京公网安备 11010802034615号
经营许可证编号:京B2-20210330
什么是大数据时代的思维
一百多年前,汽车行业是第一个真正引入大规模生产概念的行业。那些以前买不起车的美国工薪阶层,突然承担得起汽车这个富人的专属玩具了。福特T型车让成千上万美国家庭拥有汽车。但大规模制造也有其局限性,福特先生说过,你可以买到各种色彩的车,但红色、绿色都不可能,只能是黑色。大规模生产让数以百计的人买得起商品,但商品本身却是一模一样的。
我们面临这样一个矛盾:手工制作的产品漂亮无比却非常昂贵;与此同时,量产化的商品价格低廉,但无法完全满足消费者的需求。
我认为下一波的改革是大规模定制,为大量客户定制产品和服务,成本低、又兼具个性化。比如消费者希望他买的车有红色、绿色,厂商有能力满足要求,但价格又不至于像手工制作那般让人无法承担。
因此,在厂家可以负担得起大规模定制带去的高成本的前提下,要真正做到个性化产品和服务,就必须对客户需求有很好的了解,这背后就需要依靠大数据技术。
数据能告诉我们,每一个客户的消费倾向,他们想要什么,喜欢什么,每个人的需求有哪些区别,哪些又可以被集合到一起来进行分类。大数据是数据数量上的增加,以至于我们能够实现从量变到质变的过程。举例来说,这里有一张照片,照片里的人在骑马。这张照片每一分钟,每一秒都要拍一张,但随着处理速度越来越快,从1分钟一张到1秒钟1张,突然到1秒钟10张后,就产生了电影。当数量的增长实现质变时,就一张照片变成了一部电影。
让我来告诉大家,美国有一家创新企业Decide.com。它可以帮助人们做购买决策,告诉消费者什么时候买什么产品,什么时候买最便宜。预测产品的价格趋势。这家公司背后的驱动力就是大数据。他们在全球各大网站上搜集数以十亿计的数据,然后帮助数以十万计的用户省钱,为他们的采购找到最好的时间,提高生产率,降低交易成本,为终端的消费者带去更多价值。
在这类模式下,尽管一些零售商的利润会进一步受挤压,但从商业本质上来讲,可以把钱更多地放回到消费者的口袋里,让购物变得更理性。这是依靠大数据催生出的一项全新产业。这家为数以十万计的客户省钱的公司,在几个星期前,被ebay以高价收购。
再举一个例子,SWIFT是全球最大的支付平台,在该平台上的每一笔交易都可以进行大数据的分析。他们可以预测一个经济体的健康性和增长性。比如,该公司现在为全球性客户提供经济指数,这又是一个大数据服务。
大数据有三大特点: 更多,更乱,但内部有关系可循。
如果拍一张照片,我需要对着某一个人,好比说拍陈部长的照片,如果焦点只对准他,那其他的人物在照片里就会模糊掉。我会得到陈部长的所有信息,但是其他观众的信息就过滤掉了。我们采集信息的时候也要做决策,到底要回答什么问题,采集什么数据,因为一旦数据采集完毕,就无法重新问另外的问题。
但今天我们已经拥有全新的照相技术了,一张照片里可以把对角所有事物,包括所有的数据、光线都会被拍摄进去。这样,我任意点一个地方,它都能变得清晰。
为什么要这么做呢?方便决策。
我可以在照片生成之后再决定我究竟要什么,因为这些数据包含所有的答案。不要把自己限制于眼前的问题,要为有前瞻性,把其他有可能出现的问题也给囊括进去。这是一个非常创新的办法,同时很清晰地告诉我们大数据能够做什么。我可以跟大家分享一个秘密,如果你把照相机拿出来仔细看,可以看到这是中国制造。
在拥有如此多的数据以后,接下来我们面对的数据质量问题。
为了避免混乱,我们需要找到数据之间的关联性。
举个实际生活中的例子,大约20年前,亚马逊刚成立时,杰夫·贝索斯让50个书评员来为他卖书,他意识到不仅仅可以请人来写书评,还可以用数据技术来提供图书推荐。起初他使用的是小数据,不是大数据,把客户进行分类,比如说有人对中国旅游或者是对园艺感兴趣,系统会自动提供推荐。他的同事告诉他,刚刚开始使用这个数据推荐时,使用体验并不好;在进一步分析后,亚马逊决定不对人进行分类,而是对用户的需求分类。这个做法做法非常成功,以至于到今天,推荐系统为亚马逊带去30%的销售收入。
