徐亮:大数据离我们的距离 ——致舌尖上的众筹

       关于大数据的这篇文章我酝酿了很久,每次提起笔却又放下,不知道该以一种什么方式入题才能最接地气。思索再三,还是决定写一篇,关于大数据离我们的距离。

大数据  小数据 距离我们多远

         那么好了,我们每天都在高大上的谈论着大数据。那到底什么是大数据,它又能为我们的生活带来什么样的帮助?那我们就先来简单的了解一下大数据。百度百科上说大数据(big data),指无法在具有更强的决策力、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》中大数据指不用随机分析法(抽样调查)这样捷径,而采用所有数据进行分析处理。大数据的5V特点(IBM提出):Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)、Veracity(真实性)。

高大上  看不懂啊

       显而易见,官方的说法对我们来说屁用没有。从个人角度来讲,我更关心的是它能为我们个人或者公司带来什么直接的价值。煌叔给我的思想是必须原创,绝对不能在前面加上个“伪”字,那么我就以我的方式来理解一下。

大数据影响简单的生活


来点实际的

       个人认为,大数据很简单,对于我们普通人来说,大数据离我们真的很近,比如“淘宝”。我们上淘宝就需要大数据分析,如果我们会简单的知道大数据采集分析的原理,我们就会很简单轻松的在很短的时间内找到我们需求的东西。举个例子:假如我们想在淘宝上买辆自行车,按平常的方式就是登陆淘宝页面后,搜索自行车,然后在几百上千家的店铺里挑选。综合排名,看评价,看销量等等等,找了很长时间,把耐性磨没了,就找一家自己认为不错的下单。这是一个基本的过程,然后心里会出现疑问,买贵了吗?质量能保证吗?一些自己把控不了的问题。

采集很简单


       那我们换个方式,如果我们会简单的使用类似“八爪鱼、火车头”这样的数据采集分析工具,我们就会省去很多麻烦和时间。同样买一辆自行车,我会先用分析工具采集淘宝页的自行车数据,几分钟后,淘宝的全网数据就会呈现在我们眼前,销量最好的是哪家、离我最近的是哪家、最便宜的是哪家、人气最好的是哪家等等。这样的选择就简单了,如果我们不是太个性化,那我们就可以简单的下单了,不用再去逐一的苦逼的寻找。

          如果是卖自行车的商家的话那这个数据更加的重要。过去是定价者定天下,产品定位与价格定位是靠调查问卷来完成的。但是现在所有的数据可以通过采集分析完成,直接呈现,直接可以知道竞品企业定价找到两个利润最高的定价区间,对商家的决策有直接的启发,可以通过分析省去很多未知的风险。

       我做海参的时候,就是通过这种方法对海参行业的消费大数据进行深度的挖掘采集分析,确实有很大的启发。什么款好卖,什么价位好卖,竞品对手都是哪家,销量如何,什么方式作到这样的销量的,季节的波动对销量产生的变化,百度指数的变化一目了然。这就是我使用大数据分析的认知,虽然很笼统但确实少付出了很大的工作量。我觉得离我很近离大家也很近。

大数据 采集与分析

看看这个案例

       在举个例子,是关于滴滴司机的。从打车软件问世到现在,有很多的司机加入到拉活的大军当中。这里不乏有许多的聪明人。北京司机A每天6点起床开始接单,每天工作超过14个小时,苦逼逼的忙了一天,结果是有的时候连订单任务都完不成。

       帝都的交通实在是让人谈之色变,堵堵堵直接影响了接活的质量度,转了一天下来,远道的活不敢接,接了就回不来,回来了一看还不如不接,赚到的钱和时间不成正比。而聪明的司机B就会运用大数据分析。他首先通过数据采集,分析出他工作区域的时间流量,他发现原来每天早晨的4-6点是客户最上量的时段,这时候的需求量最大。接着又进行了地域分析,发现某小区距离某地铁站较远且需求打车的人数很多,结果不说大家都明白,效果当然很好。

堵堵堵

       通过二八法则虽然一天有24个小时,但是每天只有几个小时是顾客最上量的。这个称之为高转化的时段。同理也会有高转化的地域和路线。司机测试不同的线路会发现在不同的地域会出现高转化的线路。B发现早高峰的短途5公里的线路每天能够上10几单的量。因为目标的小区在早上很多人想打车,但是离地铁很远只能叫滴滴。B发现了这个数据规律,高转化地域,高转化时段,这就是黄金二八法则。找到百分之20的黄金系统而不是百分之80的边缘系统。让黄金系统达到极致化饱和。如果找到了高转化的时段和地域,不断测试放大效果,就会不断的会带来更高的业绩。而不是每天苦逼的等时间靠时间。把效果好的时段,区域留下,效果差的时段、地区直接砍掉。只在效果好的时段和线路成交。对效果不好的地方或时段进行最后优化。结果就是下午5点前收车,轻松月入2万。前半部分靠大数据的采集,后半部分靠数据的分析。

三,大家眼中的大数据一般多指是消费大数据

大数据其实离我们真的很近


          我们在上课的时候,老师曾经提起过,为来的消费者将会深入的参与到商业的各个环节当中。每个消费者,即是消费者也是股东,也是产品经理。全民皆持股,全民皆分销,全民皆分润,全民皆是PM,每个人都是产品经理。这就是所谓的众包众筹。这种新型的商业模式一般称为社会化企业。产融结合,未来企业卖的东西不光是实际的产品和服务也是金融产品。我对这种说法很感兴趣,正好也从侧面支持了中国式众筹的理论。关于这方面的规则也是我想系统学习中国式众筹的的想法,想通过杨勇老师的培训给我带来醍醐灌顶的启发。能彻底理解众包众筹的时代意义,中国式众筹所倡导的理念离我们就很近了。这也是我一直以来的梦想。



大数据给我们带来的商业情报商业机会  

         加入舌尖上的众筹时间也不算短了,真心想为舌尖上的众筹做点什么。但个人能力有限,真心希望大家能够在现在或者以后的项目当中,重视大数据力量。我所写的虽然很lou,但是大数据真的是不lou。 要是真的能把大数据分析运用到项目前期的调研,定位上。我觉得真的会为项目规避很多的风险,减少试错的成本,减少项目费用的支出。 尤其是对项目的初期,极为重要。

                                                                                                                                                                                       徐亮 致舌尖上的众筹  致煌叔

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,117评论 4 362
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,328评论 1 293
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,839评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,007评论 0 206
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,384评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,629评论 1 219
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,880评论 2 313
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,593评论 0 198
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,313评论 1 243
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,575评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,066评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,392评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,052评论 3 236
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,082评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,844评论 0 195
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,662评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,575评论 2 270

推荐阅读更多精彩内容