
线上大数据竞争白热化,线下大数据“蓝海”犹在
在大数据市场,占了不到20%份额的线上数据成了兵家争夺之地,而线下数据这一大块蛋糕还在等待更多玩家的参与。
近几年来,“大数据”的概念被炒的越来越热,据相关数据显示,全球大数据市场规模在2016年达到了1802亿元,预计2017年将增至2211亿元。与此相对的,国内市场还有着极大的增长潜力,根据数据,2016年国内大数据市场的规模仅仅只有23.6亿元。
当前,因为云服务、人工智能以及虚拟现实等应用和技术的发展,“大数据”的重要性愈加凸显。比如人工智能技术和产品应用,在这之中,深度学习算法是AI产品能够实现“智能”的根本,而算法的高效是通过大量的数据训练来获得的。由此一来,大数据成为了人们眼中的“香饽饽”,引得众多创业者的投入以及资本的追捧。
除了行业不同,大数据也有线上线下之分
在此前的互联网+时代,人们逐渐看到了数据的价值所在,而随着智能化时代的愈加逼近,“大数据”已经无处不在,比如搜索时的智能推荐、刷脸登陆/支付等等操作。
当下,大数据正被运用到各行各业之中,像金融的智能投顾、智能汽车的高精地图等等。不过,当我们透过表面,我们发现,因为云服务、人工智能和虚拟现实等应用和技术的发展,大数据的确上升到了一个前所未有的高度,相关应用也已趋于成熟,但这多是指“线上大数据”。
在行业划分之外,虽然现在还没有具体的定义,但基于某些标准的划分,大数据也被分为了线上大数据和线下大数据。
“线上大数据是发生在线上的一些行为的累积,是一些行为被数据化的结果呈现。至于线下大数据,我们更多讲的是人们发生在线下的行为,是脱离了互联网、或者说跟互联网结合,但是实现场景是在线下的一些行为数据。”从事线下大数据搜集和分析的芝麻科技创始人兼CEO朱智说道。
线上大数据竞争白热化,线下大数据“蓝海”犹在
当前,在线上大数据这一块,由于BAT这三家科技公司的强势,数据获取方面的竞争已经趋向于平稳,而各类云服务平台以及应用产品的白热化竞争,也驱使线上大数据的应用模式愈加成熟。
与此相对的,在众人于线上大数据市场争的你死我活的时候,线下大数据市场还是一个尚未过多开垦的广阔“蓝海”。以消费数据为例,据国家公布的相关数据显示,虽然线上消费行为越来越多,但是总体消费中所占的比例仍不足20%,而线下大数据每年平均能够占到88%左右的份额。对于全世界而言,如何更多的挖掘线下大数据的价值?如何更好的应用大数据为线下产业服务?这是一个需要共同探讨的问题。
在国内,当线上大数据因为云服务、人工智能等因素而备受关注的同时,线下大数据这一“蓝海”市场也渐渐被挖掘出来:
芝麻科技:2013年11月获联想之星的天使轮融资;2015年7月获光信资本Pre-A轮融资;2017年2月获数千万元A轮融资,由深创投领投,品友互动与碚曦投资withinlink跟投。
ZMT众盟:2016年2月,A轮,九鼎集团、海子资产联合投资;2016年4月,A+轮,复星集团领投,九鼎跟投;2016年12月,亿元级B轮,由昆仲资本、IDG资本领投,盛景网联跟投。
汇纳科技:2011年1月,A轮,红杉资本中国投资;2012年1月,B轮,红杉资本中国投资;2017年2月,IPO A股上市。
Counect互帮国际:2011年7月,天使轮,美国雅诗兰黛家族、北京华扬联众、香港Agota、新西兰Cathay策略性投资;2013年1月,获得开物投资数百万美元投资;2014年,A轮,由金沙江领投,阿里巴巴跟投,此外还有来自产业链各个环节的投资方,如雅诗兰黛家族、尼尔森网络前董事长、剑桥信息集团。
从这些投融资情况来看,或许线下大数据的资本热度没能赶上线上大数据,入局玩家也没能够形成较大的规模,但我们也能够看出,这一“蓝海”市场正逐渐受到资本的关注。
壁垒打破,智能硬件助力线下大数据搜集
数据!数据!不管是数据咨询分析,还是数据的其他的应用,这一切都建立在一个大前提——数据搜集的到位上。借助于互联网等媒介,线上大数据的搜集是相当容易的,比如搜索引擎的关键词搜索、各类终端APP的浏览记录等等,这些都是搜集线上大数据的渠道。
论及线下大数据,不同于线上大数据的多个应用方向,线下大数据的收集和应用多在零售行业。前文也说了,在数据收集上,线上大数据的渠道真的是五花八门,以零售行业为例,以往,线下大数据厂家需要去跟零售商挨个的进行一对一的交流对接,从而进行相应的部署。单单从这种部署模式来看,其中的难度和效率之低就可想而知。另外,在零售商方面,他们的能够提供的数据多只是从POS机和监控摄像头获得的,也就是说,在数据上,仅仅依靠零售商而得到的数据并不是全面、有效的。
“线下的数据会蕴藏在各种场景下,智能硬件是挖掘宝藏的最佳方法。”朱智表示。通过对多个专注于线下大数据解决方案服务商的观察,我们可以发现,在数据的收集上,它们的过程中都有着“智能硬件”影子的存在,并且还担任着最重要的角色。
