独家:除了精准营销,大数据技术还能怎么用?

如果问到大数据技术可以怎样运用,可能100个人里有80个都会说出“精准营销”、“个性化推荐”这些词。确实,这是最最贴近我们生活的啦。但是,这些还只是大数据的冰山一角。那么大数据还能用来做什么?数据妞请大数据行业的专家周卫天老师来给我们讲一讲。

如果问到大数据技术可以怎样运用,可能100个人里有80个都会说出“精准营销”、“个性化推荐”这些词。确实,这是最最贴近我们生活的啦。但是,这些还只是大数据的冰山一角。那么大数据还能怎么用呢?数据妞请大数据行业的专家周卫天老师来给我们讲一讲。



谈到大数据产业和大数据创新,就一定会提到美国,要进行中国与美国的对比、形态和布局。我们讲到大数据产业的时候,可以通过大数据的图谱看出一些产业的情况和趋势。 大数据产业的特点

在划分上,中国的大数据企业可以简单地被划分为“数据企业”和“技术类企业”两类,也就是大数据平台和大数据软件。第一类的数据型企业有先发优势,成长会非常快,因为大数据变现是离不开数据本身的。第二类是应用类的企业,所谓有了数据就要有应用,现在有不少上市公司或者传统企业、不同行业的龙头企业也纷纷涌现出大数据应用。
美国的大数据比我们要早18个月左右,它的大数据图谱也是从基础设施到数据层,再到分析层,最后到应用展现,逻辑和层次是一样的。但与中国不同的是,美国的企业划分非常细。比如加州很多企业,有可能只是一个20人的公司,拿了几百万美元的天使轮,就只做某一小块业务。所以美国的企业往往在上市前只会专注在大数据的某一层。
中国的大数据企业是由电商、互联网驱动的。2015年美国的零售业或者说商品销售额排名中,第一位是沃尔玛,亚马逊排在第四;而中国这边第一名则是阿里巴巴(淘宝、天猫),第二名是京东。中国网民已经有6.88亿,电商迎合了网民的巨大需求。电商为了盈利,为了去了解客户从而做到精准化营销、一对一营销时,就会进行很多数据分析。比如今天的淘宝,如果是一家三口用一个淘宝账户,只要点击某一个物件或者输入一个关键词,在后台就能通过大数据的分析、历史的分析、此时此刻的关键词分析,瞬时得知用户是爸爸、妈妈还是小孩,随后进行有针对性的营销。


“互联网女皇”Mary Meeker在其最新的报告中已经把中国的互联网行业摆在领先地位


国内大数据企业的领导者首先是以BAT为代表的互联网巨头。在最新的互联网报告中可以得知,如今人们在移动端平均每天会花35%的时间看微信,另外10%的时间看QQ,这些时间中有71%左右都花在BAT这三个公司上。其次是应运而生的转型企业,比如金融行业、政府行业、IT行业等等中的巨头企业都在往大数据和互联网转型,还有一些企业在云计算方面也提供服务和技术。国内也有真正做大数据平台、大数据服务的企业,比如数据堂等。相比之下,美国的大数据企业性质就比较简单。


技术创新是弯道超车的关键

美国的大数据的发展本身有它的DNA属性,也就是根深蒂固的文化深植其中,在大数据创新应用上有很多有创意的尝试。几年前的奥巴马竞选总统,以及最近共和党和民主党竞选都用到了大数据,到场听众在这一场演讲里听到某个关键词时有什么反应可以通过后台数据反映出来,候选人做下一个演讲时可以通过这些数据的收集和分析做出调整。
中国的很多企业还是以技术集成为主。所谓技术集成,就是利用别人的平台工具,根据自身企业的需求去做一个具体的应用。这样就造成大数据方面的核心技术在原创力度上是不够的。
我们总是会谈到复制创新,其实我认为复制创新并没有那么不好。像如家、汉庭就是把国外的连锁酒店模式引进到国内,包括湖南卫视的超女等电视节目,很多都是从国外电视台照搬过来的。这些复制创新如果能够带给大家便利、娱乐,就没有什么不好。但是如果要做到真正意义上地赶超美国,我们就要在通讯技术、网络技术以及大数据平台的原始技术上有底层的支持。我们国家的大数据行业技术的人才还是很少的,技术比例也很占得少,自然话语权也很小。
讲到创新,不得不提一下华为。2015年,华为在国内的专利申请约有6800多项,国际专利申请约2200多项,苹果在2011到2015年间支付给华为的专利费用已经达到几亿美金。去年,华为在研发上的投入有95亿美元,今年以及明后年计划投入100亿到200亿美元。这些都说明华为是一个非常注重创造、创新的公司。


