新書推薦：
《
艺术图像学研究（第一辑）
》
售價：HK$
188.2
《
摆脱强迫的人生（修订版）
》
售價：HK$
88.5
《
知宋·宋代之司法
》
售價：HK$
99.7
《
空间与政治
》
售價：HK$
87.4
《
少年读三国（全套12册）
》
售價：HK$
490.6
《
不完美之美：日本茶陶的审美变
》
售價：HK$
87.4
《
现代化的迷途
》
售價：HK$
98.6
《
钛经济
》
售價：HK$
77.3
|
| 內容簡介： |
这是一本一读就会的大数据商业营销大全。本书主要结合20多个行业大数据营销布局案例，以及各大商业巨头的营销高招，使读者彻底看懂、玩转大数据营销，彻底从菜鸟成为达人，从新手成为大数据商业营销高手！
本书主要有以下特色：16章大数据专题技术精讲+80多个经典专家指点放送+120多条营销价值语句提炼+150个大数据应用案例分析+241张大数据应用图表解析，让读者融会贯通，轻松提升大数据商业营销技能。
本书结构清晰、通俗易懂，主要适用于实业家、企业高管、营销人员、政府媒体工作人员、创业者和想创业的人，以及相关专业的学生等阅读。
|
| 目錄：
|
第1章 走进大数据商业时代
1.1 什么是大数据
1.1.1 大数据的基本定义
1.1.2 大数据的发展历史
1.1.3 大数据的结构
1.1.4 大数据的特征
1.1.5 大数据的商业预测
1.1.6 大数据的重要性
1.2 大数据的商业发展
1.2.1 形成商业模式
1.2.2 建立客户资源
1.2.3 维护客户资源
1.3 大数据的商业价值
1.3.1 细分客户群
1.3.2 提高投入回报率
1.3.3 数据存储空间出租
1.3.4 管理客户关系
1.3.5 个性化精准推荐
1.4 大数据的商业智能
1.4.1 什么是商业智能
1.4.2 商业智能是大数据的基础
第2章 解读商业数据信息
2.1 挖掘商业数据信息
2.1.1 商业数据分类挖掘
2.1.2 回归商业数据分析
2.1.3 商业聚类分析
2.1.4 分析商业数据关系
2.1.5 分析商业数据特征
2.2 整合商业数据信息
2.2.1 商业数据信息整合的作用
2.2.2 商业数据信息整合的方式
2.2.3 商业数据信息整合的渠道
2.3 利用商业数据信息
2.3.1 如何利用商业数据信息
2.3.2 商业营销推广
第3章 挖掘大数据的商业价值
3.1 大数据的八大商业价值
3.1.1 分析用户的行为特征
3.1.2 精准推送商业信息
3.1.3 投用户所好占领商业市场
3.1.4 监测竞争对手与传播品牌
3.1.5 客户分级管理
3.1.6 改善用户体验
3.1.7 发现商业市场发展新趋势
3.1.8 市场预测与决策分析
3.2 数据转化为价值
3.2.1 数据本身不产生商业价值
3.2.2 数据商业需要舍得投入
3.2.3 医疗方面的运用
3.2.4 普拉达的试衣间
3.3 大数据的商业创新
3.3.1 商业数据的再利用
3.3.2 商业数据的重组
3.3.3 商业数据的扩展
3.3.4 商业旧数据的使用
3.3.5 信息数据的高速处理
第4章 玩转电商大数据
4.1 电商的基础知识
4.1.1 电商的概念
4.1.2 电商的商业类型
4.1.3 电商的特点
4.2 大数据下的电子商务
4.2.1 电商更需要数据
4.2.2 大数据是电商竞争的利器
4.2.3 淘宝店的四大核心数据
4.3 电商大数据背后的微信营销
4.3.1 微信利用大数据
4.3.2 查找附近人
4.3.3 多元化的信息传递方式
4.3.4 二维码营销
4.3.5 微信漂流瓶
第5章 大数据在销售行业中的应用
5.1 大数据与零售相结合
5.1.1 零售业大数据的形成
5.1.2 大数据对于零售业的重要性
5.1.3 如何将大数据与零售企业无缝对接
5.2 大数据时代，电商对零售的冲击
5.2.1 发展零售业的自身优势
5.2.2 扬长避短，抓住时机
5.3 大数据下零售业的应用案例
5.3.1 Zara--可以预见未来的时尚圈
5.3.2 淘宝--妙用"数据魔方"
5.3.3 母婴零售--利用大数据扩大生意
