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
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27