华为官方公布数据:华为专利研发投入累积超过380亿美元


中国的大数据产业落后于国外,尤其是在大数据的应用上。2014-2015年,国内大数据产业规模约120亿人民币,相差美国好几倍。但是这也说明我们的大数据的天空非常广阔。如果每年以100%的速度增长,到2020年就能有640亿美金的规模;就算以每年60%的速度增长,到2020年我们也可以有200亿美金的规模。
想要实现这样的“弯道超车”,可以从互联网入手。中国互联网数据的总量、总类以及数据的应用一点不比美国少。最简单的例子就比如马路上的探头,在美国很少能看到,但是国内的探头到处闪,可想而知这个数据量会有多大。
“弯道超车”的前提是要做大数据的创新也免不了有一些风险。在前几年,我一直在给金融行业做大数据的应用项目,发现很多金融行业的领导会很小心,对数据的使用存有极大的疑虑。但我认为做创新应用是需要拿出勇气的。比如滴滴出行(原滴滴打车),一年前它在上海、北京等地还被认为是非法的,现在也基本得到了承认,这就是一个典型的创新应用。
优衣库也在利用大数据进行店面选址。我们知道麦当劳、肯德基在选址的时候,会去看一看周边的人流,有时也会问房管局买一些数据,看看周围区域可能会盖多少楼盘,预测有没有新的居民。而早在几年前,优衣库就应用了一个创新的办法,它通过引流促销的手段,比较两个相同规模的城市在几个月内的APP下载量和用户活跃度,来决定先去哪里开店。


优衣库的选址之道被很多创业者学习借鉴


大数据应用的三个阶段

我国各行各业在大数据的应用阶段上和美国还差了一些时间。现在大约有60%的企业对大数据的应用还处在基础阶段,这也被我称为大数据1.0阶段,企业大多是建立一个历史数据查询平台。也有一些企业已经进入2.0阶段,他们在局部业务中开始用大数据丰富画像,做用户的精准定位,进而做营销、风险透支等。到大数据3.0阶段就是在讨论战略优势了,也就是马云所说的从IT到DT的变革,实现今天做不了或不敢想的事。
从事大数据的人可以想一想自己处在这三个阶段中的哪一个,如果处在阶段一那如何发展到阶段二,甚至如何在阶段三做一些战略的渗透。

我们可以分享一下几种应用的案例。
数据仓库平台。比如银联集团,他利用庞大的数据量做了历史数据的交易查询,把很多的原始数据通过大数据的平台沉淀,作原始数据的分析、数据的处理转换等。此外,项目风控也是与现有的数据仓库的平台或数据分析有关的。
点击流数据记录。一些金融理财公司的应用中会把用户的点击流记录下来做分析。比如用户在买了一个理财产品之后,还可能会点击页面上的B产品和C产品,根据用户点击另外两个产品的频率和停留时间来做交叉营销。
实时风控。我相信今天我们用大数据能够做到实时风控,尤其能防止银行的内部交易欺诈。比如银行的员工有没有违规行为,通过查询通话记录、网上浏览信息就可以预测了。
海量数据的分析和精准预测。比如我们可以根据信用卡、银行卡的过往刷卡记录来分析持卡人在未来的一段时间内的刷卡频率和金额,甚至消费商圈等等。目前万达已经用到了类似数据来进行商业地产的选址。


大数据技术在金融领域已有多种应用


大数据服务平台。有一家公司是做手机游戏端起家的,用户手机上的游戏导流、玩游戏花的时间、游戏里掉落道具的爆率等等都会被记录,他用这些数据做一个DMP平台。说到DMP就要提到互联网广告,我们今天的互联网广告的规模和投入已经非常大了,包括旅游商务服务、游戏和互联网金融等等,会产生很多营收和活动。这个大数据的平台,可以理解为一个生态圈,就像阿里的云平台一样。第一,可以把有数据的厂商联合起来,共享开发的同时也做数据交换;第二,一些厂商可以借助平台数据去做一些直接有用的服务,再把这些服务卖给终端用户,获得的收益与平台分成;第三是一些高端的科学家用这些数据创造出一些新的中坚数据、有效的分析结果再给客户使用。这个平台也是一个PaaS平台,是从数据服务这个大生态圈的层面,到下一层的数据平台和基础设施。
另外还有一个案例是富国银行。这家银行发展得非常快,他们一直倡导用大数据和数据的思维来帮助客户。好几年前,富国银行就把小微企业组合和个人银行的数据完全打通了,推出一些简单的服务,比如利用社交化的博客或者推特去搞经营。


