
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
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