
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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10