5.3.4 上品折扣--用大数据走全渠道营销
5.3.5 英国酒吧--用大数据分析顾客喝什么
第6章 大数据在交通行业中的应用
6.1 中国汽车行业的现状
6.1.1 交通拥堵
6.1.2 交通事故
6.1.3 停车困难
6.1.4 汽车盗窃
6.2 用大数据解决汽车行业问题
6.2.1 用大数据缓解交通拥堵
6.2.2 用大数据降低事故率
6.2.3 用大数据缓解停车难
6.2.4 用大数据预防汽车盗窃
6.3 大数据在汽车、交通行业中的应用
6.3.1 日本--研究坐姿与汽车防盗
6.3.2 福特--用大数据来造皮卡汽车
6.3.3 车联网--用大数据建立商业模型
6.3.4 丰田--用大数据提供交通信息
6.3.5 诺基亚--用大数据保障行车安全
第7章 大数据在餐饮行业中的应用
7.1 中国餐饮业的挑战
7.1.1 卫生安全问题
7.1.2 成本控制问题
7.1.3 市场竞争问题
7.2 大数据对餐饮行业的作用
7.2.1 用大数据控制成本
7.2.3 用大数据进行市场竞争
7.3 餐饮行业大数据应用案例
7.3.1 绝味--用大数据经营鸭脖
7.3.2 手机App--寻找合适你的餐馆
7.3.3 节目冠名--大数据有大功劳
7.3.4 可口可乐--用大数据优化管理
第8章 大数据在互联网行业中的应用
8.1 互联网中的大数据
8.1.1 互联网如何利用大数据
8.1.2 互联网大数据的盈利模式
8.2 大数据在互联网中的应用案例
8.2.1 腾讯--使用大数据营销
8.2.2 迅雷--用大数据抓"网络票房"
8.2.3 世纪佳缘--用大数据判断靠谱与否
8.2.4 优酷土豆--透视大数据工程
8.2.5 大众点评--小屏幕展现大数据
8.2.6 PPTV--用大数据实现三赢
8.2.7 人人游戏--大数据的新玩法
8.2.8 酷狗繁星--用大数据打造歌手
8.2.9 网易--开放云阅读平台
8.2.10 搜狗携程--大数据战略合作
第9章 大数据在通信行业中的应用
9.1 移动通信中的大数据
9.1.1 电信行业需要转型
9.1.2 大数据时代的"融合通信"
9.1.3 大数据也是通信行业的大机遇
9.2 通信行业大数据的应用案例
9.2.1 中国移动--分析客户投诉原因
9.2.2 中国联通--赢得大数据先机
9.2.3 中国电信--大数据下的智慧运营
9.2.4 广东联通--大数据流量经营
9.2.5 法国电信--发掘大数据价值
9.2.6 威瑞森电信--大数据的精准营销
第10章 大数据在影视传媒行业中的应用
10.1 大数据下传媒业的挑战与机遇
10.1.1 大数据对传统媒体的挑战
10.1.2 大数据对传统媒体的机遇
10.2 大数据下传统媒体的应对策略
10.2.1 大数据下传统媒体的营销策略
10.2.2 大数据下传统媒体的转型策略
10.3 大数据与新媒体的大发展
10.3.1 大数据与新媒体技术的发展
10.3.2 大数据与新媒体产业链的发展
10.4 大数据与媒体行业的应用案例
10.4.1 湖南卫视--携手百度创大剧
10.4.2 《小时代》--用大数据定位观众
10.4.3 视频网站--用大数据打造自制剧
第11章 大数据在生产制造业中的应用
11.1 生产制造业的大数据时代
11.1.1 大数据铸就工业互联网
11.1.2 生产制造业如何利用大数据
11.1.3 用大数据优化供应、降低成本
11.2 大数据在生产制造业中的应用案例
11.2.1 可口可乐--用大数据制定口味
11.2.2 长安汽车--用数据造汽车
11.2.3 大可乐--用大数据做手机
11.2.4 西门子--数字化的生产车间
11.2.5 哈雷摩托--用大数据把关质量
11.2.6 福特--用大数据改变汽车制造
11.2.7 Enevo--用大数据设计垃圾桶
第12章 大数据在金融行业中的应用
12.1 大数据影响着金融行业
12.1.1 大数据为金融行业发展带来机遇
12.1.2 大数据为金融行业发展带来挑战
12.1.3 金融企业如何正确利用大数据
12.2 大数据在金融行业中的应用方案
12.2.1 用大数据分析金融数据
12.2.2 大数据在金融行业中的应用策略
