
在這次“數(shù)據(jù)盛宴”中,是否只有大公司的狂歡?并非如此,從事大數(shù)據(jù)產(chǎn)業(yè)的輕公司將無(wú)處不在。新興的創(chuàng)業(yè)公司通過(guò)出售數(shù)據(jù)和服務(wù)更有針對(duì)性地提供單個(gè)解決方案,把大數(shù)據(jù)商業(yè)化、商品化,才是更加值得我們關(guān)注的模式。這將帶來(lái)繼門戶網(wǎng)站、搜索引擎、社交媒體之后的新一波創(chuàng)業(yè)浪潮和產(chǎn)業(yè)革命,并會(huì)對(duì)傳統(tǒng)的咨詢公司產(chǎn)生強(qiáng)烈沖擊。
這些更多初創(chuàng)型企業(yè)專注于為重要垂直業(yè)務(wù)提供應(yīng)用程序,簡(jiǎn)稱為BDA公司(大數(shù)據(jù)應(yīng)用Big Data Applications)。在新興的大數(shù)據(jù)創(chuàng)業(yè)公司方面,有提供工具系統(tǒng)的,有提供數(shù)據(jù)存儲(chǔ)和銷售的,有提供信息咨詢算法的,有些提供電影票房預(yù)測(cè)技術(shù),有些產(chǎn)品優(yōu)化銷售效率,有些產(chǎn)品通過(guò)將不同渠道的營(yíng)銷業(yè)績(jī)與實(shí)際的產(chǎn)品使用數(shù)據(jù)相關(guān)聯(lián),為未來(lái)營(yíng)銷活動(dòng)提供建議。
在技術(shù)之外,這些小企業(yè)還會(huì)開(kāi)發(fā)一些產(chǎn)品,追蹤記錄與健康相關(guān)的指標(biāo)并據(jù)此提出改善人們行為的建議。諸如此類的產(chǎn)品有望減少肥胖,提高生活質(zhì)量,同時(shí)降低醫(yī)療成本。這類業(yè)務(wù)令人著迷之處在于,如果沒(méi)有大量的數(shù)據(jù),缺乏有效的數(shù)據(jù)分析技術(shù),這些公司的業(yè)務(wù)難以有效開(kāi)展。與此同時(shí),云計(jì)算技術(shù)的普及,意味著小公司不必在內(nèi)部開(kāi)發(fā)或配備所有大數(shù)據(jù)技術(shù),在很多情況下,它們可以利用基于云端的服務(wù)來(lái)滿足數(shù)據(jù)分析需求。
PredPol公司通過(guò)與洛杉磯和圣克魯斯的警方以及一群研究人員合作,基于地震預(yù)測(cè)算法的變體和犯罪數(shù)據(jù)來(lái)預(yù)測(cè)犯罪發(fā)生的幾率,可以精確到500平方英尺的范圍內(nèi)。在洛杉磯運(yùn)用該算法的地區(qū),盜竊罪和暴力犯罪分布下降了33%和21%。
Tipp24 AG針對(duì)歐洲博彩業(yè)構(gòu)建的下注和預(yù)測(cè)平臺(tái)。該公司用KXEN軟件來(lái)分析數(shù)十億計(jì)的交易以及客戶的特性,然后通過(guò)預(yù)測(cè)模型對(duì)特定用戶進(jìn)行動(dòng)態(tài)的營(yíng)銷活動(dòng)。這項(xiàng)舉措減少了90%的預(yù)測(cè)模型構(gòu)建時(shí)間。SAP公司正在試圖收購(gòu)KXEN,“SAP想通過(guò)這次收購(gòu)來(lái)扭轉(zhuǎn)其長(zhǎng)久以來(lái)在預(yù)測(cè)分析方面的劣勢(shì)”。
交通的參與者多種多樣,是大數(shù)據(jù)最能發(fā)揮價(jià)值的領(lǐng)域。交通流量數(shù)據(jù)公司Inrix依靠分析歷史和實(shí)時(shí)路況數(shù)據(jù),能給出及時(shí)的路況報(bào)告,以幫助司機(jī)避開(kāi)正在堵車的路段,并且?guī)退麄兲崆耙?guī)劃好行程。汽車制造商、移動(dòng)應(yīng)用開(kāi)發(fā)者、運(yùn)輸企業(yè)以及各類互聯(lián)網(wǎng)企業(yè)都需要Inrix的路況報(bào)告。奧迪、福特、日產(chǎn)、微軟等巨頭都是Inrix的客戶。
