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
在数据处理的全流程中,数据呈现与数据分析是两个紧密关联却截然不同的核心环节。无论是科研数据整理、企业业务复盘,还是日常数 ...
2026-03-06在数据分析、数据预处理场景中,dat文件是一种常见的二进制或文本格式数据文件,广泛应用于科研数据、工程数据、传感器数据等领 ...
2026-03-06在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心价值,早已超越单纯的数据清洗与统计分析,而是通过数据 ...
2026-03-06在教学管理、培训数据统计、课程体系搭建等场景中,经常需要对课时数据进行排序并实现累加计算——比如,按课程章节排序,累加各 ...
2026-03-05在数据分析场景中,环比是衡量数据短期波动的核心指标——它通过对比“当前周期与上一个相邻周期”的数据,直观反映指标的月度、 ...
2026-03-05数据治理是数字化时代企业实现数据价值最大化的核心前提,而CDA(Certified Data Analyst)数据分析师作为数据全生命周期的核心 ...
2026-03-05在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27