12.3 大数据在金融行业中的应用案例
12.3.1 光大银行--用大数据带来大贡献
12.3.2 广发银行--用大数据深挖客户需求
12.3.3 招商银行--突围互联网金融
12.3.4 工商银行--用大数据创新市场营销
12.3.5 民生银行--大数据时代的小额贷款
12.3.6 中信银行--大数据打造全流程网银
12.3.7 交通银行--用大数据构建营销系统
12.3.8 浦发银行--用大数据打造"电商通"
12.3.9 平安财险--大数据助力企业扩张
12.3.10 彩票行业--用大数据预测结果
12.3.11 卡得万利--用大数据融资
第13章 大数据在企业管理中的应用
13.1 用大数据管理企业
13.1.1 大数据帮助管理者做出决策
13.1.2 如何用大数据做出商业决策
13.1.3 大数据对企业管理的作用
13.2 大数据在企业管理中的应用案例
13.2.1 江苏移动--用大数据创新管理
13.2.2 西尔斯--用大数据降低成本
13.2.3 迪士尼乐园--用数据提升游客乐趣
13.2.4 汉庭酒店--用大数据释放财务能效
第14章 大数据在移动微营销中的应用
14.1 移动互联网是盘大餐
14.1.1 移动互联网时代的微营销
14.1.2 大数据时代的微营销
14.2 移动互联网微营销的具体实施
14.2.1 大数据微信营销
14.2.2 大数据微博营销
14.2.3 大数据App营销
14.2.4 大数据微电影营销
14.2.5 大数据二维码营销
14.3 移动互联网微营销案例
14.3.1 布丁酒店--微信客户端订房
14.3.2 伊利舒化--世界杯微博营销
14.3.3 星巴克--早起的鸟儿有咖啡喝
14.3.4 海底捞--体验多功能 点餐
14.3.5 《莫陌》--旨为陌陌 代言
14.3.6 支付宝--用二维码 购物
第15章 大数据在其他行业中的应用
15.1 大数据在旅游行业中的应用
15.1.1 大数据对旅游行业的 影响
15.1.2 黄山--大数据引导 游客分流
15.2 大数据在医疗销售行业中的应用
15.2.1 大数据对于医疗的 价值
15.2.2 湘雅医院--临床大数据建设
15.3 大数据在游戏行业中的应用
15.3.1 大数据指导游戏行业发展
15.3.2 EA--用大数据改进游戏体验
15.4 大数据在音乐行业中的应用
15.4.1 用大数据分析音乐 业务
15.4.2 QQ音乐--用大数据发现音乐
15.5 大数据在房地产行业中的用
15.5.1 房地产迎来"大数据"时代
15.5.2 万科--联手百度迈入大数据
第16章 大数据的问题和 风险管理
16.1 大数据带来的四大问题
16.1.1 大数据泄露了用户的隐私
16.1.2 管理大数据困难重重
16.1.3 大数据存在网络安全漏洞
16.1.4 大数据人才缺乏
16.2 大数据相关问题的解决案例
16.2.1 支付宝--账户遭窃32万元
16.2.2 Cookies--窃取网民隐私
16.2.3 EMC--开启"闪电计划"
16.2.4 众安保险--用大数据控制风险
16.2.5 斯诺登--敲响大数据规则警钟
16.3 做好大数据风险管理
16.3.1 IBM Storwize V7000
16.3.2 戴尔EqualLogic
16.3.3 NetApp FAS平台
16.4 正确面对大数据
16.4.1 走出大数据误区
16.4.2 以平常心面对大数据
|
| 內容試閱：
|
第1章
走进大数据商业时代
大数据是21世纪新兴的商业词汇。它是无形的，但与我们的衣、食、住、行密切相关。它将线下生活与线上活动紧密地联系在了一起。同时大数据也影响着商业发展，商业的快速运转，与大数据的发展密不可分。
◆ 什么是大数据
◆ 大数据的商业发展
◆ 大数据的商业价值
◆ 大数据的商业智能
1.1 什么是大数据
如今，各行各业都投身于大数据的商业分析之中，这不仅是时代发展的需要，更是各行各业盈利的一个隐形法宝，所以了解大数据、玩转大数据就显得尤为重要了。
1.1.1 大数据的基本定义
