
用大數(shù)據(jù)告訴你,移動互聯(lián)網(wǎng)是如何吃掉整個世界的
軟件和移動互聯(lián)網(wǎng)已開始走向被內(nèi)化階段,成為各行業(yè)理所當(dāng)然、不可或缺的組成部分。軟件和移動互聯(lián)網(wǎng)正在吃掉整個世界,科技業(yè)自身已容不下技術(shù)發(fā)展的張力。
Managershare:這個世界已經(jīng)被移動互聯(lián)網(wǎng)改變了。它大到世界,小到我們每個人的生活細(xì)節(jié)。
沒錯,我們正站在這樣一個特別的歷史拐點上。
第一次,技術(shù)被銷售給每個普通人
1. 十幾年前,我們被 1995 年到 2000 年的網(wǎng)民數(shù)增長震驚,這一階段網(wǎng)民數(shù)從 0.5 億人增長到 4 億人。
2. 技術(shù)泡沫后,網(wǎng)民數(shù)增長更驚人,從 4 億增長到今年約 30 億人;同時,使用智能手機(jī)人數(shù)達(dá)到 20 億人次。
3. 2020 年,全球又有 10 億人會將通過智能手機(jī)上網(wǎng)成為網(wǎng)民,網(wǎng)民數(shù)達(dá)到 40 億人次。
4. 1995 年至今,不上網(wǎng)或沒智能手機(jī)的成年人數(shù)持續(xù)收縮:前者從 1995 年近百分百降至 2017 年約 36%;后者從 1995 年百分百降至 2017 年約 28%。
5. 2020 年,全球 80% 成年人會擁有智能手機(jī)。
2020 年全球人口數(shù)在 74 億左右;成年人數(shù)約 52 億人次;TV 受眾 48 億左右;有文化和讀寫能力的人 45 億左右;功能機(jī)用戶 43 億左右;上網(wǎng)人數(shù) 40 億左右;智能手機(jī)用戶 40 億左右;PC 用戶 17 億;個人 PC 用戶在 10 億以下。
6. 智能手機(jī),讓所有人都擁有一部裝在口袋里的超級電腦。
一部新 iPhone 的 CPU 內(nèi)晶體管數(shù)是奔騰 1995 的 625 倍;僅新 iPhone 發(fā)布那個周末,蘋果賣出 CPU 晶體管數(shù)就達(dá)到 1995 年世上所有個人電腦里 CPU 晶體管的 25 倍。
7. 所有人,即便是在撒哈拉沙漠,他們手機(jī)覆蓋率、3G 網(wǎng)絡(luò)覆蓋率及移動設(shè)備使用率都在上升。
第一次,互聯(lián)網(wǎng)格局被改變
1. 人們花在移動互聯(lián)網(wǎng)上時間,已超過花在所有電腦網(wǎng)頁上時間總和。
2013年 6 月,用戶通過桌面上網(wǎng)時間還多于用戶通過手機(jī)上網(wǎng)時間;但2014年 6 月,后者(App + 移動瀏覽器)已明顯超過前者。
此外,移動互聯(lián)網(wǎng)格局還未完全固定,如就“I installed an app on my Android smartphone.”這句話,其中“下載、APP、Android、智能手機(jī)”,這四個概念都還有很大發(fā)展空間,2020 年我再說這話時,可能和現(xiàn)在意思已大有不同。
2. 生態(tài)系統(tǒng)的復(fù)雜性。
iOS 和 Androi 兩家市場份額因不同地點產(chǎn)業(yè)結(jié)構(gòu)不同而相差懸殊。換句話說,用 iOS 還是用 Android,取決于你在哪和你在做什么。
如上圖,全球銷量看,Android 手機(jī)明顯多于蘋果;但 Facebook 舊金山用戶中,蘋果設(shè)備使用者多于Android,同時在雅加達(dá),情況則反過來;另外,蘋果應(yīng)用商店收入明顯高于 Google Play;而以全球瀏覽器上網(wǎng)數(shù)據(jù)看,蘋果略高于 Android,但中國數(shù)據(jù)則完全相反,Android 明顯多于蘋果。
3. 每個新傳感器都意味新商機(jī)。
智能手機(jī)比 PC 復(fù)雜得多,PC 不會問任何它應(yīng)該知道的東西,但新傳感器深刻改變電腦能知道的東西,因此每個新傳感器,都能帶來新商業(yè)機(jī)會。
4. 移動設(shè)備能引發(fā)“杠桿效應(yīng)”。
2020 年,智能手機(jī)數(shù)將達(dá)到 PC 的 2—3 倍,但乘以移動設(shè)備便攜易用帶來的便利,移動設(shè)備將能提供 10 倍于 PC 時代的機(jī)會。
Facebook 和 WhatsApp 是最典型例子。兩年內(nèi),F(xiàn)acebook 移動廣告收入就翻倍,成為一個體量達(dá) 65 億美金的海量客戶部門;而只有 30 個工程師的 WhatsApp 一年內(nèi)信息流量已達(dá)到 72 億條,要知道,全球短信總量是每年 75 億條。
