京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据主导下的“分享经济”走向
尼尔森咨询最近做了一个全球性调查,看哪个国家和地区最渴望“分享经济”,它找到的答案,是中国。但 Airbnb、Lyft 包括私人停车库出租共享的 SPOT 也已经不是分享经济最前沿代表了。以下,是美国刚刚冒出或正在讨论的几种分享经济走向。
另外,杰里米·里夫金刚刚被引进中国的新书《零边际成本社会》提供了一个衡量这个新经济模型的边界:使用权胜过所有权、可持续性取代消费主义、社会资本和金融资本同样重要,以及“生产型消费者”大规模崛起,这个即将大规模爆发的群体特征是:他们在同一领域消费产品的同时,也在生产这个产品。
3D 打印 + 分享经济
如果在 B 平台能以 29 刀入手,我们怎么可能在 A 平台以 37 刀买同样东西呢?现在,竞争已经激烈到很多卖家不得不以近乎成本价出售商品,但这种竞争还要进一步加剧,因为 3D 打印技术的发展,必将消除“零售商”这个概念。
所谓“消除零售商”,是指:如果我有一台 3D 打印机,那我就不用再向制造商买东西,我自己就能生产商品,甚至还能卖给别人。也就是说:3D 打印机的拥有者,最终会变成制造商。
尽管目前大部分消费者能买到的 3D 打印机生产效果还不如大制造商工厂里的机器,但它们正快速追赶。如果未来 3D 打印机能实现高质、量产,那么人人都能成为制造商,现在的“零售商”概念也将随之消失。
同时一旦嫁接“开源”,人们不仅能以相对低廉的价格买到 3D 打印出的产品,还能免费下载该产品代码。也就是说,人们只需要准备必要的原材料,就能制造出别人设计的产品。
如此发展,生产能赚钱的东西可能就不再是有技术和有创意的人的专利了。任何人都能靠生产别人创造的产品获利。这种开放,能保证商品有极大量的市场供给。它的好处在于:买方得到所需产品的成本降低,而卖方生产时的边际成本也被摊薄了。
在 3D 打印领域,分享已经引领潮流。Thingiverse 和 Shapeways 等平台都在扮演“开放资源社区”角色,它们提供大量公开分享的产品代码及无数有形的小产品。
奥巴马政府已经规定,美国以后在所有中小学都要有个 3D 打印机,每个孩子都要有个 3D 打印机,以后你会看到所有小孩在自己家里用 3D 打印方式生产东西。他们也许使用回收的材料、廉价能源,东西可大可小,但是一切都可以打印。在未来,也许大桥、高楼这样比较复杂大型的东西还需要专业公司生产,但是一些小东西完全可以在家里自己生产,而他们所需要的模板材料,都可以从互联网上免费获取。
也就是说,未来必然会形成一个大厂商和不同生产者竞争的格局,如果一个公司想替代普通生产者去生产某一样小东西,它怎么能干得过全人类呢?
大数据 + 分享经济
另一个领域虽然还未受到太多关注,却必将改变世界。它就是:不同数据库之间的数据共享。Facebook 为什么收购 WhatsApp?亚马逊为什么宣布进入移动支付战场?答案是,现如今,软件公司中最聪明的那部分已经意识到,比他们正贩卖的服务更值钱的,是他们收集的数据。
当用户使用 App,他们定位被追踪;他们的购买历史被记录;他们在注册时需要确认个人信息、填写邮箱地址,甚至被要求提供母亲姓名。一个 App 收集到的关于某用户的数据也许零散、无价值,就像一堆组不成句的单词,但是,当多个 App 之间开辟数据共享,这些单词就可能被连成句子,甚至成段成章。而一旦这些共享数据找到彼此关联,它形成的信息网将释放巨大能量,极大降低现实中人与人、人与物之间建立连接的成本。
软件公司之间开放数据分享,效果能有多逆天?举个例子:Expensify 是家颇受欢迎的移动支出报告服务公司,未来,它的数据可以这样用:在它数据库,分享你和其他人的数据。这样,你的 App 会对你说:“嘿,现在是晚餐时间,在你住的酒店旁有一家很棒的泰国餐馆。我们另一位用户 Bob 也曾来过这个城市并给这家店 5 星评价,你现在想让我帮你定个座吗?”
或者,可以与 GrubHub 分享数据,这样它就能帮你订你最喜欢的菜并送到你住的酒店。又或者,与 Uber 分享数据:“我知道你刚刚落地,你是想直接坐车去酒店,还是先兜去那家泰国餐馆?”如果它们在用户付饭钱过程中加入一个打分体系,那它们收集到的数据,就相当一个商务旅行方向的 Yelp 了。
还有升级版。“‘嘿,这么说好像有点冒昧,不过附近有一个商务游客跟你一样喜欢泰国菜,而且从她的行程上看,她现在有空。你想跟她在 Bob 推荐的泰国餐馆一起吃点咖喱吗?如果你不想,我将不再提示。’”
这就是大数据与分享经济结合的结果。它就像个贴身管家,你想到的,它都能想到,你想不到的,它也能想到。这样的生活简直不要太方便,但是当技术进阶到“升级版”程度时,你可能:需要多花点心思看紧你另一半了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22CDA数据分析师 出品 作者:李诗怡 1. 金字塔原理 定义: 一种“先总后分、先结论后原因”的思考和表达方式。顶层为核心观点,中 ...
2026-09-22数据收集是数据分析、数据挖掘与数字化运营的源头工作,数据收集的完整性、准确性、时效性直接决定后续数据分析结果的可信度与业 ...
2026-09-21箱线图是数据分析中用于识别数据分布、判断离散程度、筛查异常值的核心图表。相比于直方图、趋势图,箱线图可以精准区分正常数据 ...
2026-09-21 很多数据分析师精通Excel函数和数据透视表,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 ...
2026-09-21在数据库数据查询与数据分析工作中,日期时间是最常用的数据类型之一。原始数据库中存储的日期格式多为标准时间戳、年月日时分秒 ...
2026-09-20在时序数据分析中,增长率是衡量数据涨跌幅度、研判发展趋势、识别周期波动的核心指标,主要分为环比增长率与同比增长率。传统Ex ...
2026-09-20 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 ...
2026-09-20CDA数据分析师 出品 作者:李诗怡 STP模型(营销战略三步法) 定义: 现代营销战略核心框架,通过市场细分(S)、目标市场选择( ...
2026-09-18在互联网产品迭代、运营优化、界面改版与策略升级过程中,主观经验判断容易造成决策偏差、盲目改版、资源浪费等问题。AB实验(AB ...
2026-09-18 很多企业并不缺少指标,缺少的是让指标“串起来、动起来、用起来”的体系。零散指标像散落一地的珠子,指标体系则是那根把珠 ...
2026-09-18在电商行业精细化运营时代,流量红利逐步消退,粗放式投流、广撒网营销模式已无法适配市场竞争需求。依托用户点击、加购、收藏、 ...
2026-09-17在数据可视化与数据分析工作中,图表是将零散数据转化为直观业务规律的核心工具。不同图表拥有专属的数据逻辑与分析维度,能够从 ...
2026-09-17