行业:大数据基础设施逐渐完善,大数据应用价值爆发

简介:

大数据应用是指将处理好的数据产品应用到行业中去,为企业提供决策支持,从而提高运营效率,是发展大数据产业的终极目的也是大数据变现的最后阶段,随着大数据基础设施的逐渐完善,限制大数据应用的诸多难题开始被一一化解,从数据源到大数据应用的变现通道已经快速形成。我们认为,作为大数据变现最终阶段的大数据应用层必将开始实现加速发展,并将引导大数据产业链价值更多的向应用层流动, 同时越来越多新的大数据应用方式将被挖掘出来从而引导大数据应用向全面产业化方向发展。

大数据应用模式创新加速,大数据应用多行业实现落地

在大数据发展早期( 2013~2014 年),利用大数据进行精准营销、开店选址等应用一度是大数据变现的唯一方式,也因此成为大数据应用的首爆点。虽然,大数据在其他行业的前景都被广为看好,但是受限于技术以及基础设施的不成熟,相关应用多停留在研究阶段。但是,我们看到在 2015 年,随着产业生态的逐渐完善,大数据应用在健康医疗、征信金融、影视娱乐等等行业都崭露头角,实现应用落地。

1. 大数据完善风险管理,助力互联网金融: 互联网金融的核心环节还是风控,行业的健康成长也有赖于此。近年来,中国互联网金融发展迅猛,但问题频发,引入大数据征信成为破解互联网金融风控难题的关键。互联网金融不能简单的将传统金融服务模式搬上线,其核心竞争力不是营销获客能力而是大数据风控能力。

全球 P2P 龙头 Lending Club:发展初期, P2P 鼻祖 Lending Club 研发出一套基于人际关系的算法,来帮助用户搜索合适的借贷目标。 2007 年, LendingClub 在 Facebook 上线“合作性的 P2P” 贷款服务,该服务提供给 Facebook用户一条不需要银行参与、借贷双方直接联系、拥有更优惠利率的贷款渠道。随着业务的扩大, Lending Club 现在的风控技术逐渐成形。 2007 年 8月, Lending Club 网站正式上线,全面开始 P2P 借贷服务。目前, Lending Club已经是全球最大的撮合借款人和投资人的线上金融平台,它利用互联网模式建立了一种比传统银行系统更有效率的、能够在借款人和投资人之间自由配臵资本的机制。通过 Lending Club 的平台,借款人和小微企业可以获得更低的利率,投资人则可以获得较好的收益。

2. 大数据精准营销依旧是主要变现方式之一,营销主题由线上电商发展到线下商家: 大数据由于其天生的营销属性,利用大数据进行精准营销依旧是大数据变现的一大主要方向。随着大数据技术的发展,大数据开始从线上精准营销发展到线下营销,进行精准营销的公司也从电商发展到众多行业,包括: 房地产、银行、 汽车等。

我们调研期间了解到,一家大数据应用公司 帮助某房地产公司进行客户分析有效的帮助这家房地产公司将 1%的电话营销成功率提高到 5.9%。 同时, 这家公司帮助中信银行将其沉默客户有效的变为电子银行用户,成功率由传统短信营销方式的 1%提升到 3.8%。

3. 大数据应用从线上走向线下打造闭环生态,传统企业迎来大数据发展新机遇:大数据早期的应用主要集中互联网、电商等线上领域,但是随着O2O 等行业的兴起,大数据应用开始从线上走向线下从而打造闭环生态。

银泰在百货门店和购物中心铺设免费 WIFI,逐步抓取用户数据,包括进店用户数据和 VIP 用户数据,利用银泰网,打通了线下实体店和线上的VIP 账号。当一位已注册账号的客人进入实体店,他的手机连接上 WIFI,后台就能认出来,他过往与银泰的所有互动记录、喜好便会一一在后台呈现。通过对实体店顾客的电子小票、行走路线、停留区域的分析,来判别消费者的购物喜好,分析购物行为、购物频率和品类搭配的一些习惯。另外,银泰网甚至可以累积不同用户对品牌和折扣喜爱程度的数据,依托成熟门店的相关数据,再根据新开门店所在城市的用户分析,导出新开门店组货和招商的指导意见。

