
如何利用大数据解决企业与用户实际问题
2016年,拨开产业泡沫,大数据企业开始探讨如何利用大数据解决企业与用户实际问题。而这一过程中,场景应用必然会被提及。聚美物联CEO金寿江告诉数据猿记者:“大数据时代,识别用户当前的场景需求,才是企业需要解决的首要问题”
上图:聚美物联CEO 金寿江
2015年,大数据产业在国家和资本市场的推动下进入爆发元年。据不完全统计,仅2015年,全国新成立的大数据企业有400多家,其中拿到融资的有50余家。可是,几乎没有一家企业对外公布了自己的销售额和利润额,因为绝大多数所谓的大数据企业都还热衷于“讲故事”,导致泛滥的数据概念已远超数据的商业价值。
当然,任何一个新兴产业的发展必然要经历从不理智到理智的阶段,只有经过百花齐放,大浪淘沙之后,优质企业才能被市场留下,成为行业领导者。而这也是大数据产业发展必然会出现的发烧症状和必须经历的进程。
2016年,拨开产业泡沫,大数据企业开始冷静下来。除了数据概念,他们开始提出业务需求,探讨如何利用大数据解决企业与用户的实际问题。而这一过程中,被提及最多的当属大数据场景应用。有人说,“不以结婚为目的的恋爱就是耍流氓”,同理,如果只谈数据不提场景应用,那么所谓的大数据就是在裸奔。
为了弄清楚大数据在市场应用方面的发展情况,数据猿记者走访多家大数据企业,探究了大数据在室内定位、APP运营以及人力资源管理等领域的应用现状。其中,基于移动互联网做室内位置服务的线下基础数据服务商,即上海聚美物联有限公司,进入了记者视线。
自互联网和移动互联网发展以来,大数据领域内很多公司都在做数据交易、数据挖掘、舆情分析等服务,涉及的多是线上网络数据,鲜有公司涉足线下位置数据。
而聚美物联作为大数据创业公司,从线下室内位置数据切入,填补了市场空白。
聚美物联成立于2011年4月,该公司通过扫描周边WiFi信号强度实现对移动终端的位置识别,以此采集大量数据,帮助各移动端做线下场景的数据服务。
据聚美物联CEO金寿江先生介绍,2013年,移动端业务逐步发展起来。当时一个偶然的机会,一家煤矿老板找到聚美物联,想要一套针对矿井人员的定位数据。但那时候国内鲜少有人做这种业务或者拥有这种技术,恰好金寿江之前一直从事网络数据业务,“我认为,将室内定位与大数据进行结合,是很有发展潜力的项目”。于是,他找到上海交大的几个博士开始一起研究基于大数据的场景定位服务。
价值:室内位置数据的价值在于识别用户当前的场景需求
也许有人会问,室内位置数据究竟有什么用?金寿江解答了记者疑惑。
首先,在广告精准营销方面,移动端只有用户线上点击数据和交易数据,基本属于历史数据,但广告投放时要根据人群做标签,需要完整的数据做用户画像。所以,室内定位数据弥补了线下数据源的缺失,能更好的识别出用户当时情境下的潜在需求,有利于广告投放。换言之,大数据时代,识别用户当前的场景需求,才是企业需要解决的首要问题。
其次,可以监测移动端用户流失率。除了像微信这种用户黏性比较高的平台之外,在大多数平台中,80%的用户属于沉默用户,可能一个月都不会使用一次。但这并不代表这些用户没有需求。比如,一位大众点评的注册用户,长期没有下过订单,通过定位数据却能够知道其实他经常光顾同一家饭店,只是没有使用大众点评,这是平台比较容易流失的一类客户,需要重点服务。
最后,可以帮助平台提高用户活跃度。为了激活沉默用户,很多平台会线上发起促销活动,但都比较简单粗暴,而通过室内定位数据就能将流量和线下行为进行导流。
比如,到店摇一摇,用户通过线下场景触发线上,线上通过平台帮助线下导流,聚美物联的工作就是将数据实时反馈给活动方。再比如,宝马在“今日头条”投放广告,依据移动端定位数据,就能够知道宝马线下品牌店有多少客户是通过“今日头条”而来。数据从线上到线下实现了闭环。
技术:人工智能也好,虚拟现实也罢,都是通过场景来增强用户体验
事实上,室内定位技术,已经被媒体炒了很多年,但这个行业一直缺乏好的商业模式,所以,同类型公司都只是停留在技术层面。
