
有“今日头条”在先,资讯类大数据会成创业风口么
大数据已经成为了一个庞大的行业。数据分析师这个职业也随着企业对大数据的分析而倔起,数据分析师就是对企业的数据进行有效的分析,得到有价值的数据,为企业创造价值。
2015年8月19日,国务院《关于促进大数据发展的行动纲要》,希望“使开放的大数据成为促进创业创新的新动力”。
狭义来看,大数据的产业链从整体上可以分为四大层,包括IT基础层、数据基础层、数据应用层和数据安全层。更细分可以分出几十个门类,每一个类别都是具有针对性的数据解决方案。
广义上看,未来大数据几乎可以在任何一个场景下发挥作用。通过数据分析师对大数据对当前业务的优化,可以发掘出更大的价值。
思达派(Startup-Partner.com)专栏作者认为,大数据驱动的服务类产品将会在未来几年大放异彩。而考虑到产品演化的路径,信息服务类的大数据将会在2016年迎来“风口”,成为“资讯大数据元年”。
1、个性化匹配:数据驱动的产品服务将成为主流
自从今日头条火爆以后,大数据和信息之间的关联就越来越强。随着去中心化的趋势加强,收集大数据和处理大数据的要求就更加强烈——如何实现千人千面的阅读,最关键的是大数据的分析处理能力。
和纯数据分析不同,数据驱动的资讯服务针对的C端用户,更关注产品的功能和体验。换言之,这一类产品的特点,是把原来由无数人力构成的产品服务,变成以数据驱动的技术密集型产品。
以新闻平台为例,过去,新浪、搜狐和网易以数以百计的编辑,支撑起门户内容的运营。现在,通过大数据,不仅可以同样实现内容的分发,而且还做到了千人千面。
再比如,大众点评依靠数以亿计的用户支撑起了餐饮点评产品,如果数据分析师通过大数据对网络上所有人的所有餐饮数据(包括收集大众点评数据)进行收集和处理,不仅会实现同样的目标,而且可能还更加精确。
2016年,类似的大数据驱动的产品会主由“推荐”变成“个性化匹配”。APP可以“个性化匹配”,创业者和投资人可以“个性化匹配”,食客和餐厅可以“个性化匹配”……精准的数据分析使得每个人得到自己想要的信息成为可能,因此,这将是2016年数据服务类产品的“主旋律”。当然,首当其冲的,就是资讯产品服务。
2、今日头条和一点资讯争霸,“创头条”成为行业“变量”
未来,所有的服务产品都应该是由大数据驱动的。从目前来看,资讯服务可能会成为大数据服务产品的突破口,也是大数据现实中商业应用的最佳范例。
1月6日,今日头条透露,截至2015年12月,已吸引3.5亿下载用户,日活超过3500万,系统可以记录他们的点击、分享、评论、收藏等用户行为,并进行复杂计算和分析。今日头条称,海量数据和算法分析,使得头条清楚地知道用户当前所处的情境——时间、地点、天气、晚睡还是早起、对什么感兴趣,从而将他们需要的信息推荐给用户,甚至还包括广告信息。
稍早些时候,一点资讯CEO李亚也透露数据驱动下的资讯是其主要发展方向:“在当下全渠道背景下,大数据可谓贯通在消费者不同场景、不同运用、不同的消费阶段中。”
据了解,一点资讯的大数据原理是以用户的“兴趣”为核心,数据分析师通过将用户主动表达和被动历史浏览数据有机融合,能够更有效进行内容的分发推荐。通过大数据算法的不断优化推荐,人们可以看到更多与自己生活、工作、个人兴趣爱好相关的个性化的、长尾的、有价值的内容。
虽然两大资讯巨头早已发力大数据资讯。但由于大数据存在的多维度以及数据应用仍处于早期摸索阶段等多个因素,这个领域仍有很多变量。
例如,创头条在去年上线网站之后,今年又上线了app。为什么在巨头之下仍然要进行这个领域的创业?仔细研究之后就会发现,和其他根据算法或者兴趣推荐个性化信息不同,“创头条”满足的是用户的精准服务需求。笔者了解到,创头条是一个关于创业方面的大数据资讯搜索引擎,用户可以通过条件订制、智能订阅、以及个性化推荐等多种方式,及时跟踪了解创业领域中海量新闻、资讯、信息。
据创头条内部人士透露,和此前已有的APP不同,用户可以用“创头条”精准指定追踪自己喜欢或关注的主题资讯。这种C2B模式的资讯服务能否成为主流?目前尚不明确,但是,这种大数据的业务模式,也为大数据应用服务产品提供了一种新的探索模式。重度垂直、深度服务的时代即将到来,而在大数据的辅佐下,资讯大数据也会越来越精准,将会为用户带来更多惊喜。
除了创头条,目前资讯领域里还有本地头条、九个头条等等各个维度利用大数据打造的全新产品。未来,可能所有的产品都是由大数据驱动的,而资讯将会成为第一个成熟的市场,这里面谁会成为最后的赢家?我们的用户会在不久之后告诉我们答案。数据分析师培训
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