京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的网红时代 且看谁主沉浮
近日顺丰菜鸟“数据断交”之事俨然成了各大新闻媒体的话题中心,还引得两大互联网巨头腾讯和阿里纷纷站队,短短两天时间内影响了百万消费者和商家,所幸,在国家邮政局的及时协调下,双方同意从6月3日12时起,全面恢复业务合作和数据传输,这场持续45小时的战争终于偃旗息鼓。
从表面上看,两家都义正言辞地表示此次事件是为了保护用户信息安全,其实本质上是顺丰和菜鸟对物流大数据的话语权争夺。中关村数字产业联盟副理事长、DCCI互联网研究院院长刘兴亮评价“为了抢夺物流数据的控制权,菜鸟和顺丰不惜上演大战,由此可见大数据的重要性。”
大数据缘起互联网
那么,大数据到底是什么?它又是如何构建现代商业模式的呢?
大数据,或称巨量资料,指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。简单来说,“大数据”是多渠道搜集而来的庞大数据组,是受到相关部门、企业采集的,蕴含数据生产者真实意图、喜好的,非传统结构和意义的数据。
由于互联网公司拥有海量用户数据,所以首先利用这些数据并挖掘其价值的就是他们。其中Google是最先发现大数据应用潜力的先驱者。他们通过分析美国人最频繁检索的词汇,与美国疾病中心2003年到2008年间季节性流感传播时期的数据进行比较并建立模型,最终成功预测了2009年冬季流感的传播。此后,电商企业通过建立用户画像,了解并预测用户的消费习惯,定期为用户推送合适的商品……大数据就像是一座待挖掘的“金矿”。将眼光放到国内,我国正处在信息化飞速发展的时代,数据纷繁复杂,大数据整理和监测必定成为各行业发展的趋势。事实上,伴随顺丰菜鸟事件的发生,已经让围绕大数据的利益纠葛上升到了一个前所未有的高度。
我国大数据的发展现状
2017年初,工信部正式印发了《大数据产业发展规划(2016~2020年)》,全面部署“十三五”时期大数据产业发展工作,加快建设数据强国,为实现制造强国和网络强国提供强大的产业支撑。工信部预测数据显示,到2020年,大数据相关产品和服务业务收入将突破1万亿元,复合年增长率保持在30%左右。
目前,BAT等互联网企业是大数据的流量入口,BAT三家很早就将大数据升级为集团级战略。不过由于三巨头在业务和商业模式上的不同,三者的大数据战略存有很大差异。从数据源上看,作为国内最大的搜索引擎,百度拥有大量的公共数据和用户搜索行为的需求数据;而阿里则是交易及信用数据;拥有微信、QQ两大社交平台的腾讯则掌握着社交关系数据。
中国移动、中国联通和中国电信这三大运营商则守着数据金矿。中国移动早在2016年就率先提出了“大连接”战略。根据中国移动的规划,中移动将做优连接服务、做强连接应用。连接服务结合硬件与管理平台,从管道接入型连接向平台级连接与端到端基础设施服务拓展。中国电信已推出了“星图”——金融大数据风控平台,“鲲鹏”——旅游大数据平台,以及“鲲鹏”——地产大数据平台等细分产品。中国联通则把大数据纳入到集团的重要战略性业务。在内部,中国联通提出以“用大数据再造一个中国联通”的明确定位。
由此可见,大数据正成为继2G语音短信、3G上网、4G视频后,三大运营商又一争夺的新战场。但值得注意的是,他们在该领域共同的对手却是以BAT等为代表的互联网企业。
独立电信分析师付亮表示,“电信运营商的业务性质本身使其可以采集到庞大的用户信息,并对其消费习惯、服务记录、行为轨迹等有较为全面的理解,而BAT虽然也能对自己的每一位用户进行精准画像,但是他们的侧重点集中在社交、搜索、交易等方面,数据缺乏立体维度。因此,三大运营商的数据跟用户的关联性更强”。
未来大数据发展该何去何从
虽然大数据的起源要归功于互联网及电子商务,但是大数据未来的应用前景很大一部分来自于传统产业。一是所有传统产业都在互联网化,二是传统产业仍然占据国家GDP大部分份额。
具体来讲,中国最需要大数据服务的行业就是受互联网冲击最大的产业,首先是线下零售业,其次是金融业。由于电商的冲击,国内很多零售巨头增长严重放缓,甚至遭遇负增长,线下零售已经到了不得不变革的危机关头。在线下客流下降的情况下,如何提供人流在线下零售店中的效率,如何从需求端传递到最后的供给端,就需要大数据分析。比如通过相关的智能设备采集零售店面,销售数据、人流数据、产品数据,再对这些数据进行挖掘后可以预测零售店面的销售量,从而为商家铺货时提供决策依据。这就改变了以往盲目铺货最后清仓打折销售的局面,降低制造企业库存的同时,也提高了销售效率。
金融业不销售实体产品,自诞生起就是基于数据的产业。由于金融牌照在我国具有稀缺性,金融业前几年享受了不少政策红利,内部变革动力不足。随着互联网金融的兴起,唱衰银行、保险等传统金融机构的声音不绝于耳。但是,从数据积累的角度我们也应该看到传统银行、保险等金融机构拥有大量沉淀数据,如果利用好这些数据,深挖数据价值来一次华丽的转身也不是不可能。
需要注意的是,科技的进步,可能会在外力上,让人变得慵懒,让大脑开始“自我放弃”。数据只是工具,人的因素依然很重要,当数据利用度到了某个度后,再深入挖掘下去,就需要靠人脑的智慧了。企业需要时刻意识到这点,并且不断保持好奇和创造力,才能在信息化时代占据一席之地。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12