京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据变现的透视和畅想_数据分析师
大数据在眼前的火爆程度不用我太多的文字去铺垫,从你一眼看到我的文章标题就点进来阅读就知道了。
虽然火爆,虽然其势头有再一次让很多人类为之燃烧一把的冲动,但我想更多的人应该还在大数据的热潮中迷茫或焦虑:有人可能对为何大数据,大数据能干吗还略显懵懂;有人可能有了概貌有了些自己的畅想;有人想小试牛刀又担心变现何去何从。但任何一个时代都不乏先驱,我们来看看下面这几类人已经在大数据里初见黄金,虽然他们可能有很多人在最开始的时候并没有意识到自己走上了,或者会走上大数据这条路,但他们却在自己的商业逻辑里最早嗅到的大数据的威力。
1. 大数据变现之一围绕数据资产构建生态圈
生态圈一词是马云在2011年喊出来的,阿里第一次为构建生态圈而产生的大动作发生在2012年阿里系独立公司变为事业部,从而实现了阿里巴巴的中小企业和淘宝市场体系有效的结合。这一举措将有利于阿里集团大市场的内部生态系统,最终促进一个开放、协同、繁荣的电子商务生态系统。当时我们不明就里、甚至说还很少有人想到维系和实现阿里生态圈的核心究竟是什么?而两年后的今天,随着淘宝魔方、阿里指数、阿里全息大数据模型等等阿里在大数据上的布局、升级逐步浮出水面,我们不难理解连接阿里系的生态圈的不是别的,就是它的数据资产这个核心。阿里在阿里生态圈里打通消费者的数据碎片,因为这个打通后的全息数据价值远大于原有碎片价值的累加,从而使阿里系的企业能够在原有商业运转上产生质的飞跃,并叠加出更多大于1+1的新型业态和商业逻辑。
淘宝、天猫、支付宝让阿里拥有了世界上无人能比及的、覆盖人群最多、交易量最大的交易数据,有了一个非常高的大数据起点,并且用这个起点对接淘宝旅行、高德导航、UC、快的,阿里大数据实现了在各行业的应用延伸,当然这些行业企业也再度为阿里数据添砖加瓦,让阿里数据更为多元化、细节化和现实化。这些数据还原的是一个个、一群群、一类类的人,也许有一天阿里机器人比你更了解你是什么样的人,而阿里数据现在显然比谁都更清楚消费阿芙精油的人都是群什么样的人,快的用户中有多少人以什么样的频率在消费阿芙精油。知道了人这个社会最本元的构成还不够,阿里数据还存下了商业里的流程数据,并不断让数据自修正的update从而优化商业流程;当然对于我们个体来说更为恐怖的是:但凡是只要你在阿里能够得着的地方出现,阿里数据一定在为你做点什么:或许是推荐给你一件你正要购买的商品,或许是给你展现了一段奇妙的旅行,还或许告诉你病了(得的是大数据焦虑症)。
至于阿里数据如何变现举个具体的例子。你觉得高德会跟车险有关联吗?高德正在跟保险业密谋重置我们的车险费用,你的车险不只是跟车价和以前的出险记录相关了,它还跟你的驾驶习惯、行驶路况、行驶时间,行驶地点集、个人信用有关,而这些数据可能就来自高德。而在这份保险里高德能无利可分吗?原来跟保险半毛钱关系也没有的企业,通过大数据也可以赚到保险的钱了,这就是大数据变现的实例之一。
近期多位顶级计算机科学家加盟阿里IDST (Institute of Data Science&Technologies) ,可见阿里在大数据这个引擎上的布局远超出我们的想象。同时我们也相信科学家与阿里这种体量级的数据的结合,其化学反应不仅会对阿里商业帝国有着重大的意义,对人类的进化也将会如蝴蝶效应般不可估量。
再说另一个虽然没有阿里生态系大但却非常有特色和想法的生态圈打造者:乐视。
乐视生态圈
乐视的硬件是他数据的来源,同时也是他产品分发的渠道(按互联网模式他应该免费送我们才对,还收我们的钱,所以我们不能说他太便宜了);而基于受众对影视产品的观看,搜索以及评论的数据分析,指导着乐视在商业应用领域的产品打造。比如据说小时代就是这么打造出来的:乐视先用数据刻画了郭粉的用户画像,按照他们的思维模式和行为习惯翻版拍出了小时代。乐视网这个开放平台则可以让更多的文化企业其他链条接入他的生态圈。
虽然在这个逻辑下显然小米也有异曲同工之妙,但在世界票房都要因为中国抖三抖的今天,乐视的这盘文化产业的局显然是目前小米暂时还难望其项背的。
青岛红领范例图
