大数据优势电子商务

大数据优势电子商务（共11篇）

大数据优势电子商务 篇1

信息化和流量时代到来, “去管道化”成为运营商提得最多和思考最多的问题, 而目前, 大数据服务已被公认为运营商“去管道化”最有价值的形式。

运营商发展大数据具有其他行业无可比拟的优势, 主要体现在:一、运营商掌握数据全面充足。电信的领域之中, 数以亿计的通信用户基数保证了数据的海量和多元性。二、数据提供的可持续性。通信网络的时时存在为数据的持续和速度提供了保证。三、运营商对数据可以有效利用。运营商可以通过对海量数据的有效分析, 更加精准、更加高效地把握用户需求, 为广大用户和社会各界提供他们需要的产品和服务。

大数据概念很热门, 在互联网行业, Google公司起步最早, 目前已经拥有庞大的数据搜集和分析系统, 发展相对成熟;苹果、Facebook和国内的淘宝公司也在加速大数据库建设, 并且在公司业务分析和产品创新方面有所应用。就运营商来说, 大部分国家和地区都在发展探索, 一些发达国家运营商在大数据商用上已起步。尽管有些国家取得突破, 但是总体来说, 全球运营商大数据还处在粗放的发展阶段。

发达国家的电信业大数据探索

日本——日本最大的移动通信运营商NTT docomo 2010年以前就开始着手大数据运用的规划。除了搜集用户本身的年龄、性别、住址等信息且制作精细化的表格, 要求用户办理业务填写更详细信息, docomo相对国内运营商还有一个很大的优势即全国统一的数据收集、整合形式, 因此可以很轻易拿到全国的系统数据。但尽管其信息整合度高, 获取轻易, 但是docomo大数据发展至今还处于规划阶段, 主要是因为其还没解决客户隐私问题。docomo为未来的大数据商业化制定了三个阶段:首先是建立资料库, 其次是建立活用机制, 最后是实现活用, 当前尚处于第一阶段。

德国——主流运营商德国电信和Vodafone在利用大数据为自身业务服务之余, 已向商业模式跨出了一步。主要尝试是通过开放API, 向数据挖掘公司等合作方提供部分用户匿名地理位置数据, 以掌握人群出行规律, 有效地与一些LBS应用服务对接。

法国——法国电信在发掘大数据目前已在移动业务部门和公共服务领域进行了探索和尝试。在移动业务部门, Orange Business Services已在借助大数据改善服务水平, 提升用户体验。法国电信目前开展了针对用户消费数据的分析评估, 以帮助法国电信改善服务质量。比如, 通话中断产生的原因除了技术故障外还有网络负荷过重, 如果某段网络上的掉话率持续过高, 则意味着该网络需要扩容, 从而有效完善了网络布局, 给客户提供了更好的服务体验, 获得了更多的客户以及业务增长。作为法国最大的运营商, Orange Business Services还承担了法国很多公共服务项目的IT系统建设, 并在这些系统中开始尝试挖掘大数据的潜在价值, 包括承建了一个法国高速公路数据监测项目, 每天都会产生500万条记录, 对这些记录进行分析就能为行驶于高速公路上的车辆提供准确及时的信息, 有效提高道路通畅率。

西班牙——在大数据领域西班牙电信走得较远, 此前西班牙电信成立了名为“动态洞察”的大数据业务部门Telefonica Dynamic Insights, 面向全球运营, 将为客户提供数据分析打包服务。Dynamic Insights推出的首款产品名为智慧足迹 (Smart Steps) 。该产品基于完全匿名和聚合的移动网络数据, 可对某个时段、某个地点人流量的关键影响因素进行分析, 并将洞察结果面向政企客户提供。Dynamic Insights计划面向不同行业推出系列产品, 例如包含交通流量管理功能的“Smart City”。另外, 西班牙电信将与市场研究机构Gf K合作, 进行数据分析和打包工作, 让这些数据变得更加易用, 目前的合作主要在德国、英国和巴西等市场展开。

美国——去年1 0月初, 美国Verizon成立了精准营销部门Precision Marketing Division, 该部门提供三方面的服务, 首先是精准营销洞察 (Precision Market Insights) , 提供商业数据分析服务;其次是精准营销 (Precision Marketing) , 提供广告投放支撑;最后是移动商务 (Mobile Commerce) , 主要面向Isis (Verizon、AT&T和T-Mobile发起的移动支付系统) 。Precision Market Insights的服务, 将手中的用户数据直接向第三方出售。该项服务主要针对商场、球场等特定的公开场所, 搜集手机用户的背景信息, 为第三方所用。在美国, 棒球和篮球比赛是观众云集, 商家最为看中的营销场合, 此前在超级碗和NBA的比赛中, Verizon针对观众的来源地进行了精确数据分析, 球队得以了解观众对赞助商的喜好等。

国内的大数据发展挑战

国内运营商由于技术、数据系统限制、用户隐私和商业模式不明确等问题, 目前大数据运营只处在探索阶段。运营商利用大数据需应对四方面挑战。

第一, 国内运营商系统分散建设, 难以实现资源共享。经营分析、信令监测、综合网络分析、不良信息监测、上网日志留存等大数据系统分专业建设, 其中部分系统分省建设, 造成资源重复建设、应用重复开发、专家资源无法共享。B

第二, 数据处理种类多, 单一技术难以实现。各大数据系统数据模型不统一, 只具备结构化数据处理能力, 无法支持非结构化、半结构化数据处理, 无法满足互联网类业务发展要求。

第三, 如何避免隐私泄露问题未能解决, 大数据运营有风险。人们对于隐私问题越来越重视, 数据公司掌握大量数据和数据制造者要求隐私权之间的矛盾, 使得大数据使用变得困难。

第四, 尚未确立商业运营模式。运营商掌握的数据很多, 但是这些数据应该怎样应用, 给谁用, 应用收益是否可以抵消数据开发分析的成本, 这一系列问题也让国内运营商非常困扰。

探索大数据的运营模式

尽管大数据商用道路上存在困难, 但是由于运营商经营大数据的先天优势, 互联网时代沦为管道的压力, 还有大数据时代信息价值的高昂, 使得探索和发展大数据是运营商最明智的选择和最好的出路。

中国联通目前正在着手对大数据业务进行研究, 并已经成立了云数据运营中心, 计划依靠该部门, 逐步尝试开展大数据业务的运营工作, 甚至有计划将该运营中心公司化, 使之独立运营。中国联通已经在“移动通信用户上网记录集中查询与分析支撑系统”上引入了基于英特尔发行版Hadoop的大数据解决方案, 用于支撑全网数亿用户的查询工作。

中国电信认为最有价值的大数据应用表现在四方面, 分别是语音数据分析、视频数据分析、网络流量分析、位置数据分析。第一, 利用大数据处理平台分析呼叫中心海量语音数据, 建立呼叫中心测评体系和产品关联分析, 可为如保险公司等提供基于自动语音识别的大数据分析系统;第二, 基于智能图像分析能力的视频索引、搜索、摘要服务, 从海量视频挖掘有价值的视频信息, 提供公用视频图像分析, 中国电信全球眼智能系统在智慧城市、平安社区、交通监管等领域大规模的使用。第三, 通过分析互联网流量及协议信息, 对一般性网络使用者的行为习惯分群组提供有针对性的网络便利性服务, 比如精准广告;第四, 通过LBS系统平台, 对移动通信使用者的位置和运动轨迹进行分析, 实现热点地区的人群频率的概率性有效统, 比如根据景区人流进行基站优化。g ta

中国移动在三家运营商中大数据优势最明显, 因为中国移动承载了最多的用户数据。中国移动经营分析系统从2001年开始建设, 目前移动业务支撑系统主要依赖云技术, 并开发了“彩云”云存储应用产品。在数据流量业务成为主营业务的阶段, 移动正积极部署通过各类业务和网络运营数据的分析, 通过数据驱动业务流程, 以培养用户习惯。将来, 移动将进一步精确洞察数据, 从数据成本中心向数据运营中心转变, 与合作伙伴开展业务合作。

大数据发展之建议

首先解决隐私问题

美国棱镜门掀起了政府部分和公众对于信息泄露的恐慌。在信息泛滥的时代, 信息泄露已经成为了首要解决的问题, 也是阻碍运营商大数据商用的绊脚石。日本运营商NTT Docomo正是因为没解决客户隐私问题阻碍了大数据发展。就我国来说, 随着人们越来越强烈的隐私保护要求, 隐私问题也亟待解决。

解决隐私问题, 首先需要运营商有隐私意识, 对客户信息搜集有法案地系统保护, 防止客户资料泄露。目前, 在“大数据”业务的开发中, 我国三大运营商将在技术上采取更加系统全面的方式, 对用户隐私进行保护。其中一个重要行动, 就是要全面升级客户资料档案库;同时, 不断提高客户资料管理系统的安全保护能力, 加强账号管理。为确保用户隐私, 本地三大运营商短信中心系统也将继续实行目前已不留存用户短息内容等原始信息, 对垃圾短信的拦截则通过系统设置自动执行等措施, 并将采取更加科学完善的技术措施和操作规范, 为广大用户提供“大数据”时代的安全应用环境。其次, 运营商需意识到对于某一领域批量无记名数据的利用并不会泄露具体到个人的信息, 所以运营商利用大数据有很大的空间。

