
大数据时代的历史机遇_数据分析师
非常高兴来到中国O2O高峰论坛跟大家聊大数据这个话题,我PPT的内容是讲大数据时代的经济变革,我们这个联盟有联盟三论,这个可能是跟任何一个联盟都相区别的地方,我们是以联盟三论为基础,形成我们独特的品牌内涵,我们产业发展的品牌去集合社会资本,这是我们联盟要做的事情。
今天为大家分享的就是前联盟的第一论,就是论企业的变革,第二个是经济的变革,第三个是组织的变革。如果你们从一个微观到中观局部来看,微观看企业的发展方向,中观看企业的融合趋势,落地的时候看组织变革,这是三者之间的关系。
我从几个案例开始讲,《纸牌屋》的电视剧有谁看过?我讲一下《纸牌屋》背后的故事。这个电视剧公司是美国一家出租DVD的企业,以前用户租DVD,最后升级在线看视频。我们看一下他们股价走势,2011年的时候到达一个顶峰,这个时候却犯了一个结构性的错误。他们已经拥有三千万注册用户,相当于美国的10%,原来是10美元,后来变相涨了6美元,用户纷纷转到了网络。同时,他们的股价也从300美元一股,急剧下降到100美元以下。
这个公司重新审视了公司资产,最后发现公司数据非常值钱。用户每天在这个网站产生4千万次的行为数据,还有三百多放次收缩数据,还有4百万次的吐槽。把这个东西做起来能不能从这个地方挖掘一些东西出来?
现在大数据把他的影片做了一个精准的分类,这个网站的影片和电视剧做了七万种的分类,把人群做了30万种划分。把这几个要素抽离出来拍了这部电视剧,他把这个导演请过来,把演员请过来,把剧本买过来。自从这个电视剧拍出来,股价就上涨了。现在这家公司的股价已经超出了500美元一股。
现在北京电影影院也成立一个大数据研究院,跟我们合作,用大数据的技术看导演靠不靠谱,用数据选剧本,看什么剧本最容易卖出。这也是国外产业升级的例子,大家用数据实现了业务的转型。
我们看国内的案例,国内《小时代》这个电影,大家有看过吗?好像不是我们这个群体看的。《小时代》在国内都是饱受批评的,说这个电影不符合主旋律、败金。但是商业上这个电影是非常成功的,尤其《小时代1》发布的时候,他们做了测算,第一类指标是作者郭敬明的粉丝数;第二类指标是这些粉丝们或者互联网上人们传播评论预告片的次数;第三类是把档期的特性放在一起做了一个模型。《小时代1》电影投资3千万,消费者不敢相信能获得5个亿的票房。2012年的时候都大家都在等冯小刚的《1942》,大导演、大投入、大制作,但是很意外的是《1942》在2012年卖得不好。
紧接着《泰囧》收获了12亿的票房,很多人看不懂这个现象。资本市场看不懂,老板经理也不懂,他们就想什么片子跟《泰囧》类似,一看《小时代》差不多。觉得《小时代》这个片子不得搞7个亿的票房吗?大家疯狂地拍《小时代》,这个电影计算5.2亿到4.7亿之间的票房,最终的结果是4.83亿,这个电影出现了一个很明显的现象,在座的很多人可能都没有看过,但是很多年轻人包场看这个电影,所以这个就是一个很典型的现象,后来紧接着《小时代2》、《小时代3》都上映。《小时代2》获得4.23亿票房,《小时代3》破了5个亿票房。它是在为某些特定的人群拍这个人群喜欢的电影,收获了这么好的商业的收入,是因为他们精准地分析了客户,才得到这么一个结果。
这是一个产业的问题,这样的案例还有很多。乐视网推出了一部60多寸高清屏的电视,操控非常简单,你可以玩游戏,还有海量的电影。大家猜一猜这个电视卖多少钱是合适的?这台电视的最终定价是6999块钱,超出了我们的预期,但是电视的功能也超出了我们的预期。现在这个电视价格已经是4999块钱,它叫客厅电视。这么一款很高性能的电视为什么卖这么便宜?
