京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的终极目标就是成为你肚子里的蛔虫
前我曾在自己的脸书上问朋友,关于大数据很夯,有没有大家推荐的好书或是必看之「圣经等级」的可以参考?结果回应相当热烈,推荐也不一而足,从商业统计学到行为分析学,也有学界作者到业界作者,约10来本书,让人看得眼花撩乱。
转念一想,我既然有这问题,大概多数人也有这问题吧。意思是说,科技发展进到物联网时代,「大数据」这名词被不断提及,结果认真想了解才发现,这真是一门好深的学问,不仅仅只是以统计为核心,必须得从使用者的身份识别开始,逐渐扩及到情境、行为、认知、消费,以及企业与使用者之间的互动,通通都有值得被纪录与分析的思维在里头。
比方说,之前Google花了台币将近 1 千亿,买下Nest 这家公司,就让我感到有些疑惑。Nest 是在2010 年由 Tony Fadell 和 Matt Rogers 所创立的公司,在 2011 年发表了产品 Thermostat(节温器);2013年则推出了 Smoke sensor(烟雾感测器),双双获得超级好评,但即使卖得好,我还是想不出这与 Google何以愿意砸重金购併有什么关联性。
要回答这个问题,就得从大数据观念着手。简单说,真正影响消费者购物决策的关键,并不是从他在网上挑东西、点击、浏览的数据下手,而是得「还原」他当时的「情境」,那才是关键。
作者举了一个很有意思的案例: A 君上班途中,不经意看到路人穿着一件T-shirt 觉得很好看,到了公司之后,打开电脑,立刻上网搜寻,没想到跑出了10 万件商品,看的他眼花撩乱。正当他想继续看下去的时候,老召集所有人开会,于是他没有往下找,到了会议室开始进行会议。
会议进行中,他觉得有点无聊,于是拿出手机开始重新搜寻,却始终都没找到那件让他魂牵梦萦的 T-shirt。浏览时突然一个推荐商品映入他的眼帘,是一款他向来就很喜欢的手机品牌正在大促销,于是他想都没想就在线上买了这支手机。
如果你是数据分析师,单纯只从这位 A 君的线上浏览行为去分析,你一定会感到非常疑惑:为什么他明明是在找T-shirt,最后却买了手机?如果你将这样的行为列入演算的推送机制,未来就很可能会错判消费者的动机与消费习惯。
这就是作者想强调的重点,理想上,企业应该要能「还远」使用者的当下情境,才能理解消费者心裡想要的是什么,进而推送最正确的资讯给他。作者也举了阿里巴巴实际的一个案例,某一年的「十一黄金周」,他们发现使用 iPad 上网买东西的人突然暴增,原来是因为当年中国政府实施黄金週高速公路不收过路费的政策,于是大家都塞在高速公路上,于是只能用iPad 购买商品。同样的,如果你以为那是因为使用iPad 有比较好的浏览经验,而误判消费者心裡所想的,那也会导致企业判读资讯错误,而引发出错误的结论与企业决策。
到这里,我终于能明白,为什么 Google 会愿意砸下重金买 Nest,因为这是他们布局的一环,最终目的就是想知道你从起床到用早餐,到出门上班的交通期间,在上班期间内,中午用餐,下班后交通期间,晚餐,睡眠的所有讯息;企业也想收集你在家、在户外、在工作、在休息等……所有行为与情境,好作出对你这个人在连上网的购物行为做交叉分析,进而还塬你当时可能面对的状况与想法,掌握你真正的消费动机,推播最正确的资讯与商品给你。
这就是大数据想达成的终极目标:成为你肚子里的蛔虫,并且试图餵出你最想要的东西,提升流量,提升点击率,提升购买率,提升再购买率。
虽然听起来很可怕,因为你所有的行为都被大数据所掌握,然而活在网络时代的你,使用智能手机的你,大概就已经离不开这个处处被收集资料的网络,你唯一可能避开的方式就是不使用网路与电脑,不使用手机上网,也不用网路购物,但我相信这对绝大多数人来说已经是不可逆的行为。
无论如何,大数据的时代已经来临,只是悄悄在你看不见的地方蓬勃的运行着。我始终相信,大数据为人类带来的正面意义会远大于负面,只是你得有意识的了解它运作的逻辑—无论你是利用数据或被数据利用,都应该对大数据有所了解。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15