京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据带来商业模式的成熟发展革命
大数据带给人们巨大的理念上的改变,同样它也会带来商业模式的成熟发展甚至革命。对大数据在商业上应用的1.0、2.0和3.0版本,做了细致的分析。
大数据1.0
大数据1.0很好理解,一个企业自身的业务需求产生大量数据,利用这些数据,通过深入分析,可以优化相关的业务。在这个时候,数据起到了指导决策的作用,举几个例子,比如说沃尔玛,它有大量的会员卡和零售数据,所以通过这些数据可以制定更好的优惠卷和个性化商品推荐服务。
也通过这些数据它能够更好地管理产业链、仓储和物流。我们在北京做过一家,是专门做电子商务服务的,拥有2亿多用户的数据和8千万单品的数据,就是怎么样做商品的个性化推荐。利用这些个性化推荐,不仅可以直接做自动化展示,还能够帮助电商更好地编排在网上店铺的摆放等等。
豆瓣是全球做社会化推荐最好的一家企业,利用评论数据,也利用点击浏览数据能够做到听其言观其行,利用这些数据可以做到几乎最好已知的社会化推荐,这样的例子还有很多。
还有一家企业,可以把电子化定义拿来做智能的诊断,亚马逊是做个性化推荐的鼻祖,它可以知道几乎你手机上安装的所有应用,事实上它能知道你的消费水平,有没有小孩,有没有车,有没有得什么慢性病,有没有金融支付终端等等,它还知道你在哪个地方,如果是这样一些企业打这样的个性化广告效果会很好。
大数据的2.0
大数据的2.0和1.0的理念有所不同,这里强调数据的外延。数据除了从自身的业务产生并解决自身问题以外,我们最终是数据本身有能力解决其他的问题,同样我们也需要有能力去把其他很多其他的数据放在一起解决自身的问题,这就是所谓的数据外部性问题。这里要求企业搜集与目标业务直接或间接关联的大量异质数据。
建立复杂的分析和预测模型,产生针对目标业务的输出。这时候数据本身就是决策。为什么这样说?虽然在这种复杂的模型中,我们已经很难看到真正的因果关系,我们并不知道是为什么由A到B,由B到C,但是我们只知道选择A比选择B好,所以数据本身不仅仅是指导决策,而就是决策。
举几个例子,比如说Zestfinance是一家很奇怪的信贷公司,可以快速发放小额贷款,所利用的不是平常讲的背景调查等等,而是它分析社交网络以及在其他购物等等频道留下来的你的活动记录,所以他说所有的数据实际对我们来说都是新闻数据,用这种办法来预测还贷能力,计算信用度,最典型的是把其他和你本行业看起来没有直接关联的数据用起来做本行业的事情。
大数据3.0
希望大数据3.0能进入真正的大数据时代。在这里我们对数据的质量价值,数据好不好,有多大价值,如果交换要如何付费。如果别人拷走了你的数据怎么算?还有数据的权益。还有我们特别关心的数据隐私安全等等,我们要有充分的认识。要又可以量化或者可以保障的措施。
在这个时候,类似于电信运营商有一种叫做数据运营商会出现,会有很多数据,在上面会有小的科研团队或者创新型企业,也有数据提供商和数据加工商,他们会产生不管是下载还是API接口还是其他的产品,会成为一种单独的产品在上面出售,有自己的分成模式。这个时候会出现一种新的数据客,他们在数据市场中玩粗加工的数据或者是粗加工的数据产品,再产生新的数据产品,以ATI的形式投放到数据市场。
就像手机市场中,经常有两三个人很聪明的人开发一个很有趣的应用,就有很多的使用。那时候可能有一个很聪明的人,开发和有趣的数据产品,可能很多企业政府科研团队都会使用他们的数据产品。
当然,最重要的是,所有的学术团体、企业和政府,都能够使用到大数据,这就是为什么讲今天叫大数据时代,因为如果只有两三个人,或者七八家企业能够用到大数据这不能叫一个时代,就像十个人上网不能叫互联网时代。
所以将来当我们有了大数据之后,我们希望的是未来某一天通过更好的索引,更好的体系结构的支撑,使得普通的科研团队、普通的创业者都能够有办法获取你所想获取的数据里面的一些逻辑片断,我们未来操纵大数据应该是四两拨千斤举重若轻,尽管我看到的是一个很大的数据,但是操作起来就像单机版里面的一个小文件一样,这是我们未来的希望。
总结
大数据从1.0到2.0到3.0,我们提过一个概念,商业模式从2B到2C到2D、2Data,实际上是有两条线在驱动它,一条线我们希望它越来越粗犷、开放,数据一定要开放出来,以共享的心态。一条线我们希望它越来越精深,就是深入地分析。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12在数字化转型深度渗透的今天,企业管理已从“经验驱动”全面转向“数据驱动”,数据思维成为企业高质量发展的核心竞争力,而CDA ...
2026-03-12在数字经济飞速发展的今天,数据分析已从“辅助工具”升级为“核心竞争力”,渗透到商业、科技、民生、金融等各个领域。无论是全 ...
2026-03-11上市公司财务报表是反映企业经营状况、盈利能力、偿债能力的核心数据载体,是投资者决策、研究者分析、从业者复盘的重要依据。16 ...
2026-03-11数字化浪潮下,数据已成为企业生存发展的核心资产,而数据思维,正是CDA(Certified Data Analyst)数据分析师解锁数据价值、赋 ...
2026-03-11线性回归是数据分析中最常用的预测与关联分析方法,广泛应用于销售额预测、风险评估、趋势分析等场景(如前文销售额预测中的多元 ...
2026-03-10在SQL Server安装与配置的实操中,“服务名无效”是最令初学者头疼的高频问题之一。无论是在命令行执行net start启动服务、通过S ...
2026-03-10