如何理解大数据商业价值的创业机遇
2024-05-11 01:09
1. 如何理解大数据商业价值的创业机遇
大数据时代，人们寻找创业机遇，最重要的是数据收集和分析能力，从数据中找到好点子。首先，大数据技术在萌芽阶段就是开源技术，这会给基础架构硬件、应用程序开发工具、应用、服务等各个方面的相关领域带来更多的机会。其次，创业者不需要是统计学家、工程师或者数据分析师也可以轻松获取数据，然后凭借分析和洞察力开发可行的产品。此外，将众多数据聚合，或者将公共数据和个人数据源相结合，新数据组合能开辟出产品开发的新机遇。总之，开放数据和开源技术将使创业门槛降低，创业机会大大增加。一、大数据的创业方向现有的大数据工具有着技术门槛高、上手成本高、和实际业务结合较差以及部署成本高，小公司用不起等特点。那么新创企业就可以根据以往这些产品的缺陷，来做更适合市场和客户的大数据分析工具和服务。另外，将大数据工具完整化和产品化也是一个方向。新一代的大数据处理工具应该是有着漂亮UI，功能按键和数据可视化等模块的完整产品，而不是一堆代码。因此大数据创业的2B方向，更多的是做工具和服务，如数据可视化、商务智能、CRM等。而在2C方向，大数据一个很大的作用就是为决策做依据，以前做决定是“拍脑袋”决定，现在，做决定是根据数据结果。个人理财（我的钱花哪去了，哪些可以省下来）、家庭决策（孩子报考哪所大学）、职业发展/自我量化（该不该跳槽，现在薪水到底合适不合适 ）以及个人健康都可以用到大数据。二、大数据时代的创业机会1、金融：大数据公司专门聚焦在通过大数据进行客户信用评级，并为银行、保险公司或者P2P平台服务；或者基于大数据挖掘帮助银行进行客户细分、精准营销服务。2、电信：这个方向已经有专门为电信企业提供客户生命周期管理解决方案、客户关系管理、精细化运营分析和营销的数据公司；或者基于大数据提供网络层的运维管理和网络优化服务的大数据公司。3、健康：未来两三年将会出现一批基于各种可穿戴设备形成的健康云数据，进行深度的数据数据分析和挖掘的企业，帮助人们进行健康预测和预警；未来还可以服务公共卫生部门，打通全国的患者电子病历数据库，快速检测传染病，进行全面的疫情监测，并通过集成疾病监测和响应程序，快速进行响应等。4、媒体广告：可以通过大数据实现更科学的媒介选择；或者基于大数据的精准广告投放系统、基于大数据的广告效果监测评估服务、基于大数据的网站分析优化服务以及基于大数据DMP数据平台并为DSP平台提供精准营销服务等。5、零售：大数据公司可以帮助零售企业进行店面选址服务；利用关联规则进行客户购物篮分析，从而给客户推荐相应的促销活动；基于天气的分析和预期来判断畅销产品以及相应的进货和运营策略，或者把天气数据加入物流预测模型，确保在天气模式没有改变之前，商品能够顺利运送到各商店。
2. 商业大数据分析有什么价值？
1、客户群体细分，然后为每个群体量定制特别的服务。 2、模拟现实环境，发掘新的需求同时提高投资的回报率。 3、加强部门联系，提高整条管理链条和产业链条的效率。 4、降低服务成本，发现隐藏线索进行产品和服务的创新。 数据分析的开展工作可分为以下三个步骤： 1、明确业务需求 按业务驱动的角度，了解业务部门需要解决什么样的问题，业务范围是什么，所要达成的效果又是怎样，依据这些需求来实施部署商业智能工具。 2、数据结合与关联 由于企业数据海量的特点和多元化的结构形式，需要商业分析工具具有海量的数据探索和分析能力，能够实时有效的与已有数据结合，产生精确的行动方向。 3、培养数据分析人才 企业的数据分析，商业智能系统的部署是关键，但业务人员数据分析水平也同样重要。这就要求人员在信息过程管理当中要逐渐培养科学化管理数据的意识，企业上下也要统一共识，从而形成对企业数据的综合管理。
3. 大数据时代，企业数据蕴藏着的商业价值
如今大数据早已不再是什么新鲜词，它已经被大众熟悉，可以称作是移动互联时代流动的黄金。
据《大数据产业发展前景与投资战略规划分析报告》（前瞻产业研究院发布）数据统计显示，中国大数据产业在2017年达到4700亿元的规模，同比增长30%，预计到2020年，中国大数据市场产值将突破万亿。随着大数据市场的快速发展，企业决策人员越来越重视对大数据的利用，如何借助大数据让企业快速成长也成为了人们的关注重点。