消費(fèi)者追尋意見(jiàn)領(lǐng)袖的生活方式。潘吉瓦公司就是用數(shù)據(jù)分析來(lái)預(yù)測(cè)流行趨勢(shì),以此為基礎(chǔ)甚至撬動(dòng)全球貿(mào)易。比如,它們通過(guò)41次追蹤《暮光之城》的徽章、襪子的運(yùn)輸情況,分析在這部電影中主角的服飾對(duì)流行趨勢(shì)有多大影響率,并將分析結(jié)果告知用戶,建議他們對(duì)自己的行動(dòng)做出恰當(dāng)?shù)恼{(diào)整。
美國(guó)在線音樂(lè)網(wǎng)站潘多拉特別聘請(qǐng)一些音樂(lè)專家,讓他們每個(gè)人平均花上20分鐘去分析一首歌曲,并賦予每首歌400種不同的屬性。如果你表示喜歡一首歌,程序會(huì)自動(dòng)尋找跟這首歌“基因”相同的歌曲,猜測(cè)你也會(huì)喜歡并采用推薦引擎技術(shù)推薦給你。借助這種人海戰(zhàn)術(shù),潘多拉網(wǎng)站已經(jīng)分析了74萬(wàn)首歌曲。
Futrix Health是一家專注于用通過(guò)數(shù)據(jù)為患者制定醫(yī)療解決方案的公司,從安裝在智能手機(jī)上的個(gè)人健康應(yīng)用,到診所、醫(yī)院里醫(yī)生使用的電子健康記錄儀,甚至是革命性的數(shù)字化基因組數(shù)據(jù),均連接到后端數(shù)據(jù)倉(cāng)庫(kù)上。從而為患者制定最佳的醫(yī)院選擇、醫(yī)藥選擇。該如何將采集到醫(yī)療保健機(jī)構(gòu)的大量操作信息,分析患者情況或治療效果,實(shí)施任何高效率的措施,使之更具有意義——大數(shù)據(jù)時(shí)代提供的機(jī)會(huì),不再是簡(jiǎn)單地收集這些數(shù)據(jù),而是如何運(yùn)用數(shù)據(jù)來(lái)更好地認(rèn)知這個(gè)世界。
在零售領(lǐng)域,創(chuàng)業(yè)公司Retention Science發(fā)布了一個(gè)為電子商務(wù)企業(yè)提供增強(qiáng)用戶粘性的數(shù)據(jù)分析及市場(chǎng)策略設(shè)計(jì)的平臺(tái),它的用戶建模引擎具備自學(xué)習(xí)功能,通過(guò)使用算法和統(tǒng)計(jì)模型來(lái)設(shè)計(jì)優(yōu)化用戶粘性的策略。平臺(tái)的用戶數(shù)據(jù)分析都是實(shí)時(shí)進(jìn)行,以確保用戶行為預(yù)測(cè)總是符合實(shí)際用戶行為更新;同時(shí),動(dòng)態(tài)的根據(jù)這些行為預(yù)測(cè)來(lái)設(shè)計(jì)一些促銷策略。RS目前已獲得Baroda Ventures, Mohr Davidow Ventures, Double M Partners及一些著名天使投資人130萬(wàn)美金的投資。
江蘇眾瀛聯(lián)合數(shù)據(jù)科技有限公司構(gòu)建了這樣一個(gè)大數(shù)據(jù)平臺(tái)——將準(zhǔn)備結(jié)婚的新人作為目標(biāo)消費(fèi)者,并把與結(jié)婚購(gòu)物相關(guān)的商家加入其中。一對(duì)新人到薇薇新娘婚紗影樓拍了婚紗照,在實(shí)名登記了自己的信息后會(huì)被上傳到大數(shù)據(jù)平臺(tái)上。大數(shù)據(jù)平臺(tái)能根據(jù)新人在婚紗影樓的消費(fèi)情況和偏好風(fēng)格,大致分析判斷出新人后續(xù)消費(fèi)需求,即時(shí)發(fā)送獎(jiǎng)勵(lì)和促銷短信。比如邀請(qǐng)他們到紅星美凱龍購(gòu)買家具、到紅豆家紡選購(gòu)床上用品、到國(guó)美電器選購(gòu)家用電器、到希爾頓酒店擺酒席……如果新人在紅星美凱龍購(gòu)買了中式家具,說(shuō)明他們偏好中國(guó)傳統(tǒng)文化,就推薦他們購(gòu)買紅豆家紡的中式家居用品。
