
大数据时代商业的未来:大数据+O2O值得好好研究
O2O即Online To Offline(在线离线/线上到线下),是指将线下的商务机会与互联网结合,让互联网成为线下交易的前台,这个概念最早来源于美国。O2O本质上是一种通过PC互联网、移动互联网与传统行业结合,衍生出更多新的商业模式和消费模式。一般被理解为Online To Offline,也有人将其理解为Offline To Online。O2O的概念非常广泛,既可涉及到线上,又可涉及到线下,可以通称为O2O。
近两年O2O创业公司受到了资本和市场的热捧,其中,租车和外卖又是风口,成为最受关注的领域。例如成立于2009年的饿了么,2014融资3.5亿美元,估值过10亿美金;美团融资7亿美元,估值70亿美元;UBER据说在即将启动的新一轮融资中,预计估值高达500亿美金。其它的外卖项目也轻松获得了数千万到上亿人民币的投资,与传统行业相比很不起眼的外卖公司为何能得到天价估值?
百度200亿砸O2O 意在大数据?
2015年6月30日上午,百度糯米正式发布“会员+”O2O生态战略,百度CEO李彦宏在会上表示,百度糯米是百度在移动时代“连接人与服务”战略中最需要着力发展的业务,未来3年内,百度将向糯米业务增加投入200亿元。
大家只看到了百度要做的表面工作,而没有发现,他们已经在未雨绸缪地布局未来商业大数据的信息收集整理工作。更不客气一点说,百度的这次布局,无异于跑马圈地,若布局成功,将把百度带入几何膨胀的体量。
对百度而言,我们上边提到的会员+必然只是一个表面现象,百度一定正在依靠糯米做一个很大的文章。会员+的战略,百度方面虽然重点强调,与所有商家,甚至于所有派系,包括阿里系/腾讯系/小米系等,愿意全部共享合作,但百度掌握了一项最基本的“核心科技”,那便是,百度对会员资料的大数据分析能力。这种垂直化的消费分析能力,于未来商业行为中,是最值钱的。百度发展会员+的内涵实质也正在此处。
大数据与O2O
众所周知,大数据和O2O都是当今的时髦名词,据《2013电商十大新发展趋势》报告,大数据在排名中名列第3,O2O名列第5,可以说是炙手可热。但这只是电商的排名,如果在传统行业“大数据”与“O2O”强强结合,那又该是个怎样的场景?
《2013电商十大新发展趋势》关键词:
大数据——排名第三
创新指数:★★★★
难度指数:★★★★★
综合评定:9分
大数据时代已经到来
对于电商行业来说,数据的重要性毋庸置疑,围绕着大数据,数据仓库、数据安全、数据挖掘和分析已经成为未来电商企业的制胜关键和利润焦点。淘宝和京东都着重强调了一点,那就是在未来,数据越来越为重要。大数据的应用价值和潜力越来越为人所知,大数据对于电商企业来说,是一个正待开采的金矿,而从中挖到金子还是沙砾,这便取决于一家企业是否有足够优秀的数据挖掘和数据分析的人才了。总之,大数据的分析和使用对于未来的电商企业重要性不言而喻,这也将是电商发展的持续的大趋势之一。
O2O——排名第五
创新指数:★★★★
难度指数:★★★★
综合评定:8分
O2O将线下商务的机会与互联网结合在了一起,这样线下服务就可以用线上来揽客,消费者可以用线上来筛选服务,还有成交可以在线结算,很快达到规模。中国电子商务市场的O2O经过了漫长而曲折的摸索之路,线上和线下的打通,将会开拓出一个巨大的消费市场,因此,可以断定,O2O具有非常光明的前景。O2O正在引领着一场电商变革,线下的服务可以在线上进行支付,线下商户也终于可以像电商企业一样查看具体的营销效果,这个正在逐渐形成的生态圈中,将会吸引更多的线下商户将其业务和线上有机融合,这将形成一个巨大的O2O产业链。
虽然在具体的实施上还有尚待完善的地方,但可以看到的是,这种消费者可以线上选定商品,在实体店体验后下单购买,也可以在门店实现自提、退换货、售后服务相关功能的模式,将会为网购用户提供更多的好的体验和保障。随着更多的线下商家的参与和更多样式服务的提供,O2O在未来有着不可估量的前景,值得为之拭目以待。
如何用好“大数据+O2O”值得好好研究
有了O2O,传统行业就有了与互联网绑定的机会,就有了获取营销海量数据的基础,从而传统行业营销领域的大数据管理才有可能。在O2O的基础上,传统行业的大数据不再是星星之火,而是星火燎原,当然“大数据”和“O2O”的结合的优势还不只如此。
当有了O2O的条件之后,客户在线上交易,线下交付,只要触网,这些关于“人”的信息的自动化采集就有了可能,再辅以大数据的分析技术,那些美好的愿望将不再是憧憬。我们不会幻想用户在网站上注册时给的都是真实的信息,但我们可以从用户的网络日志、相片分析出其家庭结构和年龄性别,可以从用户的QQ、FACEBOOK分析出其朋友圈和职业结构,可以从用户的社区网站得知其兴趣爱好等等。就这么一个点一个点地填补,一张活生生的画像就这么渐渐成形。当有了这些信息的时候,我们的营销、客服、产品研发等,还会那么如履薄冰吗?
维克托·迈尔·舍恩伯格在《大数据时代》描述了大数据的三个特征,其中第三个特征——“不是因果关系,而是相关关系”。关于这个论点,学术上也有颇多不认同的争鸣之声。从上文也可以看出与舍恩伯格观点径庭之处:这里更强调“因果关系”,通过“大数据”与“O2O”的结合,前者进行数据分析,后者解决数据采集,从而找到经营结果的真正动因,这样把“业务”和“人”的数据都囊括其中,我们当然也就对未来的销售预测与引导有了把握。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04