浅谈大数据思维

浅谈大数据思维
浅谈大数据思维

浅谈大数据思维

一. 数据思维

先从数据思维着手,做零售行业谁都离不开数据,我一直认为数据和科技是改变未来行业的两大主题。其中数据尤其重要,但是反过来看,不管是线上零售还是线下零售,对数据的重视程度是千差万别,特别是传统零售。数据思维这块基本上很弱的。我说几个问题大家可以自测一下,看你们知不知道自己的数据:

第一个,你们知不知道这个月截止到现在为止,你们的店铺或者说你们区域VIP卡的贡献率是多少?

第二个数是上周你负责的店铺和负责的区域或者你公司的退货率是多少?

第三个数,上个月你的顾客的流失率是多少?

第四个是你的店铺销售团队的流失率是多少?

这四个数据如果你们能在30秒钟之内回答出来,证明你的数据化管理得不错,你可以不听我的课了,直接去干别的,如果回答不出来,拜托你待会儿好好听我讲,实际上这几个是我们平时不管是线上还是线下经常用到的数据,这些数据也许不是你本身工作内容,但是这些数据一定是每天的工作中,或者月会、周会上你经常听到的数据。当时,你有没有”存储“下来?

如果这几个数据管理失效的话,会让你的绩效考核、团队管理、企业数据化管理失效等等。有很多的危害。

比如说VIP卡的管理,VIP卡的贡献率,我曾经遇到一个店铺,它一年销售两三千万,而其中62%的销量来源于同样一张VIP卡,做过零售的大概应该知道这里面的问题是什么。问题就是,大家都用同一张VIP卡,或者几张VIP卡在帮顾客购货。表面看上去没问题,大不了是店员刷点积分,年末拿点礼品,但是里面有天大的漏洞。

会员卡一般都有打折的功能,如果一个顾客是现金买的,但店员按打折之后的价格录入系统里面,这里面的差价就很有可能被店员吃掉了。如果你在企业里面不关注这个数据,有可能你的绩效考核失败,因为他从VIP卡里面拿到的差价就可能大于他通过绩效拿的奖金,这样他还会在乎你的目标?肯定不会。

刚才问大家的数据里的第二个数据是退货率。退货率表面上没什么关系,而实际上退货率仍然存在天大的秘密。一些零售店铺的老手可以利用店铺在搞促销低价与正常售价之间的时间差,利用退货单来赚差价,细节我就不说了。这也会让你的绩效考核失效。

所以从这个方面来看,要想有数据化管理,无需要有多高深的技巧知识,你把你平时常规要用到的一些指标、一些数据在你心中进行管理就OK。像退货率,你需不需要每天、每周、每月都去统计?看哪些店铺有异常,还有团队的流失率你不关心吗?

所以数据思维的第一步就是进行数据的基本管理,先得有数,这里面第一个要有数据意识,看到一些重要的数据要把它记下来,不管是记在头脑当中还是电脑里面,要有这种意识。同时也要求我们的店铺或者下属,或者我们的代理商要实时准确客观地传递数据给你们,对企业来讲如果店铺没有实时管理这些数据,谈数据化管理就是白谈。

我前两天跟一个朋友聊天,他说他的企业要用大数据进行管理。我说你现在连数据都没有,怎么进行大数据管理?我们现在的传统零售暂时不需要大数据管理,我们现在只需要小数据管理。大数据化不是说数据多就叫大数据,千万不要这样误解,是错的。而我们传统领域的数据往往都是小数据,离大数据还有很远的距离。特别是我们很多零售店铺连最基本的数据都没有,比如有的店铺某天做了10张单子,下班以后店长再把10张单子统一成一张单子录到系统里面,这样我没办法算出客单价和连带率,而这是零售店铺管理非常非常重要的指标。所以数据思维归根结底先得有数据,再去积累数据,最后把数据运用到业务中去,我们才能谈得上去做分析,去做绩效考核,去做管理。

二. 零售思维

做零售行业的应该都知道,就是那三个字:人、货、场。做零售的每个人都说,每天不说几次就好像OUT。这三个字能化解我们零售行业遇到的绝大多数的问题,遇到问题之后我们都从这个角度去做思考。比如说某个区域的客单价下降,对很多传统零售商来讲,他想到的是什么原因客单价下降,而不是主动去思索里面的逻辑。客单价可能跟商品有关,也可能跟人有关,也可能跟场有关,所以我们需要从人、货、场三个方面去思索客单价下降的原因是什么,才有找到背后的原因。而不是遇到一个数据出现问题,我们就去找答案,答案实际上是藏在逻辑里面。逻辑里面就是人、货、场。

回到刚才说的客单价的案例,跟人有关,第一个跟销售者有关,第二个跟店铺员工有关,这样就分成了两维。而这两维里面还可以细分,顾客可以分成新顾客、老顾客、会员顾客或者中端顾客、高端顾客、低端顾客,到底是哪些顾客在下降?这里面就需要数据分析,去做对比,这就是数据化思维和人、货、场的结合。第二个是员工,我们也分成老员工、新员工。是老员工的问题还是新员工的问题?货和场也可以都往下延伸。

如何用人、货、场的思维逻辑?

实际上人、货、场还可以扩大使用,我每次在给企业做培训的时候,都会用一个案例,用人、货、场的思维逻辑建立一个评价体系,将男朋友转化成老公的评价体系。就看你能不能想到男朋友或者是老公跟哪些人有关,或跟哪些货有关,这里面的货难道是指的商品吗?肯定不是商品,是指的货币和未来的价值,这是货,所以人、货、场之所以被称为零售行业的基本思维模式,是因为它还可以扩大,还可以去延伸。

这是一张图,当我们发现店铺或者区域数据出现异常的时候,应该有怎样一种思维逻辑、思维方式。当我们发现店铺的数据出现异常,例如成交率下降以后,很多人的思维就是直接去找背后的原因,而不是先去梳理数据和逻辑,这样反而不容易找到背后的原因。所以我们

去做零售思维的时候,一定要有逻辑。

第一步如果我们发现某个店铺的数据出现异常,我们还是用客单价来比喻,我们第一步要想这里面数据源是不是有问题,是不是算错了,要有质疑的精神,不然因为数据算错了,背后找原因,拍脑袋想是不是这个原因、是不是那个原因,最后只有苦恼。客单价的数据上很有可能是去年团购拉高了客单价,今年没有团购客单价当然自然就下降了。这个时候你还得去找客单价下降的原因是不是就没有任何意义?

所以遇到数据异常的先要看数据源是不是有问题,如果数据源没有问题,那么看同一个品牌下的A店铺如果客单价下降,我们要看同一品牌下面B店铺、C店铺、他们有没有客单价下降的情况,如果别的店铺也有客单价下降的情况,说明这是一个品牌共性的问题,而不是单单这一个店的问题,你就不能只找这一个店的毛病,去找整个公司或者区域的品牌出现了什么客单价的原因。

如果同一品牌下面别的店铺,同一个城市的别的店铺没有这种客单价下降的原因,只有这个A店铺有客单价下降的原因,这个时候我们要过渡到第三步,要看本区域内其他对手有没有此问题,A品牌客单价下降了,同一个商场里面B品牌客单价有没有下降,C品牌有没有下降,D品牌有没有下降,如果整个区域里面大家的客单价都在下降的话,说明是整个区域出现问题了,而不是单单A品牌这个店的问题,思考问题的方式又不一样了。

如果说区域也没问题,就是A品牌在这个店有问题,竞争对手没问题,其他店铺也没有问题,这个时候才可以进入人、货、场。找到和人、货、场相关的一些数据进行分析,有没有人的问题,有没有货的问题,有没有场的问题,就回到刚才我们说的人、货、场的那种思维逻辑里面。看趋势、看对比,最终找到问题产生的原因,这就是将零售思维和数据思维相结合的一个非常好的一张图片,你可以慢慢品尝这张图片。这张图片很强大的,当然有时候我们发现某个店铺的客单价出现问题,同时发现整个品牌也出现问题了,或者整个区域也

出现这个问题了,也就意味着同时具有品牌共性和区域共性的问题。出现这种情况,那就说明一个问题,那就是市场出现了问题,那个时候就不是对一个店和一个品牌的问题,是整个大环境的问题,就需要用其他方法去解决

三. 零售店铺诊断

我经常被别人提同样一个问题:老师,我们怎么能去提高销售额?如何提升销售额?有没有什么好的方法?我一般会开玩笑地回答他们说,如果要回答你这个问题的话,我写本书才能回答这个问题。因为大家都知道,影响销售额的因素非常非常多,在我们营运的每个环节都可能影响到销售额,不是一个简单的A+B+C就怎么样的,它需要一个立体化的思维才能找到影响销售额的因素。

但是今天晚上我们用一张,我把这张图叫做简单而不简约的一张图发现销售额的秘密,也就是通过这张图去进行销售诊断。这张图按财务的分析方法叫做“杜邦分析图”。它把销售额开成了10个指标,每个指标之间是互相相乘的一层层往下拆分的过程。

首先看第一层,销售额是等于成交单数乘以客单价,而成交单数又等于进店人数乘以成交率,进店人数又等于路过人数乘以进店率。右边客单价等于件单价乘以连带率。这10项指标就很神奇,我们想办法提升一个门店的销售额,我们就要琢磨怎么提高这10项指标的某一个或几个。

成交率、件单价、连带率,他们的提升都会提升销售额,当然这里面有两个指标,他们有互相的作用在里面。比如说零售价提高了,可能会影响成交率;销售折扣提高了,有可能也会影响成交率,这两个指标是有不同的影响在里面。我们想提高一个店铺的销售额,我们就琢磨怎么提高这里面的每项指标,提高了销售额就有了嘛!

