
大数据冲击大卖场 挖掘数据的宝藏
现在,如果不经常把“大数据”挂在口头,就如同5年前不知道“云计算”——意味着你已经落伍了。人们用它来描述和定义信息爆炸时代产生的海量数据,并命名与之相关的技术发展和创新。如果说“云计算”更多的与信息产业的发展未来有关,那么“大数据”对未来的影响面则广泛得多。
作为一名传统产业的从业者,你可以不理会云计算的发展趋势,但每一位企业的领导者,尤其当你置身于商业和服务领域时,如果像对“云计算”那样,把“大数据”当成信息产业的事,那么在未来发展路径的选择上,你很可能错过重大的机会,甚至因此在竞争中落败。
大数据的功力
有关“大数据”,有这样一个通俗易懂、广为流传的故事:在美国,有一位父亲怒气冲冲地跑到沃尔玛卖场,质问为何将带有婴儿用品优惠券的广告邮件,寄送给他正在念高中的女儿?然而后来证实,他的女儿果真怀孕了。这名女孩搜寻商品的关键词,以及在社交网站所显露的行为轨迹,使沃尔玛捕捉到了她的怀孕信息。在大数据时代,商家可以比父亲更了解自己的女儿。
“大数据”对商业的改变,这仅仅是个露出水面的端倪。
在有关大数据的著名书籍《大数据时代——生活、工作与思维的大变革》中,作者讲述了另外一个故事:2009年出现一种新的流感病毒,全球的公共卫生机构都担心它会大规模蔓延,他们迫切想知道流感传播到了哪里,是沿着什么路径传播的。但通常,他们只能等到事情过后,才能根据门诊量得到数据,而此时数据价值显然已大打折扣。但出人意料的是,这次谷歌的工程师们给出了答案,其依据就是人们在网上搜索的与流感相关的关键词,如“感冒药”“喉咙痛”“发烧”和“咳嗽”等。工程师们对比了过去两年美国疾控部门对流感传播的总结报告,发现过往的搜索数据和流感的传染路径相关性达到97%。也就是说,今后疾控中心完全可以通过谷歌的搜索数据第一时间掌握流感的传播方向,而无需等待事后统计。
比起前一个故事,后一个商业故事更能激发人们对“大数据”应用范围、应用方式的遐想。所谓“大数据”并不是一种新技术潮流,而是在信息技术高度发展之后,人们如何开发利用数据为新的商业模式发展奠定基础的过程,是一种基于新工具的新的解决问题思路。
挖掘数据的宝藏
不久前,我应邀考察光大银行。坐落在北京西单十字路口西南方的光大银行北京分行营业厅,是国内银行营业场所信息化、网络化的前沿之地。无论是在ATM机上安装的iPad和手机操作界面,还是在ATM机上实现的与银行顾问实时远程视频通话的功能,都让人耳目一新。而大堂经理的iPad不离手——顾客一旦进门刷卡领取排队号码,其相关信息,包括姓名、性别、资产状况等就会实时显现在这部iPad上。这样,大堂经理就可以用最快的速度向客户提供办理业务的建议。
这是银行利用客户数据对服务进行细化的应用,这种应用已经进入“大数据”的思维方式,沿着这个思路,其实可以进行更多服务项目的开发。
比如:银行可以统计每位客户办理相同业务的时间,甄别那些总是很耗时的客户,交给更有经验的柜员,这将有利于提高营业部的效率;如果统计发现某位客户总是频繁进行简单的转账业务,那完全可以主动教他使用网银或手机、电话银行;而倘若通过数据甄别出理财者交易的风险倾向,那么就可以更有针对性地设计理财信息,而不是像现在这样向用户频繁提供对方不需要的信息……
大数据时代,“影响了企业评估其拥有的数据及访问者的方式,促使甚至迫使公司改变其商业模式,同时也改变了组织看待和使用数据的方式”。《大数据时代》的这段话重新定义了数据的价值。
当我们建立了对“大数据”更广义的定义后,就会发现,大数据并不是谷歌、百度、Facebook、推特、门户、微博、微信们的专利。大数据隐藏在所有的信息化工具后面。生产、销售、管理的信息化产生大量副产品,过去这通常被浪费,就像富含稀土的铁矿石用来炼钢之后,矿渣总被毫不犹豫地扔掉。而今,每个企业都可以在这些“稀土矿渣”中发现财富。“数据的全部价值远远大于其最初的使用价值,在初次使用之后的每次使用中都会发现其新的价值”。每个企业在经营中产生的原始数据都可以通过重新统计和重组产生新的价值。
举个例子,每个超市都有用于防盗的监控设备,之前它只用来监控卖场的治安和员工的工作状态,而现在已经有企业用它来总结客户在商品前的停留时间和行走方式,据此调整商品的摆放方式。而各大商场,无一不掌握着各个经销商每天的所有交易明细。过去这些数据只充当结算的凭据。但如果将其进行深度开发,就能对顾客的消费行为有更清晰的了解,从而对卖场的布置、摊位的租金、经销商的返利数额等得出更精准的判断。有效应用大数据,还能让卖方在最短的时间内精准找到潜在买家并提供最周到的服务,就像本文开头提到的沃尔玛那样。
冲击大卖场
当然,正因为大数据的精准性和及时性,从长远来看,大数据的广泛使用会削弱大卖场存在的必要性。在新加坡,银行已经很少在底商设立大面积的营业厅,通常在一楼会有一个小门脸摆放几台自助柜员机,而主要业务搬到楼上的写字间,从而节省了昂贵的底商租金。
从国内近年来新开张的商业物业来看,影院、餐厅、美容、健身、娱乐等“亲历性”服务项目占有的面积正在不断增多,而单纯的商品销售面积正在不断减少,这也是苏宁、国美、万达等传统商业企业全面高调进军电商的原因。只有进入电商领域,他们才能积累更多的数据,为大数据时代的到来积累资本。传统商业如果不主动迎接大数据时代的到来,其地盘必将被成长于数字时代的电商所蚕食。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19