京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代商业的未来:大数据+O2O值得好好研究
O2O即Online To Offline(在线离线/线上到线下),是指将线下的商务机会与互联网结合,让互联网成为线下交易的前台,这个概念最早来源于美国。O2O本质上是一种通过PC互联网、移动互联网与传统行业结合,衍生出更多新的商业模式和消费模式。一般被理解为Online To Offline,也有人将其理解为Offline To Online。O2O的概念非常广泛,既可涉及到线上,又可涉及到线下,可以通称为O2O。
近两年O2O创业公司受到了资本和市场的热捧,其中,租车和外卖又是风口,成为最受关注的领域。例如成立于2009年的饿了么,2014融资3.5亿美元,估值过10亿美金;美团融资7亿美元,估值70亿美元;UBER据说在即将启动的新一轮融资中,预计估值高达500亿美金。其它的外卖项目也轻松获得了数千万到上亿人民币的投资,与传统行业相比很不起眼的外卖公司为何能得到天价估值?
百度200亿砸O2O 意在大数据?
2015年6月30日上午,百度糯米正式发布“会员+”O2O生态战略,百度CEO李彦宏在会上表示,百度糯米是百度在移动时代“连接人与服务”战略中最需要着力发展的业务,未来3年内,百度将向糯米业务增加投入200亿元。
大家只看到了百度要做的表面工作,而没有发现,他们已经在未雨绸缪地布局未来商业大数据的信息收集整理工作。更不客气一点说,百度的这次布局,无异于跑马圈地,若布局成功,将把百度带入几何膨胀的体量。
对百度而言,我们上边提到的会员+必然只是一个表面现象,百度一定正在依靠糯米做一个很大的文章。会员+的战略,百度方面虽然重点强调,与所有商家,甚至于所有派系,包括阿里系/腾讯系/小米系等,愿意全部共享合作,但百度掌握了一项最基本的“核心科技”,那便是,百度对会员资料的大数据分析能力。这种垂直化的消费分析能力,于未来商业行为中,是最值钱的。百度发展会员+的内涵实质也正在此处。
大数据与O2O
众所周知,大数据和O2O都是当今的时髦名词,据《2013电商十大新发展趋势》报告,大数据在排名中名列第3,O2O名列第5,可以说是炙手可热。但这只是电商的排名,如果在传统行业“大数据”与“O2O”强强结合,那又该是个怎样的场景?
《2013电商十大新发展趋势》关键词:
大数据——排名第三
创新指数:★★★★
难度指数:★★★★★
综合评定:9分
大数据时代已经到来
对于电商行业来说,数据的重要性毋庸置疑,围绕着大数据,数据仓库、数据安全、数据挖掘和分析已经成为未来电商企业的制胜关键和利润焦点。淘宝和京东都着重强调了一点,那就是在未来,数据越来越为重要。大数据的应用价值和潜力越来越为人所知,大数据对于电商企业来说,是一个正待开采的金矿,而从中挖到金子还是沙砾,这便取决于一家企业是否有足够优秀的数据挖掘和数据分析的人才了。总之,大数据的分析和使用对于未来的电商企业重要性不言而喻,这也将是电商发展的持续的大趋势之一。
O2O——排名第五
创新指数:★★★★
难度指数:★★★★
综合评定:8分
O2O将线下商务的机会与互联网结合在了一起,这样线下服务就可以用线上来揽客,消费者可以用线上来筛选服务,还有成交可以在线结算,很快达到规模。中国电子商务市场的O2O经过了漫长而曲折的摸索之路,线上和线下的打通,将会开拓出一个巨大的消费市场,因此,可以断定,O2O具有非常光明的前景。O2O正在引领着一场电商变革,线下的服务可以在线上进行支付,线下商户也终于可以像电商企业一样查看具体的营销效果,这个正在逐渐形成的生态圈中,将会吸引更多的线下商户将其业务和线上有机融合,这将形成一个巨大的O2O产业链。
虽然在具体的实施上还有尚待完善的地方,但可以看到的是,这种消费者可以线上选定商品,在实体店体验后下单购买,也可以在门店实现自提、退换货、售后服务相关功能的模式,将会为网购用户提供更多的好的体验和保障。随着更多的线下商家的参与和更多样式服务的提供,O2O在未来有着不可估量的前景,值得为之拭目以待。
如何用好“大数据+O2O”值得好好研究
有了O2O,传统行业就有了与互联网绑定的机会,就有了获取营销海量数据的基础,从而传统行业营销领域的大数据管理才有可能。在O2O的基础上,传统行业的大数据不再是星星之火,而是星火燎原,当然“大数据”和“O2O”的结合的优势还不只如此。
当有了O2O的条件之后,客户在线上交易,线下交付,只要触网,这些关于“人”的信息的自动化采集就有了可能,再辅以大数据的分析技术,那些美好的愿望将不再是憧憬。我们不会幻想用户在网站上注册时给的都是真实的信息,但我们可以从用户的网络日志、相片分析出其家庭结构和年龄性别,可以从用户的QQ、FACEBOOK分析出其朋友圈和职业结构,可以从用户的社区网站得知其兴趣爱好等等。就这么一个点一个点地填补,一张活生生的画像就这么渐渐成形。当有了这些信息的时候,我们的营销、客服、产品研发等,还会那么如履薄冰吗?
维克托·迈尔·舍恩伯格在《大数据时代》描述了大数据的三个特征,其中第三个特征——“不是因果关系,而是相关关系”。关于这个论点,学术上也有颇多不认同的争鸣之声。从上文也可以看出与舍恩伯格观点径庭之处:这里更强调“因果关系”,通过“大数据”与“O2O”的结合,前者进行数据分析,后者解决数据采集,从而找到经营结果的真正动因,这样把“业务”和“人”的数据都囊括其中,我们当然也就对未来的销售预测与引导有了把握。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12