
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
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10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 ...
2025-09-04