
重塑现有商业模式大数据产业或将迎来收获期
近年来,“大数据”逐渐从学术概念走向产业应用,并成为互联网界争相逐鹿的“风口”。然而,虽然业内有关大数据的设想、研究、计划层出不穷,但大多数公司仍未实质享受到大数据所带来的变革红利。
如今,随着人脸识别、人工智能、云计算等技术日臻成熟,大数据应用也纷纷落地,并开始重塑现有商业模式。
时尚也能“定制”
中国“95后”年轻人最喜欢的颜色是RGB值为22/20/24的“不饱和黑色”,在买衣服时,他们最常与黑色搭配的颜色是“红、黄、蓝”,最爱买的服装材质分别是棉、羊毛和皮革,最爱买的花色分别是印花、涂鸦和字母……
以上结论来自于日前腾讯和电商平台唯品会共同发布的《中国“95后”流行色报告》。依托腾讯的AI(人工智能)人脸识别与图像处理技术,以腾讯QQ空间2万亿社交媒体照片和唯品会1亿电商用户销售数据为蓝本,两家企业共同“计算”出中国“95后”的穿衣喜好。
从2万亿张照片和1亿电商用户数据中提炼“时尚因子”并非易事。据腾讯集团副总裁、优图实验室负责人梁柱介绍,找到这些流行色,需要克服不少技术难点,比如QQ空间里用户上传照片主要是生活照,背景和颜色非常复杂,为了实现颜色准确获取,其技术团队借助很多人工智能算法,包括人体检测、衣服分割,将照片里的人体和衣服从背景中分割出来,其像素分割精度达到95%。
据了解,两家公司共同邀请设计师以计算结果为依据,设计流行服装,并计划在今年秋季在唯品会电商平台上线售卖。
“基于机器学习的人脸识别和图像处理技术,一直都是未来的技术热点,其应用范围十分广泛。目前腾讯优图的AI图像识别技术已经十分成熟,可以在不同场景下实现应用。” 梁柱表示。
不再“望数兴叹”
过去,大数据应用大多囿于营销层面,其实质是利用“数据大”的优势,以传统计算方式分析用户行为等市场要素,并非真正的大数据应用。而面对海量珍贵数据,往往无法真正使用,只能“望数兴叹”。
如今,大数据应用已经突破过去的数据捕捉和统计方法的局限,开始深入到产业链各个环节,成为由大数据贯穿始终的“闭环生态”。
在零售领域,继去年阿里巴巴提出“新零售”概念以后,新年伊始,阿里巴巴集团就与百联集团共同签署全面战略合作协议,宣布合力探索发展新零售模式。据阿里方面透露,双方将基于大数据和互联网技术,在全业态融合创新、新零售技术研发、供应链整合、会员系统互通、支付金融互联、物流体系协同等6个领域展开合作。
“新零售是利用互联网和大数据,将‘人、货、场’等传统商业要素进行重构的过程,包括重构生产流程、重构商家与消费者的关系、重构消费体验等。未来的商业将不再有线上线下之分,也不存在虚拟实体之别。”阿里巴巴集团CEO张勇表示。
在家电领域,据最新发布的《2016年度中国智能空调市场白皮书》显示,2016年国内智能空调业在制造、渠道、服务、资源、新技术应用水平等方面得到提升,特别是云和大数据技术的引用与资源共享,为同关联行业开展资源共享、服务创新打下了坚实的基础。
以家电企业海尔为例。依托大数据,海尔生产的空调不仅搭建了智能化节能体系,还将大数据跨界应用到供热、供电领域。在江苏,海尔空调云端数据已与国家电网有效对接,以此来调节居民的高峰用电负荷,降低电网峰谷差18.47%,大幅缓解电网运行压力。
实现“个性量产”
事实上,大数据应用的持续落地,正在解决过去生产上“个性化”与“量产化”之间的矛盾,并由此带来商业模式的变革。
过去,批量化生产的产品几乎无法满足客户的个性化需求,即使有了海量数据作为营销依据,也仅能做到将用户需求尽量细分,再在每个细分领域进行批量化生产。而随着互联网、大数据、云计划等技术的渗透,个性化、定制化需求的满足具有了可能性,个性化量产正在被尝试和探索。在唯品会高级总监陈菲菲看来,将大数据应用到时尚产业并进行电商化运营是一次大胆的跨界创新。“让照片大数据、销售大数据、人工智能跟时尚流行碰撞,让数据与艺术产生连接,也为时尚领域的创作提供更多的灵感和可能性。”陈菲菲说。
这种尝试给时尚界的生产模式带来的变革显而易见,即由过去以设计师创作为主导模式,转变为以用户为中心的个性化量产模式。消费数据将成为时尚行业生态链中的最宝贵资源,谁拥有更多的精准用户数据,谁就占有更多市场机会。
同样,在家电领域,通过联合研发智能仿生人技术,海尔空调可模拟人体30个身体部位、20种新陈代谢模式、162个神经元传感器以及17种温冷环境。同时依托仿生人,研发出自然风、自清洁、离子送风等原创技术和产品,实现千人千面的个性化节能,让批量生产的每一台空调都“不一样”。
在医疗健康领域,因每个人疾病史和基因构成的不同,过去针对病症作出的标准化治疗方案更像是技术限制下的“权宜之计”。如今,随着医疗传感器、监视器和诊断技术的突破,患者数据也变得完整、精细。以此为基础,人工智能系统就可以梳理数百万患者病历、基因组序列以及其他健康行为数据,从而匹配个性化的治疗方案。
种种趋势表明,这种商业模式的变革正在快速渗透至各个行业。而“个性量产”的普遍落地,也将在大数据的支撑下成为可能。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 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 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15