富国银行首席数据官 Charles Thomas 认为新的数据使用方法必须能让银行做到“攻守兼备”


在大数据技术的应用中也会有一些意外收获,比如在高铁制造行业。中国南车旗下的南车株洲电力机车有限公司在几年前做过一个大数据项目,他们要把高铁所有发动机的温度、传感器的数据、周围环境的数据以及发动机保养的数据都存起来,另外将数据分析做出展示。这些数据被灌到大数据平台的时候,体现出了发动机的老化和曲轴、轴承的相关性,这个意外发现让高铁行业的一些高工、企业很激动。因为我国高铁的核心发动机技术还有一些是从美国、德国进口的,这个发现可能对我们通过反向工程实现元器件国产化,甚至国际领先有很大的作用。可见,大数据除了能做用户画像、能用来盈利,在高端制造方面,尤其高铁航空等领域也有非常广阔的前景。


大数据技术在高端制造方面有极大潜力可以挖掘


大数据技术与实践的趋势可以归纳为智能化、连接性、安全性。

智能化也就是人工智能。前一阵Alpha Go与李世石的人机大战让人工智能再次成为热点。大数据本身会应用到很多算法,各种内置的函数、分析的工具组合起来,能做很多智能化的事情。
连接性即把某一类型的机器、不同类型的智能机器甚至是跨行业的数据连接起来,能发挥出更高的价值。
随着数据的泛滥,安全性会越来越重要。我国对于数据安全的注重相对国外是欠缺的,但是我相信这方面也会很快完善起来。
从事大数据产业还需要考虑开源与开放的标准。今天的大数据本身就是开源,有那么多优秀的工程师在帮我们开发很多全新的产品,我们需要一个丰富的、能够统一处理的大数据平台。现在云技术也发展得非常快,在建立大数据平台的时候,要考虑这个架构将来能不能自然地衍生或者扩展到云上。
如今中国,大数据已经来到了大家的身边,已经像水、电一样渗透到我们身边。由于篇幅所限,没办法把大数据在所有行业的应用都覆盖到,希望文章内容能够给大家打开脑洞,引发对大数据技术、大数据产业,尤其是大数据应用和变现的思考。

独家:除了精准营销,大数据技术还能怎么用?

如果问到大数据技术可以怎样运用,可能100个人里有80个都会说出“精准营销”、“个性化推荐”这些词。确实,这是最最贴近我们生活的啦。但是,这些还只是大数据的冰山一角。那么大数据还能用来做什么?数据妞请大数据行业的专家周卫天老师来给我们讲一讲。

如果问到大数据技术可以怎样运用,可能100个人里有80个都会说出“精准营销”、“个性化推荐”这些词。确实,这是最最贴近我们生活的啦。但是,这些还只是大数据的冰山一角。那么大数据还能怎么用呢?数据妞请大数据行业的专家周卫天老师来给我们讲一讲。



谈到大数据产业和大数据创新,就一定会提到美国,要进行中国与美国的对比、形态和布局。我们讲到大数据产业的时候,可以通过大数据的图谱看出一些产业的情况和趋势。 大数据产业的特点

在划分上,中国的大数据企业可以简单地被划分为“数据企业”和“技术类企业”两类,也就是大数据平台和大数据软件。第一类的数据型企业有先发优势,成长会非常快,因为大数据变现是离不开数据本身的。第二类是应用类的企业,所谓有了数据就要有应用,现在有不少上市公司或者传统企业、不同行业的龙头企业也纷纷涌现出大数据应用。
美国的大数据比我们要早18个月左右,它的大数据图谱也是从基础设施到数据层,再到分析层,最后到应用展现,逻辑和层次是一样的。但与中国不同的是,美国的企业划分非常细。比如加州很多企业,有可能只是一个20人的公司,拿了几百万美元的天使轮,就只做某一小块业务。所以美国的企业往往在上市前只会专注在大数据的某一层。
中国的大数据企业是由电商、互联网驱动的。2015年美国的零售业或者说商品销售额排名中,第一位是沃尔玛,亚马逊排在第四;而中国这边第一名则是阿里巴巴(淘宝、天猫),第二名是京东。中国网民已经有6.88亿,电商迎合了网民的巨大需求。电商为了盈利,为了去了解客户从而做到精准化营销、一对一营销时,就会进行很多数据分析。比如今天的淘宝,如果是一家三口用一个淘宝账户,只要点击某一个物件或者输入一个关键词,在后台就能通过大数据的分析、历史的分析、此时此刻的关键词分析,瞬时得知用户是爸爸、妈妈还是小孩,随后进行有针对性的营销。