以往我们总是讲:你赶紧把下个月的销售额提升起来。都是要求一个结果,但是我们想一想要进行零售店铺的诊断是不是需要过程化,把它拆分,这样是不是更能找到提升销售额的秘密呢?

我们把刚才那张“杜邦分析图”稍微做一下演变,就变成了下面这张零售诊断公式图,销售额=人数×进店率×成交率×零售价×连带率×折扣率

销售额实际上是由6个指标构成,它等于人数乘以进店率,乘以成交率,乘以零售价,乘以连带率乘以折扣率,这几个相乘就是销售诊断,实际上这就是诊断的六个指标。在传统零售的过程中,一般对后面三个指标还是比较清楚的,经常有些数据能够推算出来,但是对前面这三个,路过人数,因为没办法知道路过人数是多少;进店人数是多少,有的地方通过数人头的方式,但是这往往不准,往往被人为修改过。所以很多公司店的长群每天都在群里报销售,除了报销售的销售额之外,还有今天进店人数是多少,今天试穿人数是多少,这些数据都是店长一个一个数上来的。这个数据可信度不高,因为什么?大家都知道,我报了这个数之后你会怎么来挑战我,本来今天进了50个人,我知道你肯定找我的毛病这个数据就有基本的意义在里面。下面我们讲一个一个来讲。

诊断第一招:路过人数数了路过人数之后,还要数进店人数,知道路过人数、进店如数之后,我们才知道进店率。实际上很多时候不知道进店率,如果每天只有那么几十个人还好数,对闹场有一千两千的就没法数,所以就需要科技手段来辅助我们做。现在一般有三种科技手段会帮助到你,一种是红外的方式,很多超市都用这种方法,门口竖一个杆子,红外技

术是很多企业门店在用,但是红外技术的准确率蛮低的。最主要的问题就是如果好几个人同时进店,第一个他不能辨清方向,不知道是进来还是出来,没办法区分w这个方向。第二个当几个人同时进出的时候就会出现统计错误,所以红外统计越来越少。这两年开始流行用视频、监控器来计数,在门口安装一个监控器,后面再安装一套软件,自动计数,进来多少,出去多少人,有些好的软件还会识别性别,是男是女,还可以识别动线。视频技术目前精度还是蛮高,一般做到95%,当然不能做到百分之百。很多商场有地板,地板有颜色,如果穿的衣服和地板颜色差不多,视频就看不到人进来,这是它的问题。还好,现在视频价格也还好,也不算很贵,精度也蛮高,所以大家可以尝试去做一做、用一用。

另外一个是这两年比较新奇的方式,用Wifi技术来统计人流。我们现在很多都有无线上网的动作,第一只要客户用的智能手机,第二个不关wifi,就容易被我们后台检测到,不管用户是不是接入我们的网络。并且wifi的好处是:第一个能统计客流、人流;第二个它还能统计你是否是重复来的顾客,因为我们每个人的手机都有一个唯一码,这个唯一码会被wifi记住,你昨天来过,今天还来,是可以探测到的;第三个好处wifi便宜,一般wifi使用费、服务费一年两三千块钱一个店,当一个店铺安wifi,实际上也不会很贵。包括银泰、万达安几个wifi,去识别销售行为和各种各样的数据。

诊断第二招:进店率跟进店率相关的,包括门头、水牌、橱窗的陈列、门店的灯光、播放的音乐,甚至台阶都会直接影响到进店率。其中很多门店都会有水牌,很多店铺的水牌上写得密密麻麻的,各种促销信息,恨不得把所有信息全部都在水牌上面写完。

他们做过统计,这种食杂店式的店铺,台阶在三级及三级以下不影响进店率,当超过三级以上,每增加一级台阶,进店率会下降12%,大家不别小看,12%是一个什么概念,下降的数据是非常大的。麦当劳也统计过,他们统计的结果,五级以下的台阶不会影响快餐店的进店率,当超过五级台阶的时候,每增长一级台阶进店率就会下降6%,如果台阶就是高

怎么办?为了不影响进店率,有个办法就是买一块红地毯铺在地面上面。

提高进店率的方法,常规的我就不用去讲了,大家的方法肯定比我多,我说一些比较流行的科技手段来提高竞争力。现在大家都有微信,微信的一个功能是“附近的人”,你们有没有用“附近的人”去提高竞争力。我曾经做过一个尝试,用“附近的人”功能,把信息介绍修改为“你好,我们是XX店铺,我们现在正在搞活动,如果你能够在今天12点内到我们的店铺的话,我们有份特殊的礼物给你”。这种方式实际上就是有效提升路过的人数,因为这些人已经在你的附近,我们把他们转化过来,这是一些科技手段提高进店率,其他的方法我就不去讲了。

下面讲怎么进行进店率的诊断,要诊断进店率的话,首先要知道店铺的进店率是多少?第一种方法是通过店铺员工或者经理去数,这很耗时间,站在店铺去数人数,我的建议是你要进行一个系统的店铺诊断,如果在一个城市里面有10张店铺,每家店一个人在同样的时间段去统计数,这样数是比较客观,这样才能出来好的诊断结果,因为店长有可能隐瞒数据的,所以先要知道进店率是多少。

当你知道自己的店铺的进店率了之后,就可以进行对比和区分,来判断自己的店铺进店率到底有没有问题。先第一步看自己店铺的进店率,第二步对比同一个品牌旗下的其他门店的进店率,看看有没有差距。如果你的门店的进店率是10%,而其他门店同一品牌下的其他门店进店率是15%,你肯定要想我为什么比别人低,别人是15%,我是10%,我差距在什么地方?有没有可能提升?也就是我们前面提到的销售额的提升。当和其他同店对比完之后,你可以对比竞争对手的进店率,在同一个商场里面我的进店率是10%,竞争对手是15%,我们的差距在什么地方?我怎么去改变?这也是一种对比的方法。

在进行进店率的对比过程中需要注意细分,第一按照时间周期的细分,比如说我看平时进店率是什么样,周末的进店率是什么样,如果你是写字楼店的话,还要看得更细,还要按

时间段来细分。早上进店率是多少,中午白领吃饭的进店率是多少,下午的进店率是多少,晚上的进店率是多少,看不同的时间段你的进店率是什么差异,这种差异也可以和竞争对手、其他门店去对比,只有对比才能找到差距,有了差距才能产生机会,才能提升销售额,就这么简单。

统计进店率有几个注意事项要注意,第一个,统计的时间要足够长,不能说拿着一个表在那掐十分钟,就知道进店率的数据了,错,时间要足够长,这个长还不是十分钟、一个小时,可能是两个小时、三个小时的长度。同时我们不但要统计周一的进店率,还要看周二、周三、周四,有可能还要看周末的进店率,所以统计的数据要足够多,只有数据统计多了,对比才有意义,不然的话只有两三个小时的进店率,有了进店率的数据,那是不对的,数据少了就没办法判断。同时统计进店率要足够纯洁,不能说搞促销活动,你跑到那儿去看进店率,可能是因为促销活动而带来的进店率的提升。

诊断第三招:成交率成交率这个指标的重要性不用我去讲,大家都非常清楚,成交率对我们的生意意味着什么。诊断成交率和前面的进店率是一样的,意味着你还是需要去统计进店人是数多少,同时还要统计单子,一天把所有单子录到系统里面去,就没办法做,就影响到数据化管理,影响到整个未来的零售管理。所以一定要分开。影响成交率的因素很多,比如店员的技巧、商品是否宽度、广度、深度、是否有正品、是否缺货,或者足够的试衣间,都会影响到成交率在里面。讲讲支付手段影响成交率这件事情,很多百货门店是集中收银的,好不容易服顾客买一件东西,开了单之后,顾客走到门口突然清醒了,不购买了,或者收银台人多,算了,不买了,这种情况是非常划不来的,等于说整个零售环节里面,除了收款环节之外,其他动作全部做完了,这个时候单子的流失是非常非常让让气愤的。我的一个朋友曾经做过这方面的统计,他的店铺里面每天因为这种情况流失的单占到10%到20%,大家想想因为这种情况影响的话,如果把这个环节解决掉的话,销售率10%到20%的提升,所