水,向來(lái)是個(gè)不好管理的東西:自來(lái)水公司發(fā)現(xiàn)某個(gè)水壓計(jì)出現(xiàn)問(wèn)題,可能需要花上很長(zhǎng)的時(shí)間排查共用一個(gè)水壓計(jì)的若干水管。等找到的時(shí)侯,大量的水已經(jīng)被浪費(fèi)了。以色列一家名為Takadu的水系統(tǒng)預(yù)警服務(wù)公司解決了這個(gè)問(wèn)題。Takadu把埋在地下的自來(lái)水管道水壓計(jì)、用水量和天氣等檢測(cè)數(shù)據(jù)搜集起來(lái),通過(guò)亞馬遜的云服務(wù)傳回Takadu公司的電腦進(jìn)行算法分析,如果發(fā)現(xiàn)城市某處地下自來(lái)水管道出現(xiàn)爆水管、滲水以及水壓不足等異常狀況,就會(huì)用大約10分鐘完成分析生成一份報(bào)告,發(fā)回給這片自來(lái)水管道的維修部門。報(bào)告中,除了提供異常狀況類型以及水管的損壞狀況——每秒漏出多少立方米的水,還能相對(duì)精確地標(biāo)出問(wèn)題水管具體在哪里。檢測(cè)每千米“水路”,Takadu的月收費(fèi)是1萬(wàn)美元。
電商行業(yè)的現(xiàn)金收入源自數(shù)據(jù),而婚戀網(wǎng)站的商業(yè)模型更是根植于對(duì)數(shù)據(jù)的研究。比如,作為一家婚戀網(wǎng)站,百合網(wǎng)不僅需要經(jīng)常做一些研究報(bào)告,分析注冊(cè)用戶的年齡、地域、學(xué)歷、經(jīng)濟(jì)收入等數(shù)據(jù),即便是每名注冊(cè)用戶小小的頭像照片,這背后也大有挖掘的價(jià)值。百合網(wǎng)研究規(guī)劃部李琦曾經(jīng)對(duì)百合網(wǎng)上海量注冊(cè)用戶的頭像信息進(jìn)行分析,發(fā)現(xiàn)那些受歡迎頭像照片不僅與照片主人的長(zhǎng)相有關(guān),同時(shí)照片上人物的表情、臉部比例、清晰度等因素也在很大程度上決定了照片主人受歡迎的程度。例如,對(duì)于女性會(huì)員,微笑的表情、直視前方的眼神和淡淡的妝容能增加自己受歡迎的概率,而那些臉部比例占照片1/2、穿著正式、眼神直視沒(méi)有多余pose的男性則更可能成為婚戀網(wǎng)站上的寵兒。
Prismatic是一款個(gè)性化新聞應(yīng)用,只有4名創(chuàng)始員工,憑借互聯(lián)網(wǎng)數(shù)據(jù)爬蟲和社交網(wǎng)絡(luò)開(kāi)發(fā)平臺(tái)的數(shù)據(jù),依托亞馬遜的云計(jì)算平臺(tái),實(shí)現(xiàn)了大數(shù)據(jù)的精益創(chuàng)業(yè)。Prismatic不提供統(tǒng)一的設(shè)計(jì)精良的新聞?dòng)嗛喕蛲扑]界面,而是根據(jù)分析用戶的Facebook 或Twitter資料,為用戶做一對(duì)一的數(shù)據(jù)分析和推薦。從盈利模式來(lái)看,Prismatic不是依靠廣告費(fèi)生存下來(lái),也不是傳統(tǒng)的新聞媒介,而是一個(gè)披著新聞應(yīng)用外衣的電子商務(wù)公司。名義上為了給用戶個(gè)性化推薦新聞而得到用戶的個(gè)人信息進(jìn)行數(shù)據(jù)分析,針對(duì)性的推出推薦商品,從而從電子商務(wù)中盈利。
人類都有和同類對(duì)比的天性,例如,一家政府機(jī)構(gòu)收集不同地點(diǎn)從事同類工作的多組員工的數(shù)據(jù),僅僅將這些信息公諸于眾就促使落后員工提高了績(jī)效。在能源行業(yè),Opower使用數(shù)據(jù)對(duì)比來(lái)提高消費(fèi)用電的能效,并取得了顯著的成功。作為一家SaaS的創(chuàng)新公司,Opower與多家電力公司合作,分析美國(guó)家庭用電費(fèi)用并將之與周圍的鄰居用電情況進(jìn)行對(duì)比,被服務(wù)的家庭每個(gè)月都會(huì)受到一份對(duì)比的報(bào)告,顯示自家用電在整個(gè)區(qū)域或全美類似家庭所處水平,以鼓勵(lì)節(jié)約用電。