支撑内部语音与数据增值服务

第三方行业需要购买数据, 但对于运营商来说, 数据是现成的, 而且还可以有效避开隐私的问题。大数据对于提高运营商内部运营水平来说具有重大意义。具体有以下作用:一、分析用户行为, 改善用户体验。譬如通过分析用户上网时段, 优化流量套餐设计;通过分析客户套卡品牌比例和品牌对象, 改善套卡设计, 更具针对性地推广套卡;通过用户偏好分析, 及时、准确进行业务推荐和客户关怀。第二、优化网络质量。运营商通过对用户的位置、时间、职业、年龄、业务偏好、业务流量及所需带宽等进行关联分析, 实现对用户业务流量的甄别和用户级的网络资源控制, 细分用户业务流量, 将数据流量与用户、网络资源相匹配。第三、刺激业务创新。通过用户业务大数据分析识别用户行为习惯和用户偏好, 从而为用户提供个性化、差异化的电信服务, 提高电信用户黏性和忠诚度, 挖掘新的业务机会, 实现电信业务价值的最大化。

尝试与第三方公司合作

大数据最具价值的还是数据本身。电信运营商在数据量和及时持续获取方面具有无可比拟的优势。数据整理分析成本非常高, 而且数据来源往往分散在各个部门的情况下, 运营商内部需要做大量的工作才能进行有效的精华数据深度挖掘, 所以如果没有来自合作方的非常明确需求, 且该需求能带来相匹配的商业价值, 大数据的挖掘非常困难, 业务发展就可能陷于停滞。所以与第三方合作, 共同承担开发成本, 有可以预见的收益, 对于开发和利用大数据非常必要。

运营商大数据发展还处在初级阶段, 有巨大的价值和发展空间。据IDC最近发布的报告显示, 全球大数据技术及服务市场年复合增长率将达31.7%, 2016年收入将达238亿美元。运营商掌握大量的数据资源, 将会是运营商摆脱管道运营, 创新业务发展的最有利途径。

大数据优势电子商务 篇2

摘要：随着互联网的兴起，电子商务渐渐成为了很重要的消费方式，网上交易量的增多对电商及物流的压力也渐渐的增大。大数据的运用成为了解决问题的重要理念。对于买家购物车、收藏夹、商家备货等数据做出综合预测，再根据快递公司共享的数据，帮助商家和物流公司做发货量和运能准备。

关键词：大数据、电子商务 一：大数据是什么

数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。“大数据”在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。进入2012年，大数据（big data）一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。

大数据的影响：

随着云时代的来临，大数据（Big data）也吸引了越来越多的关注。著云台的分析师团队认为，大数据（Big data）通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数

十、数百或甚至数千的电脑分配工作。

美国总统奥巴马在拉选票的时候，他的智囊团就是通过大数据分析哪里的选民一定选他、哪里的选民一定不选他，那个地区本来是共和党选取但因为某些原因可能会转向他、还有一些地区的选民在选举的时候总是摇摆不定,于是他的团队就可以更好的分配资源，使选举利益最大化。

大数据的特点：

1、数据量大（Volume）：大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）。

2、类型繁多（Variety）：包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。

3、价值密度低（Value）：第三个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。

4、速度快时效高（Velocity）：这是大数据区分于传统数据挖掘最显著的特征。

二、什么是电子商务

电子商务是指在互联网（Internet）、企业内部网（Intranet）和增值网（VAN，Value Added Network）上以电子交易方式进行交易活动和相关服务的活动，是传统商业活动各环节的电子化、网络化。现在电子商务已经是我们生活中不可或缺的一部分了。电子商务的构成要素：

四要素：商城、消费者、产品、物流。

⒈买卖：各大网络平台为消费者提供质优价廉的商品，吸引消费者购买的同时促使更多商家的入驻。⒉合作：与物流公司建立合作关系，为消费者的购买行为提供最终保障，这是电商运营的硬性条件之一。⒊服务：电商三要素之一的物流主要是为消费者提供购买服务，从而实现再一次的交易。

电子商务的未来发展：

更广阔的环境：人们不受时间的限制，不受空间的限制，不受传统购物的诸多限制，可以随时随地在网上交易。

更广阔的市场：在网上这个世界将会变得很小，一个商家可以面对全球的消费者，而一个消费者可以在全球的任何一家商家购物。

更快速的流通和低廉的价格：电子商务减少了商品流通的中间环节，节省了大量的开支，从而也大大降低了商品流通和交易的成本。

更符合时代的要求：如今人们越来越追求时尚、讲究个性，注重购物的环境，网上购物，更能体现个性化的购物过程。

现在电子商务蓬勃发展，淘宝，京东等电商平台的迅速崛起使其蒸蒸日上。但是随着这些发展，交易量也飞速的上升 物流的拥挤、服务器的瘫痪等问题渐渐的浮出了水面。在11、12年淘宝推出的双十一活动中这一现象尤为的明显。12年的很多电商开始学习马云的双十一活动，但是随着宣传的深入及人们对电商的认识当天凌晨就把很多电商网站的服务器挤爆了，随着准备的不充分一些店家的货品开始就没了，很多想要的人没买到；而一些货品却没多少人买。但是买完之后就完了吗？不是的，你的东西堵在了运送的路上。我的一个同学在淘宝上买了一个手机，但是就被堵在了圆通在杭州的大仓库里，耽误了1个星期，着急的不行。

三、大数据时代下的电子商务

于是大数据对电子商务的作用就慢慢体现了出来：

事实上，近年来全球各大行业巨头都表示进驻“开放数据”蓝海。以沃尔玛为例，该公司已经拥有两千多万亿字节数据，相当于200多个美国国会图书馆的藏 书总量。这其中，很大一部分事客户信息和消费记录。通过数据分析，企业可以掌握客户的消费习惯、优化现金和库存，并扩大销量，数据已经成为了各行各业商业 决策的重要基础。

只有行业网站、电商平台等拥有企业数据优 势，而且集合整行业信息，并有分析整合数据的能力，才能真正为企业提供真实、有效的数据分析。

那么对于我们而言，要做有两块工作，常规数据分析，专题式的数据挖掘研究。常规数据分析除了在宏观把握数据的趋势和异动之外，还要在微观上，将异动的数据指标进行细分，从微观角度找出问题的所在解决问题。而专题的数据分析是我们主动的提出一些问题，进而去寻找数据并进行研究，并不是为了解决问题而解决。这看似不能最直接的解决问题，然而这些数据的解读，我们能够掌握 卖家想要什么（what）； 为什么要（why）；

从哪里可以得到（where）； 什么时候我们做（when）；

哪些卖家针对哪些运营策略（who）； 我们应该给多少（how much）； 以什么形式进行（how）；

通过5W2H的方法，结合分析手段来解决这些问题。以下为根据网络总结的数据分析的一些注意点和方法。常规数据分析的思路–从收益角度

但我们面临收益下降时，需要我们定位问题，从收益角度出发来解决问题。常规数据分析的思路–从人气的角度

通过以上的数据解读和针对这些宏观数据的细分，我们可以完成一些异动数据的分析和紧急的需求。

而在做好这项工作的同时，我们也需要做好专题式的数据分析工作，提供运营人员更多的运营决策。

现在的淘宝网店，走向规模化、技术化，协作化，高投入方向发展，在当下的营销成本居高不下的环境下，如果你还不凭借数据化运营，出局是早晚的事。

现在我就通过女包行业阐述一下“数据化运营爆款”的整体过程和思路。

1：分析自己及所在行业竞争对手的数据（血货，来源于实践，每张图请珍惜仔细看）对自己全店宝贝进行综合分析，知道目前自己店铺的uv，pv，转化率，流量来源构成。然后分析行业爆款数据，分析行业爆款是重点，这是我们为之奋斗的目 标，也是我们可以遵循的规律。

2：数据分析后确定自己的主推产品 从以上数据分析中可以看到，这些爆款的引流方法主要通过直通车和钻石展位，同时结合到流量占比和成本，行业转化率及这些推广中的爆款转化率，我们可 以确定一点，我们要推广那种宝贝，才能保证在这种高成本下不亏损。

3：在数据分析和产品定位之后，要对打造爆款制作一套方案和预算。

首先确定我们爆款要达到的2个指标：UV和转化率。根据行业情况做出自己的流量预算模型，即对应的销量所需的uv，在这套模型下，我们的爆款在推广过程中的每一个数据都可以找到根据

4：在数据模型和流量来源确定后，开始实施推广计划，至于直通车和钻展如何操作，我想大家都很清楚，如果新入行的卖家不会的，可以到专业论坛，派代里来学习,这里不再详细讲解了。

