京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据落地应用畅想曲(一):定制化产品和服务
昨天下午洗澡的时候,突然就想起了之前的一个大数据案例,讲的是美国旧金山有一家电子商务公司True&Co,他们采用数据分析的技术,为他们的客户寻找合适的bra。这个案例的之前36大数据之前曾报道过。基于这个案例在实际生活中的应用,我想提出自己的观点,人体本身就是一个“活”的大数据,而大数据未来可以拓展到我们未来生活的方方面面,让我们生活更加智能和便利。
此前,我曾经提出过一个观点,“每个人的背后,都是一组鲜活的数据”,没错,每个人对应的是无数的数据,这些数据有健康方面的数据,包括身高,体重,三围,血型,星座和身体各项指标数据等;有消费方面的数据,比如浏览网页、玩iPhone游戏、微博、微信等数据;还有个人信息的数据,比如姓名、职业、学历、阅历、电话、电子邮件等等。还有一些没有捕捉或者记录的数据,例如梦境、理想、一瞬间的想法、信仰等等。而这些数据,组合成了一个完整的人,并且这些数据都是随时会有变化的,属于流动型的数据。所以,我们可不可以理解为,一个人,本身就是一个大数据。
因为有这些数据,我们可以畅想一下大数据如何应用到生活中。
抛出我的另外观点,大数据另一个商业化路线——定制化产品和服务。
因为是在洗澡想到的事情,自然就想到了自己遇到的一些困难。前面我说到,每个人都是一个活体大数据,因为每个人的数据不一样,所以在一些适合自己的产品选择上也是不一样的。比如说,洗发水的选择。
要选择适合自己的一款洗发水非常困难,因为身体因素不一样。比如冬天,头发干枯毛躁的现象很常见,而夏天因为出汗、头皮油脂分泌过多,就需要选择清爽型、去屑的洗发水。而我们在购买洗发水的时候,换来换去总是那么几种,只是牌子不同罢了,所以我家里也囤积着大量用不上的洗发水。
如果有一家公司能够准确的猜出我想要的产品,或者根据我自己头发不同时期的状况,给我定制出不同的洗发水会不会更好呢?一方面可以节省我左挑右选的时间,一方面也可以帮我节约买错商品的钱呢?这里就需要用到大数据分析。大数据分析里面不仅包括我身体的各项数据,还有天气、地域不同的数据,还有我喜好,生活习惯等等。这个大数据模型最好能够精确的预测出不同时期我不同的喜好,对洗发水味道的选择,以及我是否想要修复头发、顺滑头发等附加功能,根据大数据分析结果,从而调制出我想要,并且适合我的洗发水,而洗发水的香味与我们近期使用的香水味道又不相冲突呢?
再回来说女性内衣个性化定制的情况。挑内衣真是件很困难的事,颜色、布料一直是内衣厂商非常下功夫的地方,但实际上,即使试穿过的内衣,也不一定适合你自己。原因很简单,内衣要搭配不同的衣服和裙子来穿,而且颜色和肩带的选择也很重要。再者就是舒适度。
用大数据来定制女性内衣,那么背后的大数据里面,除了尺寸、颜色、三围数据之外,是不用应该把我要出入的场合、要搭配的衣服、不同季节、生活习惯等等考虑进去呢?假如这个女性身体是多汗型,那么是不是在内衣的布料的选择上要选择更加吸汗的布料呢?如果我还很喜欢穿吊带裙,那么是不是要考虑用窄的肩带的呢?而且年龄不同,对内衣的需求也不一样。而这些因素,目前的内衣厂商并没有考虑进去。
学生想去的景点与办公族想去的景点不同,老年人想去的景点又与中年人想去的景点不同,背包客与驴友想去的景点更不一样,学美术和学建筑的更不一样。如何做到大家都满意?用大数据来定制旅游吧。
不仅是年龄,身份和生活习惯,每个人的情感和经历也都不一样。比方说,我们的叔叔阿姨们都看过电影《罗马假日》,他们去罗马肯定是要去许愿池的,但我不一样,我是80后,我没看过这部电影,但是我喜欢歌剧,去罗马我更想去罗马歌剧院听一场歌剧。而旅行团往往选择的景点都是只要著名的都去,或挑选一些大家都去的地方,而不是根据每个人的兴趣去选择。这个时候,定制化的旅游产品就变得很重要。而人们往往又不知道自己到底想要什么,想要去哪里……不妨用大数据预测一下吧。
说到酒店,不记得在哪部电影里看过这么一个桥段,国外有一家企业的BOSS去另外的城市出差,在一家五星级酒店下榻,刚刚办理完入住回到房间,侍者就送来了一瓶昂贵的葡萄酒,而这款葡萄酒不说酒店常用的,非常难买,是酒店为了客人专门从另外一个城市空运过来的。
侍者送上葡萄酒后,这个大BOSS非常的感动。因为他有每天下班回家喝一点葡萄酒的习惯,而葡萄酒的品牌和规格正是他每天喝的那种,他觉得自己又回到了家里,很贴心。
其实这也是一个定制化服务的例子,酒店通过了解客人的喜好、生活习惯、年龄、职业、身体状况、收入等大数据,从而针对他本人专门定制了服务。
利用大数据来做定制化服务和产品,可以用到生活中的方方面面。未来,我们去逛大商场,也许根本不用穿着高跟鞋逛得累个半死,自从进入商场起,我的iPhone就会收到商场为我个人定制的服务计划。我喜欢的牌子新衣服到货了,根据我的收入,我也买的起,只要去试一下拿货就行了。我有3个小时的时间,除了买衣服,这个定制化服务里还会根据我的时间安排出我今天的行程。根据我近期的大数据(比如说减肥计划、喜欢的电影类型等等),推荐我去素食餐厅,去看一场科幻电影等等,把我的3个小时安排的丰富多彩并且有条不紊,是不是很开心呢?
结尾:
人人都在说大数据,但是又不知道大数据到底要怎么玩?定制化产品和服务是个不错的选择,滕百万不妨试试。事实上,大数据的体量是很大,但是真正的落地点是小数据和接地气,让生活更加便利和智能。如果你有大数据,却不知道如何用,不妨多出门走一走,你会发现在定制化服务方面的落地点很多。
试想一下,你一个川妹子,如果能在法国香榭丽舍的酒店里吃到酒店提前为你准备好的四川火锅,你的感受如何?
PS.“大数据落地应用畅想曲”系列文章会记录我个人不定期的一些想法和观点,不说概念也不谈各种高大上的东西,旨在从自己生活说起。希望对你有所启发。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 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 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 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 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 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 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 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。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 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 ...
2026-09-22