京公网安备 11010802034615号
经营许可证编号:京B2-20210330
移动互联网、大数据、人工智能 谁是新增长领军者
有报告预测,2025年之前,将有半数的全球财富500强企业的总部位于新兴经济体。哪些行业和经济体将推动下一轮增长?谁将是这一轮新增长中的领军者?6月29日,2017年夏季达沃斯论坛上,一场名为《新增长领军者》研讨会吸引了众多嘉宾的目光。
从“互联网+”到“工业4.0”,从无人驾驶到虚拟现实,从量子信息到生物技术……第四次工业革命正是本届夏季达沃斯论坛的热门话题之一。嘉宾们认为,在移动互联网、大数据、机器人、人工智能等这些领域,将会彻底颠覆传统生产和组织方式。然而,未来什么样的平台会胜出,哪些“幸运儿”会胜出,也许言之过早。不过,胜出者一定要具有三种重要思维特点,那就是具有“互联互通”意识、拥抱数字技术、以满足消费者为驱动原点。
“互联互通”是新经济的核心思维之一
“互联互通”是新经济的思维核心之一,是第四次工业革命不可或缺的思维模式。北京摩拜科技有限公司创始人、总裁胡玮炜表示,摩拜的成功,正在于实现了“人与工具”的联接。她表示,正是基于移动互联网的应用以及工业制造基础,才诞生了摩拜。而从去年4月到现在,摩拜已经进入到全球130个城市,每天有2000万人在骑行摩拜,这种跨越性增长,驱动力基于物联网的基础,实现人与工具的连接。她认为,做共享自行车,实际上是设计了一个新物种。共享自行车之所以获得众多城市的欢迎,一是因为它免费,不需要政府投资;二是帮助城市解决短途出行问题,而且解决方式非常便捷,不仅提高了交通效率,同时让人们方便骑行,把人们从家和车这样的“盒子”里唤出,来到路上,重新发现城市,从而提高了城市的活跃度。
拥抱数字技术
和共享自行车一样,移动支付是另一个爆发性增长的故事,它表明了拥抱数字技术的重要。俄罗斯Qiwi首席执行官SergeySolonin表示,过去移动支付被看作是银行的颠覆者,但是现在移动支付和传统银行更多的是合作。银行业认识到拥抱数字技术的重要。众多的金融科技公司都在建平台,抢滩布局。在这个领域,满足客户的定制需求是重点之一。此外,区块链技术在迅速发展,用数字技术进行识别系统建设也非常关键。
“在中国,微信支付和支付宝占据了90%以上的移动支付市场,这在欧美是无法想像的。” 美国ARK投资管理公司首席执行官CatherineWood说,西方发达国家习惯用信用卡,在移动支付这样的数字化方面,与中国的差距非常明显。“我真的不看好真砖实瓦建立的实体银行。数字技术的发展使得成本在快速下降。人们必须接受这种变化。”她说,正如施瓦布所说,过去是大鱼吃小鱼,现在是快鱼吃慢鱼。“我每天都在见到这样的例子。”
来自消费者驱动
新一轮的增长动力还来自于消费者驱动。嘉宾认为,任何懂得消费者需求的公司,一定是领先发展的。CatherineWood举例,在移动新媒体领域,传统媒体如何转向新媒体,一定是取决于消费者的选择。消费者采取数字化生存方式是不以人的意志为转移的。至于说是新媒体渠道为王,还是内容为王,她认为都不是重点,投资重点是谁了解消费者,谁能满足和引导消费者。
马来西亚亚航首席执行官Aireen Omar表示,从全球看,东南亚地区消费者的旅游需求增长最快。亚航一直在投资于数据分析,分析消费者行为,为之定制产品。“亚太、东南亚、中国成为关注的重点。“ 电讯盈科董事总经理B. G. Srinivas也认为,中国、印度都有快速跨越式增长的机会。因为新兴市场消费者市场巨大,又没有旧有的东西,就没有包袱,在一些技术颠覆性领域,新兴市场有热情去改变,这是新兴市场大规模增长的潜能所在
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