我们看下面这个结构。乐视网这是平台,中间是产业数据,他用数据、终端四位一体的模式构成一种跨行业的,这种结构具备了一种跨行业交叉补贴的能力,换句话说在这个商业模式里面我不在靠卖电视赚钱,而是靠拍电影赚钱。
买的电视越多就可以形成一个传播。在这个大的生态里面,电视很重要,但不是利润的来源,它是跨行业的补贴。按照这个模式去做,它做得非常成功。谁跟这样的公司竞争?
我记得2013年4月3日,海信的股价跌停,乐视网的股价连续三天的涨停。原来我问乐视高管为什么先做电视?他说:“电视机这个行业,三十年没有变化,颠覆起来最容易,所以做电视。”他的竞争对手一定要做相似模式的东西,都有终端平台应用和大数据,那就是小米公司。
小米公司做手机、电视,还做了路由器。乐视和小米是竞争的公司,小米是非常了不起的企业,成立五年估值四百亿了。事实上,这种终端级的竞争,很多行业的企业很可能没有进主战场就消失了。我举一个例子,收视率调查这个行业,过去收视率调查是非常重要的行业,基本上左右一个栏目的生死,一部电影、一个栏目、一部电视剧的广告值多少钱,能不能被播出都是跟收视率息息相关。以前收视率靠打电话、靠入门问卷覆盖了70%的市场,但是现在想想看,如果大家都用智能电视看电视,用手机看电视的时候,这样的行业已经不行了。
我讲一下电商的生态结构。电商领域的终端是手机电视软件,它的应用是平台和网络,在电商这个模型里面,它不需要去盈利,它可以用任何一个行业去赚钱,比如说金融。
连锁时代的苏宁怎么跟京东比?在过去,我们看一下苏宁的股价走势图,从2006年到2008年,苏宁跟国美是打价格战,到2013年苏宁跟京东打架,每打一次,股价都下跌,为什么?在2008年的时候,连锁店时代,制约一个企业发展的要素最根本的是门店,门店越多,客户流量越大,流量越大采购额越大,采购的价格就越低,他给用户带来的价格就越便宜。所以苏宁、国美扩张了,很多的百货店跟零售市场就破产了。
但是苏宁跟京东竞争的时候变成另外一种状况,京东没有店,比的是什么?以数据市场为核心;第二,京东也不去靠卖货赚钱,你卖彩电赚一百块钱我不需要给他分,我都可以给厂家,苏宁是要分的,过去的连锁店要分钱的。
有些厂家不跟苏宁合作,干脆自己建渠道,所以在连锁店那个结构里面,这个生态是不稳定的,紧绷绷地存在。我如果下一个一亿台的定单,你生产需要一千万的资金去周转,我可以同时匹配给你一千万的贷款,我去赚贷款的收入够了。这是两个完全不同的结构,我们看到了产业的升级。
以电商为核心的产业生态,我们在座的很多企业都有产业生态,一个上游、一个下游、一个自己,往上是各种服务业,很多是给生产线提供服务的服务业,怎么O2O?这个O和那个O怎么融合,纽带是什么?你要掌握数据中的信息流,通过数据为纽带,这两者之间的融合就会迸发出巨大的生产的能量。
我和很多地方政府领导聊过,他们都会很关心的核心话题有这样几点:第一个是老产业怎么升级的问题,投资、出口和消费都受到遏制。靠新的三个要素,叫制度的变革,所谓的制度的变革要从产业出发,不能单独看一个行业的发展,整个生态的角度破除条条框框的限制;第二个就是代理的产业;第三个就是土地这个生产要素以数据为核心,而不是以土地为核心。以大数据为依托,把生产服务业注入到区域经济,我们就靠这个给很多家政府在做规划,包括我们给发改委做顶层的战略规划,大数据治理方面的研究,给他们做医疗产业的规划,给海淀区政府做的大数据金融的规划。
我们做这些的目的不是为了帮政府做一个规划就完事了,我们帮政府做项目的原因和初衷是帮企业,因为我们既然能帮政府做顶层规划之后,反过来我们会带动企业实现利润增长,在这个过程中会产生很多的项目、很多的课题、很多的机会,这就是我们会员企业的福利。
凡是有志于做大数据突破转型的企业,你们愿意新经济新模式的企业都可以加入我们联盟里面来,共镶盛举。
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