京公网安备 11010802034615号
经营许可证编号:京B2-20210330
从洞察到决策,移动电商大数据的四种能力
“对电商以及互联网企业来说,大数据到底意味着什么?是一种技术、一批数据,还是一堆算法?”这是在日前召开的移动开发者大会(MDCC 2016)主论坛上,京东集团技术副总裁赵一鸿抛出的一个问题。在如今这种言必谈大数据,每个企业都以数据驱动自居的时代,这个问题正隐隐出现在一些大数据从业者的脑中。
那么,数据的本质,到底是什么?在赵一鸿看来,大数据的价值是提供一种能力,它可以把握人的变化、预知趋势的走向、提高决策的质量。而这种能力恰恰是凌驾在数据、技术、算法之上的。“特别是在移动互联网时代,移动技术的普遍性给用户带来不一样的变化,也让我们对大数据的动态性、准确性、完整性都提出更高的要求。这也是京东大数据的优势所在。”赵一鸿如是说。
专注用户行为
易观发布的《中国移动网购市场季度监测报告2016年第2季度》数据显示,从2015年第二季度开始,是中国网络购物的分水岭,移动网购开始追赶PC端,并在第三季度完成了对PC端购物占比的超越。2016年第二季度,中国移动网购市场交易规模达8771.4亿元,同比增长104.5%,移动网购已经占整个网购规模的72.3%;预计2017年有望突破80%。
“这个数字背后是对所有电商企业的挑战:随着移动端使用率的增加,用户在屏幕上的关注点会减少,代表着我们能提供给用户的信息越来越少,希望在这些内容中命中用户的需求难度不断提升。”赵一鸿认为,随着移动时代流量的引入越来越宝贵,迫切要求从技术角度实现精准和个性化体验。
京东一直通过大数据在追踪并研究着用户。数据显示,相比PC端,移动电商用户的碎片化利用率高,下单间隔更短。”在碎片化的场景下,用户购物的效率是非常高的,在一天中,无论是订单量还是购买产品的客单价都高于PC端。“赵一鸿解释道,因此,只有更精准地呈现内容,才会让商家和用户实现双赢,前者提升转化率和用户体验,后者缩短购物时间、买到更合适的商品。
图注:京东用户在PC端和移动端订单量分时段占比分布(蓝色为移动端)
此外,移动技术的普适性,也给很多西部地区的用户带来变化,这些电商新用户跨越了PC时代直接进入移动电商。京东大数据显示,西藏、宁夏、新疆、陕西、贵州、山西等省份的移动端渗透率超过了北上广深等一线城市,未来移动电商也将在西部释放更多潜力。
大数据的四种能力
那么,面对消费者的升级,京东如何理解这样的变化,并利用大数据来使这些变化产生价值?赵一鸿认为,大数据为京东带来了4种能力。第一种能力是洞察,数据中包容着丰富的趋势和变化,我们需要具备发现规律的能力;第二种能力是挖掘,通过算法和机器学习来深入分析和学习趋势、洞察、变化的原因;第三种能力是决策,将数据智能赋值给客户和供应商,为其创造价值;第四种能力是开放,分享洞察、商机给第三方,包括社会和政府。
从京东大数据平台建设的第一天起,对用户在网上行为和数据的收集就是整个京东大数据团队工作的重点。在赵一鸿看来,京东大数据有三大特点:非常完整、非常精准、价值链非常长。因为这些数据覆盖了用户从浏览、下单、配送到客服的完整过程,是用户在用真金白银购物过程中产生的数据,因此非常准确,具有极高的质量,从而能产生巨大的价值。
为了更好地研究用户,京东的用户画像按照地域、行为、设备、偏好、用户等属性,将虚化的目标用户数据化和具象化。“与目前业内很多公司‘静态’的用户画像不同,京东的用户画像是‘动态’的,每个用户身上不会固定一个或几个标签,而是随着用户生活的变化而变化,陪伴用户,预知用户需求,来进行推荐和个性化服务。“赵一鸿表示,基于用户画像,结合京东的智能卖场、移动商店等项目,精准触达用户。例如,在iPhone 7首发中,京东根据购买量预测,将商品提前放在配送站,让众多用户在1小时内拿到了iPhone 7/Plus手机,其中一位北京用户从下单到收货仅用了3分57秒。
京东大数据的重点是解决实际的业务问题,为用户和商家创造价值,因此,开放的意义显得更为重大。赵一鸿表示,移动电商的趋势已经不可逆转,未来京东将利用移动互联网的场景化和去中心化趋势,将京东各个业务模块及能力进行整合与开放,为合作伙伴创造价值。同时,京东会将高质量数据通过各种形式开放出来,定期发布各个维度的京东指数,更好地服务于社会各界和协助政府决策。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21