京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的价值:找到别人的“集体智慧”
大数据部门该放在运营团队还是技术团队?在红杉资本中国基金会专家合伙人、原阿里数据委员会会长车品觉看来,纠结于此类问题的企业,距离大数据的法门尚远。车品觉认为,大数据应该是CEO直接领导的战略级部门,是一把开启新世界大门的钥匙。今天,大数据已在营销、风险控制等领域已大放异彩;而在可预见的未来,基于大数据的诸多模式创新,将带给我们无限的想象空间。
三大颠覆性变化正在发生,将爆发惊人威力
最近,我去了一趟美国,看到大数据的几个变化,这些变化有可能极大地改变世界。
第一个变化是开始从被动搜集数据,转变为主动搜集数据。美国一家公司现场给我们表演,电视里正在播放新闻,他们把手机放在电视机旁,手机很快识别出这是CNN新闻频道,以及正在播出什么内容。我们三个人拿出自己的手机,手机同时放三首不同的歌,他们的软件很快辨别出这三首歌是什么,以及作为背景正在播放的电视新闻。这意味着,非结构性的数据编程结构性数据,开始从被动搜集数据转变为主动搜集数据。
第二个变化是非实时转实时。滴滴打车的数据可以说明不同地点的人流情况,但是零售业得到了这些数据,又如何触到它的用户群呢?大家知道这个世界有一个,DSP(Demand-Side Platform需求方平台),作为中间方,DMP记录用户去了哪个网站,用了什么APP。当人使用APP时,数据会告诉DSP,这个人出现在了某一个地方,DSP就能够帮商户做智能投放。由于背后有大数据支撑,放在很短的时间内就能完成。这种模式对营销来说,绝对是一个颠覆。
另外,还有一个非常重要的变化是对话。美国有两大公司,几乎同时宣布了一项战略性科技——对话的人工智能。比如,你的房间有一个音响,这个音响同时是一个传感器。当你说“我要买一瓶酱油”,音响会和你说:“老板,你是不是要买你之前买过的酱油?”你说:“不是,我要买新的。”它就会告诉你,新的酱油以及同样差不多的有几种,建议你选择哪种。这个变化将引发一个大的颠覆。
隐私+归属权:从混沌走向清晰
说到大数据,不得不提的是大数据与隐私这个问题。
这次在美国,见到一个在隐私问题上给美国总统提意见的专家。他说,关于个人隐私会有一个颠覆性的变化,这一变化在欧洲已经开始了,现在是美国。过去,当用户使用一个应用时,都会和应用方签订一个协议,表明用户同意把自己的数据交给应用方以改善用户体验。但是,大部分人都不知道自己同意的是什么,仅仅是点击了“同意”。美国的法律对此准备进行修改,这可能会改变大数据产业。
在这个变化中有个问题,数据分可识别数据、不可识别数据。互联网上的数据,有的可以识别是你,有的不可以识别是你。当不能完全知道他是谁,没有办法和他说你是否同意时该怎么办?现在,美国正在认真讨论类似的事情。
另一个问题是数据的拥有权是谁?早期大家是按照实物的思路,来定义数据拥有权的法律,后来发现这条路撞墙了。数据的可爱之处就是看见就看见了,不在于是你拿着还是我拿着。法律界已经开始关注这个问题。
关于隐私问题,大部分用户更多是希望平衡好,你不能拿到我的数据我一点好处都没有,你拿了数据使用我却一点都不知道。所以,问题是谁有权控制?比如脸书,每一次使用用户数据,会告诉用户,这个数据会在某个点使用,这就涉及数据使用透明和是否可控的权利问题。这个行业里面很多人不想讲这个问题,但并不是不知道。但这是我们做大数据的人必须要慢慢解决的,否则这是一个定时炸弹。
当然,有大量的数据不相关隐私。比如,用1000个人或者5000个人的数据算出来的结果,当做大数据营销的时候,有没有把他捆绑在5000个人当中营销?美国有些法案很可爱,认定个人数据的隐私问题不是放在单独的案例当中,而是放在行业里面。我问专家,为什么要放在行业里面?他说,个人隐私和行业有关,比如卖药的,个人隐私的监管就会非常严格,而游戏类的个人数据会相对简单一些。在欧洲则是一套法律,不分行业。欧洲人认为,隐私是一个人的底线。而美国认为价值和隐私之间可平衡。这些都是未来大家都会议论的课题。做好缝合,不断迭代
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18