这一类生态圈商业王国典型的特征就是跨界,他用一些核心引擎,包括技术、大数据还有资本打破了原有产业和行业的界限。他们的模型进入传统产业,就会引起产业的一次颠覆,搅动的是产业里所有元素的重置。
2. 大数据变现之二改造原有产业,为原有产业增值增效,甚至产生新的变现模型
C2B的定制商业模型,O2O的线上线下联通模型,P2P的新型金融模型无一不是这个范例,无一不是构建在大数据基础之上的。
这里举一个C2B的例子,今年上半年这家企业似乎一下子占领了不少重要级媒体的版面。它曾经是一家传统得不能再传统的服务企业,它在若干年前大数据还在一个实验室名词的时候,无意间走上了这条路,起缘是企业要解决生产优化和效能的问题。(看起来是一家无心插柳的前驱企业。)这家企业叫青岛红领集团有限公司。
红领声名鹊起的原因,是实现了用规模工业生产满足个性化需求这一在工业流水线企业以前不可能解决的难题。而帮助他解决这一难题的关键在于其研发了一个个性化定制平台——男士正装定制大型供应商平台RCMTM(redcollar made to measure,红领西服个性化定制),这个平台其实是一套由不同体型身材尺寸集合而成的大数据处理系统。这套系统基于红领10多年在制衣生产中对大量的量体数据和版型数据的匹配建模和不断调试训练,能够做到在输入任一身体尺寸数据后,CAD会自动匹配最适合体型版型,在确定版型之后系统还会自动备料,自动派单、支持按需裁剪\按需缝制等工序。一组客户量体数据完成定制、服务全过程,无需人工转换、纸质传递、数据完全打通、实时共享传输,每个红领生产线上的员工都是在互联网终端上工作。依靠这套系统一家做定制服装的企业却能够做到每天生产1200套西服的产能,做到一套西服的制作只需7个工作日效能。于是有了通过百万万亿大数据改造重生,于行业寒冬中获得150%成长。这是另一个大数据变现的优秀案例。
当然还有其他大数据分析下优化企业部分商业流程或效能的案例,如基于用户行为画像下优化产品设计;基于供应市场数据优化采购体系,基于物流大数据优化零售和配送效率等等。
这类型的企业中的佼佼者,也会慢慢向生态圈中过渡,他们构建的是在自己所在行业或者产业链条上打通的生态圈,数据是支撑,变现的还是自己在产业链上创造出来的附加值。这些产业生态圈会和上面那类型生态圈先在点上产生很多交集和合作,慢慢会勾兑融合成一个更大的生态圈。
3. 大数据变现之三独立的数据服务企业,服务于多方,分取合作者的经济收益。
在大数据之前这种业态很容易让人联想到信息服务业,如咨询、市场研究、智库等。而在大数据时代,目前非常典型的是基于数据分析基础上的精准营销公司,如DSP、DMP等。他们本身的运营行为不能产生产业附加值,但擅长于数据融合、分析,利用数据挖掘与精准匹配等专业手段,通过数据分析结果优化企业的营销效能,给企业效益做加法,再从这个加法中分成。(这里要多说一个背景,客户企业在大数据方面大多在资源(人力、物力)无法做到专业和深入,所以需要相关的服务企业来做。) 我们也相信随着大数据产业和技术的不断升级,这类型企业(不仅传统的这些,会有很多新型的大数据技术驱动企业)会从营销这一个点,拓展到产品、渠道、服务、供应等企业的多个方面。他们因为在一个点上着力,所以能够在这个点上做更得更深,更透,更优,成为上述两种生态圈中一个点、一个片的支撑点、服务商,从而产生自己的竞争力和价值。
DSP\DMP在产业链上的位置图
以上描述的仅仅是现在经济界中已经看到的大数据产业,而在社会层面、政治层面甚至包括生物进化的层面大数据已经开始初露端倪。当然大数据也不是万能的,它有它的盲点和悖论,上面的三种数据业态在发展中也会碰到问题和困难,因篇幅太长不再阐述,HCR(慧聪研究)会在下次再给大家另起篇章。
最后借用猎豹CMO刘新华的一句话:大数据不是一个产业,它应该成为一种企业信仰。我们可以期待在这个企业信仰下,人类的生活将会无限美好。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
一、问题:为什么 ID 会"断号" 很多刚接触 MySQL 的同学都会有一个困惑:表里的主键 ID 是自增的,删了中间几行数据之后,ID 变 ...