大数据挖掘商业价值的方法主要分为四种：
客户群体细分 ，然后为每个群体量定制特别的服务。
模拟现实环境 ，发掘新的需求同时提高投资的回报率。
加强部门联系 ，提高整条管理链条和产业链条的效率。
降低服务成本 ，发现隐藏线索进行产品和服务的创新。
对于企业来说，100条理论确实不如一个成功的标杆有实践意义，从亚马逊、Facebook、谷歌、LinkedIn，到腾讯、阿里、百度，都因其拥有大量的用户注册和运营信息，成为天然的大数据公司。
如果全球哪家公司从大数据发掘出了最大价值，截至目前，答案可能非亚马逊莫属。
亚马逊也要处理海量数据，这些交易数据的直接价值更大。作为一家“信息公司”（而非国内许多电商自己定位的“零售公司”），亚马逊不仅从每个用户的购买行为中获得信息，还将每个用户在其网站上的所有行为都记录下来：页面停留时间、用户是否查看评论、每个搜索的关键词、浏览的商品等等。这种对数据价值的高度敏感和重视，以及强大的挖掘能力，使得亚马逊早已远远超出了它的传统运营方式。
亚马逊CTO Werner Vogels早期在CeBIT上关于大数据的演讲，向与会者描述了亚马逊在大数据时代的商业蓝图。
长期以来，亚马逊一直通过大数据分析，尝试定位客户和和获取客户反馈。“在此过程中，你会发现数据越大，结果越好。为什么有的企业在商业上不断犯错？那是因为他们没有足够的数据对运营和决策提供支持，”Vogels说， “一旦进入大数据的世界，企业的手中将握有无限可能。” 从支撑新兴技术企业的基础设施到消费内容的移动设备，亚马逊的触角已触及到更为广阔的领域。
推荐： 亚马逊的各个业务环节都离不开“数据驱动”的身影。在亚马逊上买过东西的朋友可能对它的推荐功能都很熟悉，“买过X商品的人，也同时买过Y商品”的推荐功能看上去很简单，却非常有效，同时这些精准推荐结果的得出过程也非常复杂。
预测： 用户需求预测（Demand Forecasting）是通过历史数据来预测用户未来的需求。对于书、手机、家电这些东西——亚马逊内部叫硬需求（Hard Line）的产品，你可以认为是“标品”（但也不一定）——预测是比较准的，甚至可以预测到相关产品属性的需求。但是对于服装这样软需求（Soft Line）产品，亚马逊干了十多年都没有办法预测得很好，因为这类东西受到的干扰因素太多了，比如：用户的对颜色款式的喜好，穿上去合不合身，爱人朋友喜不喜欢…… 这类东西太易变，买得人多反而会卖不好，所以需要更为复杂的预测模型。
测试： 你会认为亚马逊网站上的某段页面文字只是碰巧出现的吗？其实，亚马逊会在网站上持续不断地测试新的设计方案，从而找出转化率最高的方案。整个网站的布局、字体大小、颜色、按钮以及其他所有的设计，其实都是在多次审慎测试后的最优结果。
记录： 亚马逊的移动应用让用户有一个流畅的无处不在的体验的同时，也通过收集手机上的数据深入地了解了每个用户的喜好信息；更值得一提的是Kindle Fire，内嵌的Silk浏览器可以将用户的行为数据一一记录下来。
以数据为导向的方法并不仅限于以上领域。对于亚马逊来说，大数据意味着大销售量。数据显示出什么是有效的、什么是无效的，新的商业投资项目必须要有数据的支撑。 对数据的长期专注让亚马逊能够以更低的售价提供更好的服务。
还有一个很典型的案例，就是几年伴随社区营销火气来的小红书。
和其他电商平台不同，小红书是从社区起家 。2016年初，小红书将人工运营内容改成了机器分发的形式。通过大数据和人工智能，将社区中的内容精准匹配给对它感兴趣的用户，从而提升用户体验。
如今的小红书，已经不是简单的社交分享了，更多的是基于后台的大数据分析和智能推送，最终形成了良好的正向闭环反馈。
通过以上两个大数据服务案例，我们不难看出数据团队其实是一个独立性很强的团队，因为他们需要完成的事情很多，这其中包含从数据源开始到数据的输出。对研发而言，他们相当于纪检委，需要组织协调数据的周转，实现对数据的监控，同时也要配合研发完成一些数据聚合挖掘累开发。对业务而言，他们相当于研发，因为他们需要输出报表和相应的产品，所以如何构建一个高效的数据团队，对很多企业来说一直在探索，感觉隔雾看花，捉摸不清。