以要想办法解决这个问题,去提升支付手段,来影响顾客的成交。这里方法很多,比如说你问顾客是不是现金支付还是卡支付,能不能陪他去,或者有的商场不允许陪着去,你想别的办法,或者搞大型活动的时候,有的企业专门雇人去排队,目的是什么?目的就是不要因为支付手段而影响成交率。

我给大家的建议是,当你没找到足够好的手段降低数字之前,先得知道店铺的订单流失率是多少,每天多少张单子没回来,如果店铺的这种流失率非常高,拜托各位马上想办法解决,把这个小小的问题解决之后,销售额就有了。所以不要小看支付手段,影响非常非常大的。在成交率或进店率之间还有一个,对服装来讲还有试穿率,就不在这儿讲了。成交率的诊断逻辑,也是用对比和细分的方法,先看自己店铺的成交率是多少,同一品牌其他门店的成交率是多少,竞争对手的成交率是多少,看看是否有差距。

统计成交率还需要细分,包括按班次来细分,早班是多少,晚班是多少,中班的成交率是多少,看各班次之间有没有差距。同时看看每个店员的成交率是什么情况,能不能找到店铺员工成交率的短板。

最后还需要按顾客来细分成交率,老顾客的成交率怎么样,新顾客的成交率是怎么样,只有细分之后,你才能找到差距,发现机会,从而去提升整个门店的销售额。

诊断第四招:零售价这个零售价指的平均零售价,只有对店长或城市经理来讲,没办法影响零售价,因为是企业统一制定的价格,和采购策略有关系,但是我们也可以去分析,实际上不同的店员的零售价还是不一样的,还是可以看出一些人的能力高低有影响。和商品的配货有关,比如这个店本来是非常好的场所,配的都是低端的货,说明这里面就会有问题,调配商品的价格,去研究价格带,从而找到提升销售的机会。当然对平均零售价的影响,门店还是蛮小的,不大容易影响。

诊断第五招:销售折扣影响销售折扣的因素,和人的因素有关,有些店员就喜欢卖折价

商品,有些顾客总是喜欢买新品,有的顾客喜欢促销的时候来购买,不同的店员、不同顾客、不同对待方式。折扣中人的因素还有和企业领导有关,有些企业的领导迫于销售的压力,每年的促销活动都比去年低折扣,搞得折扣越来越低,这和领导有关系,没有坚持原则。销售折扣和货的因素有关,包括促销活动的价格策略有关,你促销活动什么方式参加,参加的力度多大,和频率有关,当然和商品的配货有关,你配的货是折扣高的还是折扣低的,库存合理不合理,库存不合理的话,库存太多,意味着不但清除死库存,也会降低。我曾经遇到过一个比较普遍的现象,居然有些公司的非VIP的折扣低于VIP的购买折扣,那就变成VIP 享受尊贵的折扣毫无意义,一点用处都没有,不少企业都有这种现象,你们看看自己店铺有没有这种情况,多半和促销的频率和促销的原则没边是有关。

要诊断销售折扣,首先你必须要实时去监控店铺的销售折扣,按周、按日、按月知道店铺的销售折扣是什么样子,有些店员能卖原价,有的卖低价,不影响店铺总体业绩的情况下,怎么把折扣一点一点往回摆,很多店铺折扣下来很容易,要想上去非常难,所以要像保护眼睛一样去保护店铺的数据,各个方面的都会影响,最终影响到企业,让一个企业就变成一个垃圾品牌,现在这种案例还少吗?

诊断第六招:连带率店铺诊断的最后一招就是连带率,连带率和人、场有关。和人的关系有关,包括店员的销售技巧、新员工的比例。如果新员工特别多的话,连带率一般是上不去的。当然连带率还和有没有店铺全员销售有关,很多店铺设有专门收银员,收银员也可以是半个销售人员,很多连带的东西,如果尝试去做,很多小的玩意儿可以让收银员去做最后的连带,不要认为收银台就是销售最后一步,也可以变成好的连带销售的人员的一个机会。

有些公司也可以通过刺激店员的手段去提高连带率,比如说我就知道有个公司规定店员如果你的顾客来了只卖一件就不算业绩,业绩要充公,所以来了顾客想尽一切办法卖两件,不一定只卖衣服,连带一个配件,也是两件,也可以做到连带率为二。这种竞争手段是比较

残酷的,当然不算销售额最终也会回到店员的身上,会用销售额来去奖励当月表现好的员工,不是直接奖励钱,而是奖励销售额,只卖一件的店员拿过来充公的这些销售。也就是广度、深度、宽度是否合适,如果货足够少,顾客想买的东西买不到,当然连带有影响。第二个,快餐公司买第二杯半价,服装行业两件八折也都是一样的道理。商品是有关联度的,两个不搭的商品放在一起就会有连带关系,对不同的商品也会有影响,所以这个影响也会非常关键。

影响连带率还有“场”的因素,包括你的设计是否合适,跟设计有关,和销售辅助工具有关,曾经给一个企业做咨询的时候,给了我一个要求,让我尽快提升店铺的销售额,是一个超市,楼上是写字楼,一到五层是百货,地下一层是超市,他们给我的题目就是如何快速提升超市的销售额,但是我经过六大诊断,就发现是连带率的问题。超市因为是写字楼的店,超市很小,就一两千平,没有购物车可以去推,只有购物筐,对上午的顾客人群老头老太太来讲,他们习惯拿购物筐来购物,但是中午、下午这个阶段很多写字楼的白领到超市闲逛不会拿购物筐去购买,他想买比较多商品时要么放弃掉一件,要么跑到入扣去拿筐子,入口的距离可能仅仅就是七八米、十几米的距离,但是都不愿意去,这是人的惰性。所以有时候放弃了,只买前三个,就针对这个点设计了一个方案出来,这个方案就是什么?就是告诉超市的扫地阿姨,让她们除了每天在门口放购物筐,还在休闲食品、水果等等地方放购物筐,他们的连带率就上去了,销售额当然也上去了。我们只是做了一个简单的动作,丝毫没有增加成本,把超市原来的3.1%提升到3.4%,提升了0.3,意味着销售额增加了大概10%,特划算,这就是销售工具,辅助工具对连带率提升的一个案例。当然其他卖场的灯光、音乐都跟连带率有关,我们不去细说。

总结一下这六大指标,对一般的店来讲,这些指标我们可以各个击破,首先提升它,从而去提升销售额,连带率是最容易影响的,所以连带率是排在第一位。第二位是成交率,第三位是销售折扣,折扣相对容易影响,因为折扣一般是公司定的,对店铺来讲要去影响折扣,

从商品的陈列等等方面,可以去做到提升。第四点是进店率,进店率一般也是可以去影响,但是不大。零售价是比较难以影响。最后一个是路过人数,基本上到目前店开了之后,路过人数相对来说是不太可能做大的影响,所以我们不多说了,这就是零售诊断的六个指标。给大家的建议是找到每个店铺的弱点、短板,改变它,先做对比,再做细分,去改变它,从而去提升你的门店各个区域的销售额。这是我们今天分享的所有内容。

