京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据应用时代来袭 SaaS走向没落_数据分析师
随着大量的信息涌入互联网——90%的互联网是过去两年建立起来的——互联网公司正在想方设法去熟悉并利用大数据来推动他们的业务。正如SaaS和云技术一样完全变革了企业的运作方式一样,大数据应用(BDA)也同样可以。 BDA是基于网络的应用,它通过解释和使用大量的企业和网络规模的数据,为他们的用户提供更智能的结果。0
但真正的问题是:假如底层的数据结构使用Hadoop和noSQL会是什么样的一个情况?没有一家大公司的CEO会为可扩展数据结构带来的价值主张而感到兴奋不已,BDA就是在这样的背景下应运而生的。BDA不只是重新包装你的数据,让界面看起来比较酷炫或者使数据扩展性的效率得到提高,它们是利用全世界的数据,给你提供更好的结果——比如说带来更多的收入。0
SaaS对于企业软件来说是一种不同的交付模式:它允许即时注册,极大地降低整合成本,并允许用户购买前试用,而且具有良好的可扩展性。Salesforce.com通过转变CRM行业开启了云技术变革,随即被很多各种类型的企业软件争相效仿,如为HR提供服务的Taleo/Successfactors , 提供ERP服务的Netsuite公司以及提供网站数据分析的Omniture 公司等。SaaS增加了商业软件市场规模的同时为大企业带来了更好的投资回报率。但它忽略了一件重要的事情——它并没有改变核心应用软件的基本功能。 Salesforce没有添加企业面对面的Siebel CRM功能—— 它只是让人更容易采纳并且维护费用较低而已。0
Google、亚马逊、Facebook等公司对软件消费方的大数据有很好的理解。亚马逊CTO Werner Vogels最近在CeBIT(德国汉诺威国际信息及通信技术博览会)上发表专题演讲时指出,失误出现主要是因为没有足够的数据备份来提供补救措施。随着更多的用户和数据加入核心引擎的应用程序,所有这些让软件变得更加难以应付,显得更为智能且更有价值。现在,BDA企业正在不断兴起,并且它们会是未来的发展趋势,以下就是些很好的例子:0
LinkedIn是一家专门提供招募人才软件市场的BDA公司。LinkedIn不是让你把联系人加入单独的通讯录,而是将这些联系人全部联系在一起,让用户与用户、用户和有关键竞争力的招聘者之间建立起联系。每个用户加入LinkedIn,LinkedIn的BDA存储栈都会接受到信号,从而方便招聘者掌握他们的所有资料,而不仅仅是单个用户的相对分散的资料。在资源共享的情况下,小型的专业的招聘公司就可以与那些大的猎头公司进行竞争。
Bazaarvoice是一家专注社会化共享的BDA公司。他们在网络上搜集客户评论,然后将这些信息提供给很多网站。传统的基于SaaS的方法存在这样一个弊端:它们只是在单独的网站上搜集和发布客户评论。相反,Bazaarvoice从整个网络进行信息搜集,从而确保只要客户的网站出现一款新的产品,即时的评论就会呈现给你,这样Bazaarvoice就为所有Amazon.com销售者提供可比较的评论数据库。
我们自己的BloomReach公司,是一家专注市场营销的BDA公司。我们仅通过对网站进行分析就可以为网站所有者找出相关遗漏信息,而这些信息可以为网站所有者带来可观的利润。我们分析全网络用户的需求,针对特定的用户在整个网络内建立语义模型,然后根据那些与用户最相关的内同不断增加网点。Adobe旗下的Omniture公司在SaaS的应用软件中包装你的数据,为你的企业提供营销建议,而BloomReach则是先对网站的数据进行分析,然后设法为该网站带来更多的流量,从而给他们的客户带来更多的利润。
事实上,BDA本身就好于SaaS,因为它们不仅具备SaaS交付模式的所有好处,而且还有搜集数据过程所带来的网络效应。随着时间的推移,独特的数据能够为用户和应用提供商带来网络效应,是一笔宝贵的财富。目前,因为企业外部的数据要多于企业内部,仅仅因为数据分析和工作流程的需要,就对企业内部数据进行重新包装的想法看起来显得有点古怪。0
BDA公司创造价值的方式与SaaS公司大相径庭。BDA公司是由一群在大系统方面有着丰富经验的人建立起来的,他们在机器学习和数据挖掘发面具有很深的造诣,比如说我的合伙人Ashutosh Garg就是这样的人。虽然BAD和SaaS的目标都是针对企业内部,但BAD的投资回报率要高于SaaS,因为每个客户会给引擎增添数据,反过来这些数据又会重新为这些客户所用,所谓取之于民,用之于民。目前市场上对SaaS公司有三个评判指标:用户的生命周期价值,客户开发成本,以及增长率。毫无疑问大多数SaaS公司具有很高的增长率,但相比之下BAD公司在生命周期价值和开发客户成本方面却更胜一筹。0
BDA的革命才刚刚开始,相信将来它会带来更加广泛的影响。如果我们要再次建立CRM,我们将不只是跟踪销售人员的效率,我们会建议你如何利用整个行业的数据与你的对手竞争。如果我们要建立市场自动化营销软件(如Marketo,Eloqua),我们将不只是捕捉和培育客户所产生的线索,我们会在整个网络中去发现并为他们吸引更多的线索。如果我们建立一个财务应用软件,它将不只是将追踪贵公司的财务状况,而且与你同类的上市公司进行对比,你可以衡量自己的现状来决定采取最佳措施。0
像任何新技术一样,新事物的出现并不意味着旧事物的立即消亡,这需要一个更替的过程。虽然Oracle公司和SAP公司仍是大公司,但Salesforce.com是一个有着20亿美元市值的庞然大物,绝对不可小觑。我们有理由相信未来是属于BDA的,是时候对SaaS说再见并且迎接BDA的到来了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12