京公网安备 11010802034615号
经营许可证编号:京B2-20210330
千禧一代和大数据正在推动“分享经济” _数据分析师
要搭便车吗?要预定房间吗?打开一款应用程序,上述问题瞬间搞定。
我对这种分享型经济的潜力以及数据使这种新模式得以应用于商业所发挥的作用感到兴奋。上周在纽约首席数字官峰会(CDO Summit)发表闭幕讲话的Crowd Companies公司创始人耶利米·欧阳(Jeremiah Owyang),准确地对参与分享型经济作出了评价,他指出,分享型经济在2013年和2014年之间增长将近一倍,而在今后,它只会继续增长。推动分享型经济的社会、经济和技术力量通通到位,人们正继续发现点对点对等交换商品和服务的优点,而来自传统企业的阻力正让步于对适应这种新常态的理解。在这些情况下,保持强劲增长似乎是不可避免的。
我想更深入地探究客户数据和大数据在这种不断增长的分享型经济中的适用之处,以及老牌企业对此作出的回应——但首先,让我们快速回顾本文中讨论的内容。用欧阳的话来说,分享型经济,就是“一种经济模式,在这种模式中,技术能帮助人们从彼此——而不是从集中化的机构获得各自需要的东西。”一些更明显的例子包括优步(Uber)和Airbnb。
数据产生的影响
在分享型经济中,它并非是分享新鲜事物这种理念;世世代代以来,人们一直都是这么做的。而现在有所不同的是,在这种理念中引入了技术——特别是易于使用的数字技术,比如基于位置的GPS系统,可以帮助人们迅速地发出对商品和服务的请求,并作出回应。数据是支持分享型经济的技术架构中的一个组成部分。参与者可以自由地分享其数据,让别人知道他们的需求,而大数据算法被应用于根据存在闲置产能的领域提出相关建议,从而满足需求。数据是产能计算、社交媒体整合和数字技术交互的基础,这三者加在一起使根据需要获取事物成为可能。
另外,数据也是初创公司能轻松加入分享型经济的关键所在。得益于可以迅速分析和预测需求的数据分析,以及根据需求扩大或缩小数据和应用的云计算服务,进入市场的成本和时间降至最低。数千家初创企业纷纷涌入这个领域并寻找支持它们事业的资金,这毫不奇怪。
曾经的威胁变成机遇
直到最近,大多数传统企业才不再将低资产、高估值和分享型经济的初创公司(比如优步和Airbnb)视为威胁——也许能够成为新贵的初创公司并没有那么多,这些初创公司向花了很长时间才建立起规模的老牌企业大举进犯。它们的第一反应是打击这些新来的公司:出租车公司努力要让优步和Lyft等服务不合法,酒店运营商对Airbnb也采取了同样的行动,这是两个具有代表性的例子。
正如《哈佛商业评论》(Harvard Business Review)所指出的,随着时间的推移,越来越明显的是,分享型经济将不会消失,而传统公司开始看到调整自身运营,以适应分享型经济模式所具有的种种优势——并意识到“这种分享型经济不仅仅适用于初创公司”。
传统企业通过多种形式涉足分享型经济。一些大型企业正在收购初创公司;比如,汽车租赁公司安飞士(Avis)收购了汽车共享公司Zipcar。其他的则与初创公司展开合作,比如,与百事公司(Pepsi)和沃尔格林(Walgreens)达成合作,按需外包任务的TaskRabbit。
我最喜欢的参与分享经济的主流企业例子之一就是宝马(BMW)。宝马在去年推出以其电动汽车为特色的DriveNow汽车共享服务。这项服务很像同类其他服务:需要用车一个小时或者一天的司机使用数字技术分享有关他们目前所在位置、想要的汽车类型和目的地等数据。一旦他们在附近找到一辆符合其要求的汽车,他们就可以把车子开走,等他们用完之后,再将车子送回原地或者放在另一个汽车共享地点。
这是有关数据如何帮助实现分享型经济的典型案例。它表明的另一点是,主流公司如何自我调整,从而适应新的形势。在这里,真正具有变革意义的是,汽车共享服务由某个行业——汽车制造和销售——的某家公司提供,该行业的业务将被汽车共享抢走。然而,宝马却接受了它,并将它视为一次机遇,而不是竞争或者抵制。借用耶利米·欧阳的话说,该公司正努力将同一辆汽车共享1000次,而不是试图销售1000辆宝马汽车。
这种新型商业模式的下一步将是什么?我们很难预测。十年前谁又曾想过,一群组织松散的人用额外的房间和床垫,最终打造成一家估值为200亿美元的公司?但无论分享经济的将来如何,我都迫不及待地想看到它的发展,并看看大数据在这种发展中发挥的影响力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22