浅谈大数据

浅谈大数据 去年三月,在北京举行的一场大数据产业推介会上,马云首次提出“人类 正从IT时代走向DT时代”,并指出DT(Data technology)时代利用数据处理技术,以服务大众、激发生产力为主。 在变革过程中,IT与DT不仅存在技术上的差异,在思想观念层面也有显着不同。IT(Information Technology)时代利用的是信息技术,以“我”为中心,强调自我控制、自我管理,而DT则充分挖掘数据资源,以“别人”为中心,不仅强调舒服的客户体验,而且也需要公开透明的游戏规则与行业环境。DT时 代的挑战和机遇,在于把互联网和传统行业相结合。 当然,在走向DT的过程中,无论是客户体验,还是互联网与传统行业的结合,数据无疑是争夺的重点资源,甚至可以说Data为王。 那么什么是大数据呢?Garnter给出的定义:大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化 的信息资产。 在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》[1]中 大数据指不用随机分析法(抽样调查)这样的捷径,而采用所有数据进行分析 处理。大数据的4V特点:Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)。 下面我们从一个有趣的例子开始,1948年辽沈战役期间,司令员林彪要求 每天要进行例常的“每日军情汇报”,由值班参谋读出下属各个纵队、师、团用电台报告的当日战况和缴获情况。那几乎是重复着千篇一律枯燥无味的数据:每支部队歼敌多少、俘虏多少;缴获的火炮、车辆多少,枪支、物资多少……有一天,参谋照例汇报当日的战况,林彪突然打断他:“刚才念的在胡家窝棚那个战斗的缴获,你们听到了吗?”大家都很茫然,因为如此战斗每天都有几十起,不都是差不多一模一样的枯燥数字吗?林彪扫视一周,见无人回答,便接连问了三句:“为什么那里缴获的短枪与长枪的比例比其它战斗略高?”“为什么那 里缴获和击毁的小车与大车的比例比其它战斗略高?”“为什么在那里俘虏和击毙的军官与士兵的比例比其它战斗略高?”林彪司令员大步走向挂满军用地图的墙壁,指着地图上的那个点说:“我猜想,不,我断定!敌人的指挥所就在这里!”果然,部队很快就抓住了敌方的指挥官廖耀湘,并取得这场重要战役的胜利。 这个例子真实的反映在各行各业,探求数据价值取决于把握数据的人,关 键是人的数据思维;与其说是大数据创造了价值,不如说是大数据思维触发了 新的价值增长。 首先,我认为大数据就是互联网发展到现今阶段的一种表象或特征而已, 没有必要神话它或者与我们关系不大。在以云计算为代表的技术创新大幕的衬 托下,这些原本很难收集和使用的数据开始容易被利用起来了,通过各行各业 的不断创新,大数据会逐步为人类创造更多的价值。 其次,想要系统的认知大数据,必须要全面而细致的分解它,我着手从三 个层面来展开:

大数据对企业管理决策影响分析

大数据对企业管理决策影响分析 随着云计算技术的快速普及,加之物联网、移动互联网应用的大规模爆发,人类进入了大数据时代。大数据的数据集远远超出了目前典型数据库管理系统获取、存储、管理和分析的能力。研究机构Gartner将大数据定义为需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产;国际数据公司(IDC)认为大数据是从海量规模数据中抽取价值的新一代技术和架构;IBM将大数据定义为4个V即大量化(Volume) 、多样化(Variety)、快速化(Velocity)及产生的价值(Value) 。针对大数据的特征挖掘其价值并作出决策,成为企业在大数据环境下进行决策的重要依据。2012年1月达沃斯世界经济论坛将大数据作为主题之一,探讨了如何更好地利用数据产生社会效益;2012年5月联合国“Global Pulse”特别分析了发展中国家面对大数据的机遇和挑战,并倡议运用大数据促进全球经济发展;2012年3月美国奥巴马政府发布“大数据研究和发展倡议”,正式启动大数据发展计划,随后英国、加拿大、澳大利亚、法国、日本等30多个国家也相继启动了大数据计划;Google、IBM、EMC、惠普、微软和阿里巴巴、百度等国内外公司正在积极抢占大数据技术市场。大数据应用领域包括客户关系管理、市场营销、金融投资、人力资源管理、供应链管理和卫生保健、教育、国家安全、食品等各个行业,已成为一个影响国家、社会和企业发展的重要因素。在互联网时代,基于数据判断、决策成为国家、企业和个人的基本技能。大数据的出现改变了企业决策环境,并将对企业的传统决策方式产生巨大影响。 1、大数据对管理决策环境的影响 1.1 大数据下数据驱动的决策方式 目前人类每年产生的数据量已经从TB(1024GB=1TB)级别跃升到PB(1024TB=1PB)、EB(1024PB=1EB)乃至ZB(1024EB=1ZB)级别。美国互联网数据中心指出,全球已有超过150亿台连接到互联网的移动设备,互联网上的数据每年增长50%,每两年便翻一番,而目前世界上90%以上的数据是最近几年才产生的,随着数据的急剧增长,大数据时代已经到来。大数据下的决策依赖于大量市场数据,如何有效地收集和分配数据、可靠智能地分析和执行数据成为企业未来面临的挑战。基于云计算的大数据环境影响到企业信息收集方式、决策方案制定、方案选择及评估等决策实施过程,进而对企业的管理决策产生影响。舍恩伯格指出,大数据的“大”,并不是指数据本身绝对数量大,而是指处理数据所使用的模式“大”:尽可能地收集全面数据、完整数据和综合数据,同时使用数学方法对其进行分析和建模,挖掘出背后的关系,从而预测事件发生的概率。数据驱动型决策(data-driven decision making)是大数据下决策的特点。研究表明,越是以数据驱动的企业,其财务和运营业绩越好。大数据是个极丰富的数据集,数据是知识经济时代重要的生产要素,是经济运行中的根本性资源。数据生产信息,信息改善决策,进而提高生产力。可以预期,未来决定、评价企业价值的最大核心在于数据,数据积累量、数据分析能力、数据驱动业务的能力将是决定企业价值的最主要因素。 1.2 大数据下决策方式应用现状 MIT沙龙主编与IBM商业价值协会通过对100个国家30多个行业的近3000名公司执行者、管理者和数据分析工作者进行调查,基于调查结果为公司提供了5条建议,其中提出对于每个机会,企业需要从问题而不是数据开始,所以应该先定义满足商务目标的问题,然后识别那些可以解答问题的数据。枟经济学家枠杂志2010年的一项调查显示,经营大数据已成为企业管理的热门话题,但大数据的应用目前还处于初级阶段。2013年3月IBM的大数据调研白皮书枟分析:大数据在现实世界中的应用枠显示“大数据”将带来蓬勃商机,63% 的受访者表示大数据和信息的分析使用为其组织创造了竞争优势,47% 的受访者称当前应

大数据的思维方式

大数据的思维方式 大数据的思维方式总体思维 社会科学研究社会现象的总体特征,以往采样一直是主要数据获取手段,这是人类在无法获得总体数据信息条件下的无奈选择。在大数据时代,人们可以获得与分析更多的数据,甚至是与之相关的所有数据,而不再依赖于采样,从而可以带来更全面的认识,可以更清楚地发现样本无法揭示的细节信息。正如舍恩伯格总结道:“我们总是习惯把统计抽样看作文明得以建立的牢固基石,就如同几何学定理和万有引力定律一样。但是,统计抽样其实只是为了在技术受限的特定时期,解决当时存在的一些特定问题而产生的,其历史不足一百年。如今,技术环境已经有了很大的改善。在大数据时代进行抽样分析就像是在汽车时代骑马一样。在某些特定的情况下,我们依然可以使用样本分析法,但这不再是我们分析数据的主要方式。”也就是说,在大数据时代,随着数据收集、存储、分析技术的突破性发展,我们可以更加方便、快捷、动态地获得研究对象有关的所有数据,而不再因诸多限制不得不采用样本研究方法,相应地,思维方式也应该从样本思维转向总体思维,从而能够更加全面、立体、系统地认识总体状况。 容错思维 在小数据时代,由于收集的样本信息量比较少,所以必须确保记录下来的数据尽量结构化、精确化,否则,分析得出的结论

在推及总体上就会“南辕北辙”,因此,就必须十分注重精确思维。然而,在大数据时代,得益于大数据技术的突破,大量的非结构化、异构化的数据能够得到储存和分析,这一方面提升了我们从数据中获取知识和洞见的能力,另一方面也对传统的精确思维造成了挑战。舍恩伯格指出,“执迷于精确性是信息缺乏时代和模拟时代的产物。只有5%的数据是结构化且能适用于传统数据库的。如果不接受混乱,剩下95%的非结构化数据都无法利用,只有接受不精确性,我们才能打开一扇从未涉足的世界的窗户”。也就是说,在大数据时代,思维方式要从精确思维转向容错思维,当拥有海量即时数据时,绝对的精准不再是追求的主要目标,适当忽略微观层面上的精确度,容许一定程度的错误与混杂,反而可以在宏观层面拥有更好的知识和洞察力。 相关思维 在小数据世界中,人们往往执着于现象背后的因果关系,试图通过有限样本数据来剖析其中的内在机理。小数据的另一个缺陷就是有限的样本数据无法反映出事物之间的普遍性的相关关系。而在大数据时代,人们可以通过大数据技术挖掘出事物之间隐蔽的相关关系,获得更多的认知与洞见,运用这些认知与洞见就可以帮助我们捕捉现在和预测未来,而建立在相关关系分析基础上的预测正是大数据的核心议题。通过关注线性的相关关系,以及复杂的非线性相关关系,可以帮助人们看到很多以前不曾注意的联系,还可以掌握以前无法理解的复杂技术和社会动态,相关关系甚至可以超越因果关系,成为我们了解这个世界的更好视角。舍恩伯格指出,大数据的出现让人们放弃了对因果关系的渴求,

