京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的终极目标就是成为你肚子里的蛔虫
前我曾在自己的脸书上问朋友,关于大数据很夯,有没有大家推荐的好书或是必看之「圣经等级」的可以参考?结果回应相当热烈,推荐也不一而足,从商业统计学到行为分析学,也有学界作者到业界作者,约10来本书,让人看得眼花撩乱。
转念一想,我既然有这问题,大概多数人也有这问题吧。意思是说,科技发展进到物联网时代,「大数据」这名词被不断提及,结果认真想了解才发现,这真是一门好深的学问,不仅仅只是以统计为核心,必须得从使用者的身份识别开始,逐渐扩及到情境、行为、认知、消费,以及企业与使用者之间的互动,通通都有值得被纪录与分析的思维在里头。
比方说,之前Google花了台币将近 1 千亿,买下Nest 这家公司,就让我感到有些疑惑。Nest 是在2010 年由 Tony Fadell 和 Matt Rogers 所创立的公司,在 2011 年发表了产品 Thermostat(节温器);2013年则推出了 Smoke sensor(烟雾感测器),双双获得超级好评,但即使卖得好,我还是想不出这与 Google何以愿意砸重金购併有什么关联性。
要回答这个问题,就得从大数据观念着手。简单说,真正影响消费者购物决策的关键,并不是从他在网上挑东西、点击、浏览的数据下手,而是得「还原」他当时的「情境」,那才是关键。
作者举了一个很有意思的案例: A 君上班途中,不经意看到路人穿着一件T-shirt 觉得很好看,到了公司之后,打开电脑,立刻上网搜寻,没想到跑出了10 万件商品,看的他眼花撩乱。正当他想继续看下去的时候,老召集所有人开会,于是他没有往下找,到了会议室开始进行会议。
会议进行中,他觉得有点无聊,于是拿出手机开始重新搜寻,却始终都没找到那件让他魂牵梦萦的 T-shirt。浏览时突然一个推荐商品映入他的眼帘,是一款他向来就很喜欢的手机品牌正在大促销,于是他想都没想就在线上买了这支手机。
如果你是数据分析师,单纯只从这位 A 君的线上浏览行为去分析,你一定会感到非常疑惑:为什么他明明是在找T-shirt,最后却买了手机?如果你将这样的行为列入演算的推送机制,未来就很可能会错判消费者的动机与消费习惯。
这就是作者想强调的重点,理想上,企业应该要能「还远」使用者的当下情境,才能理解消费者心裡想要的是什么,进而推送最正确的资讯给他。作者也举了阿里巴巴实际的一个案例,某一年的「十一黄金周」,他们发现使用 iPad 上网买东西的人突然暴增,原来是因为当年中国政府实施黄金週高速公路不收过路费的政策,于是大家都塞在高速公路上,于是只能用iPad 购买商品。同样的,如果你以为那是因为使用iPad 有比较好的浏览经验,而误判消费者心裡所想的,那也会导致企业判读资讯错误,而引发出错误的结论与企业决策。
到这里,我终于能明白,为什么 Google 会愿意砸下重金买 Nest,因为这是他们布局的一环,最终目的就是想知道你从起床到用早餐,到出门上班的交通期间,在上班期间内,中午用餐,下班后交通期间,晚餐,睡眠的所有讯息;企业也想收集你在家、在户外、在工作、在休息等……所有行为与情境,好作出对你这个人在连上网的购物行为做交叉分析,进而还塬你当时可能面对的状况与想法,掌握你真正的消费动机,推播最正确的资讯与商品给你。
这就是大数据想达成的终极目标:成为你肚子里的蛔虫,并且试图餵出你最想要的东西,提升流量,提升点击率,提升购买率,提升再购买率。
虽然听起来很可怕,因为你所有的行为都被大数据所掌握,然而活在网络时代的你,使用智能手机的你,大概就已经离不开这个处处被收集资料的网络,你唯一可能避开的方式就是不使用网路与电脑,不使用手机上网,也不用网路购物,但我相信这对绝大多数人来说已经是不可逆的行为。
无论如何,大数据的时代已经来临,只是悄悄在你看不见的地方蓬勃的运行着。我始终相信,大数据为人类带来的正面意义会远大于负面,只是你得有意识的了解它运作的逻辑—无论你是利用数据或被数据利用,都应该对大数据有所了解。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14