
大数据时代:要么去改变 要么被改变
过去15年中,我们不停地问这些问题:客户是谁,他们需要什么产品,需要什么样的价格?但是现在事情相反了,我们不仅要知道是什么,更重要的是要知道为什么。我们要关心客户为什么买,为什么在那个时间买。我们对客户的了解越多,对客户的需求把握也会更加精准。
大数据分析最重要的一点就是,当我们有不同的原始数据的时候,首先要保持及时性;其次是预测,下一步怎么做,我们要做有预测性的分析。最后一点也很重要,当有分析结果出来的时候,企业要行动,这个行动要在第一时间内告诉消费者“我懂你”。
一个案例就是亚马逊,他们会做一个预测性分析,把货物通过最短距离运送到客户家里。当你根本还没有做出采购选择时,他就预测到了你未来可能会做哪些采购。亚马逊对客户的掌握非常好,不仅能预测到你要购买这个东西,而且知道如果运输过去后,你一定会很开心。这个过程中,需要强大的数据支撑,用于了解客户心理、客户想法,当你把货运到他们家时,他会觉得你懂他。
亲密感虽然是客户所希望的,他们希望你能“懂我”,但如果他们觉得你过多地进入了自己的生活,“你太懂我了,我会有恐慌感。”这就是与“亲密感”所对应的“不舒适感”。
所以我们要做的事情是:我们懂消费者,但是不能让消费者感到害怕。一家聪明的公司,他们知道消费者知道什么,但是还是和他保持相对的距离,让他感觉亲密,不会让他感觉到不适。当你跨过了这条分界线,让他感觉不舒适,他会离开,觉得你不是一个很好的平台。
打通数据的桥梁
就能颠覆行业
现在所有人都在讨论一家叫Uber的公司。以前出租车公司想的是,能够把乘客送到想要去的目的地即可,但这么做还远远不够。消费者更关注是否能够最快速度地搭上车。Uber这么做了,所以成为了世界最大的出租车公司,但事实上没有一辆车是属于他们的。他们可以做到一年410亿美金的营收,而传统出租车公司现在的生存环境就有危机了。这样的商业模式冲击,我们在不同领域都可以看到。
大面积颠覆会发生在以下情况:第一,现有数据和新数据相互匹配提供新的见解;第二,数据分析涉及到移动数据、社交数据、云数据、游戏数据,并深刻理解客户,理解供应商。也就是说,假如你把数据的桥梁打通了,就能把行业给颠覆了。
我们看看这些应用案例:
一、脸识别系统。从进门那一刻,人脸就被快速抓拍,通过人脸识别技术可以很明确地知道:这个人是谁,他将要去哪里。
二、上海街道上的一个监控系统。当行人走过来的时候,摄像机会抓取人脸,识别这个人是否在警方搜索通缉范围内。假设走过来的是嫌疑犯,他在通缉的名单里,系统会快速地把他定位。
三、伦敦地铁的一个系统。每个人走过时,系统会记载他走路的步频是多少,身体状态好不好。这个案例已经落地了5年。
现在有非常智能的牙刷,每天记录你在什么时候刷牙、刷牙是否到位。如果不到位,它会把信息直接传给你的牙医,所以物联网很多应用产生的数据都会影响到你的消费需求。
对很多大公司来说,他们认为自己某种程度上受到政府和法律法规的保护,觉得自己不可战胜。他们说的最多的一句话就是“不,我不想改变”。但是对小的公司来说,任何一个机遇或者创新点对他们来说都是:“是的,我可以改变”,所以机会也许在他们身上。
这个世界是一定要被改变的。你要问自己的是,是改变这个世界,还是让这世界的一部分人来改变你。德国一家非常大的ERP公司预测说,未来很多曾经位列世界500强的企业会消失,全球有40%像泰坦尼克号一样的顶级企业会掉下来。新兴的企业会出来,这个趋势不会停止,大公司会以越来越快的速度消亡,新公司会以越来越快的速度前进
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13