用互联网思维推动商业发展

用互联网思维推动商业发展 故事一:一家仅12道菜的餐馆一个毫无餐饮行业经验的人,一家只有12道菜品的餐馆,在北京只有两家分店;仅两个月时间,就实现了所在商场餐厅坪效第一名;VC投资6000万,估值4亿元人民币。这家餐厅是什么?是雕爷牛腩。 故事二:这是一个淘品牌2012年6月在天猫上线,65天后成为中国网络坚果销售第一;2012年“双十一”创造了日销售766万的奇迹,名列中国电商食品类第一名;2013年1月单月销售额超过2200万;至今一年多时间,累计销售过亿,并再次获得IDG公司600万美元投资。这是哪个品牌?三只松鼠。 故事三:一家创业仅三年的企业2011年销售额5亿元;2012年,销售额达到126亿元;2013上半年销售额达到132.7亿元,预计全年销售达到280亿元,有可能突破300亿元;在新一轮融资中,估值达100亿美元,位列国内互联网公司第四名。这家企业大家肯定能猜到,就是小米。 与大家分享的这三个企业,虽然分属不同的行业,但又惊人地相似,我们称之为互联网品牌。它们背后的互联网思维到底是什么? 一、定义:互联网思维这一概念 在(移动)互联网、大数据、云计算等科技不断发展的背景下,对市场、对用户、对产品、对企业价值链乃至对整个商业生态的进行重新审视的思考方式。 这里的互联网,不单指桌面互联网或者移动互联网,是泛互联网,因为未来的网络形态一定 是跨越各种终端设备的,包括台式机、笔记本、平板、手机、手表、眼镜,等等。 传统企业互联网化经历的四个阶段: 首先,是传播层面的互联网化,即狭义的网络营销,通过互联网工具实现品牌展示、产品宣 传等功能; 其次,渠道层面的互联网化,即狭义的电子商务,通过互联网实现产品销售; 然后,是供应链层面的互联网化,通过C2B模式,消费者参与到产品设计和研发环节;

大数据时代的数据挖掘

大数据时代的数据挖掘 大数据是2012的时髦词汇,正受到越来越多人的关注和谈论。大数据之所以受到人们的关注和谈论,是因为隐藏在大数据后面超千亿美元的市场机会。 大数据时代,数据挖掘是最关键的工作。以下内容供个人学习用,感兴趣的朋友可以看一下。 智库百科是这样描述数据挖掘的“数据挖掘又称数据库中的知识发现,是目前人工智能和数据库领域研究的热点问题,所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程,它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等,高度自动化地分析企业的数据,做出归纳性的推理,从中挖掘出潜在的模式,帮助决策者调整市场策略,减少风险,做出正确的决策。 数据挖掘的定义 技术上的定义及含义 数据挖掘(Data Mining )就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。这个定义包括好几层含义:数据源必须是真实的、大量的、含噪声的;发现的是用户感兴趣的知识;发现的知识要可接受、可理解、可运用;并不要求发现放之四海皆准的知识,仅支持特定的发现问题。 与数据挖掘相近的同义词有数据融合、人工智能、商务智能、模式识别、机器学习、知识发现、数据分析和决策支持等。 ----何为知识从广义上理解,数据、信息也是知识的表现形式,但是人们更把概念、规则、模式、规律和约束等看作知识。人们把数据看作是形成知识的源泉,好像从矿石中采矿或淘金一样。原始数据可以是结构化的,如关系数据库中的数据;也可以是半结构化的,如文本、图形和图像数据;甚至是分布在网络上的异构型数据。发现知识的方法可以是数学的,也可以是非数学的;可以是演绎的,也可以是归纳的。发现的知识可以被用于信息管理,查询优化,决策支持和过程控制等,还可以用于数据自身的维护。因此,数据挖掘是一门交叉学科,它把人们对数据的应用从低层次的简单查询,提升到从数据中挖掘知识,提供决策支持。在这种需求牵引下,汇聚了不同领域的研究者,尤其是数据库技术、人工智能技术、数理统计、可视化技术、并行计算等方面的学者和工程技术人员,投身到数据挖掘这一新兴的研究领域,形成新的技术热点。 这里所说的知识发现,不是要求发现放之四海而皆准的真理,也不是要去发现崭新的自然科学定理和纯数学公式,更不是什么机器定理证明。实际上,所有发现的知识都是相对的,是有特定前提和约束条件,面向特定领域的,同时还要能够易于被用户理解。最好能用自然语言表达所发现的结果。n x _s u x i a n g n i n g

企业大数据思维

企业大数据思维 张靖笙 “一切皆可数据化”,舍恩伯格大数据思维里面这句话道出了这个时代滚滚洪流的主旋律,不管你听与不听,看与不看,数据都在哪里,像空气一样弥漫,也会像空气一样要命。在各种应用大数据的声音不绝于耳的今天,前者已是普遍的共识的,而对于后者,很多人却还不见得认同了,您可能觉得言过其实了,凭什么你说大数据会要命?我们没有用大数据就活不了了吗?而对于当今人类社会的所有组织机构来说,数据的重要性已经越来越明显,已经直接影响到存亡命运,缺少数据资源,无以谈事业;缺少数据思维,无以言未来,所以数据是很要命的。 而当前最要命的是,很多甚至是大多数的中国企业家还远远没有认识到这个严重性,这里折射的就是很多人在思维层面对于大数据这种新兴事物认识的不充分,正如马云所指出的:“很多人输就输在,对于新兴事物,第一看不见,第二看不起,第三看不懂,第四来不及。”赵国栋、易欢欢、糜万军、鄂维南合著的《大数据时代的历史机遇》中指出,有四种典型的片面认识阻碍企业家完整地认知大数据:第一,认定是炒作;第二,片面理解;第三,狭隘视野;第四,唯技术论。这些都是缺少全面和准确的大数据认识的表现,尽管还有其他各种客观原因,但是企业家对大数据没有正确的思想认识是阻碍大数据在企业获得深入应用的主要原因。 正确的思维来自正确的认知,在心理学上有一个思维圈法则,被许多高端人士推崇,这就是黄金思维圈,黄金思维圈是一种认知世界的方式,它能够帮助我们快速认识这个世界的本质。黄金思维圈包含三个层面,第一个层面是what层面,也就是事物的表象,特征。第二层则是how,方法,就是如何去解决这个问题,第三层则是本质层,就是why,就是事情背后的原因与真实的目的,可以说这个黄金思维圈是我们认识大数据最好的思维武器。

大数据带来的四种思维

大数据带来的四种思维 2015-02-01 10:31 来源:学习时报 张义祯 近年来大数据技术的快速发展深刻改变了我们的生活、工作和思维方式。大数据研究专家舍恩伯格指出,大数据时代,人们对待数据的思维方式会发生如下三个变化:第一,人们处理的数据从样本数据变成全部数据;第二,由于是全样本数据,人们不得不接受数据的混杂性,而放弃对精确性的追求;第三,人类通过对大数据的处理,放弃对因果关系的渴求,转而关注相关关系。事实上,大数据时代带给人们的思维方式的深刻转变远不止上述三个方面。笔者认为,大数据思维最关键的转变在于从自然思维转向智能思维,使得大数据像具有生命力一样,获得类似于“人脑”的智能,甚至智慧。 总体思维 社会科学研究社会现象的总体特征,以往采样一直是主要数据获取手段,这是人类在无法获得总体数据信息条件下的无奈选择。在大数据时代,人们可以获得与分析更多的数据,甚至是与之相关的所有数据,而不再依赖于采样,从而可以带来更全面的认识,可以更清楚地发现样本无法揭示的细节信息。正如舍恩伯格总结道:“我们总是习惯把统计抽样看作文明得以建立的牢固基石,就如同几何学定理和万有引力定律一样。但是,统计抽样其实只是为了在技术受限的特定时期,解决当时存在的一些特定问题而产生的,其历史不足一百年。如今,技术环境已经有了很大的改善。在大数据时代进行抽样分析就像是在汽车时代骑马一样。在某些特定的情况下,我们依然可以使用样本分析法,但这不再是我们分析数据的主要方式。”也就是说,在大数据时代,随着数据收集、存储、分析技术的突破性发展,我们可以更加方便、快捷、动态地获得研究对象有关的所有数据,而不再因诸多限制不得不采用样本研究方法,相应地,思维方式也应该从样本思维转向总体思维,从而能够更加全面、立体、系统地认识总体状况。 容错思维 在小数据时代,由于收集的样本信息量比较少,所以必须确保记录下来的数据尽量结构化、精确化,否则,分析得出的结论在推及总体上就会“南辕北辙”,因此,就必须十分注重精确思维。然而,在大数据时代,得益于大数据技术的突破,大量的非结构化、异构化的数据能够得到储存和分析,这一方面提升了我们从数据中获取知识和洞见的能力,另一方面