2026-10-22一、问题场景:为什么会重复 JOIN 同一个子查询 在写复杂 SQL 时,经常遇到这种需求:同一张表或同一个聚合子查询,要和主表关联 ...
2026-10-22人力资源专员是HR体系的执行入口。招聘信息发布、简历初筛、面试安排、考勤汇总、入离职手续、劳动合同与档案管理,大多由这个岗 ...
2026-10-22人力资源经理问“必学技巧”,真正要解决的不是知识清单不够长,而是时间有限、业务催得紧,学完却用不上。更有效的路径是:先用 ...
2026-10-22内容营销岗位的核心任务,不是“把文案写得更漂亮”,而是围绕目标受众,用持续的内容供给影响认知、推动转化并沉淀复购。它至少 ...
2026-10-22理财经理培训课程很多,难的是判断“先学什么、后学什么、学完能做什么”。与其按课程名称罗列,不如先看岗位任务:客户分层与维 ...
2026-10-22理财经理的知识结构,可以先用一句话概括:合规与产品知识决定“不出错”,客户经营与资产配置决定“够不够专业”,市场研判与数 ...
2026-10-22经济学背景做数据分析,优势不在工具,而在问题意识:供需如何相互作用、成本与收益如何权衡、变量之间是相关还是因果。真正的缺 ...
2026-10-22需要,但要把“需要”理解准确。经济学本身就在处理数据:GDP、物价、就业、企业营收、问卷调研,都是经济分析的原料。真正的区 ...
2026-10-22经济学分析能力不是单一技能,它至少由三层构成:把现实问题转成可检验假设的理论框架能力、用数据与统计方法验证假设的工具能力 ...
2026-10-22金融分析师的知识提升,先补的不是更多模型,而是让结论可复核的底层能力。按任务顺序,大致是四层:财务与业务理解、指标口径管 ...
2026-10-22金融分析师的“通用技能”,指换到不同机构、不同行业组仍用得上的底层能力,而非某家公司内部系统的操作经验。按任务拆,日常要 ...
2026-10-22先给结论:数据分析证书不是金融分析师的准入条件,招聘方也不会因为一张证书就直接判断你能做分析。要不要考,取决于你当前任务 ...
2026-10-22金融分析师的核心技能,不是“会看K线”或“会讲宏观”,而是能把一家公司、一个行业或一类资产,转化为可核查的数据判断与书面 ...
2026-10-22产品经理的知识提升,不是把需求文档、原型、SQL、数据分析、项目管理都学一遍,而是先对准目标岗位的真实任务,找出自己最缺的 ...
2026-10-22产品专员提升工作知识,最有效的方式不是先囤课程,而是围绕日常交付的四件事来补:需求调研与优先级判断、原型与PRD表达、竞品 ...
2026-10-22产品运营专员提升个人能力,常见误区是先把Excel、SQL、Python列成一张学习清单,然后从第一个工具开始学。更有效的做法是先回答 ...
2026-10-22产品运营的能力提升,最怕从“课程目录”出发:今天学增长模型,明天背SQL语法,学完却说不清自己负责的功能为什么激活率低。更 ...
2026-10-22产品经理的技能和影响力不是两条分开的赛道。技能决定你能不能把问题分析清楚、把方案设计对;影响力决定你的判断能否被团队接受 ...
2026-10-22产品经理要学的数据分析能力,不是“会写SQL”或“会用BI工具”这么简单。更准确地说,是围绕需求评估、功能迭代、指标监控、实 ...
2026-10-22