“杠桿效應(yīng)”還改變了互聯(lián)網(wǎng)初創(chuàng)企業(yè)對早期資本的需求:2000 年,一個融資 1000 萬美金、擁有 100 名員工的初創(chuàng)企業(yè)能吸引 100 萬用戶;現(xiàn)在,融資 100 萬美元,有 10 個員工的公司就能吸引 1000 萬用戶;而未來憑借移動互聯(lián)網(wǎng),一人白手起家,不要拿什么投資,就能吸引 100 萬用戶。
移動甚至重置科技產(chǎn)業(yè)
1. 智能手機(jī)逐漸拖垮 PC。
全球有 20 億人,平均每 2 年買一臺移動設(shè)備;全球有 16 億人,平均每 5 年買一臺 PC。
2. 智能手機(jī)和平板電腦已占電子產(chǎn)品市場半壁江山。
3. 1999 年時,全球共有 800 億張用膠卷拍的照片;而今年,社交網(wǎng)絡(luò)上分享照片就達(dá)到 8000 億張;蘋果和 Android 手機(jī)銷量,也超越日本生產(chǎn)的照相機(jī)。
4. 移動甚至改變 PC 領(lǐng)域市場份額。
微軟在 PC 領(lǐng)域銷售份額持續(xù)下滑,已從超過 85% 份額,掉到不到 25%;而蘋果卻快速占領(lǐng)市場,從收入看,幾乎接管 PC 業(yè),在 2013 年達(dá)到 1750 億美金。
5. 移動已導(dǎo)致技術(shù)中心轉(zhuǎn)移。
硅谷和中國成為新時代中心,代表公司:電腦領(lǐng)域谷歌和蘋果,打敗微軟;芯片領(lǐng)域 ARM 和高通,打敗英特爾;手機(jī)行業(yè),中國深圳打敗原生產(chǎn)諾基亞的芬蘭。
6. 移動撬動供應(yīng)鏈過程:
移動也在重置其他產(chǎn)業(yè)
1. 科技在主導(dǎo)我們注意力。
2. 科技品牌價值巨大。
2004 年,科技品牌價值占全球品牌價值前 100 位的 30%,其中谷歌、蘋果、亞馬遜和 Facebook 四家占不到 2%;但現(xiàn)在,前者已達(dá)到 40%,后者快接近 20%。
3. 孩子們最牽掛什么?移動設(shè)備。
4. 人與人的溝通正趨向純數(shù)字化、純移動化,現(xiàn)在連爺爺奶奶們,也會使用電子郵件了。
5. 移動設(shè)備擠壓下,電視變得越來越小眾,可用來看視頻的數(shù)字設(shè)備,正從數(shù)量上超越真正的電視。
6. 作為移動設(shè)備的屏幕,全球 LCD 液晶屏顯示器銷量顯著上升。
科技還有很大改變世界的潛力
1. 以下是各行業(yè)在 2013 年收入情況。其中,汽車業(yè)達(dá)到 14000 億美金,服裝業(yè)達(dá)到 13000 億美金。
2. 通常跟技術(shù)相關(guān)公司分三種。一是以技術(shù)為核心的公司,如蘋果;二是通過技術(shù)改進(jìn)產(chǎn)品或擴(kuò)展業(yè)務(wù),但技術(shù)不是核心,如亞馬遜;三是被新技術(shù)催生出的公司,可能做的是傳統(tǒng)行業(yè),但都基于新技術(shù),如 Airbnb。而如果重點關(guān)注第三種公司,我們會發(fā)現(xiàn):每波技術(shù)創(chuàng)新浪潮,都會催生一些新行業(yè),比如:
正如卡車和洲際公路出現(xiàn)讓零售業(yè)發(fā)生根本性轉(zhuǎn)變,因而成就了沃爾瑪,移動設(shè)備和移動互聯(lián)網(wǎng)為傳統(tǒng)旅游和運(yùn)輸行業(yè)創(chuàng)造了全新可能,因此才有 Airbnb、Uber 和 Lyft。由此可見,移動已開始對社會產(chǎn)生深刻影響。
另一重要事實:當(dāng)一項技術(shù)被充分普及,它就被社會“內(nèi)化”成理所當(dāng)然的一部分,人們也就不再談?wù)撍?。以下幾張圖,顯示了“鐵路”、“鋼鐵”、“計算機(jī)化”等技術(shù)詞匯在 Google Books 出現(xiàn)的頻率:
“鐵路”
“鋼鐵”
“計算機(jī)化”
而“軟件”出現(xiàn)頻率如下:
這樣的趨勢說明:軟件和移動互聯(lián)網(wǎng)已開始走向被內(nèi)化階段,成為各行業(yè)理所當(dāng)然、不可或缺的組成部分。軟件和移動互聯(lián)網(wǎng)正在吃掉整個世界,科技業(yè)自身已容不下技術(shù)發(fā)展的張力。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11