大数据讨论总结

1.

大数据是最近几年很热门的话题,但和国家宏观经济,货币政策,国际局势等类似,应该符合二八原则,20%的人可能参与或有直接的影响,另外80%的人,只不过是把它作为谈资,争论,闲聊,餐桌话题等”信息消费“罢了

--

他们能说不能做,他们也不是真的懂他们在谈的。至于这20%的人里,有的人低头走路--能做(比如各类技术人员),有的能说(比如经济学家和大学教授),即能说又能做的人,占很少的比例,我估计20%×1%不到。(many

will talk about this, few can deliver)

2. 大数据的概念并不新,更多的是从传统的“数据分析”,“商业智能”,“数据挖掘”,“定量决策,资源优化配置”,”Lean"  等概念发展而来,算是“新瓶装旧酒”,有里程碑标志的事件是奥巴马政府推出的“政府大数据“计划www.data.gov,而后其它西方国家跟进,加上经济学家和媒体的宣扬,才进入大众视野。其产生的大背景是 互联网的大力发展 和 电子商务的兴起。所以目前的大数据从概念到技术到商业应用,基本都是互联网公司在主导,这个从大众话题从IBM和微软让位给google和facebook即可见。

3. 按照业界的共识,大数据的“大”体现在三个方面,归纳为三个V -- ,量(volume),速度(velocity)和种类(variety) ,还有人会加上第四个V - 价值(value)

4. 每个时代人物,新兴技术,社会主旋律等,都是有其历史背景和条件的,大数据也一样。大数据是在信息技术和决策科学大发展,能够起大作用的前提下产生和发展的。

5. 经济的历史发展规律,不论西方还是国内,都是先以粗放的形式大力生产商品和投资基础设施,这时数据和信息的重要性还不明显;当社会化大生产达到一定程度,物质丰富了以后,针对政府和企业等运用资源产生基于资源(自然资源+人力资源)的衍生品(商品)的情形,资源就要求被最大化利用,尽量发挥更大的价值(资源的固有属性之一,同货币资本的自我增值属性),毋庸置疑的是:数据+信息技术+决策科学,对资源配置非常非常的重要,data speaks,数据让我们知道的更多,从而指导我们的决策和行为,社会越是发展,在开放的市场下竞争越是激烈,越是要求政府和企业从单一靠经验,拍脑袋的定性粗放决策,过度到结合数据,知道更多,并能在做行动之前预测到可能的结果的定性和定量相结合的方式,善用资源的人,投入更少,产出更多,所以利润更高。一个盲人,连自己的脚下一步都不知道迈在哪里,所以“积跬步以至千里”,说的不是他们。

6.人的需求的发展规律,是先满足基本的需求,然后满足特别的,有针对性的,个性化的需求 ---- 大数据的两大应用领域是:针对政府和企业的资源运用型的资源优化配置,加上针对个人的个性化满足。简单归类就是政府企业市场(B - business)和个人应用(C - consumer),两个方向的思路,目标,方法,用到的数据等非常不同。资源配置方向,要求提高生产率productivity,更快,更好,更经济(cheaper, better, faster)的达到目标,最终目标相对单一,业务模式容易理解和被效仿;个人的个性化方向,因为人的多样性和复杂性("The Creator glories in diversity. And no species is more diverse than those two-legged creatures, Men and Women."),业务模式和具体应用会呈现各种同民族,地域,性别,社会阶层,教育背景,年龄。。。。等等的有所不同的形态,而资源优化配置类的,基本是按照行业来区分的,其它特征不明显。

7.大数据应用的前提是第一有数据,第二数据的量要大。更有机会产生大数据的领域为:一个B对多个B(比如商业地产和卖场租赁,港口码头航运,银行对公业务,政府对企业税收等);一个B对多个C(比如政府对个人的各项服务,银行保险对个人的业务,电信,零售,淘宝京东等电子商务,聊天工具视频网站新闻网站游戏公司等互联网企业等);另外还有就是没有人参与的,传感器类应用(比如建筑的温度湿度光照等信息采集,公共交通的GPS位置流量数据,工厂的各项实时环境监测数据,个人健康身体各项特征值自动采集等)

8.大数据的参与者有不同的参与方法,基本分为三类:有数据的(比如政府,医院,银行),有技术的(各类IT技术公司和科研院校),有创意的(大数据创业家)。三方面必须结合,缺一不可,大数据创业家的工作就是观察分析社会需求和潜在的切入点,联合有数据的机构和有技术的机构和人员,孵化新的产品和公司。现有的有数据的机构因为监管要求,还有就是潜在的利用数据可能性,因为数据存储成本的下降,都有尽量多收集存储数据的倾向(尤以互联网公司为甚),大多数的数据无需申请即被知识产权法所保护,有数据的机构犹如坐在金矿上,而且逐日加多,所以掌握数据资源的机构将来的收入有良好预期(比如twitter,新浪微博,淘宝!);相对来说,技术更容易外溢和被学习也不容易被保护,技术通常随技术人员的流动扩散,随着时间的推移,技术人员的重要性有下降的趋势;创业企业家是最重要的角色,也是独特的,是整个大数据业务的成败关键。

9.小鹏提到的,个性化的基础是“分类”(classification)。我补充:分类的维度越多层级越细,个性化越明显,就越“看起来”像“唯一”,实际产品中,多个维度的分类,再加入个体的独特历史数据和行为习惯,如果有需要,是能够做到针对”唯一“的个性化的

10.徐弟兄有意以”天爱“品牌为依托,按照与”做产品,打广告烧钱,融资,再广告,再融资,然后上市“的非世俗的,不以营利为第一目标的方式经营同个人生活相关的,电子商务方向的业务,并在积极探索数据分析和大数据对业务的潜在影响和价值。总的来说,“多元化”,“全球化”,“垂直化”,是企业家玩的三个皮球,关键是如何平衡三者的关系。我觉得,就目前的国内电子商务来看,“垂直化”是趋势,例如:传统印名片卡片这样的小生意非主流业务,利用淘宝垂直化到全国,就是个大生意,而且价格低廉质量上乘,look http://item.taobao.com/item.htm?id=8249462339

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 158,847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 67,208评论 1 292
  • 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 108,587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 43,942评论 0 205
  • 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 52,332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 40,587评论 1 218
  • 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 31,853评论 2 312
  • 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 30,568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 34,273评论 1 242
  • 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 30,542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 32,033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 28,373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 33,031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 26,073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 26,830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 35,628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 35,537评论 2 269

推荐阅读更多精彩内容