京公网安备 11010802034615号
经营许可证编号:京B2-20210330
通过“拖拽”搭建数据分析模型,「时代大数据」让经营管理者“直面数据”
企业管理和业务人员,经常需要对业务相关数据进行监测、分析,典型的过程是,先撰写需求描述文档,给到技术部门,技术人员从系统中抓取相应的数据并在系统页面开发展现,其中需要经过几轮的沟通,整个过程可能需要数周才能完成。
36氪近日接触到的「时代大数据」,基于企业存量数据,提供一套解决方案,帮助经营管理人员,通过简单的拖拽等交互即可自行搭建数据分析模型,从而快速、灵活、低成本的进行业务优化和决策制定。
时代大数据的核心产品是人工智能自助探索平台,主要面向中层管理人员。该平台将数据库底层字段,转化成业务语言,将以前需要通过编写代码实现的逻辑,转化为通过拖拽动作实现。包括不同数据维度、筛选条件、图表展现形式等的直接拖拽。(参见下方视频)
通过该方式,可以将数据分析框架的搭建周期从数周缩短到一天。
另一款产品数据头条,则主要面向高层管理人员,梳理企业经营中的关键数据,通过触摸大屏进行自由组合数据界面的展示。管理人员可以实时监控业务数据,并可通过触摸查看数据来源、切换不同区域层级、批注疑问推送到对应负责人等,从而及时发现和处理问题。
目前,时代大数据聚焦于运营商客户,原因是运营商数据规模巨大,维度丰富,且业务分布广泛,市场规模可观。
使用人工智能自助探索平台,运营商搭建了“一户一案”数据分析模型。根据用户基本信息(套餐、网龄/星级等)和用户使用行为(通话、流量、真实付费等),制定一套“千人千面”的营销策略,针对每个用户,都有相应的主推、次推、顺销的产品服务。
一户一案的实质是,帮助运营商建立一套基于用户细分的大数据运营体系。据时代大数据提供的信息显示,其参与执行的某试点客户,该方案一年可创造约8000万元利润;在全面执行的另一个试点客户,单进融率从原来30%左右提升至56.8%。(单进融率:单独宽带用户转化为宽带加移动或者宽带加IPTV用户的比例)
盈利模式上,时代大数据目前是典型的“产品+服务”模式,收取一次性的解决方案搭建费用,以及数据年服务费,客单价在百万到上千万元不等,目前平均约200万元。另外,时代大数据也在探索联合运营模式,即免费提供产品和服务,共同参与客户业务运营,按给客户带来的收益增长收取提成。
官方数据显示,时代大数据已有十多家合作客户,包括中国电信和中国移动的广东省公司,以及几个大的地市公司,其他省市的合作也正在开展。2017年营收达到了几千万元,预计2018年至少可以成倍增长。
市面上有很多数据分析类解决方案,相比之下,时代大数据的优势在哪里呢?
针对该问题,CEO朱国清向36氪表示,除了让业务管理人员直面数据的优势,时代大数据通过2年多的落地探索,技术上也有很多突破,同时对运营商客户的业务和需求有很深度理解,提供的解决方案能真正解决客户痛点,提高客户营收和效率。
据了解,在进一步拓展运营商客户后,时代大数据还将重点拓展保险、金融行业客户,它们的客单价会更高。
时代大数据于2013年成立于广州,目前共有200多人。曾获知名投资人陈友忠的天使轮投资,千万元级A轮融资,目前已开启新一轮融资计划。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
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