Opower的服務(wù)以覆蓋了美國(guó)幾百萬(wàn)戶居民家庭,預(yù)計(jì)將為美國(guó)消費(fèi)用電每年節(jié)省5億美元。Opower報(bào)告信封,看上去像賬單(所以幾乎總是打開(kāi)),它們使用行為技術(shù)(笑臉、同行比較)輕輕地說(shuō)服公用事業(yè)客戶降低消耗。Opower已經(jīng)推出了它的大數(shù)據(jù)平臺(tái) Opower4 ,通過(guò)分析各種智能電表和用電行為,電力公司等公用事業(yè)單位成為Opower的盈利來(lái)源。而對(duì)一般用戶而言,Opower完全是免費(fèi)的。
使用新的數(shù)據(jù)技術(shù),諸如美國(guó)的Chango公司和中國(guó)的Uniqlick公司正在數(shù)字廣告行業(yè)中探索新的商業(yè)模式——實(shí)時(shí)競(jìng)拍數(shù)字廣告。通過(guò)了解互聯(lián)網(wǎng)用戶在網(wǎng)絡(luò)的搜索、瀏覽等行為,這些公司可以為廣告主提供最有可能對(duì)其商品感興趣的用戶群,從而進(jìn)行精準(zhǔn)營(yíng)銷;更長(zhǎng)期的趨勢(shì)是,將廣告投放給最有可能購(gòu)買的用戶群。這樣的做法對(duì)于廣告主來(lái)說(shuō),可以獲得更高的轉(zhuǎn)換率,而對(duì)于發(fā)布廣告的網(wǎng)站來(lái)說(shuō),也提高了廣告位的價(jià)值。
眾趣是國(guó)內(nèi)第一家社交媒體數(shù)據(jù)管理平臺(tái), 目前國(guó)內(nèi)主要的社交開(kāi)放平臺(tái)在用戶數(shù)據(jù)的開(kāi)放性方面仍比較保守,身為第三方數(shù)據(jù)分析公司,能夠獲得的用戶數(shù)據(jù)還十分有限,要使用這些用戶數(shù)據(jù)需獲得用戶許可。眾趣通過(guò)運(yùn)營(yíng)統(tǒng)計(jì)學(xué)等相關(guān)數(shù)據(jù)分析原理對(duì)用戶數(shù)據(jù)進(jìn)行過(guò)濾,最終完成的是對(duì)一個(gè)用戶的行為、動(dòng)作等個(gè)體特征的描述。這些描述可以幫助品牌營(yíng)銷者了解消費(fèi)者的消費(fèi)習(xí)慣及需求;也可以幫助企業(yè)的領(lǐng)導(dǎo)增強(qiáng)對(duì)自己?jiǎn)T工的了解。除了對(duì)個(gè)體以及群體行為特征的描述外,這些數(shù)據(jù)分析結(jié)果還可用于對(duì)用戶群體的行為預(yù)測(cè),從而為營(yíng)銷者提供一些前瞻性的市場(chǎng)分析。眾趣數(shù)據(jù)分析的結(jié)果只能精準(zhǔn)到群組而無(wú)法達(dá)到個(gè)人。此類的用戶數(shù)據(jù)研究除在市場(chǎng)營(yíng)銷領(lǐng)域具有一定的參考價(jià)之外,目前大多還主要用于配合一些小調(diào)研。此外,這些數(shù)據(jù)還可以實(shí)現(xiàn)對(duì)用戶甚至企業(yè)機(jī)構(gòu)的信用評(píng)級(jí),在金融領(lǐng)域也有一定程度的使用。
導(dǎo)購(gòu)電商的拖拉網(wǎng)制作了“明天穿什么”這一應(yīng)用。在這個(gè)應(yīng)用當(dāng)中,眾多時(shí)裝圈權(quán)威人士輸送時(shí)裝搭配與風(fēng)格單品,由用戶任意打分,根據(jù)用戶的打分偏好,拖拉網(wǎng)便能猜到明天她們想穿什么,然后為她在數(shù)十萬(wàn)件網(wǎng)購(gòu)時(shí)裝中推薦單品,并且實(shí)現(xiàn)直通購(gòu)買下單。在獲取客戶數(shù)據(jù)后,后臺(tái)分析也是各顯神通。