大数据（Big Data），又称巨量资料，是指所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理并整理成为人类所能解读的数据资讯。
21世纪，全球数据信息正以爆炸式的方式增长，并且已经延伸到各个行业的各个领域，甚至成为各个行业重要的生产因素和成长、竞争的关键。那么大数据的数量究竟能达到什么样的程度，以至于其能成为各个行业重要的生存手段呢？
首先大数据给人最直接的信息是“大”。对于大数据来说，数据量最少要在PB级以上的数据才能称为大数据。下面我们通过以下换算来看一下能称得上大数据级别的单位，究竟有多大。
8 bit = 1 Byte；
1 KB = 1024 Bytes；
1 MB = 1024 KB = 10242 Bytes；
1 GB = 1024 MB = 10243 Bytes；
1 TB = 1024 GB = 10244 Bytes；
1 PB = 1024 TB = 10245 Bytes；
1 EB = 1024 PB = 10246 Bytes；
1 ZB = 1024 EB = 10247 Bytes；
1 YB = 1024 ZB = 10248 Bytes；
1 BB = 1024 YB = 10249 Bytes；
1 NB = 1024 BB = 102410 Bytes；
1 DB = 1024 NB = 102411 Bytes。
以一部高清电影1GB来算，1个TB就是1024GB，也就是说1TB的数据大小就要在1000多部高清电影的容量之上。如果将其换算成字的话，2Byte就是1个字，1TB就是549755813888个字。所以通过这一组数据可以知道，大数据究竟是一个含有多少信息的数据了。
如今，互联网革命性地改变了商业的运作模式、政府的管理方法以及人们的生活方式，信息爆炸的积累足以引发新的变革。世界各地都充斥着比以往更多的信息，信息总量的急剧增加就足以引发信息变革，“大数据”这一概念便因此应运而生。
另外，大数据不同于互联网，它正在以巨大的力量改变世界。它具有更强的决策力、洞察发现力、流程优化能力、高增长率和多样化的信息资产。同时也在IT、制造业、零售业、政府管理、科技等领域，大数据都在改变其运行方式。因此，我们正生活在一个充满大数据的新世界。
大数据还有一个重要的标准，那就是在线数据。因为只有在线数据才能使用，才能发挥它的价值。例如银行的数据就不能叫大数据，因为它的数据都是封闭的，外人无法使用这些数据产生价值。所以，当一个数据是封闭的、不公开的时候，无论它的数据量有多大，都不能称之为大数据。
1.1.2 大数据的发展历史
大数据是从历史一点一点发展、演变而来的。早在1890年，就已经开始使用科学的方法处理数据了。
1890年，美国统计学家赫尔曼霍尔瑞斯发明了用来读取卡片上的信息的制表机，从而用1年时间完成了原本需要耗时8年才能完成的美国人口普查活动。由此在全球范围内引发了数据处理的新纪元。
1961年，美国国家安全局（NSA）已是拥有超过12000密码学家的情报机构。在间谍饱和的冷战年代，NSA面对大量数据信息，通过计算机自动收集处理信号情报，并将仓库内积压的模拟磁盘信息进行数字化处理，仅1961年7月份，该机构就收到了17000卷磁带。
1989年，英国计算机科学家蒂姆伯纳斯李提出通过开创一个叫作万维网的超文本系统，在全球范围内利用互联网实现共享信息。
1997年，美国宇航局研究员迈克尔考克斯和大卫埃尔斯沃斯描述了20世纪90年代的挑战：超级计算机生成大量的信息——在考克斯和埃尔斯沃斯案例中，模拟飞机周围的气流——是不能被处理和可视化的。数据集之大，超出了主存储器、本地磁盘，甚至远程磁盘的承载能力。他将其称为“大数据问题”，这也是人类史上第一次使用“大数据”这个词。
2009年1月，印度政府建立身份识别管理局，对12亿人的指纹、照片和虹膜进行扫描，并为每人分配12位的数字ID号码，将数据汇集到世界最大的生物识别数据库中，从而起到提高政府的服务效率和减少腐败行为的作用。
2011年2月，原本需要扫描2亿年的页面信息，只需几秒即可完成。
