大数据产品到底应该是什么形态
大数据很时髦,但企业如何操作,如何落地,才是真正要面对的,好在现在我们看到很多朋友开始思考这样的实操性问题,本文将从大数据产品形态角度帮助我们理清一些概念。
嗨,朋友,看到这个标题请先别主观排斥,跟你一样,我也反感动辄乱谈大数据,为了后续的沟通愉快,先做下这里的“大数据“指向,特指符合4V特点的大数据,即:
1,数据体量巨大;
2,数据类型繁多;
3,价值密度低;
4,处理速度快。
所以,本文的“大数据”既不是有些人口中的海量数据,也不是非结构化数据,更不是什么相关与因果,这里不谈什么是大数据,只谈谈大数据的产品形态与商业逻辑,抛砖引玉,期待交流。
一、大数据的产品特性
顾名思义,“大数据产品”应该是基于大数据而设计出的产品,那么理应符合大数据的特点,毕竟基因在那,那么回顾下大数据与(传统)数据有哪些具体区别。
(传统)数据是通过问卷调查收集数据,或者是已存储的历史经营数据,比如财务数据、销售数据这些,至于数据量级,可能就是一台server的存储级别。
而大数据是海量,这个海量并不是某个时间断点的量级总结,而是持续有更新,持续有增量,那么就决定了可以”制造”出大数据产品的应该不是传统企业,而是类似电信、银行、微博这样的平台级机构,或者依附于平台级企业的第三方机构,亦或者是更宏观层面的政府管理机构。
这些机构拥有大量用户,可以源源不断的产生UGC数据,因此存储和计算成本必然会随之上涨,也就决定了大数据产品的甲乙方级别,屌丝可能会被无情的淘汰出局。这些数据不仅仅是数值型的结构化数据,还包括文本内容、图片、音视频等非结构化数据。
在处理速度上,(传统)数据使用excel或者spss,前期有严谨的方法论,后期有完善的分析处理过程,从数据的收集到最后报表/报告的产出,这个周期可能在至少一周以上,而大数据因为有了hadoop/storm等IT技术的支持,在处理速度上可以保证在小时级延迟,甚至更快。
这里需要补充一点的是,大数据产品是否要快速计算?个人觉得应该是,这里的快速是相对快,不一定非要实时,毕竟在收集、存储、计算上花了更多的成本,策略如果不及时发现,也对不起那些集群啊。
那么是否说大数据就一定比(传统)数据好了?不一定,引用祝建华老师《文科教授眼中的大数据》里的一段话,“理论上讲大数据指的应该就是总体数据。但实际上,由于技术、商业、保密和其它原因,除了少数大数据的原始拥有者,对于绝大多数的第三方来讲,现在大家讲的大数据,基本上都不是总体数据而是局部数据。注意,这种局部数据,哪怕占了总体的很大一个百分比(70%、80%),既不是总体数据、也不是抽样数据。因为哪怕是缺了10%、20%的个案,局部数据跟总体也许就有很大的差别。”
所以在总体代表性上,(传统)数据可以较好的代表整体,而大数据可能会出现偏差。但是,这个偏差并不影响大数据产品的商业应用,举个例子,微博上每天都有各种口碑和舆情,如果涉及某个企业的负面舆情突然趋势走高,即使在不能代表总体的情况下,你能认为这个态势不值得警惕么?当然是不能。并且,大数据产品对使用者的要求更高了,不光关注活跃的数据,还得关注沉默的数据。
由此,大数据产品所具备的特性应当是:
1、数据量级更多;
2、数据处理速度更快;
3、数据类型多样;
4、使用者要求更高。
那么,大数据产品究竟长啥样?
二、大数据的产品形态
先说一个亲身经历,在家收看好声音导师考核的汪峰场,之前一直很期待这场,毕竟汪峰的风格理念偏重社会观察,偏重人文洞察,但看到快一半的时候,却发现很乏味,想换台,没有那英那场更黏我,如果说看上一场脸部肌肉是松弛的话,那这一场则是紧绷的,”上苍、思念、回忆、故人、泪水….”当这些碎片词语不断的充斥在我的耳边时,真的不觉得这是一个娱乐节目,一个比一个悲凉,我的诉求很简单,像看周星驰无厘头电影一样,开心一下足矣,哪怕没有任何的教育意义。
随后我发了一条微博吐糟,引来众多附议。我想这应该是不少受众当时的心态,但不代表对汪峰场的整体评价。那么,试想一下,如果你是好声音的竞争对手,在此刻很实时的洞察到了用户的心情反馈,再通过合适的路径传递出营销信息,受众是否会换台?答案是未知的,但想象空间是巨大的。
这个场景很恰如其分的给我们描绘出了大数据的产品形态。首先他需要在平台级机构(微博)上监控海量数据(微博内容),这些数据是非结构化的,通过实时计算获得洞察(拥有不满情绪的是少量群体还是大量群体,是真实声音还是噪音污染),并快速应用(推送营销信息)。
这样的例子还有很多,特别是在营销环境里,受众的情绪不是线性稳定的,可能十分钟前还是心情愉悦的,而十分钟后,则是心情紧张的,不利于接受你的品牌信息并形成记忆,这些情绪的变化是随机动态的,因环境的变化而随之变化。还有哪些属于大数据产品呢,仅以我所了解的互联网领域为例,DSP、RTB、推荐系统,另外就是宏观的情报系统了,比如联合国的全球脉动项目。
三、总结
综上所述,大数据的产品形态应该是,运行在平台级机构之上,通过对持续性海量增加的多结构类型数据,进行快速计算产生策略,结合使用者的经验认知及时应用,进而产生价值形成商业闭环,一切不以此为特性的大数据产品都是耍流氓!
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14