京公网安备 11010802034615号
经营许可证编号:京B2-20210330
文/张涵诚
接下来我给大家分享一下我对大数据和共享经济的理解,共享经济大数据的话题我分为五个部分跟大家介绍,分别是:大数据产业生态分析、大数据2.0就是共享经济,共享经济的分享路径、共享经济的产业格局、共享经济的入口探索。
先说第一个,大数据产业生态分析,我去年去贵阳数博会的时候,我们一路在车上被贵阳招商和分管大数据的领导洗脑什么是大数据,他们做了哪些大数据系统方案,我想这个城市已经疯了,大数据“附体”,科局厅级干部都在讲大数据,都在实践大数据,我问为什么你们这样着谜大数据,他们说,贵阳陈刚书记天天在讲大数据,我们不讲不谈那对得起领导啊。哪个时候我认为,大数据现在确实也已经火到家了!中国似乎从来没有一个概念政府部门的领导如此重视和朗朗上口。
我觉得利用数据很多行业都可以产生一个以数据驱动的阿里巴巴,这是基于商业机会的推动;基于国家的重视,特别是习大大,克强总理,亲自为大数据产业加油,所以大数据在商业和政策的大力推动下,正在形成产业生态体系。大数据作为生产资源以后每一个行业都会形成生产要素,这个要素会影响这个产业的变革,所以大数据来了,大数据正在驱动所有产业升级转型变革。
那么大数据目前的生态是什么,如何看待目前的大数据1.0时代,我认为然而任何一种技术都会随着商业的普及而兴起,遇到政策(法律、法规、利益分配)会做修正,进而成为一种惠及社会,企业,个人的众人皆知的惠民技术,以满足人性对于技术的依赖,对物质的依赖。大数据也不例外,目前大数据还在目前的大数据仍停留在概念系统建设的初级阶段,就是1.0阶段,它主要解决现有数据量增加、处理速度快速处理的问题,很少有大数据平台真正运用自身的大数据,完成真正的产品创新,而非渠道的拓展。就技术收益而言,营销的:商品推荐、广告推荐、阅读推荐、人才推荐、旅游推荐搜索优化都是有收益的;就安全而言:有合规、预警和智能巡检,是可以节省成本的、提高效率的;就产品创新而言,工业4.0算是利用大数据驱动产品创新的最好概念,但是很清楚的看到,这些都是企业内部信息,从价值的角度来说,数据分三六九等,第一方数据,第二方数据,第三方数据。从目前来看,企业的第一方数据处理(hadoop等生态会是大需求,美国的战略是开源,中国的战略是数据开放和OEM跟进,也有很多自有技术的厂商)是目前最迫切的需求,以第一方数据分析为需求的(BI等工具)求是第二需求,提高安全控制的是第三需求。其次第二方数据的应用。融合企业自身业务的,加快业务协作的,整合利用业务合作方的数据的应用和技术是这一类需求。最后一类需求就是购买第三方数据拓展业务的需求,要么改善产品体验,要么进行客户拓展。这类需求促进大数据流动起来,是推动大数据流动性,产业链完善的主要动力。所以很显然,大数据的1.0就是基础建设,数据在企业端的共享,开放和购买阶段,这个阶段需要完成还需要10年左右时间。 从最大的收益角度来说,BAT是1.0大数据生态最典型的代表。他们利用数据变现做到了极致。
再说大数据的2.0是共享经济。我们把线上线下的数据融合再一个平台上以后形成一种共享,就是O2O,也就是线上数据和线下数据融合的时代,共享经济我认为是大数据的2.0,我今天看到了这个商品,看了以后不断的使用,加快商品的购买方,商品的提供方进行交易。我认为共享经济实际上是大数据2.0。数据因为共享被无限的放大,它这个放大表现在以下几个方面。第一个是所有权的价值信息到使用权的价值信息,所有权的价值信息可能在网上就一次,CPS,但如果共享就不断的把同一辆车可以坐无限多次。第二个是对于自身的价值到信息对于其他的行业价值,现在是企业间的共享,共享经济来了以后会形成整个行业里面,产业里面的数据共享,也就是企业跟企业之间的数据怎么交换,怎么共享,所以这样在企业之间数据的交换价值也会被无限的放大。第三个是单一的数据价值到多元的数据价值,比如说我是银行的数据价值,但银行的数据价值活性很差,银行数据维度比较差,社交数据就比较鲜活,所以单一的数据价值对于银行来讲是有作用的,但是银行和社交的数据加起来,它的数据的流通性及我们叫跨界融合数据的价值数据也会被无限的放大。第四个是从单一的数据生命周期到重复的利用数据生命周期,这个生命周期会加深数据的价值。第五个是从小密度到多密度。从小价值到大价值,经济价值,社会价值,很多价值会被释放出来。所以2.0是要释放数据的产品服务数据的多次价值,共享经济的企业就成为了代表,他们是Airbab,Uber,滴滴等巨头。
