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