
大数据时代下的产业+会展
由中国经济网会展中国频道发起的“大数据时代下的产业+会展”研讨会6月6日在北京召开,围绕“大数据在产业会展中的价值”、“如何使大数据(互联网)+会展更有实用性、可操作性”、“会展传播对大数据下的产业意义”三大议题进行了深入探讨。
研讨会现场
中国会展经济研究会常务副会长储祥银、中国经济网常务副总经理雷越、长城会副总裁周景龙、北京逸格天骄展览有限公司副总经理李益、中国畜牧业协会副秘书长刘强德、汇展供应链管理(北京)有限公司CEO吴菲、《中国贸易报》会展周刊主编周春雨、中国经济网大型活动办主任严永怡、中国经济网会展中国频道主编周宇宁等出席了此次研讨会。
研讨会现场各位嘉宾
会上,雷越介绍了中国经济网和大数据的需求情况,希望能和会展业界专家和从业者进行大数据产业+会展方面的深入探讨,也希望媒体和会展业界能共同找到大数据的应用路途,共同提升传播力和影响力。
严永怡介绍了中国经济网主承办的品牌会展活动:中国食品安全论坛、中国国际食品安全与创新技术展览会、中国食品安全30人论坛、国际食品安全会议、乌镇世界互联网大会、丝绸之路经济带智库峰会、三经论坛、中韩媒体高层对话等一系列会展活动。
中国会展经济研究会常务副会长储祥银
储祥银介绍了目前产业会展和大数据的情况,他表示,如果说大数据是一个平台,那么会展本身也是一个平台,如果能把两个平台相互融合发展起来,将得到更大的发展平台,出现倍加效应。数据可以为整个产业发展做好服务,产业发展了,和这个产业相关的展览会就更容易做好。而通过会展活动有意识的数据效应,也可以为行业搭建更好的平台,使行业用新技术走得更快。储祥银认为,做会展的大数据,不是简单的如何招商,更多的是如何应用大数据把行业相关的资源整合在一起,产生释放效应。
刘强德认为,展览主办方以前后台储备的所谓数据都几乎是半死状态,每年都需要更新和清洗。大部分数据来源就是简单的展商和观众名片信息,过去曾经认为是一个大数据,当做一个宝贝,以前很多展会也靠它来支撑。现在的会展大数据有别于过去的数据库,不仅具有海量性,万级的数据,还具有海绵的吸纳性。是由一些和展会相关联的人身份信息、行为信息、以及这个行业信息,根据这个人去关联出来很多关联信息,就不是一个表格了。第三就是要及时性,一定是在云上,不管是展会期间还是展会前、展会后都可以及时用,而且不是展会三天才想起来使用这样一个工具。这是大数据的基本特性,面对现在的大数据概念,我们要考虑如何建立,如何用大数据来指导会展业发展。
刘强德表示,对于大数据我们现在要有这么几点思考:第一大数据如何建立?说是要建百万级大数据,如何建立这是一个问题。第二就是数据建完之后如何用,对于我来说有什么价值,到底是用哪些?近两年来,会展业对大数据众说纷纭,但是真正落地用大数据来指导会展,包括在会展期间的三天中做指导和应用的,好像还没有很成功的案例。
中国畜牧业协会副秘书长刘强德
刘强德认为,可以通过事件如“畜牧人红包节”这样的线上活动,主动吸引行业人把信息登记上来。因为从网上找的信息不是特别准确,而且信息量和价值都不是特别大。但是活动,像事件营销,挖掘心理这样一个活动,一下子就可以瞬间得到万级甚至更高级的数据,面且相对准确。如果这些数据中的行业内人士到达现场后,能有1%转化成展商,那增长率就是几倍甚至更高了。还有就是展会之后如何让这个数据进一步得到发挥。现在云平台这么通畅,2倍5倍8倍增长都有可能。但如何让展商基于我们得到更好的服务?如何让一些数据统计变得更加科学,更加真实?如何准确判断下一次观众和展商对展会所谓的满意度和下一次的参与度?这些都是要通过数据来考察的,所以现在按照我们对大数据的理解设计大数据的吸纳、采集和应用。
“不管是数据的建立,数据的使用,还是数据后续的价值,真正为我所用而且能够落地实操的,才有价值。”刘强德最后表示。
北京逸格天骄展览有限公司副总经理李益