这就是数据收集和再处理。亚马逊有交易数据,每买一本书就是一个交易,然后对这个数据进行分析。但今天我们已不再满足于交易数据了,转而收集起沟通数据。你看了某一个书评、某一个交流会给商家更多的信息和细节。
同时,大数据也重构了传统零售业,是未来零售业变革的催化剂。比如使用谷歌眼镜,消费者不需要屏幕了,因为下一代的眼镜会更好地理解消费者看到什么,知道如何更好地抓住人们的视线。对于零售商而言,消费者眼中看到的信息是极具价值的资产。卖家就可以了解大家在看什么样的广告,什么样的产品,在路过橱窗时究竟看了一些什么。
数据的产生和收集本身并没有直接产生服务,最具价值的部分在于:当这些数据在收集以后,会被用于不同的目的,数据被重新再次使用。
大数据的一大优点就是数据可以被重复使用。比方说这家公司实时车辆交通数据采集商Inrix,该公司目前有1亿个手机端用户。Inrix可以帮助你开车,避开堵车,为司机呈现路的热量图,红的就表面堵车。如果只提供数据,这个产品没什么特色,
但值得一提的是,Inrix并没有用交警的数据,这个软件的每位用户在使用过程中会给服务器发送实时数据,比如走的多快,走到哪里,这样每个客户都是探测器。
这里还有更大的秘密,Inrix可以重复使用数据。比如它了解到周末堵车时,哪里有堵车哪里有更好的销售,他们就可以把这样的数据提供给投资公司,投资公司根据这些数据对零售业再投资,这样的服务以前是从来不存在的。
那么,大数据可以如何为创新企业所用?
你觉得之前成立新公司需要大笔资金,但事实并非如此。Inrix一开始并没有钱,如果你想在大数据时代获得成功,你已经不需要大的生产基地,大的仓库了。你只需数据,只要拥有数据,对其进行分析就可以了。有云存储的话,这个成本就更低。Inrix在成立之初根本没有服务器和电脑,他们只是租用了云服务,也不需要很多的启动资金,他们只是有这样一个产品想法。
大数据时代的思维方式是:每天早上起来想一下,这么多数据我能用来干什么,这些价值在哪里可以找到,能不能找到一个别人以前都没有做过的事情。你的想法和思路,是最重要的资产。
大数据的思维方式也可以帮助政府为大家提供更好更有效的服务,好比说我们可以通过大数据来确定哪些地方会有火灾。以前防火检查员只有13%的时间可以准备预测,现在他们找到火灾隐患的概率达到了70%,比以前提高了6倍。将效率提高6倍是一个巨大无比的进步,未来的公共服务业可以由此获得更多便利。
Target是一家非常大的美国零售公司,他们已有大数据的分析。
有一天,一个电话打进来,是一位非常生气的客户,这个客户说公司送给他17岁的女儿一个折扣券,这个产品是尿布或者是避孕药,这位客户说:“我17岁的女孩子根本不需要,我需要你来道歉。”几天以后,客户自己跑来道歉,他说你说的很准,我的女儿真的怀孕了。因为怀孕的女性会有不同的生活习惯,会买不同的东西,我们自己有时候都不知道他们已经怀孕了,而Target反而知道了。
这家公司就用这些信息为客户推荐产品,然后给折扣券。为什么要讲这个例子呢?因为美国很多客户感到紧张,Target有这样的能力来了解他们的生活中究竟发生了一些什么。
这意味着大数据的另一个关键点,要提高客户对你的信任。
举个例子,大数据时代美国运通有这样一个功能,你给他们打电话的话,他们会知道你是谁,好比说你的电话号码跟你的姓名相关。如果在电话里说:你好吗?维克托先生,我能为你做什么,这会吓着客户,因为他不知道为什么你知道他的名字。营造信任很重要。我相信你的过程中,也希望你们相信我,所以我们做大数据分析的时候,客户需要能够信任服务供应商,而服务供应商也需要表现出来为什么他是值得信任的。
这样一个信任也不应该被打碎,企业应该要知道哪些事情可以做,哪些事情不能做,客户的信任将是最珍贵的资产。
什么样的服务行业会从大数据中获益?
