
为建立数据分析优势利用专有数据
人们普遍认为专有信息能为企业提供竞争优势,但如果不在业务过程中进行数据分析和应用,那么专有信息也很难发挥作用。没有哪种组织的资产能像数据这样为人们提供深刻的见解,并让人们制定决策和采取其他其他企业组织所不会采取的行动。数据常常很少或不会赋予自身直接的优势,但以数据为基础的分析是个非常强大的竞争性工具。过去竞争差异化的传统根基巳消失,利用独一无二的专有数据是竞争差异化优势的强大来源。
专有数据提供了一个强大的视角,来看待公司运营情况以及客户与市场的购买偏好和行为。在很多情况中,这样一种数据对其他公司、竞争公司、客户乃至政府来说都是非常有价值的。诸如Google 和Yahoo!这样的互联网领衔公司会使用专有数据来刺激新业务并提供业务开拓和增长机遇,以此来证明数据具有超越第一线市场营销发展机会的价值。
专有数据常常是追求另外一个业务目标的副产品,所谓另一个业务目标,举例来说有银行业执行支付交易,零售行业管理库存产品、完成运货业务、运营电信沟通网络或提高互联网络搜索业务质量。然而很少有公司会投人必要的时间和资源来利用这样一种用于其他用途的专有数据。但如果有一些公司可以实现这点,就能启动新产品开发工作、提供出色的客户服务并战胜竞争公司。比如,美国第一资本公司为了开发新产品挖掘客户数据,美国前进保险公司使用其快照计划中有关客户驾驶行为的专有数据来精确地为汽车保险业务定价,位于加利福尼亚州的美国三角洲牙科保险协会对索赔数据进行分析来确认可节省的成本。在很多情况下,数据分析结果能揭示不易发现的新业务发展机会。
专有数据还用来在体育运动中建立优势。Daryl Morey,NBA 休斯敦火箭队的总经理是职业篮球运动中最喜欢数据分析的经理之一,他认为 “真正的优势来自于独一无二的数据”,他聘请了大量数据分析人员在每一场NBA 比赛中对每个对手的防守动作数据进行分类。波士顿红袜队厚也遵循了相同的管理哲学。他们派专人到NCAA总部对各大学棒球选手的纸质记录数据进行分类和量化,来分析能在职业联赛中取得成功的选手特征。意大利足球俱乐部AC Milan收集了其球员在不同条件下运动规律的专有数据,并使用它们来预测和预防球员的伤病问题。
最近,有一些新业务围绕着某个目标蓬勃发展,为了业务获利,通过用社交网络、销售数据导向的产品或作为市场建立者参与市场发展来创建和挖掘新类型的数据。这些发展新业务的企业组织中有很多都自称大数据公司。有一家名为Factual的公司正在尝试收集大量和主题看似不相关的专有数据。公司的某项记载是这样描述它的数据收集战略的:
它同时向向大公司和小型软件开发公司进行数据收集,包括50 个国家6 千万个地点中可用的政府数据、TB级别的企业数据。每种数据都由17—40 种属性描述。Factual可以30种不同的方式来知道80 多万家饭店的信息,包括这些饭店的所在地、所有权情况以及食客与卫仝委员会对其的打分。它还包括5 亿张网页信息、羡国所有中学清单和有关180 万羡国专业医疗人士的办公场所、业务专长和保险购买偏好的相关数据。还罗列7 1.4 万种葡萄酒品种信息、1950—1974 年发生的军用飞机驾驶事故资料和一些重要人士的体重数据。
然而,这样一些数据的作用和其用于激励创新、产生新收人来源以及管理新业务和运营风险的潜力在很大程度上还没挖掘出来。
2009 年埃森哲公司对英美600 位高管进行的一份问卷调查表明: 专有数据还很稀少但极其有价值。只有10% 的被调查者说他们公司的专有数据 “在实用性或重要性方面远远超过进行市场竞争的需要,向我们提供了独特的竞争优势”。类似地,86% 的被调查者说他们公司的数据“大致等同于进行市场竞争的数据的价值” 然而,当被问及专有数据对公司和其产品在竞争中胜出的价值,97%的被调查者说“非常有价值”或“相当有价值”。
为什么一关系到专有数据就会产生如此高的价值认知度和如此低的实践活跃度呢?大概是因为大多数企业组织和其管理者对这个主题不熟悉以及没有将其渗透到有关市场竞争的实际讨论和战略中去。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01