拖拉網(wǎng)加入了更多變量來(lái)考核自己的推薦模式。比如有消費(fèi)者明天要參加一個(gè)聚會(huì),不知道要穿什么風(fēng)格,也沒(méi)有看天氣預(yù)報(bào),希望導(dǎo)購(gòu)網(wǎng)站能幫她把這些場(chǎng)景和自己的信息組合起來(lái),給出一整套的解決方案。于是日期(天氣)、地域、場(chǎng)合、風(fēng)格,這些都成為穿衣搭配解決方案的變量,經(jīng)過(guò)不斷的組合呈現(xiàn)給用戶,據(jù)拖拉網(wǎng)數(shù)據(jù),用戶在看到一個(gè)比較優(yōu)質(zhì)的搭配,并有場(chǎng)景性引導(dǎo)的時(shí)候,點(diǎn)擊到最后頁(yè)面完成購(gòu)買的轉(zhuǎn)化率會(huì)比單品推薦高40%。
現(xiàn)在人們有了把人類基因檔案序列化的能力,這允許醫(yī)生和科學(xué)家去預(yù)測(cè)病人對(duì)于某些疾病的易感染性和其他不利的條件,可以減少治療過(guò)程的時(shí)間和花費(fèi)。位于舊金山的SeeChange公司創(chuàng)建了一套新的健康保險(xiǎn)(放心保)模式。該公司通過(guò)分析客戶的個(gè)人健康記錄、醫(yī)療報(bào)銷記錄、以及藥店的數(shù)據(jù),來(lái)判斷該客戶對(duì)于慢性病的易感性,并判斷該客戶是否有可能從一些定制的康復(fù)套餐中獲利。SeeChange同時(shí)設(shè)計(jì)健康計(jì)劃,并設(shè)立獎(jiǎng)勵(lì)機(jī)制鼓勵(lì)客戶主動(dòng)完成健康行動(dòng),全過(guò)程都通過(guò)其數(shù)據(jù)分析引擎來(lái)監(jiān)控。
以色列的Given Imaging公司發(fā)明了一種膠囊,內(nèi)置攝像頭,患者服用后膠囊能以大約每秒14張照片的頻率拍攝消化道內(nèi)的情況,并同時(shí)傳回外置的圖像接收器,患者病征通過(guò)配套的軟件被錄入數(shù)據(jù)庫(kù),在4至6小時(shí)內(nèi)膠囊相機(jī)將通過(guò)人體排泄離開(kāi)體外。一般來(lái)說(shuō),醫(yī)生都是在靠自己的個(gè)人經(jīng)驗(yàn)進(jìn)行病征判斷,難免會(huì)對(duì)一些疑似陰影拿捏不準(zhǔn)甚至延誤病人治療?,F(xiàn)在通過(guò)Given Imaging的數(shù)據(jù)庫(kù),當(dāng)醫(yī)生發(fā)現(xiàn)一個(gè)可疑的腫瘤時(shí),雙擊當(dāng)前圖像后,過(guò)去其他醫(yī)生拍攝過(guò)的類似圖像和他們的診斷結(jié)果都會(huì)悉數(shù)被提取出來(lái)。可以說(shuō),一個(gè)病人的問(wèn)題不再是一個(gè)醫(yī)生在看,而是成千上萬(wàn)個(gè)醫(yī)生在同時(shí)給出意見(jiàn),并由來(lái)自大量其他病人的圖像給出佐證。這樣的數(shù)據(jù)對(duì)比,不但提高了醫(yī)生診斷的效率,還提升了準(zhǔn)確度。
真正的技術(shù)人才永遠(yuǎn)是各大公司的搶手貨,絕對(duì)不要坐等他們向你投簡(jiǎn)歷,因?yàn)樵谒麄冞€沒(méi)有機(jī)會(huì)寫簡(jiǎn)歷之前很可能已經(jīng)被其他公司搶走了。Entelo公司能替企業(yè)家們推薦那些才剛剛萌發(fā)跳槽動(dòng)機(jī)的高級(jí)技術(shù)人才,以便先下手為強(qiáng)。
Entelo的數(shù)據(jù)庫(kù)里目前有3億份簡(jiǎn)歷。而如何判斷高級(jí)人才的跳槽傾向,Entelo有一套正在申請(qǐng)專利的算法。這套算法有70多個(gè)指標(biāo)用于判定跳槽傾向。某公司的股價(jià)下跌、高層大換血、剛被另一大公司收購(gòu),這些都會(huì)被Entelo看作是導(dǎo)致該公司人才跳槽的可能性因素。于是Entelo就會(huì)立刻把該公司里的高級(jí)人才的信息推送給訂閱了自己服務(wù)的企業(yè)家們。企業(yè)家們收到的簡(jiǎn)歷跟一般的簡(jiǎn)歷還不一樣。Entelo抓取了這些人才在各大社交網(wǎng)絡(luò)的信息。這樣企業(yè)家們可以了解該人提交過(guò)哪些代碼,在網(wǎng)上都回答了些什么樣的問(wèn)題,在Twitter上都發(fā)表的是些什么樣的信息??傊?,這些準(zhǔn)備“挖角”的企業(yè)家能夠看到一個(gè)活生生的目標(biāo)人才站在面前。
