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
多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA(Certified Data Analyst)数据分析师的能力体系中,线性回归是连接描述性统计与预测性分析的关键桥梁,也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA(Certified Data Analyst)数据分析师的全流程工作中,无论是前期的数据探索、影响因素排查,还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23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