“互联网女皇”Mary Meeker在其最新的报告中已经把中国的互联网行业摆在领先地位


国内大数据企业的领导者首先是以BAT为代表的互联网巨头。在最新的互联网报告中可以得知,如今人们在移动端平均每天会花35%的时间看微信,另外10%的时间看QQ,这些时间中有71%左右都花在BAT这三个公司上。其次是应运而生的转型企业,比如金融行业、政府行业、IT行业等等中的巨头企业都在往大数据和互联网转型,还有一些企业在云计算方面也提供服务和技术。国内也有真正做大数据平台、大数据服务的企业,比如数据堂等。相比之下,美国的大数据企业性质就比较简单。


技术创新是弯道超车的关键

美国的大数据的发展本身有它的DNA属性,也就是根深蒂固的文化深植其中,在大数据创新应用上有很多有创意的尝试。几年前的奥巴马竞选总统,以及最近共和党和民主党竞选都用到了大数据,到场听众在这一场演讲里听到某个关键词时有什么反应可以通过后台数据反映出来,候选人做下一个演讲时可以通过这些数据的收集和分析做出调整。
中国的很多企业还是以技术集成为主。所谓技术集成,就是利用别人的平台工具,根据自身企业的需求去做一个具体的应用。这样就造成大数据方面的核心技术在原创力度上是不够的。
我们总是会谈到复制创新,其实我认为复制创新并没有那么不好。像如家、汉庭就是把国外的连锁酒店模式引进到国内,包括湖南卫视的超女等电视节目,很多都是从国外电视台照搬过来的。这些复制创新如果能够带给大家便利、娱乐,就没有什么不好。但是如果要做到真正意义上地赶超美国,我们就要在通讯技术、网络技术以及大数据平台的原始技术上有底层的支持。我们国家的大数据行业技术的人才还是很少的,技术比例也很占得少,自然话语权也很小。
讲到创新,不得不提一下华为。2015年,华为在国内的专利申请约有6800多项,国际专利申请约2200多项,苹果在2011到2015年间支付给华为的专利费用已经达到几亿美金。去年,华为在研发上的投入有95亿美元,今年以及明后年计划投入100亿到200亿美元。这些都说明华为是一个非常注重创造、创新的公司。


华为官方公布数据:华为专利研发投入累积超过380亿美元


中国的大数据产业落后于国外,尤其是在大数据的应用上。2014-2015年,国内大数据产业规模约120亿人民币,相差美国好几倍。但是这也说明我们的大数据的天空非常广阔。如果每年以100%的速度增长,到2020年就能有640亿美金的规模;就算以每年60%的速度增长,到2020年我们也可以有200亿美金的规模。
想要实现这样的“弯道超车”,可以从互联网入手。中国互联网数据的总量、总类以及数据的应用一点不比美国少。最简单的例子就比如马路上的探头,在美国很少能看到,但是国内的探头到处闪,可想而知这个数据量会有多大。
“弯道超车”的前提是要做大数据的创新也免不了有一些风险。在前几年,我一直在给金融行业做大数据的应用项目,发现很多金融行业的领导会很小心,对数据的使用存有极大的疑虑。但我认为做创新应用是需要拿出勇气的。比如滴滴出行(原滴滴打车),一年前它在上海、北京等地还被认为是非法的,现在也基本得到了承认,这就是一个典型的创新应用。
优衣库也在利用大数据进行店面选址。我们知道麦当劳、肯德基在选址的时候,会去看一看周边的人流,有时也会问房管局买一些数据,看看周围区域可能会盖多少楼盘,预测有没有新的居民。而早在几年前,优衣库就应用了一个创新的办法,它通过引流促销的手段,比较两个相同规模的城市在几个月内的APP下载量和用户活跃度,来决定先去哪里开店。


优衣库的选址之道被很多创业者学习借鉴


大数据应用的三个阶段

我国各行各业在大数据的应用阶段上和美国还差了一些时间。现在大约有60%的企业对大数据的应用还处在基础阶段,这也被我称为大数据1.0阶段,企业大多是建立一个历史数据查询平台。也有一些企业已经进入2.0阶段,他们在局部业务中开始用大数据丰富画像,做用户的精准定位,进而做营销、风险透支等。到大数据3.0阶段就是在讨论战略优势了,也就是马云所说的从IT到DT的变革,实现今天做不了或不敢想的事。
从事大数据的人可以想一想自己处在这三个阶段中的哪一个,如果处在阶段一那如何发展到阶段二,甚至如何在阶段三做一些战略的渗透。

