
不久前,有两份报道引起了我的注意。一是《时间简史》的作者斯蒂芬·霍金教授(Stephen William Hawking)用大数据为征战巴西世界杯的英国队支招——顺便说一句,不久前雅虎总部的一个科学家小组亦基于轻博客网站Tumblr的数据研究,发表了巴西队终将夺冠的预测;另一个报道是引发国内媒体广泛关注的Mary Meeker的2014版互联网趋势报告。
两份报道透出的信息很是有趣,特别是当代最杰出的物理学家也用自选课题以实践的方式对大数据的价值给予了肯定,数据分析师,站在雅虎北京全球研发中心刚度过五岁生日的时间点上看,这确实让我们对未来有了更多信心——毕竟大数据既是雅虎的一大资源优势,也是过去五年来团队为之努力的一个方向。
大数据创新要依托于大平台
作为雅虎的一名老员工和长期从事信息技术创新的工作者,我对两份报道相关信息的看法是:第一,大数据不会是昙花一现的行业话题——普通用户可能会对数据揭示出的一些看似风马牛不相及的事物之间的隐秘关联很有兴趣,比如为什么英格兰队身穿红色球衣便会提升约20%的夺冠几率,但对从事研发的团队而言则更关注如何获取更多有价值的数据、如何使得数据分析结果能够精确到足以分辨小众乃至个体的差异与偏好、如何将发现的规律转化为激发需求的动力——一句话,对大数据的充分采集、分析和利用会彻底改变产业竞争格局乃至亿万用户的未来。
几率就是机遇。当我们有办法根据大数据衍生的结果来提升某项产品决策、某次广告投放、某些针对特定消费群体的诱导式促销的成功几率,也就意味着我们能将小机遇变成大机遇、将低概率变成高可能性。
然而针对大数据的研发也有着一些门槛:比如,要有足够多的用户源源不断地生成足够庞大的数据;再如,要能在确保用户隐私不受威胁的前提下,实现数据与制造数据的用户之间的安全、牢固、持续的链接;此外,还要有可验证、反复修正并因此越来越有效力的结果。
所以大数据创新最好能依托于一个大平台——这就引出了第二点:在用户数量、用户黏性、用户活跃度等方面,雅虎仍然具有不可低估的影响力与潜能。
Mary Meeker的报告显示,2014年3月,全球十大互联网服务商中,雅虎排名第四位(根据全球每月独立用户访问量统计),与2013年的位置相同——对一家互联网公司来说,没有比忠诚的用户更重要的资源和筹码——这为雅虎的再度崛起提供了最为坚实可靠的基础,但同时,全球逾8亿用户、4.3亿移动用户,这些数字也鞭策着我们不能浪费雅虎作为大平台的优势,而是要基于我们独有的大数据资源,以领先于趋势的洞察、贴近用户需求的视角和比过去更高的效率研发出更具竞争力的产品,在此方面,雅虎北研与雅虎总部的同事正在携手向前。
第三,中国互联网公司的崛起不仅是大势所趋,而且它们还会在大数据主宰全球商业的时代持续成功——根据Mary Meeker的报告,去年还未进入全球十大互联网服务商榜单的阿里巴巴、百度和搜狐成为金榜新贵,分别排名六、七、九位,去年上榜的腾讯从第十位跃至第八位。全球互联网十大服务商,美国公司占六席,中国公司占四席,影响力已近分庭抗礼——根植于世界首屈一指的移动互联网市场与人才基地,在独特的文化背景下为亿万用户提供产品和服务,中国互联网公司已在过去的十五年里逐步发展出跨国对手难于复制甚至于模仿的竞争思维与产品理念,而在依稀可见的物物互联、人人互联、人物互联的下一波风暴中,拥有13亿人口、约8.5亿互联网用户的中国必将成为全球最大的数据源、创新源与市场动力源。
雅虎北京全球研发中心也在向本土的成功企业学习和借鉴。过去五年,我们除了秉持“三赢”理念,为雅虎招募一流人才、研发核心产品之外,也在时刻关注与研究着国内IT行业的新模式、新现象。未来,不仅雅虎,预计会有越来越多的国际互联网公司与中国本地行业巨头携手开展形式多样的合作。
预见大数据的商业未来
Meeker 的报告强调了互联网未来发展的几个关键趋势,包括像移动互联网使用量的激增,视频、照片和其他富媒体内容继续增长,平板电脑用户以前所未有的速度增长,以及中国等新兴市场存在巨大机遇等。这里仅挑选展示一些关键数据:
互联网用户数增长已放缓至不到10%。智能手机用户数增长仍然强劲,但同样出现放缓。
智能手机用户仅占52亿移动用户的30%;平板电脑出货量去年增长52%,虽然超过PC所有年份的增长率,但平板电脑用户仅为笔记本的56%,智能手机的28%,电视机的8%。
全球97%的智能手机采用了“美国制造”的操作系统,而在iPhone出现之前的时代中这一比例仅为5%。
2013年,互联网广告营收增长16%,移动广告增长47%,后者在互联网广告中占比增至11%。
虽然移动广告增长乐观,但移动应用营收占移动端整体收入的68%,远高于广告。
现存的比特币钱包数量约为500万个,达到去年同期的8倍。
WhatsApp和Secret代表了电话通讯录优于好友图谱,而这就是即时通信应用的未来。目前,全球OTT消息服务在5年内积累了10亿用户,人们的通讯方式也在发生改变,图片和视频共享猛增。
内容由消费者提供,社区是由用户创建,同时服务于用户;商务,即商品购买。
消费者在看电视的同时还使用移动设备,主要是浏览网页和购物,而智能手机已成为被浏览次数最多的屏幕。
中国移动互联网用户目前达到中国互联网用户总数的约80%。相对于其他市场,中国的移动互联网用户已达到“关键的大多数”,因此将主导移动商务的革命。
前10大互联网公司中只有6家为美国公司,少于去年的9家。前10大互联网公司超过86%的用户位于美国国外。“中国市场正在快速发展”。
作为前摩根斯坦利分析师,这次Mary Meeker的报告是历年来分量最足的一次了,热点趋势无所不包,非常全面。里面列举了大量的公司,大量的商业模式,她展示的PPT多达165页,有兴趣的朋友可以找来看一看。数据分析师培训
|
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10