BAT纷纷开放大数据平台,大数据应用场景百花齐放

互联网厂商作为大数据时代的先锋,同时也是 DT 时代最大的玩家,其大数据应用技术及需求同样领先其他行业。正如前面提到,大数据的发展最早由Google, Facebook 等互联网厂商的大数据需求所驱动,中国大数据市场上虽然起步晚于美国,但是仍然受互联网厂商主导,其中各方面都处于领先地位的毋庸臵疑是 BAT 三家。

在大数据应用上面, BAT 都纷纷开发了自家的大数据平台,其中百度、腾讯在2015 年就完成了平台的开发上线,阿里也于今年 1 月推出了自家大数据平台“数加”。


本文作者:001212

来源:51CTO

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
13天前
|
存储 消息中间件 监控
【Flume】Flume在大数据分析领域的应用
【4月更文挑战第4天】【Flume】Flume在大数据分析领域的应用
|
26天前
|
Cloud Native 数据处理 云计算
探索云原生技术在大数据分析中的应用
随着云计算技术的不断发展,云原生架构作为一种全新的软件开发和部署模式,正逐渐引起企业的广泛关注。本文将探讨云原生技术在大数据分析领域的应用,介绍其优势与挑战,并探讨如何利用云原生技术提升大数据分析的效率和可靠性。
|
1月前
|
存储 消息中间件 大数据
Go语言在大数据处理中的实际应用与案例分析
【2月更文挑战第22天】本文深入探讨了Go语言在大数据处理中的实际应用,通过案例分析展示了Go语言在处理大数据时的优势和实践效果。文章首先介绍了大数据处理的挑战与需求,然后详细分析了Go语言在大数据处理中的适用性和核心技术,最后通过具体案例展示了Go语言在大数据处理中的实际应用。
|
23天前
|
数据采集 分布式计算 大数据
Java语言在大数据处理中的应用
传统的大数据处理往往依赖于庞大的数据中心和高性能的服务器,然而随着大数据时代的到来,Java作为一种强大的编程语言正在被广泛应用于大数据处理领域。本文将探讨Java语言在大数据处理中的优势和应用,以及其在分布式计算、数据处理和系统集成等方面的重要作用。
|
1月前
|
存储 大数据 数据挖掘
云计算与大数据:从基础设施到实际应用
云计算与大数据:从基础设施到实际应用
96 0
|
15天前
|
NoSQL 大数据 数据挖掘
现代数据库技术与大数据应用
随着信息时代的到来,数据量呈指数级增长,对数据库技术提出了前所未有的挑战。本文将介绍现代数据库技术在处理大数据应用中的重要性,并探讨了一些流行的数据库解决方案及其在实际应用中的优势。
|
20天前
|
机器学习/深度学习 人工智能 数据可视化
基于Python的数据可视化技术在大数据分析中的应用
传统的大数据分析往往注重数据处理和计算,然而数据可视化作为一种重要的技术手段,在大数据分析中扮演着至关重要的角色。本文将介绍如何利用Python语言中丰富的数据可视化工具,结合大数据分析,实现更直观、高效的数据展示与分析。
|
27天前
|
存储 NoSQL 大数据
新型数据库技术在大数据分析中的应用与优势探究
随着大数据时代的到来,传统数据库技术已经无法满足海量数据处理的需求。本文将探讨新型数据库技术在大数据分析中的应用情况及其所带来的优势,为读者解析数据库领域的最新发展趋势。
|
2月前
|
分布式计算 并行计算 大数据
Python多进程在数据处理和大数据分析中的应用
Python多进程在数据处理和大数据分析中的应用
|
2月前
|
存储 NoSQL 大数据
新型数据库技术在大数据处理中的应用探讨
【2月更文挑战第2天】随着信息时代的到来,大数据处理成为了各行业发展的关键。本文将探讨新型数据库技术在大数据处理中的应用,分析其优势和挑战,为读者提供深入了解和思考。
27 5