
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
基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15