航空業(yè)分秒必爭(zhēng),尤其是航班抵達(dá)的準(zhǔn)確時(shí)間。如果一班飛機(jī)提前到達(dá),地勤人員還沒(méi)準(zhǔn)備好,乘客和乘務(wù)員就會(huì)被困在飛機(jī)上白白耽誤時(shí)間;如果一班飛機(jī)延誤,地勤人員就只能坐著干等,白白消耗成本。美國(guó)一家大航空公司從其內(nèi)部報(bào)告中發(fā)現(xiàn),大約10%的航班的實(shí)際到達(dá)時(shí)間與預(yù)計(jì)到達(dá)時(shí)間相差10分鐘以上,30%的航班相差5分鐘以上。FlightCaster是一家提供航班延誤信息預(yù)測(cè)的公司,主要根據(jù)航空公司的航班運(yùn)行情況進(jìn)行預(yù)測(cè)。與航空公司所擁有的類似航班運(yùn)行情況的專有信息一樣,該公司擁有大量國(guó)內(nèi)航班飛行和航班實(shí)時(shí)運(yùn)行狀況的歷史數(shù)據(jù)。Flightcaster的秘訣就是其對(duì)大數(shù)據(jù)分析的有效利用和使用適當(dāng)?shù)能浖ぞ邔?duì)產(chǎn)出數(shù)據(jù)進(jìn)行實(shí)時(shí)管理。
Passur Aerospace是專門為航空業(yè)提供決策支持的技術(shù)公司。通過(guò)搜集天氣、航班日程表等公開(kāi)數(shù)據(jù),結(jié)合自己獨(dú)立收集的其他影響航班因素的非公開(kāi)數(shù)據(jù),綜合預(yù)測(cè)航班到港時(shí)間。時(shí)至2012年,Passur公司已經(jīng)擁有超過(guò)155處雷達(dá)接收站,每4.6秒就收集一次雷達(dá)上每架飛機(jī)的一系列信息,這會(huì)持續(xù)地帶來(lái)海量數(shù)據(jù)。不僅如此,經(jīng)過(guò)長(zhǎng)期的數(shù)據(jù)收集,Passur擁有了一個(gè)超過(guò)十年的巨大的多維信息載體,為透徹的分析和恰當(dāng)?shù)臄?shù)據(jù)模型提供了可能。Passur公司相信,航空公司依據(jù)它們提供的航班到達(dá)時(shí)間做計(jì)劃,能為每個(gè)機(jī)場(chǎng)每年節(jié)省數(shù)百萬(wàn)美元。
一家名為氣候公司(Climate Corporation)的創(chuàng)業(yè)企業(yè)每天都會(huì)對(duì)美國(guó)境內(nèi)超過(guò)100萬(wàn)個(gè)地點(diǎn)、未來(lái)兩年的天氣情況進(jìn)行超過(guò)1萬(wàn)次模擬,其數(shù)據(jù)量龐大、動(dòng)態(tài)、實(shí)時(shí)。隨后,該公司將根系結(jié)構(gòu)和土壤孔隙度的相關(guān)數(shù)據(jù),與模擬結(jié)果相結(jié)合,為成千上萬(wàn)的農(nóng)民提供農(nóng)作物保險(xiǎn)。 通過(guò)遙感獲取土壤數(shù)據(jù),這和我們過(guò)去所熟悉的通過(guò)網(wǎng)絡(luò)服務(wù)獲取用戶網(wǎng)絡(luò)行為數(shù)據(jù)不是一回事,數(shù)據(jù)的概念得以極大的擴(kuò)充。要想對(duì)每塊田地提供精準(zhǔn)的保險(xiǎn)服務(wù),肯定還需要與土地?cái)?shù)據(jù)相配套的農(nóng)產(chǎn)品(000061,股吧)期貨、氣候預(yù)測(cè)、國(guó)際貿(mào)易、國(guó)際政治和軍事安全、國(guó)民經(jīng)濟(jì),產(chǎn)業(yè)競(jìng)爭(zhēng)等等各方面的數(shù)。在如此龐雜的大數(shù)據(jù)基礎(chǔ)上推出的商業(yè)模式是創(chuàng)新的,同現(xiàn)有農(nóng)作物保險(xiǎn)方式相比具備極大競(jìng)爭(zhēng)力,并且是可持續(xù)和規(guī)?;?。更妙的是,這家公司基于大數(shù)據(jù)的運(yùn)營(yíng),完全沒(méi)有進(jìn)行高額的網(wǎng)絡(luò)設(shè)施投資,只是租用了亞馬遜的公共云服務(wù),一個(gè)月幾萬(wàn)美元而已。