互联网时代的大数据思维

互联网时代的大数据思维 张靖笙 互联网带来了什么? 当前,互联网的发展和普及已经达到了空前的规模,互联网已经成为人们日常生产和生活中不可缺少的一部分,正日益改变着人们对于信息或知识的获取和社会关系的认知方式。特别是手机移动互联网应用兴盛起来后,随时随地随手低头捣鼓手机上网几乎成了大多数城市人的习惯。 对于正处于转型升级中的中国企业,互联网大潮的冲击和洗礼是绕不过去的,必须积极去应对。认清互联网到底给人们的生活带来了什么影响和改变,给企业的经营和发展带来什么挑战和机会,这是每位企业领导人都应该认真思考的事情。我们先来看看互联网对于传统带来了什么颠覆性的影响。 (1)财富虚拟化:现在越来越多社会化大生产和市场经济活动通过互联网来开展,随着 大量的财富资源的交换转移到互联网中进行,由此改变了传统的财富存在方式,人 们越来越多的财富转换成信用和权益信息,以各种数据形式保存在互联网中。诚如 对于今天的新新人类,沟通比食物更加重要已经成为一个不争的事实,驱动财富虚 拟化的人性动力是信息需求取代了物质需求成为现代人类的第一需求,因此财富形 式的去实物化也将成为新的常态,传统的财富观念随着这个趋势必将会被颠覆,甚 至私有观念也会被信息社会里面所实现的共产主义彻底消灭; (2)选择无疆界:无论是消费者还是提供者,今天都可以通过互联网可以找到很多的选 择,互联网是一个永不休息的大市场,地域和时段都已经不是问题,今天的个人网 民们通过互联网选择个人喜好的商品、服务、伴侣、朋友、工作,企业网民通过互 联网选择原料、供应商、目标客户、合作伙伴,同时两者都把自己的各项要素资源 贡献到网上供别人选择,在全球化背景下,地理和政治疆界都不会成为这些选择的 障碍; (3)易变新常态:互联网上泛滥的多样性选择,既带来了传统社会要素缺乏时代难以催 生的新生事物的层出不穷,也带来消费者需求口味和潮流风尚的朝三暮四,互联网 让市场热点转移很快,所谓的蓝海也能迅速变红,大面积的改变几乎都能在一夜之 间完成,这种改变的速度只会越来越快,市场上的暂时胜出者被新的竞争者颠覆甚 至掘墓的周期越来越短促; (4)屌丝的逆袭:在互联网时代,每个人都可以成为电视新闻中心和出版发行者,互联 网让社会舞台的镁光灯不再专属于少数精英个人和组织,互联网让每个普通人都有 机会可以吸引全球范围内的广泛关注,让孤独的不再孤独,卑微的不再卑微,容易 被忽略的得以显现,可能被排挤的获得接纳,小人物正在通过互联网直接参与改写 历史的进程,人民的意志和力量通过互联网得到更大的伸展,屌丝(卑微下民)逆 袭上位,越来越多地从精英手上抢得发言权,网络是一个永不停息的无限大功率的 电台,好的作品通过互联网传播可以轻易实现“好事传千里”,创新和创作者的作 品因此能惠及很多人,那么他们所赢得的回报的速度和规模也会超出常规很多倍,几乎一夜之间全球流行起来的“江南Style”就让一名原本默默无闻的歌手成为和 联合国秘书长潘基文一样能影响全世界的韩国人,所以今天的“屌丝”,只要你在 个人专长上不懈努力,世界时刻为你准备着,互联网随时张开怀抱吸纳你绽放出的 生命精彩华章; (5)弄假可成真、众筹成大事:以前有句老话是:“谣言重复一万次可以变真”,而今天 在互联网让原本稀薄的力量得以聚合,让曾经被卷曲压制的想象得以延展释放,无 限小加上无限多形成了无限的可能,让原来根本不存在的事物可以从无生有,弄假

浅谈对大数据的看法

浅谈对大数据的看法 大数据与大脑有相关性。大数据在日常生活中已经开始应用广泛,它的本质不是传统的数据统计带来的简单的因果关系,而是数据的相关关系。在相关关系分析法基础上的预测才是大数据的核心。这让人自然会想到大脑的功能,每个人的思维就是一个大数据处理体系,如果有的人擅长去寻找不同事件之间发生的因果关系,那么这个叫做因果错觉,因果错觉容易发生在女性身上,因为女性因性格敏感等特点,会不自觉的将事情发生的结果,采用自己主观判断来归因,但事实上,事情之间的相关关系才是真正的关系。人的思维体系中,相关关系更加重要,相关关系代表调取大脑中的既往相关经验,来处理眼前的事情,更加客观。 大数据将开启一次重大的时代转型。信息广速度快,是很好,可是这不是最重要的,最重要的是不要让数据无处不在。大脑就像数据仓库,在数据充满我们的大脑、生活、生命中时,如果不去清理,不去遗忘,很容易一脑子浆糊,身心不舒畅。任何环境下我们都需要在纷繁的情况里简化问题。 这时自然会产生疑问:怎么删除?在这个信息碎片化的时代,如何做一个自我的搜索和过滤器,最好做成一个芯片,安放在我的手腕处皮肤下,这样,我就可以快速的找到我想看到的东西,忽视噪音,更加直接的去感受和了解自己。因为路径缩短,我便可以将时间放长,慢慢的去体会和感受。 当然芯片是个玩笑,出色的信息提取能力能够促进一个人的决策,一个人的一念一息及多年慢慢形成的价值观才是做选择的依据。你是不是有和我一样的经历,上千张照片中,删还是不删是个问题。怎么确定保留哪张,根据什么原则,每个人都有不同的原则,有的人认为,人最全的一定要留,有的人认为背景全的一定要留,有的人认为留表情最好的,有人认为留姿势最美的,甚至有的认为没对好焦距的朦胧的才是最有意境的。而我应该最清楚我怎么筛选,艺术家罗丹说,“雕像就在那块石料里,我只是将那些不要的东西去掉了。但是要知道雕像到底是什么,只有我自己才明白我自己到底要雕什么。”看书也是一样,书籍能使一个人瞥见这个世界的一角。是你自己选择去瞥见哪一角。 从心理学的角度,做出选择,同时意味着舍弃其他的可能性,这是一件异常困难的事情。造成这个困难的无非是“利”、“弊”两个字,但因利弊两个字背后掺杂了太多的心理变量,因此难倒了古往今来多少英雄好汉。为了有能力更好的进行抽象的思考和决策,挑战自我,不妨尝试一下删删删删的效果。 日本可能因为资源集中而紧缺,一直很倡导简生活,最近很流行的一位日本女士所著的一本书《断舍离》,将人身边的外物采用各种方式进行清理,代表对内心的一种扫除力,从而保持一种简约清爽的生活态度。还有很多其他方式对生活进行删减,看网上写过一个训练,基本要求为整天不语,不带手机,不带手表,

大数据时代的思维革命的演讲稿

大数据时代的思维革命的演讲稿 目前再说“我们生活在一个网络时代”的话,显得有点落伍了,当下最时髦的说法是“我们生活在一个大数据时代”。从表层意义上看,人们是用“大数据”来描述和定义信息爆炸时代产生的海量数据。实际上,“大数据”的渗透能力远远超出人们的想象,不管是在物理学、生物学、环境生态学等领域,还是军事、金融、通信、贸易等行业,数据正在迅速膨胀,没有一个领域可以不被波及。“大数据”正在改变,甚至颠覆我们所处的整个时代,对社会发展产生方方面面的影响,也让我们的思维不得不跟随时代的变迁而经历自我革命。 xx年5月20日,在北京朝阳北路朝阳大悦城六楼,一家餐厅低调开业了。没有热闹的广告,没有红地毯,没有领导剪裁和讲话,有的只是长达半年的封闭测试,邀请一些明星“吃货”们试吃,这些明星“吃货”一旦被成功邀请,就立即通过微博、微信向粉丝们讲述就餐感受。而这家餐厅通过分析明星与粉丝的互动信息等大数据,渐渐掌握了话语权,并尽可能地改造菜品、环境、流程。于是,一个传奇诞生了。这家名为“雕爷牛腩餐厅”现在被标榜为中国第一家“轻奢餐”餐饮品牌,其烹饪牛腩的秘方是向周星驰电影《食神》中的原型人物——香港食神戴龙——以500万元购买而得。戴龙经常为李嘉诚、何鸿燊等港澳名流提供家宴料理,他还是1997年香港回归当晚的国宴行政总厨,所以他的代表作,一道“咖喱牛腩饭”和一道“金汤牛腩面”,成为无数人梦寐以求的舌尖上的巅峰享受。这是微博、

