京公网安备 11010802034615号
经营许可证编号:京B2-20210330
互联网大数据只是大数据的起点_数据分析师
昨天中国互联网协会数据分析研究工作组在中国互联网大数据年会成立,我作为研究工作组的专家成员做了一个简短的分享。分享的内容,放到朋友圈里面已经有106个“心”了。在此,把分享内容放到公众号。
Part One移动大数据的重要性和特殊性
这里面有三个点值得我们关注:
第一,整个互联网往移动端发展,得移动互联网的天下;
(1)2014年上半年手机网民占所有网民的比例是83%以上,现在这个比例会更高;
(2)很多大型互联网企业的pc走势都是平缓的,而移动端则增长迅猛;
(3)刚才易车的朱总提到,易车60%以上的销售线索来源于移动端。
第二,移动互联网的发展是大数据发展的最重要驱动力;
为什么前几年不叫大数据,这几年大数据才火起来。我们认为最重要的一点是互联网尤其是移动互联网的发展。
我们举一个极端点的例子。路上的摄像头是不是采集很多数据,但是如果大家都用这个方法来采集,数据采集和处理门槛就非常高。因为他们的存储成本和处理成本都非常高。
而移动互联网让我们数据采集的成本大大降低,同时又有一个非常好的反馈渠道,即数据采集分析挖掘后,可以反过来给用户push相应的服务,数据采集和应用服务是打通的。
第三,移动大数据的特殊性
如果在pc互联网时代,你能拿到的数据有限。由于移动互联网是碎片化的时间使用,从数据角度来看,移动数据种类多、更容易代表一个人的完整行为和兴趣。
同时,手机跟pc最大的不一样就是屏幕。由于屏幕小,你不能什么东西都提供给用户。更需要通过大数据来了解用户的需求,投其所好。
Part Two 大数据如何在企业运营管理落地
大型的互联网企业其实做大数据已经比较领先了,但传统企业更需要也更迫切了解大数据如何落地。这方面如果要展开,可能要探讨两做天,所以就不详细展开了。
这里面想跟大家探讨的是,如果企业想开展大数据的工作,第一步应该怎么做?
当然是组建团队。组建团队的时候,有三个问题:
1.大数据团队领导人应该向谁汇报?
我的建议是越高层越好,越偏业务越好。有很多企业说重视数据,但老板都不看,这样根本用不起来。所以数据团队一定要能直接向高层汇报。那么是向COO汇报还是想CTO汇报呢?我的经验觉得向COO汇报更为合适。因为数据要为业务服务,为运营服务,数据从业务来,应该循环支撑业务。
2.大数据团队应该如何招聘什么样的人才?
不仅仅是平台技术类、数据处理类人才、还需要数据分析、数据挖掘、算法工程师、数据产品经理,还有一个往往被忽略的时候用户研究经理。因为大家总觉得有了大数据就不需要面对面的用户做深入的了解了。我觉得这是一个非常错误的看法。因为大数据往往不容易看到用户态度和心理层面的东西。另外,在很多产品没有上线前,要测试各种版本的效果,需要做用户调研,也是非常需要用户研究经理来帮忙。
3.大数据团队应该如何和企业各业务部门协同工作?
很多企业会往往出现这样一个现象,业务说数据人员不懂业务,闭门造车;数据人员说业务人员不懂数据,不懂统计学,不懂方法论;所以两者合作起来就很麻烦。所以,对于大企业,大数据团队需要一个公司级的独立数据部门,也需要每个业务部门配几个分析师形成分析中心。公司级的数据部门需要和业务部门的数据分析师一起合作更好的合作。
Part Three 大数据更广泛的应用
中国互联网协会的李部长问我,今天很多朋友谈大数据都是为广告和营销服务,是不是大数据就只能应用在这方面呢?其实,我很早之前就思考这个问题,近两年答案越来越明显了。
大数据如果作为商业模式中的一个引擎,即大数据作为产品的一个引擎,就有可能促进商业模式的升级。打个比方,把一个传统的商业模式比作一辆汽车,这辆汽车的引擎是2.0的排量,如果你在设计商业模式的时候把大数据很好的融入商业模式中,那么这辆2.0排量的汽车就有可能升级为2.0T,即变成带涡轮增压的发动机,动力将更猛。
大数据在很多领域,尤其是智能家居和健康医疗有非常好的应用:
♦ 当你发现,你家里的冰箱可以告诉你,经过分析,你应该去买胡萝卜了,你可以在电冰箱的屏幕下单或者用手机APP直接下单;
♦ 当你发现,你家里的灯光可以根据你的心情来调整,或者你可以通过手机APP来调整;
♦ 当你发现,你可以通过手机APP远程的监控身在老家的父母的血压,及时预警;
♦ 当你发现,你可以通过手机APP查看安装在老家的摄像头,看到父母的生活情况,而且摄像头可以给你报警,如果你的父母摔倒了,你可以立即采取行动。
所以,互联网大数据只是大数据的起点,未来还有很多想象空间,我们作为数据从业者,觉得还是非常幸运的。谢谢大家。
文:傅志华
关于作者:傅志华先生曾为腾讯社交网络事业群数据中心总监以及腾讯公司数据协会会长。在腾讯前,曾任DCCI互联网数据中心副总裁。傅志华先生现就职于某美国上市互联网公司大中心,同时任中国信息协会大数据分会理事和中国互联网协会数据分析研究组专家。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 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 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 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 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18