京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27