微信的胜利,也是互联网的胜利,更是大数据的胜利。以互联网为主要手段的大数据,就这么征服了市场,颠覆了经典,创造了传奇。 其实,雕爷传奇绝非个案,在大数据时代,这样的传奇每天都 会发生。小米、黄太吉的成功都是基于大数据思维。我们身处大数据时代,很多的传奇在发生,但也很快就有可能被淹没在大数据时代的汪洋大海里。 其实,所谓的大数据思维具有三层含义。第一层含义是,大数 据思维必须分析全面的数据而非随机抽样,必须重视数据的复杂性,弱化精确性,必须关注数据的相关性,而非因果关系。第二层含义是要把数据当做一种可以升值的重要资产,而不是只做研究对象,研究完就束之高阁。第三层含义是数据有变现功能,通过挖掘数据价值,就能改变价值的生成基础和价值链条。 历史上任何一次成功的变革都是由思维方式的转变开始的,旧 的体制和传统理念在面临新的思维逻辑的时候,如果不能与时俱进,吸收并转变为顺应潮流的新思维,通过新思维来重新组织战略和策略,那么任何过去成功的经验反而会成为阻碍发展的桎梏。这种新思维颠覆巨头的案例最先发生在信息技术的传统领域,然后渗透到传统的商业领域。比如黑莓,比如摩托罗拉,比如诺基亚,比如柯达,比如雅虎等等,案例比比皆是。 大数据思维的基础是互联网,而互联网有没有思维呢?答案是 肯定的。在xx年,互联网思维是科技先锋大拿们的热门话题,一个 个以互联网思维为话语体系的圈子论坛及营销甚嚣尘上。就连CCTV

大数据思维

大数据思维、技术和应用试卷 一.单选题 1.由于信息技术的高速发展,网上的大数据调查中,数据的质量和可靠性已经得到彻底解 决。(分数:10分) 标准答案:B A.正确 B.错误 2.法律大数据演示的结果表明,针对“酒驾”这一查询,相关罪名中,排名第一的是()。(分数:10分) 标准答案:D A.故意伤害罪 B.妨碍公务罪 C.危害公共安全罪 D.交通肇事罪 3.()是现代社会在掌握海量数据收集、存储和处理技术基础上所产生的一种以群体经验进行判断和预测的能力,代表一种新经验主义。(分数:10分) 标准答案:C A.云计算 B.虚拟技术 C.大数据 D.物联网 4.近年来,搜索引擎不仅在性能和功能上有了飞跃的进步,并且其基本的架构和内在的一些理论假设与几十年前相比,也发生了本质的变化。(分数:10分) 标准答案:B A.正确 B.错误 5.21世纪初,关于查询结果排序我们找到了一种新的方法:()。(分数:10分) 标准答案:A A.大数据方法:用户的点击数据 B.概率模型 C.神经网络模型 D.语言模型 6.对网上动态的数据进行搜索,就进入实时搜索,实时搜索的目的是:尽量缩短网上信息出现的速度和用户收到的时间之间的时间差。(分数:10分)

标准答案:A A.正确 B.错误 7.今天,随着信息科学技术的高速发展,人类对数据的收集和分享能力空前强大。其中,()可以收集虚拟世界的数据。(分数:10分) 标准答案:D A.传感器 B.物联网 C.可穿戴设备 D.互联网 二.多选题 1.下列有关大数据与谣言的说法中,观点正确的包括()。(分数:10分) 标准答案:BCD A.讲得多的不是谣言,讲的少的都是谣言 B.大数据往往是自洽的,谣言必然与相关数据不相容 C.识别网络上的谣言其实是很困难的事情 D.很多网络上的谣言来源也不清楚 E.如果一句话来自于一个可信的网站,就不是谣言 2.本讲提到,传统思维中的理性主义是指()。(分数:10分) 标准答案:ABD A.我们相信人能够透过现象看到本质 B.能够从特殊到一般 C.能够从一般到特殊 D.能够从自己有限的经验里得到一些普遍规律或者模型,将它用于解决新的问题 E.我们相信人不能够透过现象看到本质 3.根据本讲,新经验主义者的主要能力体现在()。(分数:10分) 标准答案:AC A.大容量存储精品文档,你值得期待 B.可以看成一个理性主义者 C.快速查找匹配的能力 D.能够从从小样本、小数据上通过逻辑思维、归纳推理的方法得到模型 E.善于建立模型

大数据时代的互联网思维

大数据时代的地标选项 各位白领,各位骨干,各位精英: 大家好。在这个极富现代气息的写字楼里,我仿佛穿越到了上个世纪六十年代的曼哈顿,在麦迪逊大道的一间办公室里,苦思冥想一个产品的创意。 2012年,《纽约时报》、《华尔街日报》等西方主流媒体不约而同地开始关注“big data”这个词,“大数据”第一进入大众视野。进入2013年,“大数据”开始在国内走红,一些科技网站或博客网站,开始对“大数据”三个字进行各种各样的描述及解读。 那么什么是大数据时代?它会给我们带来怎样的市场冲击?在大数据时代,我们该怎样应对市场?如何从海量的数据中,寻找有价值的信息? 大数据时代 说到大数据,我不得不佩服阿尔文·托夫勒,当他在1980年发表《第三次浪潮》时,互联网基础协议web还没有诞生,10年之后,这个协议才在美国诞生,第一个万维网浏览器(同时也是编辑器)和第一个网页服务器才被制作出来。但是,牛叉的托夫勒像一个穿越者,居然一眼看透未来,在《第三次浪潮》中,第一次提出了“大数据”,并将其热情地称颂为“第三次浪潮的华彩乐章”。 不过,大约从2009年开始,“大数据”才成为互联网信息技术行业的流行词汇。美国互联网数据中心指出,互联网上的数据每年将增长50%,每两年便将翻一番,而目前世界上90%以上的数据是最近几年才产生的。 大数据多大 那么,大数据究竟有多大?一组名为“互联网上一天”的数据告诉我们,一天之中,互联网产生的全部内容可以刻满1.68亿张DVD;发出的邮件有2940亿封之多(相当于美国两年的纸质信件数量);发出的社区帖子达200万个(相当于《时代》杂志770年的文字量);卖出的手机为37.8万台,高于全球每天出生的婴儿数量37.1万…… 2012年,互联网数据量已经从TB(1024GB=1TB)级别跃升到PB(1024TB=1PB)、EB(1024PB=1EB)乃至ZB(1024EB=1ZB)级别。国际数据公司(IDC)的研究结果表明,2008年全球产生的数据量为0.49ZB,2009年的数据量为0.8ZB,2010年增长为1.2ZB,2011年的数量更是高达1.82ZB,相当于全球每人产生200GB以上的数据。而到2012年为止,人类生产的所有印刷材料的数据量是200PB,全人类历史上说过的所有话的数据量大约是5EB。IBM的研究称,整个人类文明所获得的全部数据中,有90%是过去两年内产生的。而到了2020年,全世界所产生的数据规模将达到今天的44倍。 所以,越来越的人开始相信,一个不同于过往任何时代的“大数据时代”来了。他是如此地迫不及待,在我们还没有意识到的时候,呼啸而至,并且以极快的速度生长着。 还是让我列举一下他的生长速度吧。每秒钟,人们发送290封电子邮件;每分钟人们在youtube上传20小时的视频;人们每月在总共在facebook上浏览7000亿分钟;移动互联网 网用户发送和上传的数据量达到1.3exabytes,相当于10的18次方;每秒钟亚马逊处理72.9笔订单。 大数据的价值 有研究者认为,大数据有六大价值。 第一,通过大数据研究互联网网民的情绪,并通过这些情绪指数影响自己的商业决策。据说,美国华尔街有一家公司的CEO每天的主要工作就是研究全球3.4亿微博账户的留言,并通过研究进而判断民众情绪,再以“1”到“50”进行打分。根据打分结果,他再决定如何处理手中数以百万美元计的股票。他判断原则很简单:如果所有人似乎都高兴,那就买入;

