京公网安备 11010802034615号
经营许可证编号:京B2-20210330
为何说大数据是“看得见的生产力”(1)
有人曾说,未来社会是数据社会;就连阿里巴巴也标榜自己不是电商,而是大数据公司。近日,国务院又刚刚印发《促进大数据发展行动纲要》,提出未来5至10年大数据发展和应用目标。
记者采访了国家“千人计划”专家、北京百分点信息科技有限公司创始人苏萌。作为从事大数据研究和创业多年的学者型企业家,在他眼里,这些“看不见的大数据”,有着“看得见的生产力”。
大数据把消费者送到商家“碗里来”
还能不能让人安静的工作?作为一个网络时代的消费者,你可能经常会有这样的经历:忽然有一天心血来潮,特别想买一台微单相机,可是在购物网站上看了半个多小时,还是没有下单的决心,毕竟不是一个小数目。接着你会发现,在未来几天上网时,很多网站的插入广告都会向你推荐那几款曾经让你犹豫不决的微单相机,有时候还会推荐一些功能和价格相似,但你却从来没有点击查看过的品牌,引诱你每天都点进去看一下。经过几天甚至几周的犹豫,你终于决定下单。
“这就是创业初期几年我们在做的事情,成立一家基于大数据的个性化推荐引擎技术公司,帮电商发现用户的潜在需求,变被动接受用户为主动了解用户。”苏萌介绍,对于大多数中小型电商而言,虽然掌握着大量的用户数据,但是却并不知道如何去有效应用和分析,将数据转化为生产力也就更加无从谈起。
随着电商之间的竞争加剧,大数据技术公司的存在价值和专业性也就体现出来了。苏萌表示,“通过对电商用户数据的分析建立数据模型,分析消费者的行为轨迹,能够知道那个用户更关心价格,哪个用户更关注性能或外观,帮商家找到最佳的商品推荐模式,尽量减少无效推荐。”在他看来,做到推荐容易,但是做到精准的个性化推荐则很难,对大数据公司的技术能力要求也就越来越高。
(图片来自网络)
大数据让传统企业成为用户“肚子里的蛔虫”
如果认为只有互联网企业需要大数据服务那就错了,因为越来越多的企业认识到,发展到最后所有的企业都会成为数字企业,能够挖掘自身数据的价值,决定着企业运营和发展。
“然而,对大多数传统企业来说,普遍缺乏对大数据价值的认识,造成数据散落,数据管理技术薄弱,缺少数据应用,在业务发展中,往往偏向于经验主义而非精准的数据分析。”如今,苏萌感受到,越来越多的传统企业意识到数据的价值,因此就给了专业大数据公司与传统企业合作的契机。
通过与一些3C产品生产企业和汽车制造企业的合作,苏萌意识到,为传统企业实现其用户的标签化至关重要。传统企业不像互联网企业,它需要大数据企业提供给业务人员的是直接的信息指导,来帮助企业的日程运营,对企业的销售和服务提供直接建议。
“大数据分析能为企业建立一个独有的‘标签工厂’,通过将繁复的用户数据高度提炼成一些短语,给用户打上一个个标签,成为用户的身份标示。”苏萌解释,如此一来,企业就像成了用户肚子里的蛔虫。比如,促销活动还没有开始,企业就能知道哪些老用户和目标用户对哪种信息更加敏感,更容易出现购买倾向。用户的数据标签在售后领域也能够有效发挥作用,当售后人员接到用户投诉电话时,能够迅速掌握用户的行为特点,提供更具针对性的服务。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14