走下神坛的大数据,你需要多多接地气

简介:

熬夜追完了美剧《硅谷》第三季。剧情虽然差强人意,有很多搞笑和嘲讽的片段,但是也从侧面反应了目前技术和创业圈子的真实问题,比如说,产品脱离用户/数据造假/资本见风使舵等等问题。在这篇文章里,我想谈谈大数据,谈谈那些年脱离了用户/客户的大数据。

走下神坛的大数据,你需要多多接地气

目前市面上常见的大数据产品商业模式都是企业对企业的B2B模式。B2C的产品是很非常少的。B2B产品是谁在使用?B2B产品是企业客户在买单,但是到最终使用环节,终究还是个人用户在使用。既然是个人用户在使用,那么你的产品形态和应用场景以及用户体验,还是要围绕着个人用户来做。

首先,个人用户根本不会去关注产品背后的技术

用户根本不会去关注你背后用了什么技术?搭了多少服务器?用了什么架构?是Hadoop还是Spark又或者是Hive?用户的关注点在于你的产品是否方便快捷?是否有用?是否有趣?是否实用?是否能够节约时间?

就像是我们常用到的微信支付和支付宝支付一样,用户只关注的是我的钱是否安全?我使用的时候是否方面?我是否能够随时随地使用?我用移动支付能做些什么事?诸如此类。用户不会去关注腾讯和阿里为移动支付架了多少台服务器,使用什么技术架构,用的是什么数据库等等。

任何脱离了用户需求和应用场景的技术,都毫无价值。你需要找到用户的痛点在哪里,你需要找到明朗的商业模式。滴滴出行算大数据产品吗?算啊。它背后的大数据技术非常强大,它也应有了大数据架构,什么地图可视化/推荐系统/神经网络/机器学习/算法等等,滴滴出行都会用到。

最终到用户使用的时候,用户关注的还是产品形态和用户体验。

其次,无论是B2B也好,B2C也好,企业/个人只会为“价值”买单

说直白一点,大数据技术再怎么强大,但是对于企业/个人没有实际的价值,他们是不会买单的。就拿炒股的产品来说吧,同花顺/大智慧等一系列炒股的软件算不算大数据产品?算啊。它每天每时每刻要处理的数据量非常非常庞大,而且它背后也应有了大数据架构。用户会为炒股软件买单,原因在于这些软件可以帮助他们赚钱,而不是这些软件背后有什么技术。

最后,科技还是要以人为本,大数据更多的是需要接地气

《硅谷》第三季里面有个剧情非常有意思,男主公司测试公司的算法压缩平台,邀请了一群技术工程师参与测试,只邀请了莫妮卡一个不懂技术的女生莫妮卡参与测试。测试的情况是大家反馈都非常好,但是莫妮卡却觉得糟透了。于是,男主花了大量的钱在广告宣传和教育用户上。

大众化的产品是无需任何教学的,用户简单动动手就会了。苹果公司可没有教你如何使用iPhone。大数据产品也应该如此。你给到客户的应该是一个有漂亮UI,功能按钮的完整产品,而不是强调你的技术如何。假如我使用一个工具,前提是需要去学C语言,学JAVA等知识,那么这个上手门槛也太高了,很多人会望而止步,或者在过程中就流失掉了。

就拿大数据公司目前最爱接的政务大数据平台订单来说吧,你觉得10个政府工作人员里面,有几个能够看得懂大数据架构甚至会敲代码?他们甚至不太明白互联网+是什么,又怎么能够指望他们能够懂大数据的架构和技术呢?但是他们懂业务,懂一些数据背后的含义。而你需要给到他们的是大数据计算/分析后能够知道实际业务的结果。

大数据的闭环是从业务中来,到业务中去。在这过程中,大数据起到的是连接/串联/支持/展示/结果/支撑/辅助的作用。大数据更多需要的是接地气,以人为本,以业务为导向。

真正好用的产品是不需要培训和教育市场的。


本文作者:诺蓝

来源:51CTO

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
4月前
|
人工智能 前端开发 调度
基于大模型的领域场景开发:从单智能体到多智能体的React框架设计与实现
本文介绍了基于大模型的领域场景开发演进过程,从提示词工程、RAG到流程编排,再到React模式的智能体架构升级。团队通过层级指挥模式实现单智能体自主规划与工具调用,并探索多智能体协作框架,提升复杂任务处理效率与灵活性。
1026 19
基于大模型的领域场景开发:从单智能体到多智能体的React框架设计与实现
|
11月前
|
存储 机器学习/深度学习
首个多模态连续学习综述,港中文、清华、UIC联合发布
多模态连续学习(MMCL)旨在使模型在不断学习新数据的同时,不遗忘已有知识。香港中文大学、清华大学和伊利诺伊大学芝加哥分校的研究人员发布了首个关于MMCL的全面综述。该综述介绍了MMCL的基本背景和设置,提出了基于正则化、架构、重放和提示四类方法的分类体系,并讨论了其挑战与未来研究方向。论文链接:https://arxiv.org/abs/2410.05352
276 28
|
11月前
|
机器学习/深度学习 人工智能 监控
Uni-AdaFocus:清华大学开源高效视频理解框架,根据视频内容动态分配计算资源
Uni-AdaFocus 是清华大学推出的高效视频理解框架,通过自适应聚焦机制动态调整计算资源分配,显著提升视频处理效率。
196 6
Uni-AdaFocus:清华大学开源高效视频理解框架,根据视频内容动态分配计算资源
|
11月前
|
SQL Java API
|
数据采集 存储 Apache
Flume核心组件大揭秘:Agent、Source、Channel、Sink,一文掌握数据采集精髓!
【8月更文挑战第24天】Flume是Apache旗下的一款顶级服务工具,专为大规模日志数据的收集、聚合与传输而设计。其架构基于几个核心组件:Agent、Source、Channel及Sink。Agent作为基础执行单元,整合Source(数据采集)、Channel(数据暂存)与Sink(数据传输)。本文通过实例深入剖析各组件功能与配置,包括Avro、Exec及Spooling Directory等多种Source类型,Memory与File Channel方案以及HDFS、Avro和Logger等Sink选项,旨在提供全面的Flume应用指南。
1346 1
|
缓存 NoSQL Redis
docker运行redis镜像
这篇文章介绍了如何使用Docker运行Redis镜像,并提供了启动和配置Redis容器的具体命令和步骤。
1394 0
|
Docker 容器
Centos7-Docker卸载旧的更新到新版本
Centos7-Docker卸载旧的更新到新版本
250 0
|
消息中间件 存储 NoSQL
面试题解析:如何解决分布式秒杀系统中的库存超卖问题?
面试题解析:如何解决分布式秒杀系统中的库存超卖问题?
1039 0
|
域名解析 安全 CDN
隐藏服务器真实IP的几种方法
隐藏服务器真实IP的几种方法