摆地摊卖水果 利用数据分析卖出4.7亿 但这不是大数据

大数据
很多没有接触过大数据的人,都很难清楚地知道,究竟多大的数据量才可以称之为大数据。那么,根据数据收集的端口,企业端与个人端之间,大数据的数量级别是不同的。

摆地摊卖水果 利用数据分析卖出4.7亿 但这不是大数据

大数据是什么

多大的数据叫大数据?

很多没有接触过大数据的人,都很难清楚地知道,究竟多大的数据量才可以称之为大数据。那么,根据数据收集的端口,企业端与个人端之间,大数据的数量级别是不同的。

企业端(B端)数据近十万的级别,就可以称为大数据;个人端(C端)的大数据要达到千万级别。收集渠道没有特定要求,PC端、移动端或传统渠道都可以,重点要达到这样数量级的有效数据,形成数据服务即可。很有趣,大家可以看到2B和2C,两类大数据差了两个数量级。

有些小公司,数据只有千到万级的规模,但经过收集分析,也能从中有针对性的总结出这一群体的原则,同样能指导企业进行一定程度的用户分析、获取或者是服务工作,但这并不是大数据,而是一般性的数据挖掘。

刚刚天小妹分享的那个案例,说今年年初有个用50块本金摆地摊卖水果的中年人,他并不懂得大数据,但是他对水果的收成了若指掌:他知道哪个地方下了多少雨,水果的甜度会到多少,哪些地方的消费者会喜欢吃这个甜度的水果。卖到最后卖出了137家门店、4.7亿的年销售额。

这确实是一种小的数据挖掘,但并不是数据分析。大数据分析虽然脱胎于此,但大数据面向的是更海量的一个数据,借助了更广义的知识数据库的分析方法。大部分的数据公司的数据来源是海量的,它的收集和分析,并不是局限于个体,而是以一个非常非常广泛的群体为对象展开的。

大数据的产业链是怎样的

我在接受21世纪经济报道采访的时候,依照大数据公司在产业链的上下游关系,提出把它们分成三种不同类别:

1.大数据采集公司

所谓“找数据”,内部可以再分两种:

1).在自身正常运营的过程中就能产生大量数据源;

2).通过跟电信运营商、金融企业合作,获取数据源。

2.大数据分析公司

这一类公司,基本上都有自己的套模型,但大部分数据库模型源于相同的几个机理,包括统计学模型、深度学习算法等等。也基于美国IBM、cloudera公司开发的应用型分析模块等等。

3.大数据销售公司

虽然说是卖数据,但出售的并不是单一数据,而是基于数据的全套解决方案,比如精准营销等等。

这三类公司是如何协作,并把大数据作用于我们的生活呢?最容易理解的就是现在在微信朋友圈上投放的广告。

腾讯在把广告推广给每个用户的时候,都已经对用户做过精准的分析。通过收集人们在微信上使用习惯,进而分析用户的消费能力、消费习惯,形成一套精准营销方案后,给广告商生成一些定向的广告。

比如说,兰蔻的广告就从来不会推广给男性用户、豪车广告也不会推给应届毕业生。整个的微信广告体系都用到了大数据的分析模式,大家普遍反馈,在腾讯上投放的广告比网易、新浪等平台上投放的广告转化率高,正是得益于腾讯的大数据基础。

大数据公司的投资价值

如何理解大数据的投资价值?

大数据如今这么火,其商业价值显而易见,但是能真正兑现的人并不多。

要兑现大数据的商业价值,第一个要求,就是达到大数据的数据量级。那么目前,在数据量上最有优势是BAT三家。在PC时代,百度在数据上的优势非常强,但到移动时代,腾讯和阿里实现了反超。

腾讯有微信、QQ,拿到了移动端数据生成量的九成;阿里利用它的消费数据资源,更有垂直性。那么对于中小企业、创业企业而言,兑现商业价值的重点就变成了,如何在自身规模较小的时候,利用别人的大数据资源为自己的创业更好的服务。这是需要深层次判断和挖掘的。

所以,对于数据相关的公司,在投资判断的时候,不单是看现有业务的发展,更重要的是在他不断的发展的过程中,能不能积累有效数据、积累高准确性的数据,实现数据的实时更新性。这样的企业才能够更好地建立起竞争壁垒。

比如,在开发者服务领域,比如talkingdata极光等等,我们复星昆仲在看项目时非常看重的一点,就是现在项目所经营的业务是单一为开发者提供服务?还是在服务之余,给自己的积累有效数据,形成长期壁垒?

2B是大数据行业的突破口

我之前有提到BAT对大数据收集是垄断性的,创业企业想要在C端达到海量数据(千万级甚至上亿的C端用户)非常难。目前,国内月活真正过亿的app只有15个,渗透率前10的app都是BAT所控制的,比如微信、QQ、淘宝、UC浏览器等。如果绕开BAT,能拥有C端海量数据的,就只有相对传统的电信业、金融业等等。

可见,如果想投资大数据领域的公司,从C端下手难度很高。所以,我觉得在如果想在大数据行业布局,2B领域才是关键:一方面2B发展较晚,BAT还没有形成垄断;第二,开发门槛相对较高的;第三,数据量需求量相对较少,达到十万级别就可以为大数据的分析服务,所以如果想在大数据领域进行投资,要关注的主要领域是2B领域。

在2B领域,有三个不同的类别:

  • 第一类,是现在很火的企业服务,以SaaS为主;比如客户管理的CRM、人力板块的HRM等等。他们在得到用户许可并保证数据安全的前提下,通过服务大量的企业来积累企业用户,和企业员工数据。比如理才网等等。
  • 第二类,是B2B交易平台;目前的趋势,基本上是行业垂直领域的电子商务交易平台,核心竞争力就是打破买卖双方的信息不对称、不透明。所以这种领域公司的关键点并不是记录交易量,而是每一个有效的数据信息。在这个领域,我们投资过惠民网,主要服务于中小商超和其供货商的交易平台,再比如各种“找”系列项目等等。
  • 第三类,是针对于开发者的服务;云存储、运行数据的统计推送以及app内的即时通信等。

复星昆仲主要是在这三类的2B项目当中的进行投资,因为这些项目的2B业务模式可以有效积累大数据。这就是为什么复星同时关注大数据和2B领域的企业服务——因为在2B领域的企业服务,能够找到最好最有效的大数据。

2B行业的未来投资标的

如果我们预测一下这个行业的未来,我有以下几个观点。

1.拥有丰富大数据源的企业,会成为整个行业内最炙手可热的投资标的。

   在大数据行业里,分析算法上的差别,造成的分析结果准确性、实用性的差异是93分和95分的区别。而因数据源质量造成的差别,是60分和90分的不同。特别是,一个不断更新的大数据,是能够验证这个算法准确性并不断优化大数据分析结果的有效途径。

2.先行绑定最急需数据的需求方的项目,将获得胜利。

   目前,在大数据领域最愿意买单的基本都是金融领域的客户,银行、保险公司等等。他们要对用户进行多方位的分析和服务,所以购买意愿非常强。下一层,是新兴的互联网公司,为了更精准的获取用户、提高转化率,也比较愿意买单,比如说像新美大等等。下一步,可能会过渡到消费品行业当中去。

基于大数据的那些商机

SaaS类项目凭什么火?

很多人其实不明白SaaS模式和传统的软件服务到底有什么区别,为什么说它是一个基于大数据而兴起的行业呢?

SaaS和传统软件服务,中间有非常多的区别。最基础的区别,就是他们整个架构是不同的:SaaS是建立在公有云上的,标准化的模块服务,数据也储存在SaaS的公有云平台上。而传统的软件服务基本上是部署在局域网内的。这种架构上的区别决定所有的其他区别。

比如,因为SaaS架构在云端,而且秉承标准化、普适化原则,所以,实施过程非常快。至少,实施前的现场搭建工作要少很多,那么获取用户也相应的加快。能传统模式要很长时间才能累计几百个客户,而SaaS模式可以在短时间内累积上千、上万的客户都不难。

再比如,付费模式上的不同,传统软件有前期实施费、每年更新的费用、专门的定制服务费用、故障解决费用等等。整体来讲,费用高、缴费繁复,往往只有大企业才消费的起。而SaaS一方面减少了初期部署成本、且系统和架构可以服务于多个用户。它的收费模式基本上,是收月费或者年费,一个月只有几百块,很多中小企业,都可以享受到服务。

智能硬件和人工智能的收获期还很漫长

大数据和智能硬件相结合的模式,其实目前还很有挑战性,最主要的原因还是出在大数据的数量级上。目前智能硬件的出货量远不能匹配大数据所需的数量级。目前,国内出货量最大的是小米手环,第二是360儿童卫士。剩下的智能硬件出货量,往往在十几万到几十万就是比较好的量级。这跟C端大数据千万、亿级的要求还相差百倍呢。

人工智能领域相对好一些,属于如日方升的情况。在海外的谷歌、亚马逊、软银,已经在投资一些投资标的,但是依然是一些概念领域的项目,不是立即可以商业化的服务。包括谷歌的无人车,就算已经能够积累了上百万英里的安全驾驶里程,但要应用还是有一定过程。国内也有少数的天使、早期机构,已经看好这个领域开始投资,但它的开花结果期那可能还要至少再等五年。

所以,这个领域的投资要有一定耐心,目前比较有希望兑现的领域,包括语音语义识别、AR/VR、无人机等。 

责任编辑:庞桂玉 来源: 大数据
相关推荐

2016-05-24 17:24:45

云计算

2016-04-29 19:53:15

2015-02-09 10:00:38

谷歌卫星互联网

2015-09-25 09:25:34

数据分析

2012-05-30 11:29:14

Hadoop大数据

2019-11-13 08:00:34

大数据数据分析企业

2010-04-01 10:44:14

MySQL

2016-12-07 07:17:11

云计算科技新闻早报

2019-03-21 04:47:20

口令网络安全数据泄露

2015-08-14 10:28:09

大数据

2012-11-20 10:34:06

大数据云计算预言

2013-04-09 09:28:20

大数据大数据全球技术峰会

2015-07-23 09:34:57

大数据数据分析

2013-06-07 09:00:03

大数据分析大数据网路管理

2023-08-15 09:50:32

大数据旅游企业

2016-09-18 20:39:54

大数据大数据时代

2019-04-23 10:30:23

机器学习人工智能计算机

2023-03-03 13:30:18

设计模式编程语言

2021-10-12 15:25:08

大数据数据分析

2022-03-29 14:49:14

大数据数据分析
点赞
收藏

51CTO技术栈公众号