5：数据实时监测和调整。

在数据模型和爆款方案做好之后，最重要的就是执行过程，执行最重要的就是前期的数据测试，如果成功，就可以顺利发力推广，如果测试不成功，方案中的每 一个指标都达不到，就必须及时调整数据计划，调整不好就必须终止。

“每年‘双十一’其实是对整个中国物流快递业的大考。”菜鸟网络CEO沈国军表示，参加“双十一”物流大会战的总共有十几家快递、物流公司，差不多集合了中国现有快递物流能力的90%以上，“双十一”的战果，是检验中国快递业重要指标。

大数据营销在电子商务中的应用 篇3

[关键词]大数据；大数据营销；电子商务

一、大数据及大数据营销的概念

究竟何为大数据？大数据就是指那些超过传统数据库系统处理能力的数据，数据量通常在10TB以上。通常人们所说的“大数据”指的是一种技术，就是基于现有的数据资料，结合外部市场环境的各类数据对其进行深度挖掘和未来数据趋势的预测，将看似枯燥没有意义的数据转变为企业的珍贵资产的一种新行为。

而大数据营销则是营销传播方式的一种变革，是以深度消费者洞察为基础的传播沟通，是用数据解构消费者的生活习惯、消费偏好、信息获取渠道、个人兴趣从中推导出定制化产品和品牌传播的工具。大数据营销的重点是理解消费者背后的海量数据，挖掘用户需求，并最终提供个性化的跨平台的企业营销解决方案。

二、电子商务企业如何利用大数据营销

大数据营销为电子商务企业提供了众多的价值源，为企业的发展提供有利的途径和方法。但任何技术或工具的运用都需要企业各个方面的支持和配合。电子商务企业利用大数据营销，首先必须具备一定的基础，然后才能从各个方面开展相应的营销活动。

（一）电商进行大数据营销必备的素质

1.应用大数据的意识和能力：电商要进行大数据营销，必须首先具备真正意义上的应用数据的意识和能力。对于电商而言，数据的采集不是问题，而是数据太多了难以处理，故重要的是数据分析的能力。电商必须深入思考如何将大量的客户数据、市场数据、销售数据及其服务数据进行筛选、分析和整合，并最终得到一套有益的大数据营销解决方案。一方面，这就要求电商企业的高层管理者必须具备高度的大数据营销的战略意识；另一方面，电商企业需建立强大的数据库并引进优秀的数据分析人才。

2.扁平化的组织结构：大数据营销需借助数据的分析，快速进行营销的动态调整，在互联网和大数据时代，网民的行为是快速动态变化的，这就要求营销者必须快速顺应这种变化，及时作出营销策略的调整。所以，在电子商务企业中信息的传递必须快速而又准确，这就同时对企业的组织结构提出了要求。扁平化的组织结构能加快信息传递的效率，并减少传递过程中的信息丢失，且这种柔性的组织结构有利于企业对快速变化的消费者行为作出反应。除了组织结构的扁平化，大数据营销也要求企业的是一种学习型的组织，能够更快地接受和使用大数据营销，并对快速变化的消费者信息具有一定的敏感性，乐于接受新鲜事物，并勇于在挑战中突破自我。

3.不断更新的数据库系统：大数据的海量一方面给营销者提供了获取消费者真实行为的便利性，但另一方面动态的行为变化也为营销者造成困扰。大数据并不是孤立与静止的，要想有效的运用数据库进行企业营销决策的制定，一方面必须进行快速的数据分析，并将分析的结果及时运用到营销的决策和改善之中，避免资讯和结果的分离，另一方面则要根据营销的结果和用户不断变化的消费行为及时地更新和完善数据库系统，最大程度地降低数据的滞后性，避免营销决策的错误。

（二）电商如何进行大数据营销

1.基于大数据的商品关联挖掘营销：大数据挖掘的基础是发现各个数据之间的关联，推及到企业运用的时候，要对原有数据进行分析，建立起各个数据之间的联系。啤酒与尿布关联营销的成功为电商进行基于大数据的关联挖掘营销提供了思路，原来的电商企业产品信息界面的相关推荐和结算界面的互补推荐可能更大程度上是基于小型数据库的分析结果，是用户短期内的需求，而基于大数据去挖掘关联商品更大程度上能完善推荐界面信息的准确性且更大可能地激发用户的潜在需求。故基于大数据的分析结果进行商品关联的挖掘，以此来完善推荐界面的信息，是电商未来应该借鉴的地方。

2.基于大数据的商品地理营销：基于大数据的商品地理营销即分析网站的交易数据，通过地理位置分析每个地方的人的爱好，进行不同类型的营销策略。大部分电商都是在最后才确认产品的收货地址，只有部分的电商现在会选择在用户进入网站的开始就邀请用户选择收获地址，这并不有利于电商基于大数据的商品地理营销。电商根据用户地理位置划分区域，发现需求的差异性，必须充分利用用户的地理信息为用户推荐可能感兴趣的产品，并在细节上根据用户的风俗习惯进行产品或服务的完善。

3.基于大数据的社会网络营销：社会化媒体的发展已经覆盖了海量的人群，且社会网络营销的传播速度和自发性已经超出了人们的想象，基于大数据，对受众群体和社会化网络传播媒介进行了解，开展社会网络营销活动是电商必不可少的营销环节。电商应快速有效地利用大数据分析受众偏好的社会化网络传播媒介，将类似于“分享”的活动开展在此类的媒介上进行传播，加大传播的范围，加快传播的速度，提高营销的效率。

4.基于大数据的用户行为分析营销：电商通过将消费者的购买行为和历史记录进行大数据分析，探索用户的消费习惯，为企业大数据的用户行为分析营销提供基础。电商可以通过用户浏览网页上具体产品的停留时间来发现用户的行为轨迹和心理轨迹，找到企业所需要的潜在用户，对潜在用户投放商品广告，大大提高广告投放的转化率，同时电商还可以通过“搜索行为”去挖掘用户的潜在需求，不断增加或完善商城产品的品类。

5.基于大数据的个性化推荐营销：消费者个性化的需求得到满足的愿望已经日益强烈，这对电商提供个性化营销提出了要求。在大数据的环境之下，电商应该关注于用户的个性化推荐营销，利用大数据划分产品的类别，并邀请用户选择喜欢的或者感兴趣的类别进行关注或收藏，之后将用户选择类别下的信息个性化地推荐出去，同时定期提醒用户修改喜欢的类别，不断地更新数据库和推荐的内容。

三、结语

大数据营销在电子商务中的应用会随着时间的发展逐渐成熟，形成系统性的方法，同时也会在电子商务企业的发展中发挥更加优势的作用，不断提高消费者的满意度和用户体验。但对消费者行为和心理进行深入挖掘的本质注定了大数据营销是一把双刃剑，它既能让消费者心理和行为跃然纸上，又会引来用户隐私保护的大风。故在利用大数据营销的过程中把握好用户隐私保护的度也将是电商在未来应该关注的地方。

参考文献

[1]熊佳乐.大数据时代的营销策略[J].新营销，2014（1）：111-111.

[2]吕清远.大数据时代下的微信营销价值[J].现代经济信息，2013 （20）.

[3]孙冰.大数据营销：“万灵药”还是“大忽悠”[J].中国经济周刊，2013 （48）.

作者简介

杨世杰（1994-），女，中央财经大学商学院硕士研究生，研究方向战略管理。

大数据优势电子商务 篇4

西安电子科技大学“大数据智能感知与计算协同创新中心”。由西安电子科技大学牵头“大数据智能感知与计算协同创新中心”, 在大数据的智能计算及机器学习等方面承担了一批国家高水平的科研任务, 有面向基础领域培育立项智能感知与图像理解教育部创新团队1个、陕西省重点科技创新团队3个、973子项2项、国防重点预研项目10余项。经过两年多建设和发展, 中心在人才培养、学科建设、科学研究、体制机制改革等方面建立了一系列运行保障制度, 实现了创新资源的有效聚集, 凝聚了115名科技创新人才和企业技术骨干。在大数据的智能计算及机器学习等共性基础技术方面取得系列原创性成果, 为大数据智能感知与计算技术持续发展奠定坚实的理论基础。获国家级或省部级奖1-2项, 发表SCI论文100-120篇, 申请发明专利100-120项。

同时, 中心完成面向大数据智能感知与计算领域本、硕、博一体化培养的人才培养体系, 为我国大数据智能感知与计算领域培养未来的领军人物和高端技术人才。

西安交大管理学院“大数据应用与管理研究中心”。2013年8月, 西安交大管理学院与陕西省信息化工程研究院联合成立了“大数据应用与管理研究中心”。联合研究中心的研究目标是以面向大数据和管理、数据质量及其分析应用方面的前沿技术、关键技术创新研究为主, 将高校的科研成果与市场需求结合起来。它将凭借世界一流研究学者, 包括1-3位“千人计划”专家, 以建成中国乃至世界一流的大数据分析研究中心。

