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
数据分析是当今社会中不可或缺的一项技能,涵盖了广泛的工具和技术。其中,掌握各种数据处理函数对于数据分析师至关重要。本文将 ...
2024-11-25“大数据治理”是一个涵盖广泛的复杂概念,其核心在于确保大规模、多样化的数据资源能够被有效管理和利用。不仅涉及数据的采集、 ...
2024-11-25一、引言 背景介绍 随着信息技术的快速发展和互联网的普及,大数据已经成为现代社会的重要资产。大数据的兴起不仅推动了各行各业 ...
2024-11-25《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22