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
在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10