联合研究中心预期目标包括在知识产权申请方面, 在研发过程中形成本领域的发明和软件设计专利、软件著作权等;在培养人才基地方面以培养高端技术攻关人才、培养复合型技术科研人才、培养应用型技术产品研发人员;在博士后创新基地方面, 陕西省信息化工程研究院加挂西安交通大学管理学院博士后创新基地牌子, 进基地博士后在联合研究中心开展工作。陕西省信息化工程研究院为创新基地博士后提供相关的研究项目和额外的经费支持。

西安邮电大学陕西省高性能计算研究中心。“陕西省高性能计算研究中心”是西安邮电大学经陕西省工业和信息化厅委托建设, 于2013年5月份正式挂牌。中心将科研与应用高度契合在一起, 作为所有的电子政务的中心节点, 将陕西省驻西安的所有的厅、局、委的机房全部集中在一个数据中心内, 实现资源的有效管理和统一调配。与传统高性能计算研究中心不同, 陕西省高性能计算研究中心以解决陕西省当前信息化问题的高性能计算应用开发为目标, 作为陕西省信息化建设的重要组成部分。中心遵循陕西省信息化顶层设计“以需求为主导, 以应用为目的”的方针, 一切科研和实施工作均以服务陕西3800万居民为根本目标, 为陕西省电子政务、驻陕企业、农村信息化等多方面提供高性能计算服务。

大数据优势电子商务 篇5

大数据时代是以互联网服务的增加、使用和交付模式为基础，同时伴随各行业数据源的增长呈现指数级趋势和信息规模及复杂程度快速变化而在各领域所引起的量化进程。大数据在电子商务企业日常运营中生成、累积的行为数据，其中包括预算管理各个环节中生成的数据和财务共享中心储存累积的数据。同时，大数据时代电商行业数据的特征主要表现为规模大、类型多、价值密度低和时效性强。由此可知，数据浪潮的到来给电子商务企业的数据控制能力带来了全新挑战，也为财务工作人员获取更为深刻、全面的研究观察能力创造了前所未有的机遇。

1.2预算管理的内涵

大数据优势电子商务 篇6

关键词：大数据；电子商务；影响；战略

一、大数据时代的到来

（一）何为大数据。大数据（Big data）一词起源于美国，是指具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征的数据集合。然而大数据绝不是仅凭借规模巨大的数据量而被人们重视。大数据的核心是预测，其优势是能够通过人类的分析与挖掘而产生巨大的价值。大数据将覆盖到整个人类社会并影响人类的思维方式。对于商业来说，大数据更是一种“资产”——通过借助新的处理模式使企业具有更强决策力、洞察发现力和流程优化能力的“信息资产”。

（二）大数据在商业领域的应用。当美国最有名的计算机专家之一——奥伦·埃齐奥尼发现邻座乘客的机票买得比自己晚却便宜得多时，他便下决心要开发一个可以预测网上机票价位趋势的系统。后来，这个建立在41天内的12000个价格样本基础之上的小项目逐渐发展成为一家得到风险投资基金支持的科技创业公司，名为Farecast。到2012年为止，Farecast系统已经利用了将近十万亿条价格记录来帮助预测美国国内航班的票价，准确度高达75%，用户平均每张机票节省了50美元。这是较早的例子。

当前的例子就不得不说美国最大的电子商务公司亚马逊。亚马逊原本主要依靠一支由20多位书评家和编辑组成的团队来带动网络书籍的销售并形成自己的竞争优势。后来，亚马逊创始人及总裁杰夫·贝索斯决定开发一款基于大量用户数据的系统，目的是为了根据用户以前的购物喜好，向其推荐具体的书籍。后来这套系统由于用户数据的持续增加以及公司对其算法的优化，预测的精准度不断提高，为亚马逊贡献了三分之一的销售额，并致使书评团队解散。

从以上案例中可以得知：大数据正在商业上，尤其是点在电子商务行业上发挥着巨大的作用，其优势和潜力已逐步显现。事实上，大数据正通过其独特的方式为商业的发展注入新动力，创造新模式，打开新局面。不仅如此，大数据还成为了重要的社会资源。

二、大数据对电子商务的影响

（一）促进差异化竞争。大数据可以促进电商的差异化竞争。正如维克托·迈尔·舍恩伯格在《大数据时代》一书中提到的，“大数据的核心是预测”，而预测的对象可以是多种多样的。亚马逊可以推测出用户想要的书籍，谷歌可以为关联网站排序，Facebook可以知道用户的喜好，而Linkedln可以猜出用户是谁。这些都是很巧妙地利用了大数据的预测功能而开发出了个性化的服务。因此大数据时代的到来为电商企业提供了新的思路，即不同的产品与服务，客观上促进了电商行业由之前的同质化竞争逐渐转化为差异化竞争，为电商企业提供了不同的发展机遇。

（二）掌握发展趋势。大数据包容的特性使企业可以通过不同的角度观察企业的发展，从而掌握企业的发展趋势。随着社交网站、搜索引擎等优化与发展，企业可以尽可能多的从Web站点、微博、互动社区等渠道上收集相关数据，而这些数据将反映出企业自身业务的经营情况，竞争对手的相关信息以及商业环境的变化等一系列信息。值得一提的是，这些数据越全面、越有针对性、实时性越强，对企业决策的可参考性就越强。这无疑可以帮助企业做出最准确最及时最合理的决策，从而提升企业的竞争优势。

（三）创新商业模式。大数据将有助于改变当前电商的商业模式。电子商务消费者的不断增加为企业提供了足够量的数据。例如网友在网络上的点击、浏览、足迹、留言等行为可以直接反映出他们的需求、意愿和性格。因此电商企业可以将消费者进行准确细分，并及时用产品精准定位，这一系列行为可以瞬间完成。因此大数据为企业随时随地准确圈定用户并满足用户真实需求和潜在需求的想法提供了可能，使电商企业能够抛开被动地位，“主动出击”。

三、电子商务未来的战略构思

（一）意识加强。2013年我国电子商务市场交易规模已超越美国，成为世界第一大电子商务国家。2015年的“双十一购物节”中仅天猫一家的单日交易额更是超过了912亿元人民币，创历史新高。与此同时，网上不乏一些质疑的声音——“双十一还能狂欢多久”、“双十一如何破解线上强劲线下疲软”、“我们到底需不需要双十一”……仔细分析后不难发现，这些质疑声不仅仅是针对“双十一”，矛头所指向的是电子商务发展的动力问题，这关系到我国电子商务行业能否可持续健康发展。

电子商务已经成为了推动世界经济发展的新动力，而推动电子商务下一轮发展的新动力无疑是大数据。正如中国互联网协会理事长，中国工程院院士邬贺铨提到的，大数据挖掘正在深化产业应用，大数据正在推动生产技术变革，大数据正在引发企业战略转型。美国已在2012年开展了大数据的研究与发展计划，一部分优秀企业已在大数据的推动下创造出了新一轮的价值与商业模式。英国与日本也随即开展了对大数据的研究……以上种种现象都在要求中国企业必须在意识层面加强对大数据的重视，反思当前发展模式的缺陷。意识到大数据在企业的下一轮战略转型中所起到主导作用，意识到“谁掌握了大数据，谁就掌握了主动权”，并将意识纳入到行动，积极为商业模式的创新和企业模式的转变做好准备。

（二）技术提升。大数据“价值密度低”的特点注定了企业需要在海量的数据中“沙里淘金”，而“淘金”的关键就是对于数据的处理方式。一个很重要的事实是，对于电子商务企业来说，好的处理方式——即创新的处理机制和先进的算法比大数据本身更加重要。上文中例举了亚马逊利用个性化系统向用户推荐商品的例子。一开始这个系统并不是很成功，后来亚马逊优化了算法，重点放在寻找商品与商品之间的关联性。值得注意的是，这种关联性不是指商品之间的相似性，也不是指顾客间行为的相似性，而是完全为客户“量身打造”的推荐系统。最终，这套系统获得了专利，即著名的“商品到商品”协同过滤技术（item-to-item）。这样的系统更加智能，并且基于此技术下的估算可以提前进行，所以推荐系统快如闪电，而且适用于各种各样的产品。这意味着该系统能在你购买一本书后，为你推荐一部电影甚至是一个烤面包机，而数据表明大量用户为此买账。难怪亚马逊内部流传着一句“骄傲”的玩笑话——如果推荐系统运行良好，你只需要买一件商品，剩下的交给推荐系统就行了。而淘宝目前的算法是基于两种传统的基础算法——基于搜索或内容的算法和聚类模型算法。前者是指给定用户已购买的或评级过的商品，算法会构造出搜索查询以寻找其他类似商品并作出推荐。这样虽然技术上比较简单，但是不能区分商品的品质，并且除了推荐和用户已有兴趣和购买的相似商品外，无法推荐其他商品。事实是用户一旦在结束购买产品后，很少会在短时间内再购买相似产品。后者是根据用户的购买行为将用户细分为相似群体，给出购买参考。缺点是无法兼具推荐质量与推荐成本。

许多公司都开始接受了MapReduce和Google File System开发的开源衍生品——Hadoop开源代码。Hadoop能够在多台计算机上实施分布式的大数据处理。电商企业不仅要利用好这一开源代码，更要在此基础上不断提升算法系统，使算法系统更加成熟与智能。其实优化算法某种程度上是一个创新和做加法的过程，选择的角度越好，给定越多的量，就能得出越准确的推荐。如果国内电商的算法更加智能，那么用户通过推荐购买而形成的购买规模是相当可观的。

（三）模式创新。大数据背景下，要求电子商务企业抛开被动地位，主动出击。大数据对电子商务企业的最大影响就是带来直接的订单转化。因此，为了迎合这种转型升级，电子商务企业需要通过自身与用户的网络交易行为记录，结合交易环境和用户行为的分析，形成带有持续性特征的电商大数据。并以此作为基础进行准确的市场细分和定位，实现以数据服务为导向的订单扩大趋势，进行大数据背景下“产品+数据”的新型商业模式转化。电子商务企业只有在新时代下创新新模式，才能顺应时代的发展。

参考文献：

[1]维克托·迈尔·舍恩伯格，肯尼思·库克耶.大数据时代[M].浙江：浙江人民出版社，2013.