幾乎所有的收費(fèi)電子書都會(huì)提供部分章節(jié)讓讀者試讀,其實(shí),出版商需要弄清楚人們讀到了哪里、讀完后有沒(méi)有購(gòu)買,以及其他各種體驗(yàn),才能賣出更多的電子書。美國(guó)創(chuàng)業(yè)公司Hiptype開(kāi)發(fā)了一套電子書閱讀分析工具,其商業(yè)模式就在試圖解決這一難題。Hiptype自稱為“面向電子書的Google Analytics”,能夠提供與電子書有關(guān)的豐富數(shù)據(jù)。它不僅能統(tǒng)計(jì)電子書的試讀和購(gòu)買次數(shù),還能繪制出“讀者圖譜”,包括用戶的年齡、收入和地理位置等。此外,它還能告訴出版商讀者在看完免費(fèi)章節(jié)后是否進(jìn)行了購(gòu)買,有多少讀者看完了整本書,以及讀者平均看了多少頁(yè),讀者最喜歡從哪個(gè)章節(jié)開(kāi)始看,又在哪個(gè)章節(jié)半途而廢,等等。Hiptype能夠與電子書整合在一起,出版商無(wú)論選擇哪種渠道,總是能夠獲得用戶數(shù)據(jù)。Hiptype收集的所有數(shù)據(jù)都是匿名的。用戶在下載了內(nèi)置Hiptype服務(wù)的電子書時(shí),會(huì)得到一個(gè)提示,可以選擇將其屏蔽。
網(wǎng)絡(luò)營(yíng)銷存在一個(gè)巨大問(wèn)題,如何獲知在網(wǎng)上使用幾個(gè)不同名稱的人是否是同一個(gè)人?安誠(chéng)客(Acxiom)推出了一種名為“觀眾操作系統(tǒng)”(“Audience Operating System”,AOS )的技術(shù)方案解決了這個(gè)問(wèn)題。它允許市場(chǎng)營(yíng)銷者與你的 “數(shù)字人物”綁定 ,即使你由于婚姻換了名字,或者使用昵稱,或者偶爾使用中名,它也照樣能夠解答那個(gè)已經(jīng)換了地址或者電話號(hào)碼的人是否是同一個(gè)人的問(wèn)題。
AOS 可以匯集不同數(shù)據(jù)庫(kù)中的信息,這些數(shù)據(jù)或離線或在線,是公司可能在不同場(chǎng)合針對(duì)個(gè)人而收集的。通過(guò)使用AbiliTec——一種Acxiom也擁有的數(shù)字化“身份識(shí)別”技術(shù)——AOS將客戶信息刪繁就簡(jiǎn),得到簡(jiǎn)單單一的結(jié)果。AOS幫助安誠(chéng)客的廣告客戶使用他們的數(shù)據(jù)在Facebook上找到廣告投放目標(biāo)用戶。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL 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)的話題。 ...
2025-09-18CDA 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 ...
2025-09-18DSGE 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)全功能周期的專業(yè)操盤手 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 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例: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)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10