
互联网大数据只是大数据的起点_数据分析师
昨天中国互联网协会数据分析研究工作组在中国互联网大数据年会成立,我作为研究工作组的专家成员做了一个简短的分享。分享的内容,放到朋友圈里面已经有106个“心”了。在此,把分享内容放到公众号。
Part One移动大数据的重要性和特殊性
这里面有三个点值得我们关注:
第一,整个互联网往移动端发展,得移动互联网的天下;
(1)2014年上半年手机网民占所有网民的比例是83%以上,现在这个比例会更高;
(2)很多大型互联网企业的pc走势都是平缓的,而移动端则增长迅猛;
(3)刚才易车的朱总提到,易车60%以上的销售线索来源于移动端。
第二,移动互联网的发展是大数据发展的最重要驱动力;
为什么前几年不叫大数据,这几年大数据才火起来。我们认为最重要的一点是互联网尤其是移动互联网的发展。
我们举一个极端点的例子。路上的摄像头是不是采集很多数据,但是如果大家都用这个方法来采集,数据采集和处理门槛就非常高。因为他们的存储成本和处理成本都非常高。
而移动互联网让我们数据采集的成本大大降低,同时又有一个非常好的反馈渠道,即数据采集分析挖掘后,可以反过来给用户push相应的服务,数据采集和应用服务是打通的。
第三,移动大数据的特殊性
如果在pc互联网时代,你能拿到的数据有限。由于移动互联网是碎片化的时间使用,从数据角度来看,移动数据种类多、更容易代表一个人的完整行为和兴趣。
同时,手机跟pc最大的不一样就是屏幕。由于屏幕小,你不能什么东西都提供给用户。更需要通过大数据来了解用户的需求,投其所好。
Part Two 大数据如何在企业运营管理落地
大型的互联网企业其实做大数据已经比较领先了,但传统企业更需要也更迫切了解大数据如何落地。这方面如果要展开,可能要探讨两做天,所以就不详细展开了。
这里面想跟大家探讨的是,如果企业想开展大数据的工作,第一步应该怎么做?
当然是组建团队。组建团队的时候,有三个问题:
1.大数据团队领导人应该向谁汇报?
我的建议是越高层越好,越偏业务越好。有很多企业说重视数据,但老板都不看,这样根本用不起来。所以数据团队一定要能直接向高层汇报。那么是向COO汇报还是想CTO汇报呢?我的经验觉得向COO汇报更为合适。因为数据要为业务服务,为运营服务,数据从业务来,应该循环支撑业务。
2.大数据团队应该如何招聘什么样的人才?
不仅仅是平台技术类、数据处理类人才、还需要数据分析、数据挖掘、算法工程师、数据产品经理,还有一个往往被忽略的时候用户研究经理。因为大家总觉得有了大数据就不需要面对面的用户做深入的了解了。我觉得这是一个非常错误的看法。因为大数据往往不容易看到用户态度和心理层面的东西。另外,在很多产品没有上线前,要测试各种版本的效果,需要做用户调研,也是非常需要用户研究经理来帮忙。
3.大数据团队应该如何和企业各业务部门协同工作?
很多企业会往往出现这样一个现象,业务说数据人员不懂业务,闭门造车;数据人员说业务人员不懂数据,不懂统计学,不懂方法论;所以两者合作起来就很麻烦。所以,对于大企业,大数据团队需要一个公司级的独立数据部门,也需要每个业务部门配几个分析师形成分析中心。公司级的数据部门需要和业务部门的数据分析师一起合作更好的合作。
Part Three 大数据更广泛的应用
中国互联网协会的李部长问我,今天很多朋友谈大数据都是为广告和营销服务,是不是大数据就只能应用在这方面呢?其实,我很早之前就思考这个问题,近两年答案越来越明显了。
大数据如果作为商业模式中的一个引擎,即大数据作为产品的一个引擎,就有可能促进商业模式的升级。打个比方,把一个传统的商业模式比作一辆汽车,这辆汽车的引擎是2.0的排量,如果你在设计商业模式的时候把大数据很好的融入商业模式中,那么这辆2.0排量的汽车就有可能升级为2.0T,即变成带涡轮增压的发动机,动力将更猛。
大数据在很多领域,尤其是智能家居和健康医疗有非常好的应用:
♦ 当你发现,你家里的冰箱可以告诉你,经过分析,你应该去买胡萝卜了,你可以在电冰箱的屏幕下单或者用手机APP直接下单;
♦ 当你发现,你家里的灯光可以根据你的心情来调整,或者你可以通过手机APP来调整;
♦ 当你发现,你可以通过手机APP远程的监控身在老家的父母的血压,及时预警;
♦ 当你发现,你可以通过手机APP查看安装在老家的摄像头,看到父母的生活情况,而且摄像头可以给你报警,如果你的父母摔倒了,你可以立即采取行动。
所以,互联网大数据只是大数据的起点,未来还有很多想象空间,我们作为数据从业者,觉得还是非常幸运的。谢谢大家。
文:傅志华
关于作者:傅志华先生曾为腾讯社交网络事业群数据中心总监以及腾讯公司数据协会会长。在腾讯前,曾任DCCI互联网数据中心副总裁。傅志华先生现就职于某美国上市互联网公司大中心,同时任中国信息协会大数据分会理事和中国互联网协会数据分析研究组专家。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
DSGE 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 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09