京公网安备 11010802034615号
经营许可证编号:京B2-20210330
迎接大数据制造业的到来_数据分析师
年底年初,中国股市一片火红色。除了利用一些政策性利好和那些半靠谱不靠谱的市场流言外,比较认真严肃的投资机构和个人投资者都想找到一些值得中长期投资的目标,得到比较可靠和比较丰盛的回报。对于找上门来切磋的,无论是机构还是个人,我都是一句话:投资大数据制造业。
大概是两年多前,也是在这个专栏上,我讨论过大数据时代启动期的三大支柱产业:网络业,新能源业和以三D打印业为代表的新型制造业,它们共同的底层推动力都是大数据的发展。时间过了两年,世界和中国最大的上市企业都变成了网络业公司,以严重依赖数据化开采技术的美国页岩气和页岩油产业的迅猛发展,将全球油价腰斩,正在引发经济和政治上的格局变化。而基于全新制造理念和技术所产生的一代新产品(例如智能手机)正在引发新一轮投资,创业和创新热潮,改变着人们熟知的传统制造业。
之所以要创造一个“大数据制造业”的新概念,一是想与近年来流传的一些大而无当,无所不包的概念分开,例如“新工业革命”;二是想扩展一些过于具象的名词,例如“3D打印”,“智能手机”,“移动互联网”等,将其中共性的东西抽象出来;三是想将制造业的新发展与大数据时代联系起来,作为一个子概念使用。简单地说,大数据制造业至少具有以下三个特征:
第一,产品都是数据终端,具有生产,存储,传输和加工数据的能力。大数据制造不是自动化,计算机化或是机器人之类的东西,那些只是生产过程的改良,没有革命意义。大数据制造的最硬标准就是产品本身是数据终端,产品的使用会产生数据,数据可以被再加工利用。万事万物皆可成为数据终端,目前最好的例子就是无人飞机,智能手机,以及各种装入各类传感器的设备。
第二,产品从设计,制造,销售,运维直到更新的整个流程都依托各类数据和数据方式完成,普遍采用新材料,新工艺,新流程,高度依赖互联网。目前,能够初步实现这一点的是少数网络业公司,甚至产品本身也是数据化的。一些传统制造业的企业家们认为,只要一些辅助环节上利用了互联网,或者在市场营销环节上主要依靠互联网,这就算是转型新生了。其实,这不过是刚刚起步而已,离彻底革命还有万里之遥。例如,无人驾驶汽车可以算作大数据制造的产品,而仅仅在汽车信息服务系统上联上互联网,只能算是传统产品的改良。
第三,产品都以产品销售和售后持续服务相结合形成新的商业模式。传统制造业的基本商业模式是产品出售,即使有些售后服务也是围绕产品销售进行,不能成为主要利润来源。而大数据制造业的产品则是以持续服务为重点,产品销售围绕持续服务进行。一个典型的例子就是苹果公司。除了尽人皆知的手机和平板电脑外,真正的明星其实是它的网络应用商店,2014年的收入超过200亿美元,增长率超过70%,毛利率超过70%,仅收入规模就超过了除谷歌外的所有网络公司。这使得投资界不知如何对苹果公司分类,既不全是IT制造,也不全是网络服务。最好的办法就是另外定义一个产业,叫做大数据制造业。
凡是符合以上三个特征的企业都可以归入大数据制造业,无论它们正在努力转型之中还是刚刚创业。当然,目前还是大数据制造业的萌芽阶段,产品还难免带有传统的痕迹,对大数据的依赖和利用程度还相当有限。但是,一些带有革命性意义的创新正在涌现。例如,大数据制造已经深入到了原子和DNA层次,利用3D打印原理重组物质结构或是对DNA进行重新排序都已经在实验室和小规模生产中出现了一些成功的案例。三五年后,一大批利用全新的材料,有机物甚至生物制造的产品很有可能问世,涌现出一批引导时代潮流和资本市场走向的新锐公司。
经过三十多年的改革奋斗,中国已经成为制造业大国,在传统的和低端的制造业领域,已经是打遍天下无敌手。利用积累的资源,经验和市场,积极探索大数据制造的发展之道,已经成为越来越多中国企业家和创业者的共识。如何寻找,判断和参与那些具有大数据制造潜质的公司,正在成为一大批投资机构和个人的历史使命。经常听到一些朋友略带遗憾地谈起,当年若是投资了某个网络公司就如何如何了。衷心希望这一次朋友们不会错过这新一波机会。
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