在携手向前。
第三,中国互联网公司的崛起不仅是大势所趋,而且它们还会在大数据主宰全球商业的时代持续成功--根据Mary Meeker的报告,去年还未进入全球十大互联网服务商榜单的阿里巴巴、百度和搜狐成为金榜新贵,分别排名六、七、九位,去年上榜的腾讯从第十位跃至第八位。全球互联网十大服务商,美国公司占六席,中国公司占四席,影响力已近分庭抗礼--根植于世界首屈一指的移动互联网市场与人才基地,在独特的文化背景下为亿万用户提供产品和服务,中国互联网公司已在过去的十五年里逐步发展出跨国对手难于复制甚至于模仿的竞争思维与产品理念,而在依稀可见的物物互联、人人互联、人物互联的下一波风暴中,拥有13亿人口、约8.5亿互联网用户的中国必将成为全球最大的数据源、创新源与市场动力源。
雅虎北京全球研发中心也在向本土的成功企业学习和借鉴。过去五年,我们除了秉持“三赢”理念,为雅虎招募一流人才、研发核心产品之外,也在时刻关注与研究着国内IT行业的新模式、新现象。未来,不仅雅虎,预计会有越来越多的国际互联网公司与中国本地行业巨头携手开展形式多样的合作。
预见大数据的商业未来
Meeker 的报告强调了互联网未来发展的几个关键趋势,包括像移动互联网使用量的激增,视频、照片和其他富媒体内容继续增长,平板电脑用户以前所未有的速度增长,以及中国等新兴市场存在巨大机遇等。这里仅挑选展示一些关键数据:
互联网用户数增长已放缓至不到10%.智能手机用户数增长仍然强劲,但同样出现放缓。
智能手机用户仅占52亿移动用户的30%;平板电脑出货量去年增长52%,虽然超过PC所有年份的增长率,但平板电脑用户仅为笔记本的56%,智能手机的28%,电视机的8%.
全球97%的智能手机采用了“美国制造”的操作系统,而在iPhone出现之前的时代中这一比例仅为5%.
2013年,互联网广告营收增长16%,移动广告增长47%,后者在互联网广告中占比增至11%.
虽然移动广告增长乐观,但移动应用营收占移动端整体收入的68%,远高于广告。
现存的比特币钱包数量约为500万个,达到去年同期的8倍。
WhatsApp和Secret代表了电话通讯录优于好友图谱,而这就是即时通信应用的未来。目前,全球OTT消息服务在5年内积累了10亿用户,人们的通讯方式也在发生改变,图片和视频共享猛增。
内容由消费者提供,社区是由用户创建,同时服务于用户;商务,即商品购买。
消费者在看电视的同时还使用移动设备,主要是浏览网页和购物,而智能手机已成为被浏览次数最多的屏幕。
中国移动互联网用户目前达到中国互联网用户总数的约80%.相对于其他市场,中国的移动互联网用户已达到“关键的大多数”,因此将主导移动商务的革命。
前10大互联网公司中只有6家为美国公司,少于去年的9家。前10大互联网公司超过86%的用户位于美国国外,中国市场正在快速发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23