2012年3月，美国政府出具一份报告，报告要求每个联邦机构都要有一个“大数据”的策略。同时，美国政府还宣布了一项耗资2亿美元的大数据研究与发展项目。
2012年7月，美国国务卿希拉里克林顿宣布成立了一个名为“数据2X”的公私合营企业。该企业主要用来收集和统计世界各地的妇女和儿童在经济、政治以及社会地位方面的信息。
虽然起初对大数据技术的推动主要源于国家安全的需要，例如超级计算机的发明、大数据的存储和处理技术，以及大数据分析算法的研发。但在发展中不断创新和完善，从而使得大数据在教育、金融、医疗等多方面得到了应用。这也是大数据在新世纪最有价值的体现。
进入21世纪，随着IT技术的逐渐兴起，大数据的应用频率也不断增高。根据国际数据公司IDC（International Data Corporation）研究的数据表明，每一个数据的应用浪潮都是大数据发展的脚步，数据总量也呈直线上升，如图1-1所示。
图1-1 全球信息产量增长趋势图
从图1-1中可以看出，2009年，全球产生的数据总量为0.49ZB，而到了2014年就已达到了5.9ZB；预计到2020年，全球产生的数据总量将会达到35ZB。随着时间的推移越往后，每年产生的数据总量越庞大。IBM有一项研究指出，在整个人类文明发展的数据中，有大约90%的数据是过去两年内所产生的。
1.1.3 大数据的结构
大数据就是互联网发展的“产品”。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被容易地利用了起来。通过各行各业的不断创新，大数据逐步会为人类创造更多的价值。所以，想要系统地认知大数据，就必须全面而细致地分解它。
大数据主要由以下3个结构层面组成，如图1-2所示。
图1-2 大数据的结构分类
1. 理论层面
理论是认知事物的必经之路，同时也是被广泛传播的一种重要方式。这里的理论结构主要是对行业数据的整体描绘和定义，解析大数据的价值所在，洞悉大数据的发展趋势。
2. 技术层面
技术是大数据价值体现的手段和前进的基石。大数据的技术主要通过云计算、分布式处理技术、存储技术和感知技术来完成大数据从采集、处理、存储到形成结果的整个过程。
3. 实践层面
实践是大数据最终价值的体现。大数据的价值在于能够预知未来的发展，从而构建美好景象及即将实现的蓝图。实践结构通常从4个方面描绘，分别为互联网大数据、政府大数据、企业大数据和个人大数据。
1.1.4 大数据的特征
大数据的基本特征可以用4个V来总结（Volume、Variety、Value和Veloc-ity），即体量大、多样性、价值密度低、处理速度快，如图1-3所示。
图1-3 大数据的四大特征
1. 数据体量大
截至目前，人类生产的所有印刷材料的数据量是200PB（1PB=1024TB），而历史上全人类说过的所有的话的数据量大约是5EB（1EB=1024PB）。当前，一般的个人计算机硬盘的容量为TB量级，而一些大企业的数据量更是接近EB量级。
2. 数据类别多
这种类别的多样性也让数据被分为结构化数据和非结构化数据。以往数据的记录多以文字为主，但是在社会生活的发展过程中，文字已经无法满足人们对数据的解读，从而相继出现了图片、视频、地理位置等信息。这些数据类别在直观表达数据信息的同时，对数据的处理能力提出了更高的要求。
3. 价值密度低
价值密度的高低与数据总量的大小成反比。意思就是说，在大量的数据中，并不是所有的数据都是有价值的，可能真正有价值的部分还不超过百分之十。例如一段长达几个小时的监控视频，其里面最有价值的信息，可能也就几分钟甚至几秒钟的画面。
4. 处理速度快
这是大数据与传统数据最显著的特征。在如此海量的数据中，企业或者商家想要在行业内生存，那么利用大数据进行高效的信息处理就显得至关重要了，甚至处理信息的效率就是企业或者商家的生命。
1.1.5 大数据的商业预测
在大数据时代，大数据最新、最主要、最常用的数据技术就是预测，这也是大数据的价值所在。下面我们先通过案例来了解一下，大数据的预测技术究竟有多大的价值。
经常使用百度搜索引擎的人一定有这样一个印象，那就是前两天在百度搜索“二手汽车”的字样，今天在浏览网页时网页上出现了各种各样的与“二手汽车”相关的广告。这就是百度公司利用大数据技术，为企业投放精准广告，从而从中获利的重要手段。
