京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的网红时代 且看谁主沉浮
近日顺丰菜鸟“数据断交”之事俨然成了各大新闻媒体的话题中心,还引得两大互联网巨头腾讯和阿里纷纷站队,短短两天时间内影响了百万消费者和商家,所幸,在国家邮政局的及时协调下,双方同意从6月3日12时起,全面恢复业务合作和数据传输,这场持续45小时的战争终于偃旗息鼓。
从表面上看,两家都义正言辞地表示此次事件是为了保护用户信息安全,其实本质上是顺丰和菜鸟对物流大数据的话语权争夺。中关村数字产业联盟副理事长、DCCI互联网研究院院长刘兴亮评价“为了抢夺物流数据的控制权,菜鸟和顺丰不惜上演大战,由此可见大数据的重要性。”
大数据缘起互联网
那么,大数据到底是什么?它又是如何构建现代商业模式的呢?
大数据,或称巨量资料,指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。简单来说,“大数据”是多渠道搜集而来的庞大数据组,是受到相关部门、企业采集的,蕴含数据生产者真实意图、喜好的,非传统结构和意义的数据。
由于互联网公司拥有海量用户数据,所以首先利用这些数据并挖掘其价值的就是他们。其中Google是最先发现大数据应用潜力的先驱者。他们通过分析美国人最频繁检索的词汇,与美国疾病中心2003年到2008年间季节性流感传播时期的数据进行比较并建立模型,最终成功预测了2009年冬季流感的传播。此后,电商企业通过建立用户画像,了解并预测用户的消费习惯,定期为用户推送合适的商品……大数据就像是一座待挖掘的“金矿”。将眼光放到国内,我国正处在信息化飞速发展的时代,数据纷繁复杂,大数据整理和监测必定成为各行业发展的趋势。事实上,伴随顺丰菜鸟事件的发生,已经让围绕大数据的利益纠葛上升到了一个前所未有的高度。
我国大数据的发展现状
2017年初,工信部正式印发了《大数据产业发展规划(2016~2020年)》,全面部署“十三五”时期大数据产业发展工作,加快建设数据强国,为实现制造强国和网络强国提供强大的产业支撑。工信部预测数据显示,到2020年,大数据相关产品和服务业务收入将突破1万亿元,复合年增长率保持在30%左右。
目前,BAT等互联网企业是大数据的流量入口,BAT三家很早就将大数据升级为集团级战略。不过由于三巨头在业务和商业模式上的不同,三者的大数据战略存有很大差异。从数据源上看,作为国内最大的搜索引擎,百度拥有大量的公共数据和用户搜索行为的需求数据;而阿里则是交易及信用数据;拥有微信、QQ两大社交平台的腾讯则掌握着社交关系数据。
中国移动、中国联通和中国电信这三大运营商则守着数据金矿。中国移动早在2016年就率先提出了“大连接”战略。根据中国移动的规划,中移动将做优连接服务、做强连接应用。连接服务结合硬件与管理平台,从管道接入型连接向平台级连接与端到端基础设施服务拓展。中国电信已推出了“星图”——金融大数据风控平台,“鲲鹏”——旅游大数据平台,以及“鲲鹏”——地产大数据平台等细分产品。中国联通则把大数据纳入到集团的重要战略性业务。在内部,中国联通提出以“用大数据再造一个中国联通”的明确定位。
由此可见,大数据正成为继2G语音短信、3G上网、4G视频后,三大运营商又一争夺的新战场。但值得注意的是,他们在该领域共同的对手却是以BAT等为代表的互联网企业。
独立电信分析师付亮表示,“电信运营商的业务性质本身使其可以采集到庞大的用户信息,并对其消费习惯、服务记录、行为轨迹等有较为全面的理解,而BAT虽然也能对自己的每一位用户进行精准画像,但是他们的侧重点集中在社交、搜索、交易等方面,数据缺乏立体维度。因此,三大运营商的数据跟用户的关联性更强”。
未来大数据发展该何去何从
虽然大数据的起源要归功于互联网及电子商务,但是大数据未来的应用前景很大一部分来自于传统产业。一是所有传统产业都在互联网化,二是传统产业仍然占据国家GDP大部分份额。
具体来讲,中国最需要大数据服务的行业就是受互联网冲击最大的产业,首先是线下零售业,其次是金融业。由于电商的冲击,国内很多零售巨头增长严重放缓,甚至遭遇负增长,线下零售已经到了不得不变革的危机关头。在线下客流下降的情况下,如何提供人流在线下零售店中的效率,如何从需求端传递到最后的供给端,就需要大数据分析。比如通过相关的智能设备采集零售店面,销售数据、人流数据、产品数据,再对这些数据进行挖掘后可以预测零售店面的销售量,从而为商家铺货时提供决策依据。这就改变了以往盲目铺货最后清仓打折销售的局面,降低制造企业库存的同时,也提高了销售效率。
金融业不销售实体产品,自诞生起就是基于数据的产业。由于金融牌照在我国具有稀缺性,金融业前几年享受了不少政策红利,内部变革动力不足。随着互联网金融的兴起,唱衰银行、保险等传统金融机构的声音不绝于耳。但是,从数据积累的角度我们也应该看到传统银行、保险等金融机构拥有大量沉淀数据,如果利用好这些数据,深挖数据价值来一次华丽的转身也不是不可能。
需要注意的是,科技的进步,可能会在外力上,让人变得慵懒,让大脑开始“自我放弃”。数据只是工具,人的因素依然很重要,当数据利用度到了某个度后,再深入挖掘下去,就需要靠人脑的智慧了。企业需要时刻意识到这点,并且不断保持好奇和创造力,才能在信息化时代占据一席之地。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22