[2]王娟.大数据对电子商务应用价值的研究与分析[J].科技经济市场，2015（2）.

[3]Greg Linden，Brent Smith，Jeremy York.Amazon.com Recommendations：Item-to-Item Collaborative Filtering[M].IEEE Internet Computing，2003（7）.

大数据优势电子商务 篇7

一、大数据思维特征

大数据改变了传统思维方式。舍恩伯格等[2]。认为大数据思维是一种意识,即公开数据一旦处理得当,就能为千百万人急需解决的问题提供答案。赵国栋等[3]认为炒作、视野狭隘、维技术论等片面认知是阻碍企业深入应用大数据最重要因素。对企业而言,大数据思维是指对大数据及其如何应用于企业管理的认知和思维方式。正确、全面地认知大数据是企业基于大数据深入分析和研究战略决策、运营管理及商业模式的前提,是实现可持续竞争优势的关键。学者们的大数据思维特征观点如表1所示。

综上,大数据思维突破了传统固有思维方式,对传统战略理论提出了巨大挑战。战略决策主体不再依赖高管人员,而更倾向于由下而上、由外而内、网络化的基层群体;决策依据不再依靠结构化小样本数据,而更倾向于来源广泛、体量巨大、结构复杂的大数据。吕本富等[6]认为,大数据改变了依靠观察、思考、推理、决策的传统逻辑思维过程,提供了一种基于数据力量解决问题的新型逻辑思维。其思想与舍恩伯格等相关思维理论一致,即不过分探究事物间因果关系,而直接挖掘相关关系来寻找解决方法。刘力刚等[5]基于战略视角的大数据思维,是对舍恩伯格大数据思维理论的继承和升华。

资料来源:根据文献整理。

虽然学者们从不同视角探究了大数据思维特征,但存在共性:依靠大数据探究事物相关性以解决问题或制定决策,体现了总体和相关思维。传统战略思维已不能满足日益动态复杂环境下企业可持续发展的迫切需求。企业应秉持大数据思维,融合基于社会公众的社会化决策、基于异质事物的内在联系及基于大数据的科学分析,切实提升竞争力。

二、大数据对企业竞争优势的影响

基于动态能力观,战略资源的动态化处理和整合能够塑造可持续竞争优势。对大数据资源的动态挖掘和分析,并应用于企业管理,有助于可持续竞争优势的构建。大数据对企业竞争优势影响的研究视角如下。

(一)战略决策视角

McAfee等[7]认为,大数据是一场企业管理革命,基于数据驱动的决策往往是更好的决策。何军[8]认为,通过探索数据之间的关联模式,挖掘大数据中的信息,是大数据的价值所在。新一代信息技术为企业从大数据中获取洞察和挖掘潜在价值提供了强大技术支持,能促使企业决策智能化和敏捷化。James等[9]研究发现,已经大规模部署“云”的企业比其追赶者在广泛通过分析技术从大数据中获取洞察方面领先170%。企业战略决策正以知识和经验为主的决策向以数据挖掘为主的决策转变。

结构化数据有助于企业解决常规问题,而非结构化数据往往有助于思维拓展和创新。杜丹青[10]认为,互联网企业深入挖掘大数据潜在商业价值更容易采取扩张型战略。然而企业战略决策不能完全依赖于数据。基于客观数据的决策与以知识和经验为主的直觉决策在企业战略决策过程中相辅相成、互为补充。陈龙等[11]认为,直觉决策能创新思路、优化选择和做出创造性预见,能避免数据决策过于程式化,减少决策失误,而基于数据挖掘的决策能避免过于主观,降低不确定性。企业战略决策既要注重大数据的现实客观性,又要发挥管理层的主观能动性。特别是在日益动态复杂的竞争环境下,非常规或非程序化问题日益突出,动态分析大数据资源与发挥管理层主观能动性的有机统一,能进一步提升企业决策有效性和增强企业竞争力。

(二)运营管理视角

根据动态能力观,整合重构企业战略资源、能力、流程等能增强环境适应性和塑造可持续竞争优势。大数据作为一种战略资源,对企业流程优化、成本降低、产品创新等运营管理方面产生重要作用。

Brown等[12]认为,大数据能通过优化流程、改变生态系统和促进创新影响企业竞争。资武成[13]从生态系统视角认为,基于大数据的运营模式能实现产品设计协同、生产协同、物流协同等,从而提升组织敏捷性。Davenport等[14]基于案例研究发现,利用大数据技术能显著降低企业成本,有效改进执行计算任务或创新产品和服务时间。牛西等[15]从交易费用视角认为,大数据技术能降低企业内外部协调成本,当内部协调成本下降明显快于外部协调成本时,企业纵向边界趋于扩张。此外,吕本富等[6]基于案例研究提出了大数据“飞轮效应”,即数据驱动的运营如巨型飞轮,持续努力推动才能缓慢运转,随后不断加速,当快速运转时只需少许动力,就会产生巨大效果。Davenport等[16]认为,企业要学会利用大数据,使用智能设备实时信息来充分了解其业务环境,及时创新产品和服务以应对环境变化,强调应更加关注数据流,依靠数据科学家、产品和流程开发者,重点关注核心业务、运营和生产功能,为企业加强运营管理和提升环境适应性提供了新方向。综上,大数据能促进企业优化流程、缩短产品上市时间、降低成本等,甚至存在“飞轮效应”,不断加速企业运转,提升企业运营效率。

(三)商业模式视角

商业模式是一个通过不同途径,以挖掘潜在价值、创造价值、分配和获取价值的过程。George等[17]认为,管理学者需探究大数据新价值来源的产生方式及价值创造路径(价值创造机制),以及是如何通过新商业模式和管理工具等在各利益群体之间分配(价值捕获机制)。企业竞争优势来源关键不是如何获取大数据,而是如何将大数据与商业模式整合,实现商业模式创新。

企业固守原有商业模式已不能适应日益动态复杂的环境,只有与时俱进,不断创新商业模式才能保持竞争力。新一代信息技术为企业基于大数据创新商业模式提供了可能。李文莲等[18]认为,基于大数据的商业模式创新,是在大数据思维指导下,利用大数据资源及技术改造企业资源和流程等,以实现商业模式创新。刘丹等[19]基于案例研究发现,大数据不仅能通过IT能力对商业模式创新的价值发现、价值创造和价值实现三个阶段产生积极影响,而且能直接促进商业模式创新,揭示了大数据对商业模式创新的影响机理。此外,部分学者开始探究基于大数据的商业模式创新路径。荆浩[20]认为,大数据时代的商业模式创新是围绕产品、过程、营销、组织四大目标的渐进式创新、创造性探索和商业模式变革。金郡等[21]基于案例研究,提出了大数据商业模式研究框架和现有制造企业商业模式创新矩阵,为制造企业商业模式创新提供了思路。综上,基于大数据的商业模式创新是企业顺应大数据时代以提升竞争优势的重要途径。

三、结论与研究展望

(一)结论

大数据是企业非常重要的异质性战略资源。学者们从不同角度探究了大数据思维特征,有助于提升企业对大数据的认知和理解。此外,大数据对企业战略决策有效性、运营效率提升及商业模式创新等起积极作用。当前基于竞争优势视角的大数据研究的方法主要是理论研究,其次是案例研究。大样本的实证研究还十分匮乏。总之,学术界对大数据理论研究要远落后于企业应用与实践。

(二)研究展望

企业如何将其异质性资源、行业特点、环境特点等与大数据资源动态整合是学术界未来研究的方向和重点。如何应用大数据进行战略决策、运营管理和商业模式创新,以提升竞争优势,是亟需解决的重要议题。虽然部分学者已进行初步研究,但尚未形成一套较为完整的、系统性的理论体系。基于竞争优势视角的大数据未来研究方向如下。

1. 大数据应用影响因素研究

大数据时代并不是所有企业都在积极应用大数据进行战略决策。决定企业选择应用大数据进行战略决策的影响因素,例如企业规模、所有制形式、管理层对大数据的认知等企业因素及国家政策、技术水平等宏观因素,将会是未来研究的重点,将为促进大数据应用的快速落地和广泛实践提供重要的理论性指导。

