京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据其实没那么有用,但是炒作它的人确实是都赚钱了
正在好几条战线上对技术巨头发起挑战的欧盟竞争委员会专员Margrethe Vestager又开辟了一条新的:“大数据”。
她在接受《华尔街日报》采访中把数据拎出来作为一项重要的竞争优势,称英国在反垄断审查和调查中予以更认真的考虑。不幸的是,如果担心大数据引发隐私问题还是合理,如果对基本上没有根据的大数据炒作过于买账的话,就是担心过头了。
她告诉《华尔街日报》说:“在一些领域,这些数据是非常有价值的。它们可以形成市场壁垒——让拥有数据的一方获得别人所没有的巨大商业机会。”她还补充说Google、Facebook甚至德国车企宝马公司等,因为它们正在积累的数据以及这些数据帮助它们抵达客户和降低成本,会对竞争对手形成不公平优势。
这一观点是这样一个概念的延伸。大家普遍认为,我们是用自己的数据来换取免费服务,而提供服务的公司可以很轻易地将这些数据转化成金钱——比方说,通过广告的精准定向投放来商业化。但事实是这种炒作转换为现金要比实际数据转化为金钱更加容易。
2011年,麦肯锡推出了一份报告,报告炒作了大数据的商业潜能,预测称它将成为“竞争的关键基础”。这家公司说如果零售商能够利用好它的潜能的话,可以将营业利润提高60%。这会是微定向(microtargeting)和“库存和定价自动对线上线下销售做出实时调整”的直接结果。
2016年,麦肯锡又弄了一份报告来调整上次的预测,称“因为缺乏分析人才”以及“企业内部的数据烟囱”,美国零售商只实现了大数据相关潜能的30%到40%。然而即便是这样的评价仍然是高估的论断。美国零售业今天的营业利润比2011年的时候还低了一点。哪怕是被麦肯锡在2016年报告中称赞为大数据技术早期采用者的沃尔玛,最近几年在营业利润方面也没有任何像样的增长。
没有大数据驱动出来的繁荣
沃尔玛最近几年的营业利润并没有反映出数据驱动技术带来了更大的回报
如果Google和Facebook使用的大数据真的帮助了制造商和零售商的话,那么在这些公司很强势的国家里零售收入应该会出现显著增长才对。但这种情况并没有发生。Google和Facebook倒是变得越来越大,但美国的零售销售却已经停滞,并且低于历史水平。
数据驱动革命?没听说过
美国零售销售复合年增长情况(剔除季节性因素后)
对于大数据炒作这个当然不是一个完全科学的论断。其他因素,比如经济加剧、经济条件等也会连累到数据驱动给零售利润和规模带来的增长。所以在缺乏对大数据对公司表现影响的最近研究的情况下,说这个结论不可知也许是谨慎的做法。从宏观层面来说,并没有这种效应存在的迹象——而且也没有明显受益的公司,除了那些专门销售其大数据知识的公司,比如Google和Facebook。
从直观上来看,分析客户数据显然应该能带来商业优势。2014年麦肯锡资助的一项研究发现,零售商一般都同意这一点。然而,这并不意味着我们今天所熟知的大数据——有关个人上网习惯、可追溯几年的购物历史情况、社交网络文章和互动的信息——可以给试图利用它的公司带来任何的优势。这种信息的一个主要问题是“垃圾进去垃圾出来”。此外,任何曾经买过比方说钱包的人事后都会被钱包广告狂轰滥炸几个星期,这说明基于历史的定向营销其实没太大意义。Google和Facebook的定向广告并不比传统媒体历史悠久的针对特定类型内容受众的宽松定向广告产品好多少。
当然,知识仍然是力量。有朝一日那些公司也许能收集到有关我们的足够多的有用信息,然后用到显著提升销售上。找到这种办法的公司将获得理所应得的竞争优势,这种优势像Vestager这样的监管者未必就能化解得了。我怀疑这需要客户和数据收集者进行合作:没有这种合作的话,会有太多的大数据是错的、不充分的或者根本就是无用的。比方说,如果大家放弃信息自愿性,就能拿到一点广告收入或者产品的折扣的话——就没有理由去限制企业拿这些数据可以做什么。
不过,在目前的情况下,使用蛇油并不能给你带来竞争优势。它只会让卖蛇油的人富得流油。监管者感兴趣的应该是这种企业——但反垄断者未必需要。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23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