京公网安备 11010802034615号
经营许可证编号:京B2-20210330
阿里大数据有多少肉多少壳_数据分析师培训
去年,阿里巴巴举办了一次天猫算法推荐大赛,其中6名大学生组成的团队拿走了100万元的头奖,他们设计的算法效率超过了阿里巴巴工程师16.9%,这套算法随机被运用到去年的“双11”中,让商品推荐变得更加准确。最近,阿里巴巴投入1500万元启动一个代号为“天池”的数据竞赛,选手们比拼如何利用现有大数据进行淘宝女装搭配的算法推荐、余额宝资金的进出预测等。去年比赛时有7276支队伍参加,明年将是虾米音乐等课题的推荐大赛,每年阿里巴巴投资1500万元推动大数据运用比赛,一来是招揽人才,二来是推动大数据生态建设,三来是创新产品的商业化应用。但是,笔者认为,大数据里面是即有肉又有壳,鱼龙混杂,阿里大数据有多少肉多少壳呢?
的确,根据消费者的购买产品、下载数据、点击产品,基本上能够推断出消费者的喜好,然后进行准进营销,比如推荐对口产品,有的根据这种特点进行大促销精准发送信息。这是大数据的肉,北京大悦城做这方面、小米做这方面挖到肉了。但是,大数据也有壳,下面细说。
1、过去消费者上网是通过台式电脑,这就是唯一的入口。现在可以是智能手机入口、平板电脑入口、智能电视入口、智能穿戴入口,变成用户信息碎片化,而且数据更加分散化了。如果按原来的台式机电脑用户或原来的购买网址投放广告或推荐产品,就没有多大效果了。
2、由于现在网上流行买一件是原价,买两件是另一个低价格,买五件单价更低,等等。如此就造成很多同事或邻居或朋友一起合起来买,但是购买者,这次是你,下次是他,再下次是我,如此变成网站推荐、广告投放没有意义了。
3、反腐让原来的许多高端消费者石沉大海,因为市场没有了,数据变成枯萎了。
4、由于审美口味的变迁,原来的款式、色彩已经不喜欢了,比如原来男装喜欢素装,现在喜欢女性化男装了。原来喜欢宽松,现在喜欢紧贴身体的服装了。女性原来喜欢紧贴身体体现出曲线美,现在喜欢宽松的服装了,说什么把胸部从紧绷的包围中解放出来,有利于乳房的发育、饱满。过去的数据没有意义了,如果根据过去的数据进行精准投放,结果都弄反了。
5、过去的认识能力有限,很多消费品购买了。由于认识产品危害的提高,变成现在不消费过去的有毒、危害产品了。那么,这些过去的大数据就没有多大意义了,如果根据过去的网址投放广告、推荐产品,变成消费者讨厌了。
6、任何吃的、穿的、玩的产品,只要时间一久,就会生厌,这是就有追求逆反的心里,如果网站还是推荐这些过去的吃、穿、玩的产品广告,那么就会引发消费者的厌恶。
7、当阿里巴巴网站的业务还是依靠快递投送时,以1919网、酒仙网、红酒网等的产品龙头网,已经剔除快递投送了,而是直接让加盟旗舰店员工投送消费者购买的产品,这能节约7%的费用。如果全国各行各业学这套,阿里巴巴等巨头的购物就会受到挑战。如果各地政府搭建管辖范围内的综合网站平台,让大型本地店铺自己员工投送本市消费者的购买产品,如此就会大大减少互联网巨头的业绩,而且会大大减少互联网巨头的流量。将来,互联网巨头有可能步大卖场现在的后尘。
8、大数据分析是过去的数据,并不代表未来,如果抓住将来的消费趋势,那么,就会抓住主要消费数据了。所以,大数据属于历史不属于未来。
综上所述,笔者认为,通过以上8点分析,大数据是有大量的壳的,当然也是有肉的。互联网上的精准营销、推荐未必就是有效的。由于网购一半以上是服装鞋子箱包产品,但是服装鞋子是快时尚产品,不仅尺码不一,而且照片与手感、质感、厚度等都是不一样的,很多照片通过修正后更加好看,而有的产品换个角度拍摄的效果非常好。由于买回与网络效果不一样,服装退货率达到70%,将来服装这种网购会不会面临淘汰?还存在未知数。另外,每年的“双11”,很多促销没必要进行,因为没有肉,但是却被逼低价销售,这是乱折腾。很明显,大数据并不是都是肉,壳也不少,相互对冲后,还剩多少肉?将来的互联网发展有可能去现在流行的综合平台网模式,那么新的模式如何创新呢?就像现在的大卖场模式已经淘汰如何创新销售模式呢?所以,笔者建议企业家们不要痴迷于大数据、互联网+,而是要形成自己独特的网络模式、O2O模式,这就需要创新专家根据企业的独特性进行度身定做网络模式、O2O模式,否则,就成不了领头羊。
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