
重塑現(xiàn)有商業(yè)模式大數(shù)據(jù)產(chǎn)業(yè)或?qū)⒂瓉?lái)收獲期
近年來(lái),“大數(shù)據(jù)”逐漸從學(xué)術(shù)概念走向產(chǎn)業(yè)應(yīng)用,并成為互聯(lián)網(wǎng)界爭(zhēng)相逐鹿的“風(fēng)口”。然而,雖然業(yè)內(nèi)有關(guān)大數(shù)據(jù)的設(shè)想、研究、計(jì)劃層出不窮,但大多數(shù)公司仍未實(shí)質(zhì)享受到大數(shù)據(jù)所帶來(lái)的變革紅利。
如今,隨著人臉識(shí)別、人工智能、云計(jì)算等技術(shù)日臻成熟,大數(shù)據(jù)應(yīng)用也紛紛落地,并開(kāi)始重塑現(xiàn)有商業(yè)模式。
時(shí)尚也能“定制”
中國(guó)“95后”年輕人最喜歡的顏色是RGB值為22/20/24的“不飽和黑色”,在買(mǎi)衣服時(shí),他們最常與黑色搭配的顏色是“紅、黃、藍(lán)”,最?lèi)?ài)買(mǎi)的服裝材質(zhì)分別是棉、羊毛和皮革,最?lèi)?ài)買(mǎi)的花色分別是印花、涂鴉和字母……
以上結(jié)論來(lái)自于日前騰訊和電商平臺(tái)唯品會(huì)共同發(fā)布的《中國(guó)“95后”流行色報(bào)告》。依托騰訊的AI(人工智能)人臉識(shí)別與圖像處理技術(shù),以騰訊QQ空間2萬(wàn)億社交媒體照片和唯品會(huì)1億電商用戶(hù)銷(xiāo)售數(shù)據(jù)為藍(lán)本,兩家企業(yè)共同“計(jì)算”出中國(guó)“95后”的穿衣喜好。
從2萬(wàn)億張照片和1億電商用戶(hù)數(shù)據(jù)中提煉“時(shí)尚因子”并非易事。據(jù)騰訊集團(tuán)副總裁、優(yōu)圖實(shí)驗(yàn)室負(fù)責(zé)人梁柱介紹,找到這些流行色,需要克服不少技術(shù)難點(diǎn),比如QQ空間里用戶(hù)上傳照片主要是生活照,背景和顏色非常復(fù)雜,為了實(shí)現(xiàn)顏色準(zhǔn)確獲取,其技術(shù)團(tuán)隊(duì)借助很多人工智能算法,包括人體檢測(cè)、衣服分割,將照片里的人體和衣服從背景中分割出來(lái),其像素分割精度達(dá)到95%。
據(jù)了解,兩家公司共同邀請(qǐng)?jiān)O(shè)計(jì)師以計(jì)算結(jié)果為依據(jù),設(shè)計(jì)流行服裝,并計(jì)劃在今年秋季在唯品會(huì)電商平臺(tái)上線(xiàn)售賣(mài)。
“基于機(jī)器學(xué)習(xí)的人臉識(shí)別和圖像處理技術(shù),一直都是未來(lái)的技術(shù)熱點(diǎn),其應(yīng)用范圍十分廣泛。目前騰訊優(yōu)圖的AI圖像識(shí)別技術(shù)已經(jīng)十分成熟,可以在不同場(chǎng)景下實(shí)現(xiàn)應(yīng)用?!? 梁柱表示。
不再“望數(shù)興嘆”
過(guò)去,大數(shù)據(jù)應(yīng)用大多囿于營(yíng)銷(xiāo)層面,其實(shí)質(zhì)是利用“數(shù)據(jù)大”的優(yōu)勢(shì),以傳統(tǒng)計(jì)算方式分析用戶(hù)行為等市場(chǎng)要素,并非真正的大數(shù)據(jù)應(yīng)用。而面對(duì)海量珍貴數(shù)據(jù),往往無(wú)法真正使用,只能“望數(shù)興嘆”。
如今,大數(shù)據(jù)應(yīng)用已經(jīng)突破過(guò)去的數(shù)據(jù)捕捉和統(tǒng)計(jì)方法的局限,開(kāi)始深入到產(chǎn)業(yè)鏈各個(gè)環(huán)節(jié),成為由大數(shù)據(jù)貫穿始終的“閉環(huán)生態(tài)”。
在零售領(lǐng)域,繼去年阿里巴巴提出“新零售”概念以后,新年伊始,阿里巴巴集團(tuán)就與百聯(lián)集團(tuán)共同簽署全面戰(zhàn)略合作協(xié)議,宣布合力探索發(fā)展新零售模式。據(jù)阿里方面透露,雙方將基于大數(shù)據(jù)和互聯(lián)網(wǎng)技術(shù),在全業(yè)態(tài)融合創(chuàng)新、新零售技術(shù)研發(fā)、供應(yīng)鏈整合、會(huì)員系統(tǒng)互通、支付金融互聯(lián)、物流體系協(xié)同等6個(gè)領(lǐng)域展開(kāi)合作。
“新零售是利用互聯(lián)網(wǎng)和大數(shù)據(jù),將‘人、貨、場(chǎng)’等傳統(tǒng)商業(yè)要素進(jìn)行重構(gòu)的過(guò)程,包括重構(gòu)生產(chǎn)流程、重構(gòu)商家與消費(fèi)者的關(guān)系、重構(gòu)消費(fèi)體驗(yàn)等。未來(lái)的商業(yè)將不再有線(xiàn)上線(xiàn)下之分,也不存在虛擬實(shí)體之別?!卑⒗锇桶图瘓F(tuán)CEO張勇表示。
在家電領(lǐng)域,據(jù)最新發(fā)布的《2016年度中國(guó)智能空調(diào)市場(chǎng)白皮書(shū)》顯示,2016年國(guó)內(nèi)智能空調(diào)業(yè)在制造、渠道、服務(wù)、資源、新技術(shù)應(yīng)用水平等方面得到提升,特別是云和大數(shù)據(jù)技術(shù)的引用與資源共享,為同關(guān)聯(lián)行業(yè)開(kāi)展資源共享、服務(wù)創(chuàng)新打下了堅(jiān)實(shí)的基礎(chǔ)。
以家電企業(yè)海爾為例。依托大數(shù)據(jù),海爾生產(chǎn)的空調(diào)不僅搭建了智能化節(jié)能體系,還將大數(shù)據(jù)跨界應(yīng)用到供熱、供電領(lǐng)域。在江蘇,海爾空調(diào)云端數(shù)據(jù)已與國(guó)家電網(wǎng)有效對(duì)接,以此來(lái)調(diào)節(jié)居民的高峰用電負(fù)荷,降低電網(wǎng)峰谷差18.47%,大幅緩解電網(wǎng)運(yùn)行壓力。
實(shí)現(xiàn)“個(gè)性量產(chǎn)”
事實(shí)上,大數(shù)據(jù)應(yīng)用的持續(xù)落地,正在解決過(guò)去生產(chǎn)上“個(gè)性化”與“量產(chǎn)化”之間的矛盾,并由此帶來(lái)商業(yè)模式的變革。