2009年，百度公司正式推出“凤巢广告系统”。该系统会根据用户在百度搜索引擎内搜索的关键词，与它后台的数据库里的广告细条关键词相匹配，从而能够自动选择呈现在用户面前的是哪条广告。有人不禁会问，单单靠投放广告的收益就能够支撑百度公司大部分的开支吗？下面再看一组百度影响力的数据，如图1-4所示。
图1-4 百度的影响力
由此看来，任何一家广告机构的广告播放率都达不到百度这样的广告播放次数。再加上百度推行的广告是有目的地精准投放，所投放的广告都是用户在现阶段所需要的产品，这样便加大了广告的成交率，为企业创下了收益，为用户提供了方便，更重要的是百度本身获得了最大的利益。在2012年的时候，百度的广告收入已经超过了中央电视台的广告收入。
通过以上案例，我们可能都会觉得有些不可思议，百度一家搜索引擎公司，竟然可以从广告中获得如此大的利益。这就是大数据预测的结果，它通过用户最近搜索的关键词，从而预测出用户最需要什么。
大数据的本质是解决问题，大数据的核心价值在于预测，而企业经营的核心也是基于预测所做出的正确判断。所以，无论是个人还是企业都应该意识到：大数据时代对于各行业来讲，既存在挑战，也存在巨大的机遇。
1.1.6 大数据的重要性
21世纪是一个信息化的时代，谁拥有了信息数据，谁就能利用信息数据成为行业的佼佼者。
大数据分析常用的技术是Hadoop技术。它是一种分析技术，也称“大数据”技术，可快速收集、传播和分析海量数据。因此，Hadoop技术是企业运用大数据的基础、核心。目前，该技术已被广泛用于Google、Yahoo、Facebook以及nkedIn等网络服务。
IDC（互联网数据中心）通过长期对大数据市场的密切关注，发现大数据对市场的影响正日益提升，已经开始影响数据中心设计、移动应用投资、数据管理等相关领域。为此，IDC认为，在未来几年中大数据市场的重要性主要体现在如下趋势。
1. Hadoop用户迅速增长
大数据所有的离线数据由Hadoop和Teradata数据库构成，并且越来越多的企业开始使用Hadoop平台处理大量数据。2009年中国的Hadoop服务提供商总共只有9家，而2012年已经超过了120家。
2. Hadoop整合功能加深
仅靠Hadoop服务是满足不了企业的大数据问题的。为此，很多传统的数据库管理系统开始整合Hadoop服务，以便更好地为企业服务。比如HP、DELL、IBM等知名公司，都分别有针对自家需求的Hadoop服务。
3. 更多Hadoop服务走上云端
云端上的Hadoop服务让大数据分析和处理更加方便快捷。
4. 原始数据的价值
在相关大数据分析处理技术出现之前，IT公司经理们通常要对公司数据进行筛选以便于用户查询和分析。如今，各种大数据分析工具既能方便用户查询数据，又能避免用户泄露公司机密；同时，对原始数据又能起到很好的保存作用。
5. 大数据开发技术的短板
阻碍大数据分析技术和使用Hadoop的原因之一就是缺乏相应的技术、数据安全以及可行性。幸好，许多开源和专利软件社区都已经在着手解决这些问题。
6. Hadoop成为主流
许多传统企业（银行、电信公司和零售商等）都在开始使用Hadoop服务，但很少有人愿意分享所有细节，所以很难找出一个真正的ROI（投资回报率）案例进行分析。
7. 各类大数据分析平台兴起
一说到大数据，很多人第一时间想到的就是Hadoop。其实还有许多其他不错的大数据分析平台，比如Platfora、Datahero等。
8. 磁盘终将被淘汰
目前，仍有一半以上的企业还在利用磁盘进行数据存档、备份和恢复，但是随着大数据分析技术日渐成熟，磁盘终将被淘汰。
9. 机器学习以及人工智能的兴起
机器学习和人工智能正在崛起，但在银行、金融服务、电信以及制造等传统行业，它们仍是十分稚嫩的新兴技术。
10. Hadoop将继续发展
Hadoop仍处在初级阶段，在未来还将具备更多功能，比如自由文本搜索功能以及基于GUI（图形用户界面）的可视化工具。
1.2 大数据的商业发展
什么是大数据的商业发展呢？让我们先来看这样一个案例。