李益认为,现在数据的收集是海量的,也可以达到相对精准。会展大数据有传统数据、基础数据,比如各级城市、各级展馆所有的数据,是基础性的。还有的数据是互联网(包括移动互联网)数据,另外一部分就是从联通、移动手里面拿的这些行为信息。但众多数据面前,如何建立逻辑关系,如何让数据为其所用,这是数据公司一直在探寻和尝试的问题。
汇展供应链管理(北京)有限公司CEO吴菲
吴菲认为一提大数据就涉及到收集,其实对展会现场收集数据来说,传统的纸质包括电子观众登记表的意义何在?少者几千多则几十万,那是一个非常粗犷的数据,收集上来的数据就不精准,怎么用数据来分析,会不会产生误判? 按照现在互联网的入口通道基本上就是手机和邮箱,至于来自哪个行业可以通过名片取样。技术的革新其实早就有了,在零售领域运用的已经非常普遍,比如RFID、人脸识别、客流统计等系统已经十分成熟,而会展业技术层面的开发和应用还远远不够,我们现在的会展领域绝大多数还在用条形码、二维码。
他预判未来三到五年之内,会议对展览的冲击是非常大的,现在展会对于我们来说最有价值是什么?就是人跟人之间的交互了,为什么他不谈大数据,每年不管是观众还是从展商来分析,不是因为我们做的不好,为什么老客户达到80%到90%,新客户只有10%左右,因为行业的蛋糕就那么大,加之现代营销手段的多样化和便捷性,企业的自媒体渠道,企业的营销渠道,企业的宣传渠道,企业的客户积累比主办做的强多了,连卖樱桃老农都懂得微营销,传统展会的意义何在?值得深思。怎么去把自己所收集上来的数据做到精准,然后通过这个精准的数据来满足企业的需求,来做精准营销,怎么来提升展会的附加值是业界下一步要研究和实施的。
吴菲还表示,会展是服务,如何满足参展企业个性化的需求,中国的展会为什么不能卖门票?很大层面上是一传统思维的固化,来吧,人越多越好。去年他曾顶很大的压力,把零售业博览会的门票提到了百元一张,结果反而观众量上升了好几倍,预登记达到80%精准性大大提高,而门票的收入可以做很多附加值,比如商务午餐、参加推介会的资格、赠送展刊,让大家觉得花的钱值、在展会里面呆的更久同时也减轻了你现场的压力,关键是收集的数据更为精准了。
“从现在会展行业发展来看, B2C现在反而有上扬的趋势,但是B2B的很多展会都在往下走,实际展会只是一个结果的体现,展会可以完全代表产业吗?”吴菲说展会是一个“富人”的游戏。所以作为展览的主办方也好,或组织方也好,一定要知道所在展会行业的痛点在什么地方,所有来采购的人想要的是什么,参展的人的需求是什么,这才是最后展会的价值所在,包括围绕这个主题大家进行数据分析,精准营销。
长城会副总裁周景龙
周景龙表示,会展是一个平台,互联网是一个平台,而它们的最大价值是推动各个产业健康发展。他刚从大数据博览会回来,看了所有的参展企业,其实大数据也好,互联网展览会也好,高科技展览也好,展出的内容都一样,之所以有大数据这个词,其实是得益于移动互联网的发展,因为移动互联网由于传感器的出现,包括后期可穿戴设备的出现,产生了很多数据,所谓说的大数据仁者见仁不一样,有的时候必须是海量,不要拘泥于目标到底是为什么。
周景龙认为大数据最重要的是不同维度。流程数据是未来大数据里很重要的一点,会展组织者关心的是观众走了哪些展位,听了哪些会。流程数据在整个过程当中,定义对不对其实无所谓,从多维度的角度发现这个数据产生的关联,才是他认为大数据很重要的一个特点。还有一个数据就是结果数据。在大数据时代,大数据其实是跟云计算息息相关的,大数据是在提出问题,云计算在回答问题,我们往往关注结果数据,想知道这个展览会一共来了多少人,给你一个结果,给你一个报告,这个是结果数据。
周景龙表示,数据思维、智能化思维能够创新智能的产品,无非是选择的切入点是好的。因为会展行业以前不太注重技术和数据,空白点较多,目前只有30-40%的企业看到了会展需求的10%,他们解决的就是观众组织的问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28