2. 大数据对管理层影响研究

大数据对管理层战略行为影响也值得研究。一方面,动态复杂的环境迫使管理层更加注重利用大数据进行市场和非市场战略整合,以快速应对环境变化。例如,如何与拥有大数据资源的政府建立合作伙伴关系,以获取更多、更廉价、更原始的数据资源。另一方面,随着大数据智能化决策水平不断提高,高管人员将会解放部分决策职能,会有更多时间关注政策导向、产业趋势等宏观环境变化,及时把握潜在机遇和应对各种挑战以提升企业竞争力。

3. 大数据对企业敏捷性影响研究

提升运营敏捷性是企业适应动态复杂环境的需要。实时更新、处理和分析大数据为企业运营过程中及时采取措施以应对环境变化提供了可能。因此,可以从动态能力视角探究如何利用大数据对企业资源和能力进行整合优化,以不断提升企业运营敏捷性,例如,如何基于大数据实现流程冗余诊断与优化、产品设计的虚拟化处理与分析、不同部门间的调配与协同等。此外,大数据对由企业、供应商、顾客、政府等利益相关者构成的商业生态系统的作用机理,以及基于大数据的企业生态系统优化和构建值得深入研究。

4. 大数据对商业模式创新作用研究

企业对大数据的深入挖掘和分析是实现商业模式创新的重要源泉。如何利用新一代信息技术,通过商业模式创新以实现大数据内在价值的商业化,是学术界未来研究的重点。此外,大数据催生了许多新商业模式。基于大数据商业模式创新的企业案例值得深入研究,以不断挖掘其理论和实践价值。特别是中国情景下对应用大数据企业研究,有利于本土理论的构建和发展,为基于大数据的商业模式创新提供一定的理论指导。

摘要：新一代信息技术促进了企业对大数据的应用。结合国内外学者研究,从竞争优势视角探讨了大数据思维特征及其对企业战略决策、运营管理及商业模式创新等影响,并提出了未来的研究方向。

大数据优势电子商务 篇8

在信息化技术高度发展的今天,大数据应用变得日渐普及而且非常重要。 鉴于传统关系型数据库在大数据应用领域应用时遇到的困难, 基于分布式的海量数据管理是当前的研究热点,这就包括如何有效地存储和处理这些增长迅速的海量数据。

一般而言大数据的数据规模可以达到PB级, 这就对存储空间和计算能力提出了很高的要求, 大数据存储的数据类型多,复杂度高。 大数据环境下,对数据存储的组织和管理提出了更高的要求。 本文在分析列存储技术和分布式存储系统HDFS局限性基础上,重点研究了数据存放结构,综述了各项关键技术当前的研究现状,分析了现有技术存在的问题,探讨如何使用列存储技术提升大数据存储和处理的性能以提升大数据查询的效率,并展望了未来研究的发展方向。

1.1 列存储方式

自SIGMOD85 会议论文A Decomposition Storage Model提出了DSM概念以来, 经历30 年的发展,在Stonebraker 、Abadi、Boncz等为首的一批数据库专家的大力提倡下, 列存储相关技术及应用得到了快速发展, 这种技术的特点是对复杂数据的查询效率高, 读取磁盘少, 存储空间占用少。 这些特点是其大数据和OLAP应用存储的理想结构。

列存储是相对于行存储而言的,列存储最核心的技术就是基于垂直分区的存储设计和访问模式。 列存储系统将数据库完全划分为多个独立的列的集合进行存储,图1 展示了行存储和列存储在物理存储设计上的本质区别,展示了3 种数据库的存储方式,其中图1(a) 和图1(b))是两种列存储的方式,每一列单独保存Sales表中的每个属性数据对象,图1(c)是行存储形式。

列存储数据库只需查询读取涉及关系中某些数据列,避免无关列的提取,不像行存储那样需要从磁盘读取整行信息并去除不需要的属性信息,从而减少I / O和内存带宽的占用,提高查询效率。 而且,同一列数据属性相同,可以使用针对性的压缩算法,因此压缩效率高。 C-Store和Monet DB是其中有影响力的代表性成果,它们在存储结构、查询优化、压缩等方面进行了很多技术创新,使得列存储相比较行存储而言更适合大规模的访问和查询。

1.2 列存储关键技术

1.2.1 压缩技术

Abadi D J在SIGMOD06 会议上提出列存储的主要压缩方法有:行程编码算法、词典编码算法、位向量编码算法。

(1)行程编码算法(Run-length Encoding-RLE)

行程编码算法用一个三元组记录数据值。 这个三元组记录包括数据出现的起始位置和持续长度( 即行程) ,目的在于压缩原始数据的长度,适用于相同数据连续存储的情况,三元组描述为( X,Y,Z) ,X表示数据的值,Y表示数据起始位置,Z表示长度。 举例而言假如在一个列中初始的50 个元素中包含值‘W’,则这50 个元素可以表示为三元组(‘W’, 1, 50)。

该技术适用于重复数据较多的数据列,具有较好的压缩效果,缺点是对列值的重复性及排序要求较高。

(2)词典编码算法(Dictionary Compression)

词典编码算法将原始值转换成替代值存储在系统中,所以会产生 “原始值-替代值”对照词典,替代值的长度大大小于原始值的长度,从而达到压缩存储空间的目的。 如图2 所示, 可以用简单的两位数字代替原始字符串, 从而缩短所需存储空间。

该算法对于数据类型要求较低,不要求数据排序,缺点是要创建词典表,维护成本高,如果数据重复性不高则词典表会过于庞大。

(3)位向量编码算法(Bit-Vector Encoding)

位向量编码是为每一个不同的取值生成一个位向量, 根据位向量(串)中不同的位置取值0 或1 来对应并确定不同的原始值。 位向量编码算法是轻量级的编码算法,可以直接在压缩数据上进行操作,可以降低CPU成本。 例如对以下的列存储数据:

3 1 1 3 2 2 3 1 3 2

可以表示为3 个字符串:

值为1的字符串:0110000100

值为2的字符串:0000110001

值为3的字符串:1001001010

该算法对数据类型要求不高,在有些情况下查询效率甚至高于词典编码,缺点是位置数据会因为取值空间的太大或者重复性低导致空间占用较大。

对于列存储主要应用的海量数据查询分析领域,有效压缩是一个十分重要的优势。

1.2.2 延时物化

延时物化的主要优点在于允许对压缩态的列存储数据进行高性能操作,具备高效的压缩传输数据开销,通过延迟元组物化,尽可能地进行元组物化,避免了不必要的实际数据传输开销。

元组物化是将常用元组从实际物理存储的状态生成为实体化的元组, 即物化存储在内存中。 在以后的查询中, 方便直接读取已物化元组, 从而提高查询效率。 物化有提前物化和延时物化两种,提前物化在提交查询之前物化元组; 延时物化是推迟物化元组时间, 在查询最后时刻物化元组。 对于列存储数据库而言, 提前物化需要解压压缩数据,时间和空间的开销都很大,而提前物化会涉及很多不必要的列。

Abadi D J在文献中, 详细介绍了两种物化方式的实验过程,证明延时物化许多性能上的潜力只有在列存储数据库中才能发挥。 Shrinival L等在文献中比较了提前物化和延时物化的优劣,在延时物化引入横向信息传递技术应用,有效解决了溢出连接产生的性能下降问题。

2列存储技术在大数据分析中的应用

2.1 大数据分析的存储

国际数据中心(IDC) 在2011 年的报告中定义了大数据:“ 大数据技术描述了一个技术和体系的新时代, 被设计于从大规模多样化的数据中通过高速捕获、发现和分析技术提取数据的价值。 ” 这个定义刻画了大数据的4 个显著特点, 即容量(Volume)、多样性(Variety)、速度(Velocity) 和价值(Value)。 大数据具有规模大、深度大、宽度大、处理时间短、硬件系统普通化和软件系统开源化的特点。

现有大数据处理技术主要有对称多处理机架构(SMP)和大规模并行处理架构(MPP)两大类。 在数据量极速增长的大数据背景下, 计算分布和存储分布的MPP架构成为主流。MapReduce分布式并行计算是MPP架构的代表。 Hadoop是MapReduce分布式计算框架的实现, 为大数据处理大型分布式集群, 通过分布式存储系统HDFS ( Hadoop Distributed File System)来管理海量数据。 如何在HDFS中设计一个高效的数据存储结构来组织大数据遇到了一系列的困难,而影响大数据查询分析性能的关键因素是能够满足充分利用MapReduce计算特性来处理大数据。

2.2 大数据分析中的数据存储

基于Hadoop系统的数据仓库中, 数据存储格式是影响数据仓库性能的一个重要因素, 它直接影响如何高效的存储、管理和使用这些数据。 在Hadoop运行环境中,数据的存储格式要满足以下几个特点:加载数据要快、数据查询处理要快、高效的数据存储空间利用率、适应高强度的动态负载模式。

