京公网安备 11010802034615号
经营许可证编号:京B2-20210330
传统行业如何拥抱大数据变革
大数据会怎样改变一个传统行业的运营模式呢?
在前不久举行的2016英特尔中国行业峰会上,英特尔公司销售市场部副总裁兼行业解决方案集团全球总经理香农·波林分享了一个传统农业是如何与大数据结合的故事。
他以美国一家非常大的农机公司为例。这家生产拖拉机等农业机械设备的传统行业公司也要拥抱新趋势:他们要把依赖手工和人工劳动力投入的行业转变成依靠技术发展的行业。
他们是怎么做呢?他们在拖拉机的维护上就作了一些新的技术尝试,比如说安装芯片收集GPS信息,除了采集拖拉机本身的数据,还通过拖拉机在农田中的耕作收集农田的情况,比如土壤的湿度、温度、构成等。然后,他们告诉农民,根据收集到的土壤信息,应该做什么样的农业生产。
现在这家农机公司不仅卖给农民农业机械,卖的是更多、更高端的服务,而这种服务是基于技术收集的数据基础。
“这就是创新和变革的力量。”波林说。
实际上,整个行业环境的竞争格局都在发生变化。行业内生性变革和跨界竞争交织在一起,不断冲击着传统行业的固有业务模式和竞争格局。在2016英特尔中国行业峰会上,来自金融、能源、医疗、交通、零售、教育等行业的专家、企业高管、英特尔业务负责人以及合作伙伴们,一起分享了数字经济如何挑战传统行业并推动新兴行业的发展。
在零售业,从云到端的技术和应用为消费者打造了完美的购物体验,打通零售全渠道营销,助用户更加精准、快速地响应市场变化,捕获无限商机;在医疗行业,创新技术正在帮助用户提升运营效率、完善就医体验,让高质量、个性化、便捷的医疗服务触手可及;而在传统金融业,银行正在从古老的限定位置、时间的线下网点服务,转向即时可用、随时随地的个性化金融服务,这使得用户可以更加灵活地应对不断涌现的金融业务创新和技术挑战。
各行各业都面临着相同的答卷:在数字时代经济大潮涌动的时候,巨大的市场需求和科技创新驱动着商业变革。
前段时间,波林与一些金融行业,特别是银行的客户进行交流。他们告诉波林,现在银行业处在巨大变化的过程中:银行业过去的对手比较传统,在未来的几年里,一些新的业务模式将给银行业带来更强劲的挑战,比如说互联网金融。如果放在20年甚至10前,这些新兴的公司不可能成为传统公司的竞争对手。
据波林了解,银行业正在努力实现自身的变革,让自己能更好地成为颠覆的力量,而不是成为被颠覆的对象。而这一切才刚刚开始。
在过去10~15年,全世界都经历着计算带来商业模式的变革。以云计算、大数据和万物智能互联等为代表的新兴技术正在为全球范围内的商业和企业带来变革。以Airbnb为例,它用6年时间发展到200万间客房,而著名的酒店连锁企业美国万豪酒店集团用了90年的时间才做到100万间客房的规模。
“云在颠覆我们的传统业务。”英特尔公司数据中心事业部副总裁及云服务平台事业部总经理芮洁安妮·斯基尔伦女士说。在她看来,云实际上是现在业界最大的颠覆者,它是一个总值达到2000亿美元的行业,其中一半是软件及服务,以网络为基础面向普通消费者的服务,同时也会对传统业务在向数字化进行转型的过程中起到巨大的推动作用。
云意味着很多全新的可能。斯基尔伦每一次来到中国都会和很多新公司交流,它们是在新趋势下应运而生的新企业,他们每天做的工作是改变消费者的生活方式,社交、娱乐、即时沟通工具,都是基于公有云计算的基础上。
以美国的UPS公司为例,每天运输的包裹数量达到2000万个,这些邮包如何准确送到用户手中?UPS用人工智能进行他们的业务。他们打造了一个系统,使用非常先进的远程信息系统GPS路由以及卡车司机过去的驾驶数据分析,综合在一起,这个系统能够帮助司机实现最优的路线规划。实际上, 一天少开一英里可能不算什么,关键这个数据以年来计算,每年就是8500万英里,换而言之,意味着相应量的汽油的节约。
云会不断扩展,每秒钟都会有新的数据产生,每12个月产生的数据量要翻番。斯基尔伦说,我们在创造数据时,也要存储数据,但是在使用数据方面做得并不是很好。斯基尔伦和同事们做了一些研究,在现有捕捉的数据中,只有5%的数据实际上真正得到了使用,95%的数据被存储了,然后就再也不去碰了。
必须承认的一个事实是:未来的世界是属于新型创新的公司。
波林认为,很多企业在创新中被颠覆,在未来几年,40%的企业将会以某种方式受冲击:他们可能被收购,也可能因为商业模式不再奏效,完全没有业务。也许还有一些企业因为能够创新,带来整个行业同类公司的变化。
在未来的竞争中,除了技术,还必须能够打造一个吸引创新人才的职场。“如果做不到这一点,5~10年后这家公司就会死去。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在日常办公数据分析中,我们经常会面对杂乱无章的批量数据——比如员工月度绩效、产品销售数据、客户消费金额、月度运营指标等。 ...
2026-02-05在分类模型(如风控反欺诈、医疗疾病诊断、客户流失预警)的实操落地中,ROC曲线是评估模型区分能力的核心工具,而阈值则是连接 ...
2026-02-05对CDA(Certified Data Analyst)数据分析师而言,数据分析的价值不仅在于挖掘数据背后的规律与洞察,更在于通过专业的报告呈现 ...
2026-02-05在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28