
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
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23