对比图3 中行列存储方式的不同, 基于行存储的数据结构:优点是具备快速数据加载和动态负载的高适应能力,因为行存储保证了相同记录的所有域都在同一个集群节点;但是它不太满足快速的查询响应时间的要求,特别是在当查询仅仅针对所有列中的少数几列时,它就不能直接定位到所需列而跳过不需要的列,由于混合着不同数据值的列,行存储不易获得一个极高的压缩比,列存储不易获得一个较高的压缩比。

在面向列的文件存储结构中, 列A和列B存储在同一列组,而列C和列D分别存储在单独的列组。 这种结构使得在查询时能够直接读取需要的列而避免不必要列的读取,并且对于相似数据也可以有一个更好的压缩比。 但是它的缺点也很明显, 那就是由于元组重构的较高开销, 它并不能提供基于Hadoop系统的快速查询处理,也不能保证同一记录的所有列都存储在同一集群节点之上,也适应高度动态的数据负载模式。

基于行列混合存储的RCFile,如图4 所示,它既满足快速数据加载和动态负载高适应的需求,也解决了数据查询处理的瓶颈。 该存储结构遵循的是“先水平划分,再垂直划分”的设计理念。 先将数据按行水平划分为行组,这样一行的数据就可以保证存储在同一个集群节点; 然后在对行进行垂直划分。RCFile具备相当于行存储的数据加载速度和负载适应能力,在读数据时可以在扫描表格时避免不必要的列读取,它比其他结构拥有更好的性能,使用列维度的压缩能够有效提升存储空间利用率。

通过设计一个分布式文件存储格式(MapReduce Column-store File,MCF), 基于列存储的大数据分析系统物化策略, 在MapReduce分布式并行处理环境中结合列存储技术对物化策略进行优化执行。

在数据加载中,利用列存储的特点提出数据存储的协同定位策略来优化数据的存储,在数据加载过程中进行数据的预处理, 通过构建MapReduce早期物化策略、MapReduce延迟物化策略和MapReduce混合的物化策略,结合利用自适应物化集合调整策略避免物化集合的恶性膨胀。 通过实验证明,物化策略和自适应物化集合调整策略有效地减少了MapReduce过程的中间数据、网络带宽占用和不必要的I / O开销,较好地提高了大数据的分析效率。

3结语

通过本文研究发现,行存储结构在数据加载的效率上优于列存储,但数据压缩上的效率很低,不能有效地提高磁盘利用率。 列存储结构在数据压缩上有很好的压缩效果,因为跨数据节点访问使得数据加载及重构的时间较长,对系统I / O要求较高。 行列相结合的数据存储结构可以结合行存储的高效数据加载和列存储的高效数据压缩效果, 在大数据分布式系统中,行列数据存储结构极大地提高了大数据存储及处理性能,SAP HANA和HP VERTICAL等都是很好的商用系统的例子。

基于列存储的物化策略可以有效减少大数据调用过程中的中间数据和元组重构的开销, 减少网络带宽和I / 0 占用,极大提升大数据的查询效率。

同时发现在应用中应该着重于适用与不同数据类型的大数据压缩方法以及直接对压缩数据的直接访问及列存储的MapReduce连接索引技术的研究, 进一步优化大数据查询性能。

摘要：针对当前传统数据库技术对大数据进行分析时系统性能严重下降、查询效率受限的问题,本文研究分布式文件系统中数据读取关键技术。在分布式系统中,数据的存储结构直接影响着大数据的存储效率和处理性能,本文基于行列存储结构的特点,综合比较不同存储的模式在大数据应用中的优劣,展望未来研究与应用方向。

关键词：大数据,列存储,MapReduce

参考文献

[1]Copeland G P.A Decomposition Storage Model[J].Acm Sigmod Record1985,14(4):268-279.

[2]Abadi D.The Design and Implementation of Modern Column-Oriente Database Systems[J].Foundations and Trends Rin Databases,2012,5(3):197-280.

[3]Stonebraker M,et al.C-store:A Column-Oriented DBMS[C]//International Conference on VLDB,2005.

[4]Boncz P A,Zukowski M,Nes N J.MonetDB/X100:Hyper-Pipelining Query Execution[C]//Proceedings of CIDR,2005.

[5]Abadi D J,Madden S R,Hachem N.Column-stores VS Row-stores:How Different Are They Really?[C]//Proceedings of the ACM SIGMODInternational Conference on Management of Data,SIGMOD 2008,Vancouver,BC,Canada,June 10-12,2008:967-980.

[6]Abadi D J,et al.Materialization Strategies in a Column-Oriented DBMS[C]//IEEE 23rd International Conference,2007:466-475.

[7]Shrinivas L,Bodagala S,Varadarajan R,et al.Materialization Strategies in the Vertica Analytic Database:Lessons Learned[C]//2013 IEEE29th International Conference on Data Engineering(ICDE),2013:1196-1207.

[8]Gantz J,Reinsel D.Extracting Value from Chaos[R].IDC iView,2011:1-12.

[9]Dean J,Ghemawat S.MapReduce:Simplified Data Processing on Large Clusters[C]//Proceedings of Operating Systems Design and Implementation(OSDI),2004:107-113.

[10]White T.Hadoop:The Definitive Guide[M].New York,NY O'Reilly,2012.

[11]Borthakur D.The Hadoop Distributed File System:Architecture and Design[J].Hadoop Project Website,2007,11(11):1-10.

大数据优势电子商务 篇9

关键词：大数据,就业,创业,信息产业,云计算

一、哈尔滨大数据产业的发展背景

经过哈尔滨市发改委多年来尤其是“十二五”期间的产业布局与规划, 哈尔滨市已初步建成了独具特色的云计算产业体系, 吸引了中移动、浪潮、曙光等过亿元的重大云计算中心和超算中心项目落户哈南“中国云谷”, 而且哈尔滨规划数据产业的目标也是希望充分利用哈尔滨的气候、能源、人才以及地域优势, 把哈南工业新城打造成亚洲最大的数据中心, 这些已经取得的产业规划成就初步引领了哈尔滨未来高技术产业的发展方向, 也一定程度上缓解了居民尤其是本地高校毕业生的就业问题, 大量优秀人才留哈创业。

二、大数据产业的发展战略

近年来, 大数据技术及相应的基础研究已经成为科技界的研究热点, 大数据科学作为一个横跨信息科学、社会科学、网络科学、系统科学、心理学、经济学等诸多领域的新兴交叉学科正在逐步形成;同时, 大数据所蕴含的巨大的经济利益驱使IBM、Oracle、Microsoft、Google、Amazon、Facebook等巨型跨国企业不断扩大数据处理规模, 并在取得巨大收益的同时赢得了发展的先机;鉴于此, 美国奥巴马政府在2012年宣布投资2亿美元启动“大数据研发计划”, 这是继1993年的“信息高速公路”计划后的美国又一次重大科技发展部署。纵观国际科技界形势, 对大数据的研究与应用已引起包括欧盟在内的各国政府的高度重视, 并已成为重要的发展战略布局方向。

三、哈尔滨发展大数据产业促进创业就业的意义

十八届三中全会决定指出, 各地方政府要“健全促进就业创业体制机制……结合产业升级开发更多适合高校毕业生的就业岗位”。哈尔滨发展大数据产业不仅是提升哈尔滨产业结构, 促进哈尔滨智能城市建设的产业发展的重大战略布局, 也是通过优势产业的发展来解决城市失业问题, 促进高校毕业生创业和就业, 提高居民收入的民生发展契机。基于此, 系统研究哈尔滨发展大数据产业对促进创业就业, 提高居民收入的作用, 将对“十三五”期间哈尔滨发改委的产业布局战略规划的制定具有较为积极的意义。

四、产业分析框架与关键技术

针对这个大数据发展趋势与哈尔滨的实际特点, 现将哈尔滨发展大数据产业促进创业就业的框架与关键技术简述如下 (见图) 。

第一, 大数据产业优势分析。哈尔滨如何继续利用已有发展优势, 大力促进大数据产业相关技术的产学研合作, 将现有的哈尔滨在气候条件、能源条件、科技实力以及已有产业配置上的优势条件统一整合到发展大数据产业方面上来, 以实现大数据产业在云设施产业、移动产业、数据网络产业及数据挖掘与分析产业方面的优势。笔者初步认为应调动优势的高校研究资源, 构建顺畅的产学研沟通渠道, 鼓励相关产业的创业并提供政策及税费方面的优惠。

第二, 大数据产业的人力资本效应分析。哈尔滨地处北疆省份, 全年平均气温低, 且拥有丰富的煤炭、石油及俄罗斯天然气资源, 特别适合发展以高能耗为特点的大数据周边产业;更为重要的是, 哈尔滨还有较为突出的优质高等教育资源, 可为大数据产业提供智力支持。因此, 应重点研究哈尔滨发展大数据周边产业对创业、就业的拉动效应。

第三, 基于哈尔滨产业及就业数据的“投入-产出”建模与仿真研究。基于哈尔滨近年的就业及产业数据, 构建大数据周边产业的“投入-产出”计量模型, 并针对“十三五”的产业投入重点做相应的投入—产出仿真研究, 并就结果提出哈尔滨发展大数据产业促进创业就业以及提高居民收入的政策建议。

五、产业分析框架与关键技术

利用哈尔滨经济技术开发区及“中国云谷”现有的信息产业配套优势, 优先发展大数据周边产业, 重点孵化一批具有自主知识产权的大数据挖掘及应用企业并发挥其龙头作用, 带动哈尔滨的高校毕业生创业和就业, 这是哈尔滨继上世纪初中东铁路之后的又一个巨大发展机遇, 就这方面来说, 哈尔滨具有东部经济发达地区不具备的优势, 希望本文的分析能够为哈尔滨优结构、稳就业、促增长提供可资借鉴的参考。

参考文献

[1]李国杰.大数据研究的科学价值[J].中国计算机学会通讯.2012 (9) :8-15.