实际上共享经济的更是互联网到传统行业最佳方式,每一个行业会产生龙头,每一个行业也会因为互联网和大数据发生一些变化。我一直认为大数据的核心战场就是共享经济。像百度没有什么生产资料及把所有的数据拿过来,比如滴滴的数据部门,它就是企业最核心的部门,当产生一个新的生态这个企业就会给你所有的数据和用户,所以大数据2.0最赚钱的就是Uber,滴滴这样的公司,他们把信息可以重复的利用的价值发掘出来了。未来每一个行业巨头都会像滴滴打车分享汽车行业的数据共享出来一样,把行业的信息共享出来。每个企业都有一个最核心的部门就是数据部门。他们做的事就共享行业数据,推动数据变现。
当然还有大数据的3.0我认为是数据交易,每一个数据打上价钱交易的时候,实际上数据就商品化了,我认为数据商品化是大数据产业生态走向文明的方式。现在数据都在线下交换,企业和企业之间,或者个人与个人之间进行交换,但这里面没有商品,数据商品出来之后是大数据的3.0,这是我的基本看法,这个时间还需要10年左右。
接着介绍共享经济的分享路径,共享经济是一种思维模式,改变所有权与使用权的价值判断,将影响个人生活与企业生产,甚至影响整个经济运行状态。但有几个基础的体系,一个是信用体系、支付环境和认证机构。如果没有基础的体系共享经济都是纸上谈兵,所以现在这个路刚刚开始,体系正在建立,是最好的时候也是最差的时候。那么分享经济有几个阶段我认为是这样的,第一个阶段是信息共享,简单的把信息放上来,但第二个就是要把产品和服务,今天的产品和服务共享,最后是把人、办公室、环境、感受,包括生产的过程,比方说加工一台笔记本,这个笔记本现在是众包的,是各个工商生产的,比如说我今天的车间如果不用,我能不能我把车间分享到另外一个空间让他共享,这样的共享就极大的促进了社会生产能力进一步的释放,所以这个生产的共享将会是共享经济发展趋势。
另外需要强调,共享经济的技术基础是互联网+大数据,共享经济它能形成经济模式一定要赚钱,没有达到一定规模的时候是赚不了钱的。一个公司假如说一年销售三千万,但成本可能一年也就三千多万,但他的成本在那儿,可以扩充扩张,他不断的分享单个经济所产生的价值,会不断的扩大,所以分享经济是有一个盈亏平衡的。这个盈亏平衡是达到一定的数据量,最后才能形成盈亏平衡。还有就是说互联网我们每个物体都有芯片,每个物体都智能,最后万物互联,这样共享起来就更加方便了。这样的话共享经济的基础就更夯实了。
还需要注意到:共享经济会把产品和服务进行关系再造。我们今天很多是以产品为中心的,我的产品加进了很多服务,未来会以服务为中心组织产品,因为今天产品过剩,人更关注的是自己的体验,所以我体验的过程是更多的产品。
共享经济的产业格局。就说谷歌,谷歌这个公司很有意思,他的资产就是数据,他能做媒体,能做IT,能做终端,能做平台,能做应用,能做电信,到底怎么了呢?你不要轻易的进入另外一个你不懂的行业,但是谷歌可以快速的做到其他的行业,就是他有数据资产,他能了解行业的需求,因为全球都用谷歌搜索,他能掌握这些人搜索的需求,他能迅速的洞察到商机,他能整合B端企业的供应链,然后通过谷歌的平台,他很快就能获得对某一个行业直接的渗透,最重要的原因就是因为有用户。还比如以金融公司为例,金融公司实际上是分享个人的信息,形成了很多第三方的支付,P2P众筹等平台,加快金融效率,实现数据征信数据的共享价值。其实我认为他是共享经济的一种形态是在金融领域的应用。
还有,共享经济有一个非常重要的,传统经济形态不具备的优势,这是我认为端对端的匹配能力是非常重要的,o2o经济形态,这是我们企业的资源到消费者,这实际上是企业资源组织能力的过程,这个能力越快获得的商机就越多,获得客户满意度就会更高,但是共享经济是拉着社会资源做社会服务,所以共享经济社会一定是更快的,所以这种形态是极大的提高了了企业经营的效率。还有一个就是黏性的增强,把客户从为客户提供管理变为为客户提供创造价值,所以大数据最大的价值几乎在于具有互联网基因的传统公司实现了共享经济。
目前来看大数据的企业已经很多了,但共享经济的企业大部分在国外,国内几个代表刚刚才起来,所以我们可以看到很大的商机在里面。
所以新的产业格局将是以共享经济龙头企业为代表的产业格局。
再说共享经济入口探索, 共享经济入口的探索,对我来说也是一个新的话题,有的人说是房子,有的人说技能,有人说是B2P,也有人认为在自媒体广告平台,或者还是在BAT,还有人说是数据交易平台,但不一定,有很多的入口,这个留给在座的各位西靠
最后,欢迎大家多多沟通,多多交流。最后结束语是:驽驾共享经济掌控未来,谢谢大家。
张涵诚微信:zhanghanc
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27