一个企业想要自主研发一个数据平台，创建一个数据分析团队，会是一个很庞大的工程量。企业数据的类型大致可分为三类：
传统企业数据： 包括CRM systems的消费者数据，传统的ERP数据，库存数据以及账目数据等。
机器和传感器数据： 包括呼叫记录，智能仪表，工业设备传感器，交易数据等。
社交数据： 包括用户行为记录，反馈数据等。如微博、微信这样的社交媒体平台。
从理论上来看，大部分企业都会从大数据的发展中受益。但由于数据缺乏以及从业人员本身的原因，对于中小型的初创企业来说，独自开发的成本太高了。而有财力的传统企业呢，也产生了大量的数据，但是数据源很乱，也没有统一的存储方式，更别说研发了。即使招人来做数据分析，也不知道从何下手。该怎么办呢？
其实，数据的价值就是从获取数据，存储，加工到挖掘分析，最终实现可视化，辅助商业决策。想真正去应用在企业的流程中，多少要依赖于专业的工具或平台，归云智能打造的大数据系统解决方案，可以帮助传统企业完成数据化，智能化的升级改造。帮助企业建立稳定高效的运营机制，推动企业实现降本增效和业务的高速发展。
通过新兴的智能技术，企业可以有新的视野，探索更宽广的商业模式，实现最大的商业价值。产品部署使用方便，中小企业可以使用归云智能提供的云服务，大型企业可以选择私有化部署到自己的服务器。 感兴趣的总们可以访问官网: http://www.guiyum.com ，了解详情。
4. 案例分析|基于大数据的价值创造流程
前言
大数据作为一种基础的技术和工具，能够为企业挖掘出其他资源的价值，因而被广泛运用于商业模式的创新之中。在运用大数据对企业关键业务的创新中有以下几种情况：
1）以“大数据”设施和技术作为基础，以数据信息流为线索对整个业务流程进行再造。
2）以“大数据”活动取代传统的业务流程，使企业的业务经营模式发生变化。
3）把“大数据”活动纳入价值创造流程，寻找新的价值创造方向和路径。
4）基于“大数据”的流程再设计，以“大数据”作为解决问题的新方法，提高某一业务流程的效率或效果。
本文即针对其中第三点，通过一个有关保险的案例来诠释把大数据活动纳入价值创造流程的具体意义。
案例引入
车险是有车一族都需要购买的，然后在购车险的过程中，会产生各种各样的有趣的问题，例如“我”是一个开车很守规矩，驾驶习惯良好的人，而小明是一个开车习惯不好，经常急转弯的富二代，明明我开车出事的风险比小明小很多，却要花同样的钱来买车险，这明显是不公平的。 从“我”这样的心理出发，就会出现“劣币驱良币”的现象，而对于车险公司来说，这种“逆向选择,劣币驱良币”一直是一个令人头痛的问题。
我们拿自助餐做对比，假如你去吃自助餐，大家都支付统一的价格，你既可以一人吃三人份，也可以只吃寥寥几口。对于哪些胃口小、只吃寥寥几口的人，他们会因为自己吃不回本，在大概率上不去自助餐吃饭，从而导致 往往去吃自助餐的都是饭量很大的人 。对于餐厅来说，良币是胃口小的人（带来正收益），劣币是胃口大的人（带来负收益），胃口大的人因投机心理乐意来吃自助餐，而胃口小的人因成本不及收益而不愿意吃自助餐，这就是一种劣币驱良币的现象。
在车险市场也是一样的，A开车习惯良好，没事就把车停在车库；B天天开长途，开车习惯差，而保险公司和自助餐老板用一样的思维——所有人收取统一的费用，不管你是每天都在开车还是只是把车停在车库。 是不是发现了什么？原来一直以来我们都亏大了！可见，对于车况行驶良好、行驶良少的车主，车险的定价是不公平的。
案例介绍
UBI 车险公司Metromile
针对上述问题，Metromile公司利用大数据依据车主行车情况来浮动为车险定价。
Metromile公司通过免费OBD设备和配套手机应用提供“按里程计费”的车险，公司服务覆盖美国的加州、伊利诺伊州、新泽西州、俄勒冈州、宾夕法尼亚州和华盛顿州等地区，已经成为美国UBI领域的标杆性企业。
由于表现突出，该公司自2014年以来，先后获得了将近2亿美元的投资，今年9月，其又获得新的一轮投资，太保跻身其中，战略投资5000万美元。
用一句话来解释Metromile的业务即为：
基于车主驾驶行为，依靠后装的OBD设备采集数据，再利用数据分析来浮动制定保险价格。