過(guò)去,批量化生產(chǎn)的產(chǎn)品幾乎無(wú)法滿(mǎn)足客戶(hù)的個(gè)性化需求,即使有了海量數(shù)據(jù)作為營(yíng)銷(xiāo)依據(jù),也僅能做到將用戶(hù)需求盡量細(xì)分,再在每個(gè)細(xì)分領(lǐng)域進(jìn)行批量化生產(chǎn)。而隨著互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)劃等技術(shù)的滲透,個(gè)性化、定制化需求的滿(mǎn)足具有了可能性,個(gè)性化量產(chǎn)正在被嘗試和探索。在唯品會(huì)高級(jí)總監(jiān)陳菲菲看來(lái),將大數(shù)據(jù)應(yīng)用到時(shí)尚產(chǎn)業(yè)并進(jìn)行電商化運(yùn)營(yíng)是一次大膽的跨界創(chuàng)新?!白屨掌髷?shù)據(jù)、銷(xiāo)售大數(shù)據(jù)、人工智能跟時(shí)尚流行碰撞,讓數(shù)據(jù)與藝術(shù)產(chǎn)生連接,也為時(shí)尚領(lǐng)域的創(chuàng)作提供更多的靈感和可能性?!标惙品普f(shuō)。
這種嘗試給時(shí)尚界的生產(chǎn)模式帶來(lái)的變革顯而易見(jiàn),即由過(guò)去以設(shè)計(jì)師創(chuàng)作為主導(dǎo)模式,轉(zhuǎn)變?yōu)橐杂脩?hù)為中心的個(gè)性化量產(chǎn)模式。消費(fèi)數(shù)據(jù)將成為時(shí)尚行業(yè)生態(tài)鏈中的最寶貴資源,誰(shuí)擁有更多的精準(zhǔn)用戶(hù)數(shù)據(jù),誰(shuí)就占有更多市場(chǎng)機(jī)會(huì)。
同樣,在家電領(lǐng)域,通過(guò)聯(lián)合研發(fā)智能仿生人技術(shù),海爾空調(diào)可模擬人體30個(gè)身體部位、20種新陳代謝模式、162個(gè)神經(jīng)元傳感器以及17種溫冷環(huán)境。同時(shí)依托仿生人,研發(fā)出自然風(fēng)、自清潔、離子送風(fēng)等原創(chuàng)技術(shù)和產(chǎn)品,實(shí)現(xiàn)千人千面的個(gè)性化節(jié)能,讓批量生產(chǎn)的每一臺(tái)空調(diào)都“不一樣”。
在醫(yī)療健康領(lǐng)域,因每個(gè)人疾病史和基因構(gòu)成的不同,過(guò)去針對(duì)病癥作出的標(biāo)準(zhǔn)化治療方案更像是技術(shù)限制下的“權(quán)宜之計(jì)”。如今,隨著醫(yī)療傳感器、監(jiān)視器和診斷技術(shù)的突破,患者數(shù)據(jù)也變得完整、精細(xì)。以此為基礎(chǔ),人工智能系統(tǒng)就可以梳理數(shù)百萬(wàn)患者病歷、基因組序列以及其他健康行為數(shù)據(jù),從而匹配個(gè)性化的治療方案。
種種趨勢(shì)表明,這種商業(yè)模式的變革正在快速滲透至各個(gè)行業(yè)。而“個(gè)性量產(chǎn)”的普遍落地,也將在大數(shù)據(jù)的支撐下成為可能。
數(shù)據(jù)分析咨詢(xún)請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)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(guò)程中,“損失曲線(xiàn)” 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(lèi)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(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語(yǔ)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(kù)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(shí)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(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢(xún)效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話(huà)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(dòng)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(kāi)始提取前,需先判斷 TIF 文件的類(lèi)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(jià)值的專(zhuān)業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)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(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)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(zhuān)業(yè)操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)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(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(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(jià)值的核心操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)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(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)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(jià)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(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶(hù)體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷(xiāo)案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷(xiāo)成為企業(yè)突圍的核心方 ...
2025-09-11