
大数据跨界应用:理想很丰满 现实很残酷
“如果中国的大数据全打通,能够创造出更多有价值的增值服务,甚至创新财富。”在贵阳数博会期间,从北京来到贵阳参展的国双公司总裁助理周喜对记者说,由于信息保密方面的问题,大数据还难以跨界应用,实现利益最大化。全面的数据打通目前来说还只是一个“理想”的状态。
记者在采访中也深深感觉到,许多优秀的国内企业以及一些国外企业,都在各自所在的领域对于数据进行了收集、整理和挖掘,并将之应用到这个行业,提供提升行业效率和改变行业生态模式的一些解决方案,但是几乎没有看到跨界、跨领域的大数据成功应用案例,数据跨界连接等模式尚未成熟。
周喜解释说,用户信息源一定要有线索流,就是如何判断哪些数据是同一个单一用户的,企业可以不知道这个人叫什么和他的年龄,但是一定要知道在各行各业的数据里面,哪些数据是这个用户所产生的。只有把这个线索流梳理清楚,应用大数据去做整合,才能产生块数据,随之产生和实现新的应用和服务。
然而,大家都在收集自己的行业数据,而不同行业间的数据很难做到线索流的打通,不同大数据企业之间的数据也难以打通,第三方也不可能拿到这些企业的数据并进行线索流的分析。
周喜认为,现在存在最大的问题就是线索流无法打通,行业之间,企业原有针对传统应用的系统和其它业务模块数据之间无法连通,这是一个核心的问题。
周喜举了一个简单的例子,说明了很小的案例中线索流也难以做到打通。比如,在与某汽车品牌合作的时候,曾经遇到最大的困难就是判断在现场买车的这个人,他到底跟线上的行为有什么关系。客户原有的数据要和国双的数据匹配,这样才能将线索流做到打通。企业还需要不断往前追溯,了解购车人在哪个4S店进行购买,他之前试乘试驾了没有,接待他的经理是谁,然后再往前追溯客服中心有没有给他打过电话,他来填写网上的试乘试驾信息的时候是通过哪一个媒体的哪一个广告点位来的,或者是搜索引擎的哪一个关键词来的。再往前追溯的话,还需要了解诸如通过哪些媒体的点位到了网站,却没有产生有效行为,诸如第一次是通过哪些点位来的。一旦将这些所有的数据追溯分析完之后,就变成了一个庞大的整合营销销售流,而其中很关键的一点就是线索流的统一。
周喜认为,信息保密方面的问题使得任何一个用户对自己的行为和自己的线索,都不希望被别人看见的。比如说,他到京东上去买东西,京东有了他的数据;他接下来又去淘宝了,那京东和淘宝是不可能打通这个数据的,第三方也不可能把他们的数据拿到并且进行线索流的分析。
周喜以“理想很丰满,现实很残酷”,来总结数据分割这一状况,并认为这一状态将在相当一段时间内存在。他表示,大数据行业目前的现状还是散而杂,集中度比较低,因此企业最多只能成为某个细分领域的领军者。
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 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01