具体来看：
1 ）OBD设备采集数据
Metromile通过无线通信车载设备Metromile Pulse——一个可以插进汽车诊断端口的小型电子器件——来搜集行驶数据。比如，里程数，速度，急停熄火次数，急转弯次数等等。 这些数据用户可以在自己手机APP上看到，从而反馈激励自己更良好的行车 。
2 ）依据数据确定报价
用户的每日行驶里程会被大多数保险公司作为车险定价的考虑因素之一，另外保险公司也会考虑诸如驾驶者年龄、信用历史和行车记录等其他因素。相对之下，Metromile则更进一步， 利用OBD采集的多维度数据，提供正好与你行驶里程相匹配的、基于使用情况的保险定价策略
就拿其中的里程数举例。即先设定一个每月基础费用，再设定一个每英里的费用率，一个用户支付了29.7美元的每月基础费用和3.8美分/英里的费用率。如果他一月行驶了500英里，他这个月就需要支付29.7+0.038×500=48.7美元的保费。
效果：Metromile保证了高质量（低风险）用户的权利，根据官网统计，在用户使用Metromile的服务后，平均每人每年可以省下611美元的保费
总结
看完上面的案例，再看这句话就容易了许多， 原本的车险行业以大数定理为基准，采用的是“统一定价”的思维，而UBI车险将车主行车相关的数据纳入了价值创造之中，达到了根据不同人的数据提供个性化服务的效果（不同价格的车险），为风险小的人带来了返利，实现了新的价值创造，也为企业找到了新的价值增长点。
5. 《数据思维》：从数据分析到商业价值
推荐阅读时间五分钟：
首先你要问自己：我们为什么要做数据分析？
唯一的目的：解决业务目的，创造商业价值。
“数据思维”这四个字是一套方法论：数据怎么变成商业价值。
凡是可以被电子化记录的才叫数据
数据带时代特征：千年前文字也不能算数据，现在技术上来之后，音频也可以成为数据。
回归分析：定义数据可分析的问题
与企业的不断打磨寻找X与Y
我们想改变什么，这个应变量叫做X；
这个X被哪些因素所影响，这些因素叫Y
通过分析数据，找到关联然后产生动作。
作者认为产品不只是物理上的，或者是软件，即便是流程：任何东西，被实施而产生价值的都是产品。
而问统计学老师：so what？十个能问垮9.9个，就是因为产品化的难。
这个时候就需要结合管理的智慧，举个例子：公车耗油
我们都知道公共汽车耗油很大，但是主要在哪些方面呢？首先是在进出车站的时候这点无法避免，其次的一次就是在每一次起步的时候。
但是你去跟每个司机师傅说“起步的时候慢一点”，通常司机师傅是不会打理你的。但是可以在公司里面举行一个比赛制度，每个月排名最后几名油耗大的都要有所惩罚。
这个时候，被惩罚的人就会过来，问你为什么我是排在最后的？你在跟他说起步的时候要慢，这个时候他就会听进去了，这就叫结合管理的智慧。
这样就把一个数据分析的结果，变成了可操作的事情了，这是一个很好的事情。
第二个案例：机票价格预测
有一个数据分析的大牛，他做了一个预测分析，能够使乘客平均购买机票的价格“平均”下降20%。
问题来了。因为是平均自然是有人挣到了更多的利益也有人因此而亏的。获利的人，他们会认为理所当然。而那些因此亏钱的人，他们会在各个社群角落发生来抵制诋毁这个产品。
价格预测，通过产品上商业模式上的改变，更好的体现了价值。怎么做呢？
你给我¥9.99我给你出一个主，意赚了钱呢，你留着如果亏了我给你赔偿差价。这就把一个产品从少数人可以享受，就推广到了所有人。
作者认为：在数据产品商业化的这个过程当中，最核心要思考的，不是“精度无限度的提高”，因为精度提升是由上线的，预测不准是常态。
我们要思考的，是怎么在预测不准，但是有改进的情况下，如何通过产品和商业模式上的创新， 让更多的人能够体会到他的美好。
很多人都认为“大数据”和以前传统的统计相比，以前统计是抽50、100个样品；大数据是不抽样，它全部都在这，其实这是一个很大的误解。
统计学的核心问题是：对数据的分析、建模和采集的过程
第二：数据有局限：腾讯的数据是腾讯的、阿里的数据是阿里的，不能包含一个更宽泛的人群。
第三：节省计算量：越是大数据，抽样越重要。