有一家公司叫雅昌，它是中国印刷品行业的佼佼者，中国所有大型活动的印刷业务都是由这家公司完成的，比如北京奥运会、中国建国六十周年的画册等，几乎包办了能代表国家抛头露面的大部分的印刷业务。
1993年，雅昌公司刚成立的时候做的是印刷业务，在那个年代，印刷行业的技术、设备都差不多，与同一行业的其他公司相比收益也差不多，所以雅昌在初期的时候，基本上不管什么样的业务都承接。
但是，雅昌却做了一件国内各个印刷公司都没有做的事情，那就是将各个用户的印刷电子资料存储起来。这些在行业内都被认为是没用的废料，存储起来是很麻烦的事，因为日积月累，这些资料将会占用很大的内存，所以其他的印刷公司，都没有保存用户的印刷资料。然而雅昌不仅保存了这些资料，还将其刻成了一张张光盘。在那个年代，一张光盘的价格是比较高的，所以雅昌的这种举动许多行业内的人都不理解。
到了2011年底，雅昌的数据库中已经拥有六万多名艺术家，两千多万件艺术品的电子图文资料，于是他们成立了中国艺术品数据库。
雅昌从此从一个传统的印刷公司转型为一个艺术品数据库提供商。对于雅昌来说，手中的数据库就成了雅昌公司的核心资源，它将艺术品市场，包括拍卖、画廊、投资者、艺术家、印刷出版公司、艺术媒体等一系列的产业链条上的各个产业全都吸引到了自己的数据库平台上，并且是这个产业链中最重要、最核心的一员。
通过雅昌的转型我们可以看出，在商业发展中，数据在其中发挥着巨大的作用。
1.2.1 形成商业模式
运用大数据实现商业的发展，最主要的是要形成商业模式，在这个模式下，进行运转，实现商业资产的积累。而商业模式的形成，一般主要有以下3个步骤，如图1-5所示。
图1-5 形成商业模式的3个步骤
1. 数据的积累
通过雅昌的案例，我们可以看出，商业模式的形成是一个长期积累的过程，所以对于大数据时代，商业模式的形成也必须是数据的积累。在数据的积累中要注意一种现象叫作“飞轮效应”。
飞轮效应是指为了使静止的飞轮转动起来，一开始你必须使很大的力气，一圈一圈反复地推转飞轮，每转一圈都会费很大的力气，但是每一圈的力都被保存在了飞轮里，使飞轮越转越快，当达到某一临界点后，飞轮的重力和冲力会成为推动力的一部分。这时，你无须再使用更大的力气，飞轮依旧会快速转动，而且不停地转动，这就是“飞轮效应”。
雅昌的成功转型就是这种飞轮效应，一开始在做印刷业务的时候，除了印刷，做的都是别的公司不愿意做的又累又浪费时间和成本的事情。但是当这些数据慢慢积累到一定程度之后，雅昌的数据飞轮就自己转动起来了。这对于雅昌来说，转来的就是一笔笔源源不断的财富。
2. 用数据增强业务
首先，拿到数据之后，要学会整合数据。在产业界有一句话叫作“数据之和的价值远远大于数据的价值之和”，意思就是说分散的数据并不能带来多大的价值，只有打通了数据与数据之间的关系，把数据的活性做足，让数据与数据之间产生高于数据之和的价值，那么数据的价值就会体现出来。
其次，要知道数据所能体现的场景该如何呈现出来。一堆杂乱无章的数据，通过每一条或者几条数据所能带给我们的信息，将给自己呈现出一幅完美的商业场景，从而明确数据所能达到的商业目的。
最后，能够对各种数据做出未来的预测。在供研产销这条产业链上，打通每一个环节，把每一节链条上的宝藏挖掘出来，从而不断提高业务能力，达到资源的最佳配置。
3. 使数据成为资产
像雅昌这样，能够从一家传统的印刷公司做大做强，这与它善于利用数据是分不开的。对于雅昌而言，日积月累的数据库就成了其丰富的核心资产。当拥有了这些数据资产以后，就可以一直做下去，提高自己在行业中的竞争力，从产业链的下游慢慢向上，从而达到产业链的中上游，提升自己的行业价值。
笔者认为，在互联网发展的今天，大数据还会有新的商业模式出现，就像互联网创造了搜索、电子商务、竞价排名等一系列商业模式一样，大数据会孕育出更多新的商业模式，这也是大数据最有投资潜力的原因。
大数据是一种资源、一种技术、一种工具、一种趋势。运用大数据会给企业带来更低的成本门槛，从而获得更多的商机，孕育颠覆性创新。大数
……
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