其实所有的服务行业都可能从中获益,即便是你觉得和大数据没有关系的也可以从中获益,好比说医疗服务、教育、学习。
我正在写一本新的书,明年的上半年会出版,还是大数据以及相关的服务业。明年你就知道了,这本书里面会提到大数据对服务业很重要,因为服务业将会面对巨大的改变,这不仅仅是效率,大数据会为各行各业带来效率,而大数据对于服务业来说不仅仅是效率,我们更多看到将是创新。我们会有越来越多的创新想法,来提供新的产品和服务,这样的话可以让经济更好地发展,我们以前是从来没有看到过的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】软件、洞察力、大数据、产品、经验、硬件、流量、创新、决策、数据安全、网络安全、数据分析、决策制定、数据挖 ...
2026-06-18在方案选型、效果复盘、产品评估、供应商筛选等各类业务决策场景中,仅凭单一指标下结论往往会陷入 “以偏概全” 的误区。多维度 ...
2026-06-18 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-06-18在数据分析、用户运营与业务增长的工作体系中,漏斗拆解是最基础也最高频的问题定位方法。很多业务场景下,我们只能看到最终的转 ...
2026-06-17在数据库开发、数据清洗与报表统计场景中,数值类型转换为日期是高频刚需操作。业务系统常以 Unix 时间戳、整型日期(如20240617 ...
2026-06-17 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-06-17【核心关键词】数据库、电商、知识、产品、数据产品、监管业务、产品经理、业务系统、用户行为分析、用户分析、数据分析、电商 ...
2026-06-16在 Python 动态类型与面向对象的编程体系中,变量定义与类实例化是构建代码逻辑的两大核心基石。变量是数据存储、传递与运算的基 ...
2026-06-16 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据和表结构数据有什么区别”“数据类型误判会引发哪些分析错误” ...
2026-06-16在 MySQL 查询性能优化体系中,索引是降低查询耗时、提升数据库吞吐的核心手段。其中联合索引与覆盖索引是实际开发中最高频的两 ...
2026-06-15在数据仓库建设与商业智能分析体系中,维度建模是应用最广泛的建模方法论,而事实表与维度表是维度建模的两大核心构件,共同构成 ...
2026-06-15 很多数据分析师能熟练计算指标,但当被问到“这家企业的核心业务目标是什么”“如何把模糊的战略目标拆解为可量化的指标”“ ...
2026-06-15在数据分析、业务监控、运营复盘等场景中,列值趋势计算是核心需求之一。无论是分析销售额的月度增长、用户活跃的变化趋势、库存 ...
2026-06-12在数字经济深度渗透的当下,消费者的购买行为已从过去的 “被动接受” 转变为 “主动决策”。流量红利消退、获客成本攀升、用户 ...
2026-06-12CDA三级认证是三个级别中的塔尖,全面考察数据战略、团队领导和复杂项目的综合能力。它所对应的《敏捷数据挖掘》教材,不再局限 ...
2026-06-12在游戏产业的商业逻辑中,付费玩家是支撑游戏生存与发展的核心支柱。行业普遍遵循 “二八定律”:20% 的付费玩家贡献了游戏 80% ...
2026-06-11【核心关键词】企业、定位、传统、产品、互联网、可视化、业务侧、数字化、结构化、数据分析、传统制造业、市场状态、发展空间 ...
2026-06-11 解读《CDA二级教材:量化策略分析(2025)》的全景结构与学习逻辑 ” CDA二级认证是企业招聘数据分析师时最常提及的证书门槛 ...
2026-06-11【核心关键词】药企、可视化、营销、分类、数据分析师、销售数据、业务人员、指导方向、分析报告、营销数据、营销医生 【专访摘 ...
2026-06-10在统计学分析、问卷调研、实验验证、业务复盘等场景中,卡方检验与 T 检验是应用最广泛的两类基础假设检验方法。前者专门处理分 ...
2026-06-10