京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据分析会成为在线教育企业竞争力
12月17日下午,由南京数字出版协会指导、学科网主办的第二届“互联网+”教育教辅出版合作峰会现场,凤凰传媒独立董事、南京大学出版院常务副院长张志强和参会嘉宾共同探讨了纸质产品与数字教育的长期融合发展。
纸质产品与数字教育的长期融合是比较难回答的问题,但又是目前大家关注的问题。这一问题之所以难回答,是因为对未来30年的发展无法做出准确预测。
目前,纸质出版物没有彻底退出阅读舞台,如何将两者结合做的更好,是值得我们思考的问题。
一、我们先来看几个观点或现象
首先是无纸化时代的预言。
英裔美籍学者兰开斯特曾经预言,21世纪是无纸化时代。21世纪纸质出版物会消亡,纸质东西会彻底被淘汰。我们可以注意到,在某些领域确实出现了这种无纸化。比如你在国外坐火车或飞机,网络购票后会生成一个二维码发到你手机上,进站查票时扫描一下二维码就可以了。如果你不报销,就不用打印机票,节约了纸张。但是,现在已经是2015年,纸质产品还依然存在的,离无纸化时候还很遥远。
第二个观点是媒介替代论。
从媒介发展情况看,大家都知道先有报纸,后来才有广播、电视、互联网。广播出现以后,有人认为报纸会消亡,而实际上没有发生这样的事情。
电视出现后,又有人说广播会消亡。大家可能注意到,广播找到了它的存在方式,比如城市中的出租车群体就对广播比较在意,出租车上就有广播存在的空间。
第三个是慕课,包括延伸出来的微课。
慕课最早出现在大学课程中,现在慢慢延伸到中小学。慕课能不能取代教室?现在也有许许多多人在关注这个问题。慕课最开始出现在高等教育,参加在线教育的人,相对来讲是比较成熟的。我们现在把它延伸到中小学课堂,效果目前无法定论。
事实上,慕课不可能取代课堂教育,为什么?
因为我们不能把教育仅仅理解为一个简单的知识传授过程。教育的过程中还有人格熏陶,有情商和智商的培养。即使对成年人来讲,在慕课上将课程全部上完的人也很少。
以上这些,都是现实带给我们的问题。公司的未来发展取决于定位。
二、纸质出版与数字出版各自的优势
回过头来看纸质出版和数字出版的问题。不管是提倡纸质出版,还是数字出版,都要说清楚各自优势在什么地方。
1、自身的优劣势。
很明显,在传统纸质出版时代,最大问题就是库存。如果你印了十万册教辅图书销不掉,就会变成负资产,因为明后年这些图书可能没法再销售。虽然现在有了POD印刷,但数字产品不用印刷,无库存,优势更大,减少了浪费。
2、衍生出的优劣势。
从检索方面来看,肯定也是数字出版更方便。我想大家应该有印象,之前学英语,我们都会买辞典,带一本厚厚辞典放在包里,现在我们还有谁买这种纸质字典?后来演变成的电子词典。现在你的手机上可能就有金山词霸之类的APP。纸质词典被数字产品取代了。从检索角度看,数字产品也有天然优势。
3、与人类的亲近性。
一个产品并不是生产出来以后就能被接受。与我们人类非常亲近的东西,才能获得存在空间。用时髦的话来讲,就是用户体验要好。
数字产品在这方面是存在问题的。在K12阶段。对青少年来讲,如果小孩较早使用电子产品,会不会对眼睛产生伤害?20年前,大家就开始用电脑,经历过那时候的人都有体验,在电脑前处理事情超过1个小时就会感觉眼睛很疼。到后来变成液晶显示器才好许多。
纸质图书虽然厚重,但是可以立即看到。而我们如果看数字产品,是需要通过辅助工具。所以,这点上,纸质产品还具有优势。
三、纸质产品与数字教育的融合
我们要回到出版的三个领域:专业出版、教育出版和大众出版。
专业出版也就是学术出版,非普及类,像理工农医,还有纯粹人文科学,哲学都可以划到里面来。
大家可能都有这样的体验,一本高深的理论书让你在电脑或者在手机上面读,你会发现读起来很痛苦。读这种高深东西,我们喜欢做笔记,而数字产品这块有欠缺。
大众出版就不一样。如果一本小说写的好,我们不在乎是读纸质图书,还是在电脑、手机上看。如果是一部非常能够吸引你的小说,我想即使300页,在手机上也能够看完。这或许就是大众出版和专业出版的区别。
教育出版在这中间除了传递知识,还有许许多多其他功能。在线教育只能解决一部分问题,不能解决所有问题。
因此,纸质产品与数字教育长期融合问题,不能一概而论,要看它处于什么专业领域。在线教育除了K12,还有职业教育、高等教育,这个范围比较大。在专业出版这个领域,我觉得纸质产品市场依然会比较大,在大众出版领域机会会比较小,在教育出版领域机会可能是均等的。
四、数据将成为在线教育企业的竞争力
数据对于在线教育企业而言,十分重要。对于学科网这样的在线教育公司,除了内容外,最有价值的还有数据。这些数据在经过数据分析师的数据整理分析,那么这些数据会变成未来一个竞争力。
传统批改作业,我们只能做一个宏观统计,70%人做对了,还有30%人做错了,但是要知道哪些人做错了?是男生错的多,还是女生错的多?是前排同学错的多,还是后排同学错的多?
回答这些问题难度比较大。
一道题可能有不同的知识点,错的原因到底是什么?把这些问题搞清楚对提高教育质量是非常有帮助的,而且这些数据往往会变成你的产品的增长点。
如果一个人从一年级开始使用在线教育,随着年级增长,会积累下来大量数据。每个人都有行为规律,数据分析师就是把这些数据的行为规律分析清楚,并统计出来。在线教育积累的数据,通过数据分析,可以衍生出许许多多的产品。
如果我们能将这些数据很好地利用,是在线教育很好的切入点。如团购,你可以很容易把喜欢做某一个事情的人集中起来。因为他们绝对跟你有共同的想法,因为你有数据做支撑。如果这块做好,衍生出的价值将是无限的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13