爬蟲技術成了大數(shù)據(jù)時代的“寵兒”

大數(shù)據(jù)時代，一些看似微不足道的數(shù)據(jù)在收集、整理、提取、分析之后，會具有洪荒之力！

1. 政治角逐

前短時間我們被美國大選刷屏了。

2016年這場美國總統(tǒng)競選被媒體稱作“第一次數(shù)字化競選”，希阿姨和川大大都組建了龐大的技術團隊，將大量資金花在獲取和使用投票者的信息上。民意調(diào)查結果，一直是總統(tǒng)大選時最倚重的數(shù)據(jù)來源。在長達半年的總統(tǒng)競選活動中，會有許多組織或機構通過不同方式進行大量調(diào)查，并將結果匯總整理加工成民意調(diào)查數(shù)據(jù)。在更大的數(shù)據(jù)規(guī)模上，總統(tǒng)候選人們也采用了同樣的策略，所依賴的數(shù)據(jù)來源也不僅僅是民意調(diào)查結果，還涵蓋了諸多的如facebook這類的社交網(wǎng)站和公開及私有的數(shù)據(jù)庫。

及時準確的收集這些數(shù)據(jù)，并且?guī)椭贫ú呗砸垣@得更多的選民支持。將美國超過2億的選民資料，與大型網(wǎng)站與社交網(wǎng)絡上的個人賬號相互匹配起來，將網(wǎng)絡行為對應到具體的個體，再和已經(jīng)構成的、龐大的用戶個人數(shù)據(jù)相結合，最終完全由準確數(shù)據(jù)來驅(qū)動競選策略。

而以上這些就使得大數(shù)據(jù)分析技術成了兩黨候選人的重要武器。

2. 電商分析

抓取天貓、京東、淘寶等電商網(wǎng)的評論及銷量數(shù)據(jù)，對各種商品（顆粒度可到款式）沿時間序列的銷量以及用戶的消費場景進行分析。

甚至還可以根據(jù)用戶評價做情感分析，實時監(jiān)控產(chǎn)品在消費者心目中的形象，對新發(fā)布的產(chǎn)品及時監(jiān)控，以便調(diào)整策略。

3. 投資理財

雪球等財經(jīng)類網(wǎng)站通過抓取雪球KOL或者高回報用戶的行為，找出推薦股票。

4. 消費習慣分析

在大眾點評、美團網(wǎng)等餐飲及消費類網(wǎng)站抓取各種店面的開業(yè)情況以及用戶消費和評價，了解周邊變化的口味，所謂是“舌尖上的爬蟲”。

以及各種變化的口味，比如：啤酒在衰退，重慶小面在崛起。

5. 內(nèi)部數(shù)據(jù)利用

企業(yè)在運營過程中產(chǎn)生的大量數(shù)據(jù)，其實是蘊含著巨大的價值，對企業(yè)未來的發(fā)展和創(chuàng)新商業(yè)模式都有著很大的幫助。充分的挖掘數(shù)據(jù)潛在價值，能幫助企業(yè)更好的細分市場，以助于公司能有針對性的為企業(yè)日后的發(fā)展提供數(shù)據(jù)支撐。更好的掌握市場動向，更好的對市場反應產(chǎn)生新的決策。

......

數(shù)據(jù)背后所隱藏的巨大商業(yè)價值正開始被越來越多的企業(yè)所重視，越來越多的企業(yè)開始進入大數(shù)據(jù)市場，建立各種大數(shù)據(jù)入口，以獲得更多更大的海量數(shù)據(jù)。那么問題來了，數(shù)據(jù)從何而來？

政府或其它機構公開的數(shù)據(jù) 或 API

購買數(shù)據(jù)

企業(yè)自己產(chǎn)生的數(shù)據(jù)

組織技術團隊來抓取數(shù)據(jù)

第1種公開的數(shù)據(jù)目前少之又少，主要還是機制不成熟，而且擔心安全及隱私問題。

第2種途徑對大多數(shù)企業(yè)來說意義也不大，一方面有價值且可以出售的數(shù)據(jù)不多，即使有的話價格也不是一般企業(yè)所能承受的；另一方面，企業(yè)需要的數(shù)據(jù)往往是多樣化多渠道的，很難全部通過購買來解決。

第3種不用說，有數(shù)據(jù)意識的企業(yè)一般都有所積累，即使沒有也可以開始積累。

因此，對很多企業(yè)來說，如果想獲取全面、有效、更多的數(shù)據(jù)，抓取是一種不二的明智之選。也正因如此，爬蟲技術成了大數(shù)據(jù)時代的“寵兒”，光開源的爬蟲框架就不下50個，這應該就是一個側(cè)面反映。