
用大数据告诉你,移动互联网是如何吃掉整个世界的
软件和移动互联网已开始走向被内化阶段,成为各行业理所当然、不可或缺的组成部分。软件和移动互联网正在吃掉整个世界,科技业自身已容不下技术发展的张力。
Managershare:这个世界已经被移动互联网改变了。它大到世界,小到我们每个人的生活细节。
没错,我们正站在这样一个特别的历史拐点上。
第一次,技术被销售给每个普通人
1. 十几年前,我们被 1995 年到 2000 年的网民数增长震惊,这一阶段网民数从 0.5 亿人增长到 4 亿人。
2. 技术泡沫后,网民数增长更惊人,从 4 亿增长到今年约 30 亿人;同时,使用智能手机人数达到 20 亿人次。
3. 2020 年,全球又有 10 亿人会将通过智能手机上网成为网民,网民数达到 40 亿人次。
4. 1995 年至今,不上网或没智能手机的成年人数持续收缩:前者从 1995 年近百分百降至 2017 年约 36%;后者从 1995 年百分百降至 2017 年约 28%。
5. 2020 年,全球 80% 成年人会拥有智能手机。
2020 年全球人口数在 74 亿左右;成年人数约 52 亿人次;TV 受众 48 亿左右;有文化和读写能力的人 45 亿左右;功能机用户 43 亿左右;上网人数 40 亿左右;智能手机用户 40 亿左右;PC 用户 17 亿;个人 PC 用户在 10 亿以下。
6. 智能手机,让所有人都拥有一部装在口袋里的超级电脑。
一部新 iPhone 的 CPU 内晶体管数是奔腾 1995 的 625 倍;仅新 iPhone 发布那个周末,苹果卖出 CPU 晶体管数就达到 1995 年世上所有个人电脑里 CPU 晶体管的 25 倍。
7. 所有人,即便是在撒哈拉沙漠,他们手机覆盖率、3G 网络覆盖率及移动设备使用率都在上升。
第一次,互联网格局被改变
1. 人们花在移动互联网上时间,已超过花在所有电脑网页上时间总和。
2013年 6 月,用户通过桌面上网时间还多于用户通过手机上网时间;但2014年 6 月,后者(App + 移动浏览器)已明显超过前者。
此外,移动互联网格局还未完全固定,如就“I installed an app on my Android smartphone.”这句话,其中“下载、APP、Android、智能手机”,这四个概念都还有很大发展空间,2020 年我再说这话时,可能和现在意思已大有不同。
2. 生态系统的复杂性。
iOS 和 Androi 两家市场份额因不同地点产业结构不同而相差悬殊。换句话说,用 iOS 还是用 Android,取决于你在哪和你在做什么。
如上图,全球销量看,Android 手机明显多于苹果;但 Facebook 旧金山用户中,苹果设备使用者多于Android,同时在雅加达,情况则反过来;另外,苹果应用商店收入明显高于 Google Play;而以全球浏览器上网数据看,苹果略高于 Android,但中国数据则完全相反,Android 明显多于苹果。
3. 每个新传感器都意味新商机。
智能手机比 PC 复杂得多,PC 不会问任何它应该知道的东西,但新传感器深刻改变电脑能知道的东西,因此每个新传感器,都能带来新商业机会。
4. 移动设备能引发“杠杆效应”。
2020 年,智能手机数将达到 PC 的 2—3 倍,但乘以移动设备便携易用带来的便利,移动设备将能提供 10 倍于 PC 时代的机会。
Facebook 和 WhatsApp 是最典型例子。两年内,Facebook 移动广告收入就翻倍,成为一个体量达 65 亿美金的海量客户部门;而只有 30 个工程师的 WhatsApp 一年内信息流量已达到 72 亿条,要知道,全球短信总量是每年 75 亿条。
“杠杆效应”还改变了互联网初创企业对早期资本的需求:2000 年,一个融资 1000 万美金、拥有 100 名员工的初创企业能吸引 100 万用户;现在,融资 100 万美元,有 10 个员工的公司就能吸引 1000 万用户;而未来凭借移动互联网,一人白手起家,不要拿什么投资,就能吸引 100 万用户。
移动甚至重置科技产业
1. 智能手机逐渐拖垮 PC。
全球有 20 亿人,平均每 2 年买一台移动设备;全球有 16 亿人,平均每 5 年买一台 PC。
2. 智能手机和平板电脑已占电子产品市场半壁江山。
3. 1999 年时,全球共有 800 亿张用胶卷拍的照片;而今年,社交网络上分享照片就达到 8000 亿张;苹果和 Android 手机销量,也超越日本生产的照相机。
4. 移动甚至改变 PC 领域市场份额。
微软在 PC 领域销售份额持续下滑,已从超过 85% 份额,掉到不到 25%;而苹果却快速占领市场,从收入看,几乎接管 PC 业,在 2013 年达到 1750 亿美金。
5. 移动已导致技术中心转移。
硅谷和中国成为新时代中心,代表公司:电脑领域谷歌和苹果,打败微软;芯片领域 ARM 和高通,打败英特尔;手机行业,中国深圳打败原生产诺基亚的芬兰。
6. 移动撬动供应链过程:
移动也在重置其他产业
1. 科技在主导我们注意力。
2. 科技品牌价值巨大。
2004 年,科技品牌价值占全球品牌价值前 100 位的 30%,其中谷歌、苹果、亚马逊和 Facebook 四家占不到 2%;但现在,前者已达到 40%,后者快接近 20%。
3. 孩子们最牵挂什么?移动设备。
4. 人与人的沟通正趋向纯数字化、纯移动化,现在连爷爷奶奶们,也会使用电子邮件了。
5. 移动设备挤压下,电视变得越来越小众,可用来看视频的数字设备,正从数量上超越真正的电视。
6. 作为移动设备的屏幕,全球 LCD 液晶屏显示器销量显著上升。
科技还有很大改变世界的潜力
1. 以下是各行业在 2013 年收入情况。其中,汽车业达到 14000 亿美金,服装业达到 13000 亿美金。
2. 通常跟技术相关公司分三种。一是以技术为核心的公司,如苹果;二是通过技术改进产品或扩展业务,但技术不是核心,如亚马逊;三是被新技术催生出的公司,可能做的是传统行业,但都基于新技术,如 Airbnb。而如果重点关注第三种公司,我们会发现:每波技术创新浪潮,都会催生一些新行业,比如:
正如卡车和洲际公路出现让零售业发生根本性转变,因而成就了沃尔玛,移动设备和移动互联网为传统旅游和运输行业创造了全新可能,因此才有 Airbnb、Uber 和 Lyft。由此可见,移动已开始对社会产生深刻影响。
另一重要事实:当一项技术被充分普及,它就被社会“内化”成理所当然的一部分,人们也就不再谈论它。以下几张图,显示了“铁路”、“钢铁”、“计算机化”等技术词汇在 Google Books 出现的频率:
“铁路”
“钢铁”
“计算机化”
而“软件”出现频率如下:
这样的趋势说明:软件和移动互联网已开始走向被内化阶段,成为各行业理所当然、不可或缺的组成部分。软件和移动互联网正在吃掉整个世界,科技业自身已容不下技术发展的张力。
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