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
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12