对聚美物联来说,其配备了大量线下采集人员去各种公共消费场所做信号采集工作,形成了自己的数据库。据金寿江透露,此数据库能够开放给各移动端调用,把同样场景的信号发过来,然后他们根据信号在后台计算出对应的POI信息。
从技术本身来说,通过采集无线信号进行识别、匹配,然后按不同信号特征、不同权重进行计算,众多技术公司并无太多创新。但聚美物联的“米级”精准定位场景,能够精确到3米误差范围内,用户只要开启WiFi,无需接入即可直接精准定位到店面,精准度达90%以上。这也是他们历时五年,在很多实地场景中对各种信号处理后研发的专利技术。
此外,现在提到大数据的场景应用,不得不讲人工智能、虚拟现实等前端技术。在金寿江的描述中不难发现,无论是人工智能还是虚拟现实,这些高新技术于大数据而言,都是场景应用的服务形式,因为最终目的都是提高用户体验。“我们过去看东西是平面的,现在用3D,更有身临其境的感觉,体验更佳。这就是通过场景来增强用户体验,是社会发展的趋势,也是大数据场景应用的未来。”
当然,一定会有人质疑,位置信息被获取后对用户本身而言还有何安全可言。对此,金寿江强调,聚美物联目前提供的线下室内定位数据都是脱敏数据,不包含个人隐私内容,如姓名、性别、手机号码、家庭住址等信息。
市场:室内定位数据服务,是所有移动互联网企业未来发展必配的入口级服务
从聚美物联目前的发展情况来看,服务的重点对象还是大中型移动互联网企业。金寿江称,“相对大型企业而言,很多中小型移动互联网企业还停留在圈人阶段,没有达到利用数据做精细化运营、产品化创新的阶段,所以他们的需求相对小一些。”不过,他还称,“室内位置服务,是所有移动互联网企业未来发展必配的入口级服务。所以,无论是大型企业还是中小企业,未来都很有市场。”
就商业模式而言,记者发现,聚美物联现阶段只提供原始的位置数据,按照流量收取费用;第二阶段,他们将构建自己的DMP平台,根据不同行业对数据的不同需求,提供数据挖掘与分析服务。比如耐克想知道全国门店来了多少人,竞争对手的门店有多少人,如何分布等,这对品牌商运营来说很重要,之前他们都是花钱请调查公司做市场问卷,以后这种服务就可以依靠线下的室内定位数据得到答案。
从服务领域来看,聚美物联的业务主要涉及房产、医疗行业;线下场景有商场、酒店、4S店等。目前,聚美物联服务了多家知名电商平台,如一号店、安卓应用商店、小米、大众点评等,以及其他社交平台。金寿江告诉记者,他此次来京的一项重要任务就是与脉脉科技谈合作,帮助其提高用户体验。
未来:场景应用将是大数据产业发展的救命稻草?
金寿江告诉记者,大数据之所以如此受追捧,是因为互联网和移动互联网的发展产生了巨大的信息流,但现实是,互联网和移动互联网给人类带来的信息是不对称的。
金寿江解释说,海量数据在不断被保存、记忆和处理的过程中,给大数据发展带来了难得的机遇,解决了信息不对称问题,但随之出现了严重的信息泛滥现象,又使行业产生了新的信息不对称。在不对称的时候变成对称,在对称以后又出现新的不对称,这是事物发展过程中矛和盾相互转化的自然现象,但数据价值是始终不会变的。
数据之所以成为商业社会的必争之物,在于它在实际场景中的应用。得数据者得用户、得用户者得天下。企业之间的激烈竞争是商业社会优胜劣汰的必经之路。所以,如何利用好数据,将其价值转化到应用场景,是当下企业需要考虑的问题。
“移动互联网时代,用户永远是在虚拟和现实两种场景下交替存在“。因为,如果一个人在饭店吃饭,同一时间他登录某电影售票平台,也就是说他同时处在现实与网络虚拟两种场景下,可是两家企业在服务这一个用户的时候却彼此不自知。这在移动互联网时代是不应该的事情。”金寿江强调,“移动互联网时代,我们要随时随地与网络接触,时间、地点、网络三个维度缺一不可。”
在金寿江看来,目前,大数据产业正走向数据开放和共享阶段,国家也在积极推行大数据交易所的成立,把发展大数据战略上升到“十三五”宏观经济产业支柱层面。未来,真正有前途的企业是掌握数据并能在真实场景中利用大数据的企业。未来五年内,如果移动互联网企业能很好的应用数据,才有机会在激烈的竞争中杀出重围,大放异彩。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14