京公网安备 11010802034615号
经营许可证编号:京B2-20210330
移动互联网和社区O2O是今年资本竞相追逐的两大领域,不少细分领域的明星公司动辄获得数千万元融资,例如丁香客、荣昌e袋、河狸家等。但创业公司在采集了大量用户行为数据后,如何进行有效的数据分析和应用成为众多创投人士关心的话题。在他们看来,大数据应用找到合适的变现模式,或成为引爆业内新一轮大发展的关键点,蕴藏大量投资机会。
青睐数据深度挖掘项目
“数据收集其实不难,难的是在行业方向的深度垂直挖掘和应用。”海银资本合伙人李东平说。他认为大数据应用最基本的问题是数据源的界定和获取,但这个问题目前行业已经解决得很好,各种入口不断被获取。面对海量信息,数据的深度垂直挖掘和应用至关重要,开发者对待数据的使用者需具备服务者的心态,这样才能发现并解决最核心的需求。
他以给中国移动做咨询的经历为例,移动网关能够捕捉用户开关机的数据,假设一个人北京关机、在成都开机,中间间隔三个小时,便意味着坐飞机到成都出差,如果数据处理的第三方能把这些数据统计出来,分析此人在未来是否为高频率旅行客户,再积累大规模类似的信息,做成一个服务包,这就对航空公司和票务公司具有很大价值。而作为服务商,可以将从前者拿到的优惠折扣提供给客户,来回就会产生双重的增值效应。
他说,大数据应用不能单纯依靠技术,还要借助在传统领域有所积累的行家。“比如,我收集微博上的言论,只能很简单地通过计算褒义词、贬义词的频率去判断一个人的态度或观点,但语言学家会用更多的分析方法判断一个人的特征。”他认为,技术不能代替一切,行业发展到深度挖掘和应用的层次,应该结合一些传统要素。
东信网络首席战略官郭利锋表示,他们会利用大数据对消费者先进行大概分类,然后再进行目标投放。随着大数据的沉淀和完善、计算机对人进行分析和匹配。未来的营销会从群体营销进入个体经销阶段,不是针对一群人,而是针对每一个人,围绕生活每个时点、围绕社交关系层,对每个人制定不同的营销策略,传递不同的表现内容,并且去引导其进行购买。他将此称之为“程序化营销过程”。
最关心大数据变现问题
当完成了数据采集、存储、处理、分析等一系列工作后,如何变现成了大数据应用最根本的问题,也是创投人士关心的话题。
李东平认为,数据要能赚钱关键在于发挥其预测的功能,而非仅仅统计。例如想设立一个投资电影的基金,需要判断电影是否值得投资,就会把导演、演员、电影类型、合作院线层级和数量、相应过往评论等数据全部搜集起来,放到构建的模型中去测量,百度就在做类似的工作,他认为很有前瞻性。
华创资本董事总经理曹映雪认为,数据变现的根本问题在于应用场景的开发和完善,目前还没有固定模式,但在金融领域已有较多尝试。比如,一些P2P平台会提到即时信贷:贷款人即时申请,平台10分钟就可以放贷。其中,是否放贷的决定以及放贷额度依靠的就是后台的金融大数据平台。这个大数据平台不仅会挖掘贷款人传统的银行数据,还通过申请者线上交易的支付宝、信用卡账单等第三方信息迅速集成,进而通过自身建立的模型给贷款者进行信用打分。“实现上述流程要求具有信息的快速处理能力。”他说。
除金融大数据,华创还接触过部分做视频大数据的团队,“视频大数据在大数据的云存储领域应该占到整个市场份额的50%以上。包括后续数据计算方面的一些商业场景的应用,值得关注和探讨。”他说。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06