京公网安备 11010802034615号
经营许可证编号:京B2-20210330
七家利用大数据博弈的初创公司
大数据业务有着非常光明的未来,2015年第一季度的1020笔交易创造了134亿美元的融资,成为继2000年以来的大数据融资之最。
想知道是谁引领了这股借贷狂潮吗?以下是利用大数据做业务的七家初创公司。一些公司自身利用大数据进行创新,还有一些公司的工作就是致力于使他人可获得大数据。不管是哪种,你都应该看看这些“游戏玩家”是如何利用大数据的。
1. Uber
现在很多人都听说过租车初创公司Uber,如今它已经风靡很多大型城市。但是有一点你可能不知道,那就是Uber以其在大数据方面的出色运用来达到优化、现代化、合理化业务运营的目的。
通过数据分析,Uber能够预测出客户的目的地,能够更有效地分配司机。而另一个有趣的例子就是:公司利用最近分析显示的数据来使得司机待在同一个地方就能收益最大化,甚至不需要开着车转来转去寻找潜在客户。
最后,Uber还利用数据来实施动态的高峰期定价,鼓励司机在出行用车需求高的时候多工作。
2. Foursquare
最近Foursquare重新宣布他们将使用数据挖掘技术来介绍一些用户喜欢的餐厅、景点或者购物中心。公司运用了社交网络分析之后不仅能够分析个体用户的喜好,还能知道他们何时与何人在一起。
所以,公司就能够为用户进行推荐以期望引导潮流。再加上其他的一些机器学习技术,Foursquare能够为消费者做出一些相关的建议,引导他们参与到当地的商业中去。
3. Zapier
近来,要使App之间相互交流已成为一个网上业务的主要挑战,但是Zapier就很好地解决了这个问题。它通过一个基于其他App上的触发器使用户创建Zaps。想要在Slack里收到你的Google邮件吗?想要从Evernote里将事件记录到Google邮件里吗?这些Zapier的zap都可以帮你解决。
Zapier通过使用用户的定性数据来决定下一个加入到系统之中的App,使其在满足用户更新方面的需求有求必应。
4. Feedzai
信用卡诈骗是一个非常严重的问题,随着移动支付越来越流行,这个问题只会越来越严重。Feedzai就是一家利用大数据来监测以及实时阻止诈骗的公司。
公司将机器学习技术和行为分析相结合,而不是单纯地使用基于规则的标准化诈骗监测。这种大数据的挖掘和使用就可以创造出一款新的追踪分析消费者购买行为的软件。这样的话当事态出现异常时,Feedzai就可以进行监测并且立刻发出警告。
5. Spotify
起初,提供音乐流媒体服务的Spotify可以让你以固定的订阅费听音乐,按照你自己的需求播放,并且还没有广告。Spotify依赖用量算法来将用户与其喜爱的音乐相连接。但是不幸的是,结果并不像公司预想的那样对用户有很大的帮助。
2014年初,公司收购了初创公司Echo Nest,这家公司主要是开发音乐选择的人工智能。新的人工智能取决于50多个因素,再加上用户选择的大量数据,能够提供非常有用的建议。最近,Spotify利用大数据来试图囊括更多的方面,比如说Facebook动态更新和天气通知。
6. PlaceIQ
虽然说从消费者的角度来看是有点奇怪,PlaceIQ是市场营销人员的一个梦想。网站浏览器上的cookies可以使市场营销人员理解消费者网上的行为踪迹,同样地,PlaceIQ使用地理位置追踪数据来告诉公司现实生活中消费者所在的地点。PlaceIQ还与人口数据相结合来帮助市场营销人员理解人们对于广告以及其他一些因素的反应,使其最大化媒体购买和其他活动支出。
7. Beyond Sports
Beyond Sports是一家荷兰公司,它的虚拟现实模拟器可以在现实世界比赛数据的基础之上创造足球训练项目。这项可获得数据的创新性利用可以使运动员在训练时,除了以他自己的表现作为参照,还可以以他想模仿的著名明星运动员的表现作为参照。当下,公司正在打算将这个技术应用到足球、自行车、曲棍球和冰球,这就意味着光看电影录像来学习比赛即将成为过去。
在接下来的几年当中,那些能够有效利用大数据的初创公司就会盈利。通过使用诸如 import.io、Google Analytics和Mixpanel等工具,公司企业可以处理数据以取得竞争性的利益。一旦错失那些可获得的数据分析以及多种类型检测的洞察力,这些都将会成为企业所不能承受的错误。
这些初创公司都在运用大数据进行博弈。我们可以学习它们的数据科学应用来获取更大的企业利润。
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