
大数据和创业公司【实例】_数据分析师
HamptonCreek是一家专门生产植物鸡蛋食品的创业公司,它最有名的产品是“Just Mayo”蛋黄酱!这家公司在本周刚刚进驻Dollar Tree开设专卖店,在接下来的几个月中,它还会将公司位于旧金山市中心的总部扩建成占地9万平方英尺的办公场所。尽管这家创业公司成长惊人,但它最令人吃惊的动作还是在于挖走了Google的高级数据分析师丹·西格蒙德(Dan Zigmond)。
数据分析师的秘密
一家生产蛋黄酱的初创公司,和一位在过去八年的时间里一直都在处理YouTube和Google Maps 出现的数据难题的Google高级数据分析师之间能碰撞出什么样的火花来呢?
简单说,HamptonCreek给西格蒙德现在的新任务,是为Hampton Creek建立全世界最大的植物数据库。
“我们已经吃了太多垃圾食品了,所以我们需要吃更多的健康的低脂肪植物!USDA最新发表的一份调查表明,我们购入了太多的红肉、细粮和不健康的脂肪。”按照Hampton Creek的CEO乔什·蒂特里克(Josh Tetrick)的说法,西格蒙德正是最合适的人员。“丹拥有令人难以置信的大脑,他能够整理大量的数据,并从中找出数据之间的真正联系。”他所说的“真正的联系”指的是利用现有的数据库找出能够真正改善地球的植物。
蒂特里克认为这位前GoogleMaps的专家着手建立的全世界最大的植物数据库,有可能会改变我们每天早上放进嘴里吃的东西,而我们不会觉察到有什么不同,这样就可以从根本上改变美国人日益凸显的体重问题。
远大的目标——人类健康
事实上,每天过量摄入玉米和大豆产品,是导致美国人体重大幅上升的主要原因。一方面,因为购买精细或者加工过的食物的价格要比健康有机蔬果便宜得多——自从大萧条以来,美国政府一直都根据农业法案向种植某些作物(例如玉米和大豆)的农民提供津贴,很显然,这份法案对薯片和糖果的产量提供了很大的支持,而不是苹果和其他更为健康的食品。
毫无疑问,超市里面能买到最便宜的食品通常都有较高的卡路里含量和较低的营养价值。这些食品大部分都是来自农业法案所扶持的玉米和大豆。以上的原因导致了每三个美国成人当中就有一人患有肥胖症。这意味着现在美国有超过1亿的人口正在面临更高的健康风险,比如更容易患上糖尿病和心脏病。另外,截至2008年,美国每年的医疗支出已经超过了1,470亿美元!
在Hampton Creek看来,工厂化农业经营造成了大型工业化农场的垄断地位,这样会导致大规模的浪费,土壤也会被磷酸甘油之类的除草剂污染,工人的收入被拉低,另外现在很多普通的病原体都对抗生素产生了抗药性,有很大一部分的原因都是来源于农场的工业化经营。“如果能建立一个数据库,让其他的公司可以从中获取世界上各种植物的信息,然后利用这些信息来鼓励农民种植一些对地球有好处的新经济作物(不仅仅是大豆和玉米)。这样反过来也能帮助农民更好地养家糊口,提供更加健康、性价比更高的食物,同时也能带动小型农场的发展。”蒂特里克如是说。
但问题是,要建立全世界最大的植物数据库来解决以上的问题可不是一件简单的事情。现在世界上有超过870万种已知的植物,更不要提每种植物之下还有多种不同的分类了。
解密数据
Hampton Creek最出名的产品是蛋黄酱,不过它也有卖不含鸡蛋的曲奇饼,并且很快就会推出一种外观和味道都跟鸡蛋一样的豆制品。蒂特里克说如果拥有世界上最大的植物数据库的话,他们将会推出更多不含鸡蛋的产品。他表示有一种植物现在还没有投入市场,但是它可以降低糖果的含糖量,同时还能保持糖果本来的味道。
实际上,Hampton Creek的调研团队现在已经记录了13种植物当中的4,000棵不同的植物,希望找出比HamptonCreek现有产品拥有更好地稳定性和口感,而且价格更低的植物特性。蒂特里克做出了这样的比喻,“我们现在不是在搅拌鸡蛋,而是将植物捣碎,找出我们需要的特性。”
西格蒙德如果建立出全世界最大的植物数据库,Hampton Creek就可以开始研究那些植物拥有他们所需的特性,可以做出更健康、更便宜,而且对动物和环境的影响更低的食品。
蒂特里克深入解释了他们发现某些类型的加拿大黄豆拥有合适的分子质量,这就意味着这些黄豆拥有合适的稳定性,可以用于制作Hampton Creek想要的产品。但是从目前来看,要找到更多这样的植物特性无异于大海捞针。仅仅是加拿大黄豆就有超过2,000个变种。
出售数据
Hampton Creek的目标是向大众提供价格合理,同时能够改善地球的食品。“这就是我们最近进驻Dollar Tree的原因。”蒂特里克说道,“比如像我爸爸这样的人就应该买得起蛋黄酱,不用担心它的价格和是否健康。对于普通人来说,食物应该变得更加健康和便宜,不然它们就没有任何意义了。”
根据蒂特里克的说法,通过大数据了解了这方面的知识之后,他们就可以做出更便宜、更安全、更健康的产品。而且这些信息也是一些大型食品厂商愿意花钱购买的。虽然蒂特里克不愿意透露具体的厂商名字,但是他说Hampton Creek现在已经跟几家知名的食品品牌商讨数据库授权的事宜。
“如果现在有人要用十亿美元买下Hampton Creek,我们全公司上下都会毫不犹豫地拒绝。”蒂特里克说道。事实上,这家创业公司现在已经获得了由Bill Gates Foundation和Google Ventures等投资人提供的3,000万美元资金,而且,Hampton Creek是一家盈利的公司,他们的“Just Mayo”蛋黄酱产品在美国Whole Foods、Safeway、Costco和Dollar Tree等商店出售。
不论是Costco还是Dollar Tree,这些商店对于蒂特里克个人来说有着最重要的意义,因为这是一家面向中等收入的美国人的商店,也是他爸爸会走进去买东西的商店。
蒂特里克想要让这些产品变得随处可见,能够让人们真正吃上更好地食物,无需再站在收银台前在价格和健康之间作出选择。“这也是我愿意将他们的信息卖给一些大型食品厂商的原因。”蒂特里克说,“我真的很想做一些能够改变世界的事情。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15