同时,为了迎合零售商的需求,让他们直接看到自己的客户流量等数据,智能硬件+终端APP这一搭配几乎成为了线下大数据厂商选择的主流,像ZMT众盟推出的众盟淘金盒子+“掌柜”APP,基于对数据的收集和分析,其能够向零售商展示客流量、到访频率、停留时间等等数据,从而掌握门店的运营状况。
入局线下大数据,敲门砖“精准营销”最受欢迎
在我们的意识中,数据向来是一个理性的代表,也是一种精确、令人信服的存在和依据。对于线下大数据,其当下最大的市场在于零售业,而在后者,其最为看重的就是产品的销量等等,由此,精准营销成为了线下大数据的一大应用方向。
在ZMT众盟创始人兼CEO广宇昊看来,之前基于线上大数据的广告推送模式更多的靠概率,基本等于“猜”,而线下大数据的真实、有效,则能够助力中小企业实现针对定向人群的精准营销。“搜宝马的人不一定会买宝马,但是去过宝马4S店的人,一定会买,或者他处在想买宝马最后的关键节点上。”广宇昊说。在其看来,一旦这部分数据被更好地应用,将为企业精准营销提供有力参考。
当前,不管是哪家线下大数据的从业者,或许其在未来对线下大数据有着进一步的规划,但在市场潜力巨大、竞争也不是那么激烈的眼下,精准营销成为了他们入局线下大数据的一块“敲门砖”。
一般情况下,当走进一家服装店,消费者或是自己挑选,或是将自己的要求告知导购员,让其协助挑选和推荐,或是直接由导购员依据自己的经验进行推荐。这种模式下,消费者往往会花费很多时间,甚至有时经导购推荐而购买的东西也不是自己喜欢的,在这里,我们看到了精准数据的用武之地。还是以服装店为例,基于线下大数据的精准营销,零售商可以获得客流量等数据,从而对产品进行针对性的营销。并且,通过对消费者个人画像的分析,导购员等服务人员也能够对其进行精准推荐。由此一来,营业效率得到了提高,而数据变现的速度也进一步加快。
数据必将上下打通,如何高效运用是当前的考量
不过,我们也得承认,虽然线下大数据市场还是一片蓝海,玩家也是屈指可数,且单单零售商这一块就足够多个玩家玩个好几年,但是,线下大数据服务商也不能掉以轻心。正如线上大数据,从一开始的收集,到现在的存储、分析计算和各类软硬件产品的应用,不管是应用方向还是商业盈利模式,线上大数据的规模都是多样性的,从而才驱使了该市场的成熟。
当前,作为一块“敲门砖”,精准营销成为了线下大数据服务商的主要业务,但在接下来的发展中,随着相关技术的发展,这一蓝海市场逐渐被打开,这也就意味着将有越来越多的玩家进入。届时,仅仅涉及精准营销方向的结果只能是被市场淘汰。除了需要打造多样的数据应用方向和商业模式,不管是从长远的角度,还是从当下的情况来看,线下大数据服务商也要注意:
打通线上线下大数据:通常来讲,线下大数据更能反映用户的行为,比如线上搜索“宝马”和线下走进“宝马4S店”,两相对比,后者更能反映用户的购买心理,对于零售商而言,这才是最有用的数据。不过,我们也不能对此一概而论,或许线下大数据的价值更高,但线上大数据的价值也是不容忽视的。
当下,因为电商的盛行,打通线上线下业务已经成为了品牌商的通性。基于线下大数据,品牌商能够在营销等多个方面实现精准优化,但作用也仅限于线下场景,而当加入线上大数据,品牌商得到的优化建议将是更为全面的,比如为什么消费者没有将了解的欲望转换成实际的购买力等等。通过对线上大数据和线下大数据的打通,客户能够从不同的维度了解自己的运营情况,从而制定出更为精确的营销策略,实现线上线下对消费者的全面包围。
“识别”有用的数据:因为线上大数据的收集渠道众多,大量的数据也就蜂拥而至,这时,问题就来了,面对这么多数据,我们该如何找出真正对自己有用的数据?这些数据又该如何处理?同理,在线下大数据的收集方面,虽然线下场景是数据的“第一现场”,但也面临着同样的问题。
借助相关智能硬件,通过对客流量、入店率、复购率、顾客活跃度、来访周期、驻店时长等多维度数据的采集、分析,商机能够了解消费者,进而进行精准推荐。在这之中,比如来访周期这一块的数据,店员、外卖人员和消费者的来访周期和驻店时长是不一样的,那么,智能硬件在收集数据的过程中该如何对三者进行正确的区分?
不管是何种商业模式,抑或是数据应用方向,全面、精准的数据才是保证一切工作顺利开展的前提和关键。此外,这也是后面线下大数据市场发展的趋势。
结论
“现在的搜索已经很精准了,但搜宝马的人不一定会买宝马,这就反映了线上的强需求表达依然不能反映客户的真实需求,很多行业仍旧存在这种状况。重决策、长决策一定是在线下考察后决定的,医疗、教育、房产都属于这种类型。”广宇昊表示。
从中,我们了解到,线下大数据在多个行业领域内的重要性是远远大于线上大数据的,这也就透露出了该市场的前景之大。不过,相对于线上大数据的热火朝天,线下大数据这一市场当前还处于起步阶段,其背后也就意味着市场、技术等多个方面还有许多问题没有解决。
在这方面,线下大数据厂商所能做的唯有不断地进行摸索,进而发现问题、解决问题,探索更多的可能性,去应对和适应市场在未来可能发生的多种变化,让自己站稳脚跟,去推动市场的成熟。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01