大数据对企业管理决策影响分析报告

大数据对企业管理决策的影响分析及其对策 摘要:大数据是物联网、云计算之后又一项重大技术变革,无论是学术界、企业界还是政府都受到其影响。大数据下的决策环境发生了巨大改变,影响了企业的数据管理和知识管理。同时大数据下丰富的数据和知识使得决策参与者的决策能力大大提高,决策参与者角色发生了改变,进而影响到企业的管理决策组织。大数据的出现也对企业管理决策技术提出了更高的要求。在此分析基础上,系统阐述大数据对企业管理决策的影响及其对策。 关键词:大数据;企业管理;管理决策;对策 Analysis of the impact of big data on enterprise management and decision making and Its Countermeasures Abstract:Big data is another major technological revolution after the Internet of things and cloud computing, both in academic, corporate and government affected by it. Great changes have taken place in big data under the decision-making environment, affecting the company's data management and knowledge management. At the same time under the big data rich data and knowledge greatly improve decision making participants decision-making ability, decision-making participant roles changed, thus affect the enterprise's management decision-making organization. Big data is also put forward higher requirements for the enterprise management and decision-making technology. On the basis of this analysis, elaborated the influence of enterprise management decision-making system and Countermeasures of big data. Key words:Big Data; Business Management; Management Decision; Countermeasure 一、引言 随着云计算技术的快速普及,加之物联网、移动互联网应用的大规模爆发,人类进人了大数据时代。大数据的数据集远远超出了目前典型数据库管理系统获取、存储、管理和分析的能力。针对大数据的特征挖掘其价值并作出决策,成为企业在大数据环境下进行决策的重要依据。2012年1月达沃斯世界经济论坛将大数据作为主题之一,探讨了如何更好地利用数据产生社会效益;2012年5月联合国“GlobalPulse”特别分析了发展中国家面对大数据的机遇和挑战,并倡议运用大数据促进全球经济发展;2012年3月美国奥巴马政府发布“大数据研究和发展倡议”,正式启动大数据发展计划,随后英国、加拿大、澳大利亚、法国、日本等30多个国家也相继启动了大数据计划;Google、IBM、EMC、惠普、微软

浅谈大数据发展现状及未来展望

浅谈大数据发展现状及未来展望 中国特色社会主义进入新时代,实现中华民族伟大复兴的中国梦开启新征程。党中央决定实施国家大数据战略,吹响了加快发展数字经济、建设数字中国的号角。国家领导人在十九届中共中央政治局第二次集体学习时的重要讲话中指出:“大数据是信息化发展的新阶段”,并做出了“推动大数据技术产业创新发展、构建以数据为关键要素的数字经济、运用大数据提升国家治理现代化水平、运用大数据促进保障和改善民生、切实保障国家数据安全”的战略部署,为我国构筑大数据时代国家综合竞争新优势指明了方向! 今天,我拟回顾大数据的发端、发展和现状,研判大数据的未来趋势,简述我国大数据发展的态势,并汇报我对信息化新阶段和数字经济的认识,以及对我国发展大数据的若干思考和建议。 一、大数据的发端与发展 从文明之初的“结绳记事”,到文字发明后的“文以载道”,再到近现代科学的“数据建模”,数据一直伴随着人类社会的发展变迁,承载了人类基于数据和信息认识世界的努力和取得的巨大进步。然而,直到以电子计算机为代表的现代信息技术出现后,为数据处理提供了自动的方法和手段,人类掌握数据、处理数据的能力才实现了质的跃升。信息技术及其在经济社会发展方方面面的应用(即信息化),推动数据(信息)成为继物质、能源之后的又一种重要战略资源。 “大数据”作为一种概念和思潮由计算领域发端,之后逐渐延伸到科学和商业领域。大多数学者认为,“大数据”这一概念最早公开出现于1998年,美国高性能计算公司SGI的首席科学家约翰·马西(John Mashey)在一个国际会议报告中指出:随着数据量的快速增长,必将出现数据难理解、难获取、难处理和难组织等四个难题,并用“Big Data(大数据)”来描述这一挑战,在计算领域引发思考。2007年,数据库领域的先驱人物吉姆·格

互联网思维和大数据

互联网创业(更懂创业、用户与市场) 1. 第一重——完美终端 工业经济时代的玩法是,企业凭经验、凭感觉做产品也能生存。因为,这种消费者需求太过基础,根本不需要你去分析。但互联网经济时代,消费者在基础需求之上产生了多维的高端需求,细分出无数长尾利基市场,这就需要一种“定制化产品体验”。 在互联网经济时代,生产力高度发展,产品丰饶导致消费者力量的崛起,企业必须基于其长尾需求进行定制,并且还要一击即中,直接提供核心价值,因为没人给你第二次机会。 互联网思维下,产品的生产和营销都基于“大数据”实现“定制化”:消费者的每项消费痕迹都通过各类数据终端进入“云平台”,企业通过云计算对大数据进行处理之后找出消费习惯。甚至,在不能直接接触到消费者时,还需要通过其他的端口购买数据。而后,企业方能再进行定制化的简约、极致、人性化产品的生产和推送。 一是利用Web3.0时代的特点,到线上搜集大数据,这个东西很妙,只要你使用了SNS的社交方式(且不潜水),你是hold不住自己的。 二是利用其它端口搜集信息。 他根据客户的偏好做C2B,确定了要打造“励志新土豪”。概念设计(concept-design)放弃了价值链一体化的不靠谱设想,打造了一张社会化协 作的模块化价值网。 2. 第二重——云端服务 某种程度上说,产品只是个端口,“极简主义”和“小白适用”有可能使这个端口变得简单,甚至同质化。所以,在消费者使用端口后,能否在后续使用中得到“增值型产品体验”才至关重要!如何才能增值?当然要借助于互联网的云平台。 通过与客户销售获得大数据后,可以有两种选择:要么是自己处理数据、做产品;要么是把自己打造为平台,引入第三方来做产品。 现实中,这样操作的企业也不少,因为互联网云端对于数据的吸纳和处理都能实现规模效应,轻松实现产品复杂的增值功能,使得企业能够利用这些数据来产生价值。我们可以看看两个例子。

(完整word版)《大数据思维与决策》读后感

《大数据思维与决策》读后感 ——徐乾程学号652120100004 21世纪将是大数据的时代。 与《大数据预测》不同,《大数据思维与决策》并没有太多理论内容的介绍,作者主要通过大量例子说明近20年来大数据对传统行业、传统思维的冲击,从医学到教育领域到金融行业再到互联网,大数据思维的冲击都是史无前例的。其中给我印象比较深刻的主要有以下两点: 一、回归方程预测。从前人们的决策几乎全靠人为经验判断,作者在这个问题里举了“寻找棒球队员”的例子,传统的方式是经理人通过观看无数场球赛,观察球员的每一个细致动作,经理人根据经验判断该球员是否有潜力成为球星。该方式代价非常大且人为主观因素会影响决策正确率。大数据思维则是分析球员历史训练及比赛的记录数据,利用数理统计的回归方法分析数据,从而预测有潜力值球员。相对传统方式,大数据方法成本大大降低,且准确率更高。正如书中所说,数据比人客观,且现在大规模数据的获取更加容易,成本较低。 二、随机试验。作者提到的第二个很有用的方法是随机试验。基本思想是:随机抽取样本,控制单一变量,进行试验,分析试验数据检验哪个方式更加具有价值。这里采用的例子很多,其中一个就是某一个网站利用随机随机试验方法为网站开发者提供工具检测怎样的界面用户更加喜欢。文中列举“医生洗手对手术患者死亡影响”、“某一政策是否正确”等例子说明大数据下随机试验的利用。 但是,正如《大数据预测》里介绍的一样,大数据作为一种工具,必然存在两面性。大数据决策为我们提供很多快捷、准确的预测。但是,过分依赖数据则让我们在很多时候得出的结果相差很大。利用大数据进行决策,人为的经验还是不可或缺的,权值的设定,参数的调整,初值的设定等这些都是经验得来的,但是即使是这些经验,也不能太过依赖,因为数据在变化,世界在变化,以前正确的下一秒随时错误。总的来说,数据与人为经验相结合,互为促进。此外,随着科技发展,智能设备越来越普及,信息无处不在,数据无处不在。谷歌等都倡议数据共享,建立人人都可以利用的数据库。对于数据开发者、数据决策者而言的确是十分有利的。能够为客户创造价值,如机票预测是客户购买实惠机票很好的工具,这种情况客户也是乐意见到的。然而,一些恶意黑客当然也会因此入侵,获取用户数据,对人们生活带来很多干扰甚至是安全隐患。所以说,大数据下仍然很多问题,不过利益在驱动,还是会继续发展。大数据给人类社会的方方面面带来了巨大的变革,这是社会发展的潮流,不可逆转,我们只有顺应这种潮流,在思想上和技能上做好准备才能成为时代的弄潮儿。对于一家公司或一个国家,要从根本上改变思维和观念,尽早适应这种潮流。

相关文档
最新文档