
用大数据告诉你,移动互联网是如何吃掉整个世界的
软件和移动互联网已开始走向被内化阶段,成为各行业理所当然、不可或缺的组成部分。软件和移动互联网正在吃掉整个世界,科技业自身已容不下技术发展的张力。
Managershare:这个世界已经被移动互联网改变了。它大到世界,小到我们每个人的生活细节。
没错,我们正站在这样一个特别的历史拐点上。
第一次,技术被销售给每个普通人
1. 十几年前,我们被 1995 年到 2000 年的网民数增长震惊,这一阶段网民数从 0.5 亿人增长到 4 亿人。
2. 技术泡沫后,网民数增长更惊人,从 4 亿增长到今年约 30 亿人;同时,使用智能手机人数达到 20 亿人次。
3. 2020 年,全球又有 10 亿人会将通过智能手机上网成为网民,网民数达到 40 亿人次。
4. 1995 年至今,不上网或没智能手机的成年人数持续收缩:前者从 1995 年近百分百降至 2017 年约 36%;后者从 1995 年百分百降至 2017 年约 28%。
5. 2020 年,全球 80% 成年人会拥有智能手机。
2020 年全球人口数在 74 亿左右;成年人数约 52 亿人次;TV 受众 48 亿左右;有文化和读写能力的人 45 亿左右;功能机用户 43 亿左右;上网人数 40 亿左右;智能手机用户 40 亿左右;PC 用户 17 亿;个人 PC 用户在 10 亿以下。
6. 智能手机,让所有人都拥有一部装在口袋里的超级电脑。
一部新 iPhone 的 CPU 内晶体管数是奔腾 1995 的 625 倍;仅新 iPhone 发布那个周末,苹果卖出 CPU 晶体管数就达到 1995 年世上所有个人电脑里 CPU 晶体管的 25 倍。
7. 所有人,即便是在撒哈拉沙漠,他们手机覆盖率、3G 网络覆盖率及移动设备使用率都在上升。
第一次,互联网格局被改变
1. 人们花在移动互联网上时间,已超过花在所有电脑网页上时间总和。
2013年 6 月,用户通过桌面上网时间还多于用户通过手机上网时间;但2014年 6 月,后者(App + 移动浏览器)已明显超过前者。
此外,移动互联网格局还未完全固定,如就“I installed an app on my Android smartphone.”这句话,其中“下载、APP、Android、智能手机”,这四个概念都还有很大发展空间,2020 年我再说这话时,可能和现在意思已大有不同。
2. 生态系统的复杂性。
iOS 和 Androi 两家市场份额因不同地点产业结构不同而相差悬殊。换句话说,用 iOS 还是用 Android,取决于你在哪和你在做什么。
如上图,全球销量看,Android 手机明显多于苹果;但 Facebook 旧金山用户中,苹果设备使用者多于Android,同时在雅加达,情况则反过来;另外,苹果应用商店收入明显高于 Google Play;而以全球浏览器上网数据看,苹果略高于 Android,但中国数据则完全相反,Android 明显多于苹果。
3. 每个新传感器都意味新商机。
智能手机比 PC 复杂得多,PC 不会问任何它应该知道的东西,但新传感器深刻改变电脑能知道的东西,因此每个新传感器,都能带来新商业机会。
4. 移动设备能引发“杠杆效应”。
2020 年,智能手机数将达到 PC 的 2—3 倍,但乘以移动设备便携易用带来的便利,移动设备将能提供 10 倍于 PC 时代的机会。
Facebook 和 WhatsApp 是最典型例子。两年内,Facebook 移动广告收入就翻倍,成为一个体量达 65 亿美金的海量客户部门;而只有 30 个工程师的 WhatsApp 一年内信息流量已达到 72 亿条,要知道,全球短信总量是每年 75 亿条。
“杠杆效应”还改变了互联网初创企业对早期资本的需求:2000 年,一个融资 1000 万美金、拥有 100 名员工的初创企业能吸引 100 万用户;现在,融资 100 万美元,有 10 个员工的公司就能吸引 1000 万用户;而未来凭借移动互联网,一人白手起家,不要拿什么投资,就能吸引 100 万用户。
移动甚至重置科技产业
1. 智能手机逐渐拖垮 PC。
全球有 20 亿人,平均每 2 年买一台移动设备;全球有 16 亿人,平均每 5 年买一台 PC。
2. 智能手机和平板电脑已占电子产品市场半壁江山。
3. 1999 年时,全球共有 800 亿张用胶卷拍的照片;而今年,社交网络上分享照片就达到 8000 亿张;苹果和 Android 手机销量,也超越日本生产的照相机。
4. 移动甚至改变 PC 领域市场份额。
微软在 PC 领域销售份额持续下滑,已从超过 85% 份额,掉到不到 25%;而苹果却快速占领市场,从收入看,几乎接管 PC 业,在 2013 年达到 1750 亿美金。
5. 移动已导致技术中心转移。
硅谷和中国成为新时代中心,代表公司:电脑领域谷歌和苹果,打败微软;芯片领域 ARM 和高通,打败英特尔;手机行业,中国深圳打败原生产诺基亚的芬兰。
6. 移动撬动供应链过程:
移动也在重置其他产业
1. 科技在主导我们注意力。
2. 科技品牌价值巨大。
2004 年,科技品牌价值占全球品牌价值前 100 位的 30%,其中谷歌、苹果、亚马逊和 Facebook 四家占不到 2%;但现在,前者已达到 40%,后者快接近 20%。
3. 孩子们最牵挂什么?移动设备。
4. 人与人的沟通正趋向纯数字化、纯移动化,现在连爷爷奶奶们,也会使用电子邮件了。
5. 移动设备挤压下,电视变得越来越小众,可用来看视频的数字设备,正从数量上超越真正的电视。
6. 作为移动设备的屏幕,全球 LCD 液晶屏显示器销量显著上升。
科技还有很大改变世界的潜力
1. 以下是各行业在 2013 年收入情况。其中,汽车业达到 14000 亿美金,服装业达到 13000 亿美金。
2. 通常跟技术相关公司分三种。一是以技术为核心的公司,如苹果;二是通过技术改进产品或扩展业务,但技术不是核心,如亚马逊;三是被新技术催生出的公司,可能做的是传统行业,但都基于新技术,如 Airbnb。而如果重点关注第三种公司,我们会发现:每波技术创新浪潮,都会催生一些新行业,比如:
正如卡车和洲际公路出现让零售业发生根本性转变,因而成就了沃尔玛,移动设备和移动互联网为传统旅游和运输行业创造了全新可能,因此才有 Airbnb、Uber 和 Lyft。由此可见,移动已开始对社会产生深刻影响。
另一重要事实:当一项技术被充分普及,它就被社会“内化”成理所当然的一部分,人们也就不再谈论它。以下几张图,显示了“铁路”、“钢铁”、“计算机化”等技术词汇在 Google Books 出现的频率:
“铁路”
“钢铁”
“计算机化”
而“软件”出现频率如下:
这样的趋势说明:软件和移动互联网已开始走向被内化阶段,成为各行业理所当然、不可或缺的组成部分。软件和移动互联网正在吃掉整个世界,科技业自身已容不下技术发展的张力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Cox 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 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18