
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
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