大数据分析当中绝大多数都是相关关系，但并不代表能够替代掉因果关系。就比如我们都知道鸡叫了太阳就会起来，但是如果你想要改变太阳升起来你去把鸡给杀了，那显然也是没有用的。
比如我要提升一个文章的阅读和转发量，我们就要输入各种关键词，我们会怀疑每个关键词对文章的转发量是否有着提升作用，然后我们会进行大量的重复尝试，直到这种确认这个关键词能够对，文章的，阅读量有帮助。
在道层面上理解：就是迅速把业务问题，分解成数据可分析问题。
我们对数据的理解，首先我们要理解，我们分析的这个目的是什么？
变量是什么？变量带来的，那个改变的目标又是什么？
数据思维，大概有这么三个方面：我们首先需要找到可以量化的数据，再找到我们需要去改变的因变量。再去寻找，这个x和y之间的联系，接着后半段，我们去把它交给一个技术人员，做一个模型，然后我们再把它产品化。
能够被电子记录的才能叫做数据，然后通过它能够形成具体的行为，产品化，才能够创造价值。所谓的数据思维就是了解从数据到价值的这个过程。
把我们这个业务当中的因变量，就是你希望改变的那个Y找到。对他产生影响的这些因素，x都有哪些？然后把它们找出来找给专业人员分析，最后产生动作，创造价值。
恭喜你又读完了一本书。
6. 商业大数据分析有什么价值？
首先，大数据分析对商业价值体现主要分为以下四个方面： 1、客户群体细分，然后为每个群体量定制特别的服务。 2.模拟现实环境，发掘新的需求同时提高投资的回报率。 3.加强部门联系，提高整条管理链条和产业链条的效率。 4.降低服务成本，发现隐藏线索进行产品和服务的创新。 其次，我们来谈谈企业如何使用商业大数据分析： 借助数据分析工具，一个好的工具就等于完成了一半，比如商业智能软件FineBI，其自助易用的属性，近乎能实现全员上手分析，从宏观上来讲就提高了企业数据分析决断能力。 数据分析的开展工作可分为以下三个步骤： 1、明确业务需求 按业务驱动的角度，了解业务部门需要解决什么样的问题，业务范围是什么，所要达成的效果又是怎样，依据这些需求来实施部署商业智能工具。 2、数据结合与关联 由于企业数据海量的特点和多元化的结构形式，需要商业分析工具具有海量的数据探索和分析能力，能够实时有效的与已有数据结合，产生精确的行动方向。 3、培养数据分析人才 企业的数据分析，商业智能系统的部署是关键，但业务人员数据分析水平也同样重要。这就要求人员在信息过程管理当中要逐渐培养科学化管理数据的意识，企业上下也要统一共识，从而形成对企业数据的综合管理。
7. 大数据如何给企业创造实际价值？
第一，通过大数据分析，各行各业都能更快地对变革进行跟踪，响应全球经济快速的变化。 第二，在全球金融经济危机的状态下，通过数据分析，能够更好地理解整个经济危机行为的演变。 第三，能够更好地满足大众和企业服务的需求，而且可以预测市场的变化。 而从大数据利用的方式上，也可产生几个方面的价值。 首先，大数据的价值密度较低，现在可利用和分析的数据只是冰山一角，数据里的价值远没有被发掘出来，所以要利用分析技术去发现它们的潜在价值。 其次，要实现大数据整合创新的价值，通过不同渠道的聚集整合，创造新的数据价值。
8. 大数据挖掘商业价值的方法包括哪些？
大数据挖掘商业价值的方法包括：1、 对顾客群体细分，然后对群体量身定制采取特别的服务。2、 运用大数据模拟现实环境，找出新的需求和提高投入的回报率。3、 促进大数据成果在各相关部门的分享程度，提高整个管理链条以及产业链条的投入回报4、 进行商业模式、产品以及服务的创新。大数据的类型大致可分为三类：传统企业数据（Traditionalenterprisedata） 、机器和传感器数据（Machine-generated/sensordata）、社交数据（Socialdata）。人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱。想要了解更多关于大数据挖掘的相关内容，请关注CDA数据分析师课程。CDA（Certified Data Analyst），即“CDA 数据分析”，是在数字经济大背景和人工智能时代趋势下，面向全行业的专业权威国际资格认证，旨在提升全民数字技能，助力企业数字化转型，推动行业数字化发展。点击预约免费试听课。
最新文章
热门文章
推荐阅读