京公网安备 11010802034615号
经营许可证编号:京B2-20210330
现在国外有应用大数据的案例
现在国外有应用大数据的案例,案例是一个父亲有一个高中生的女儿,接到了一个促销的广告,是关于婴儿用品的广告,这个父亲勃然大怒,说商家无良,为了促销向我的高中生的女儿促销婴儿产品。但是过了一两个星期,他感到非常的内疚,因为他对于商家的这种态度是错误的,原因是他的高中的女儿确实怀孕了。为什么商家会发现这个问题?商家实际上就是通过在商场的一些数据挖掘和比对,发现这个女孩子曾经在商场里购买过类似的一些商品,在有一些类似的货架面前驻足观看,而且这个频度很高,商家对于后台大数据的分析,筛出潜在客户,发出商业广告。
这可以说是一个很典型的案例,给了我们很多的思考,我们可以从很早的MBA的课程里面发现这些案例,这些案例都告诉我们一条,我们要去关注外部的一些数据,通过这些外部数据的获取研究,这是未来保险业非常重要的能力。
3、保险业应该是未雨绸缪,应该及早的对于大数据时代有一个未雨绸缪的观念,或者有这么一个未雨绸缪的心态。我基本的说法就是,如果我们把它抽象的讲,大数据时代的数据能力将成为未来保险企业核心竞争力的核心。中国有一句古话叫识时务者为俊杰,最重要的前提是认识,这个行业能够及早的认识到这一点,能够及早的做相关的一些准备是非常重要的。我讲这个行业需要一种大数据的思维,这是我们面向未来需要具备的一个非常重要的能力,你能够基于大数据的思维,能够全面的理解大数据的时代,把某一个产品、客户的服务放在大数据之下思考这个问题,这是非常重要的。
得人才者得天下。有一个数据说未来最热门的行业是数据科学家,所以数据工作者,数据工程师、数据科学家,将是未来这个公司的核心资源。这些人他已经不同于我们传统意义上的数据人才,不是我们原来基于IT的,对于数据库研究、管理、应用的人才,我讲这是基于大数据时代的数据人才。他们是什么?这些面向未来的数据人才关键的能力是什么?观察力和想象力。未来数据,科学家的核心能力是想象力和观察力,他能够观察到某一个社会现象背后的数据结构,把这个现象背后的数据结构挖掘出来,整合成一个新的商业模式,就创造了一个新的商业机会。有想象力,还能够知道怎么实现这个想象力,当然这中间数据是一个核心的要素。
我们要培育一个数据获取的能力,你知道数据在哪里。数据处理的能力,怎么构建数据之间的关系。我讲的数据处理不是传统意义上的数据处理,而是学会处理数据之间的关系,从这个关系当中找到规律性的东西,从规律性的背后发现商业模式。数据思维的能力。要学会基于数据的思维。
这对我们未来保险业所必须个具备的能力。当然,背后保险公司有很多的事情要做。比如传统以来我们一直做商业资本的,我们也知道随着非结构数据的大量应用,或者我们需要更多的对象处理非结构数据,我觉得未来的人工智能,专家的支持体系都会变得异常的重要。
如果要总结起来讲,发现数据的关联性,构建数据的商业模式,未来整个社会是一个数据社会寻宝的重要工具和能力。这是关于保险业的未雨绸缪所需要做的事情。时间的关系不占太多的时间。
总结起来说我还是这个观点,我认为大数据时代会比我们想象的来得快。大数据时代几乎跟我们每一个人密切相关。任何一个行业都可以忽视大数据时代到来的话,保险不行。大数据在根本上改变保险业的业态,做得不好,会使保险业传统的经营空间受到极大的压缩,做得好会为保险业开拓一个全新的领域,广阔的空间。但是最重要的是有赖于这个行业对于大数据时代到来的认识、警惕和应对。我说的不一定对,这是最近做的思考,跟大家做一个分享,我算是抛砖引玉,
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19