我们可以分享一下几种应用的案例。
数据仓库平台。比如银联集团,他利用庞大的数据量做了历史数据的交易查询,把很多的原始数据通过大数据的平台沉淀,作原始数据的分析、数据的处理转换等。此外,项目风控也是与现有的数据仓库的平台或数据分析有关的。
点击流数据记录。一些金融理财公司的应用中会把用户的点击流记录下来做分析。比如用户在买了一个理财产品之后,还可能会点击页面上的B产品和C产品,根据用户点击另外两个产品的频率和停留时间来做交叉营销。
实时风控。我相信今天我们用大数据能够做到实时风控,尤其能防止银行的内部交易欺诈。比如银行的员工有没有违规行为,通过查询通话记录、网上浏览信息就可以预测了。
海量数据的分析和精准预测。比如我们可以根据信用卡、银行卡的过往刷卡记录来分析持卡人在未来的一段时间内的刷卡频率和金额,甚至消费商圈等等。目前万达已经用到了类似数据来进行商业地产的选址。


大数据技术在金融领域已有多种应用


大数据服务平台。有一家公司是做手机游戏端起家的,用户手机上的游戏导流、玩游戏花的时间、游戏里掉落道具的爆率等等都会被记录,他用这些数据做一个DMP平台。说到DMP就要提到互联网广告,我们今天的互联网广告的规模和投入已经非常大了,包括旅游商务服务、游戏和互联网金融等等,会产生很多营收和活动。这个大数据的平台,可以理解为一个生态圈,就像阿里的云平台一样。第一,可以把有数据的厂商联合起来,共享开发的同时也做数据交换;第二,一些厂商可以借助平台数据去做一些直接有用的服务,再把这些服务卖给终端用户,获得的收益与平台分成;第三是一些高端的科学家用这些数据创造出一些新的中坚数据、有效的分析结果再给客户使用。这个平台也是一个PaaS平台,是从数据服务这个大生态圈的层面,到下一层的数据平台和基础设施。
另外还有一个案例是富国银行。这家银行发展得非常快,他们一直倡导用大数据和数据的思维来帮助客户。好几年前,富国银行就把小微企业组合和个人银行的数据完全打通了,推出一些简单的服务,比如利用社交化的博客或者推特去搞经营。


富国银行首席数据官 Charles Thomas 认为新的数据使用方法必须能让银行做到“攻守兼备”


在大数据技术的应用中也会有一些意外收获,比如在高铁制造行业。中国南车旗下的南车株洲电力机车有限公司在几年前做过一个大数据项目,他们要把高铁所有发动机的温度、传感器的数据、周围环境的数据以及发动机保养的数据都存起来,另外将数据分析做出展示。这些数据被灌到大数据平台的时候,体现出了发动机的老化和曲轴、轴承的相关性,这个意外发现让高铁行业的一些高工、企业很激动。因为我国高铁的核心发动机技术还有一些是从美国、德国进口的,这个发现可能对我们通过反向工程实现元器件国产化,甚至国际领先有很大的作用。可见,大数据除了能做用户画像、能用来盈利,在高端制造方面,尤其高铁航空等领域也有非常广阔的前景。


大数据技术在高端制造方面有极大潜力可以挖掘


大数据技术与实践的趋势可以归纳为智能化、连接性、安全性。

智能化也就是人工智能。前一阵Alpha Go与李世石的人机大战让人工智能再次成为热点。大数据本身会应用到很多算法,各种内置的函数、分析的工具组合起来,能做很多智能化的事情。
连接性即把某一类型的机器、不同类型的智能机器甚至是跨行业的数据连接起来,能发挥出更高的价值。
随着数据的泛滥,安全性会越来越重要。我国对于数据安全的注重相对国外是欠缺的,但是我相信这方面也会很快完善起来。
从事大数据产业还需要考虑开源与开放的标准。今天的大数据本身就是开源,有那么多优秀的工程师在帮我们开发很多全新的产品,我们需要一个丰富的、能够统一处理的大数据平台。现在云技术也发展得非常快,在建立大数据平台的时候,要考虑这个架构将来能不能自然地衍生或者扩展到云上。
如今中国,大数据已经来到了大家的身边,已经像水、电一样渗透到我们身边。由于篇幅所限,没办法把大数据在所有行业的应用都覆盖到,希望文章内容能够给大家打开脑洞,引发对大数据技术、大数据产业,尤其是大数据应用和变现的思考。