大数据时代电子商务用户信息保护 篇10

点评人:徐公社,男,1958年9月出生,联系方式18858142256,系浙江警察学院侦查系教授。

随着信息技术的突飞猛进和电子商务的日益发展,用户信息正日趋透明和公开化,用户为获得服务商的服务直接或间接地提供其相关个人信息,但对个人信息的流向与挖掘无法掌控。供需矛盾的出现及大数据电子商业的发展,使得了解用户信息的数据流向轨迹,切实增强信息安全可控性的呼声日益高涨。

“大数据”时代下个人信息的特点

“大数据”即Big Data,不仅仅指被处理对象的量级上的不断增长,更是对一种新的信息收集、处理、流通和应用模式的描述。大数据下的个人信息主要来源于以下四类。

(一)网络。电子商务网站、自媒体、社交网站以及各类政务平台都是大数据的主要来源,后台服务器相关人员可以利用这些数据针对性分析,体现用户偏好,反映市场需求,如淘宝移动客户端中的“猜你喜欢”等电子商务平台提供的商品推荐服务。国外如网飞(Netflix)和脸谱(Facebook)等互联网企业,较早就利用用户遗留在网络上的数据痕迹(Digital Traces)分析用户需求。

(二)智能移动终端。手机中各类APP应用软件。根据猎云网出具的一份关于各应用商店中40款最常用APP的测试报告显示:97.44%的软件要求读取“读取手机状态和ID”。要求用户必须允许该应用获取“大概位置(基于网络),精确(GPS)位置”的占69.23%。此外利用智能手机、平板电脑、导航仪等移动互联网终端设备搜索相关信息,可以有效的提高服务质量方便管理,比如交通监控和打车服务。

(三)物联网终端。信息传感设备以及嵌入物体内中的RFID,对所处环境感应不断地产生数据信息。

可见随着信息时代的发展,尤其是云计算、物联网、移动互联网等新一代信息技术的普及,个人信息的多元性、流动性、可交易性等特点更为明显,个人信息的商业价值不断提升,个人信息成为了一种重要的资源。国内有企业家意识到数据的战略价值,例如2012年9月9日,马云在“电商大会”闭幕演讲中提到,阿里巴巴的三个发展阶段是:平台、金融、数据。个人信息数据的可交易性可见一斑。从事这方面研究的学者表示,个人信息有财产化的趋势,时代赋予了个人信息生产要素的属性,其供需矛盾也在逐步扩大,无法单一地用技术或法律处理某一环节的问题,研究个人信息在传递过程尤其是电子商务中各个环节的总体规制,显得尤为重要。

个人信息的泄露环节可能性研究

2009年3月15日,中央电视台3·15晚会曝光某科技网关于盗窃个人信息的案件,这个海量信息科技网出售的信息包含姓名、手机号码、身份证号码等等个人信息。这些信息被不法分子利用后,大到破解账号密码盗取银行存款,小到分析个人消费趋向投放垃圾邮件短信。笔者上网以“12306订票身份被盗用”为关键字搜寻到近57500条有关信息,当事人大都不知晓身份信息是如何泄露的。2013年12月29日,12306网站在当日上午10点至11点瘫痪1小时,同日下午3点左右,网站出现大规模“串号”事故,用户只要登录自己的账号,就可以看到大量其他订票旅客的个人信息。相同性质的事件在笔者身边时有发生,不少同学都陆续在参加司法考试的报班辅导,除了接收到相应培训机构的教学视频资料外还夹杂着各类名牌高校的研究生报名咨询,更有甚者在打开到“司考资料”中木马病毒,此类事件影响到了我们正常的学习生活。显而易见,个人信息泄露已成为我国近年来泄密事件的重灾区。而大学生社交领域范围又极广,涉及游戏、购物、邮箱、网上银行、手机、住宿、出国等多个领域。个人信息泄露具有危害性与破坏性,对个人信息保护已刻不容缓。

笔者分析实际,结合警院学生素质高,法制意识更为完善的特点,试图了解大学生对于网络隐私又了解多少,关注程度如何,为提高在校大学生个人信息防范意识提供一些参考。

本次调研主要采取问卷调查的形式,问卷随机发放在各个年级,让其填写。本调研首先对个人信息保护,个人数据隐私规制等相关文献进行梳理总结。厘清国内外研究视角、范围以及当下热点领域。通过大学生个人信息泄露溯源、防止大学生个人信息泄露、个人信息泄露后的举报机制的研究,探究规则给裸露的个人信息罩上政策的保护膜,让个人信息不会因电子商务而受到伤害,这是我们本次认证研究探讨的目的。

本次调查历时一个月,共发问卷300份,回收有效问卷270份,回收率达90%,其中在线问卷174份,线下问卷96份。

其中男性172人,女性98人,考虑到警校女生比例较少有意侧重女生投放问卷,回收的有效问卷为2:1,采用分层抽样的方法进行数据分析;从年龄结构来看,高年龄段学生缺乏填写问卷的积极性,总体上控制比例适当。详细构成见表1。

(一)残留于快递单上个人信息

笔者留意到日常领取快递后,在垃圾房附近都有成片包装袋,就是这样一个不经意的细节,会留下姓名、电话、住址、所购物件等信息。

当被问到是否会撕毁随快递包装盒一起扔掉的快递单时,有51.72%的学生对包装盒上不做处理,有两名受访者选择涂去姓名电话,1名选择直接扔到垃圾厂,2名受访者撕下留做购物凭证,有3人没有注意到包装盒的快递单上的个人信息。可见我们正是我们自己忽略了销毁遗留在包装盒上快递单的信息,从而导致大部分人的个人信息在无意中外泄。在此方面上,我们消费者应当留个心眼,提高个人信息保护的重视程度,避免自身利益受到不必要的伤害。

(二)手机APP读取个人信息

International Mobile Equipment Identity,简称IMEI,也叫移动设备国际识别码,是区别移动设备的标识储存在移动设备中,可用于监控被窃或无效的移动设备。前段时间报道的某女士照片被不法分子利用后肖像权与名誉权受损,追其原因归咎于微信默认的陌生人查看前十张照片。那么我们大学生是否会意识到要取消手机上众多APP应用上免费服务附带的授权条款,还是为了获得其他附属功能或者各种优惠及便利,听之任之。

在174个有效样本中,有45.98%的大学生会有意识地关闭除基本功能外的其他访问权限,33.33%的同学偶尔会关注到应该显示APP访问权限,15.52%的大学生仅会在影响自己手机使用时关注有关事项,5.17%的从没有注意过。这说明平时同学们在日常使用APP时会关注个人信息的保护。就此问题笔者向计算机专业有关老师提出疑问,我们在使用APP应用软件时取消这些权限是否能起到杜绝个人信息泄露的目的。

经访谈了解到,大众使用手机APP时的信息搜集者主要是APP拥有者、应用商店以及一些手机制造商,他们对于隐私保护往往提醒隐晦,措辞模糊,且信息安全的保护也需要资金与技术的投入,期望他们显然是无力的。在我们知道自己的信息被他们收集的情况下,是否泄露给第三方存在很大的不确定性。谈及大学生如何提高APP的个人信息安全意识的问题时,计算机专业老师也表示服务商和用户都需要重视起来,厂家要融入个人信息防盗用的插件,在系统设计和服务过程中考虑用户隐私安全性,我们应慎重在网络环境下公开个人信息。

个人信息保护,我们应该做什么

当下大众普遍希望提高个人信息安全保护意识,了解有关隐私保护的技能。在信息时代的背景下,面对电子商务的高速发展。如何采取针对性措施,做好网络信息保护工作,促进我国网络经济健康持续发展具有重要意义,我们可以从以下几个角度思考。

(一)加强行业自律与监督,开发隐私保护技术创新

信息技术的快速发展带来了海量个人信息搜集、存储和处理,对个人信息保护的监督难度大,技术要求与成本高,是导致政府失灵主要原因,行业自律和第三方组织的补充是很好的补充。

借鉴国外经验,我们国家也可以建立第三方网络隐私认证机构的方式,对商家或者网站的隐私声明、个人信息保护及时、信息监管等进行评估,并对外公布结构。当下中国正处简政放权的热潮之中,可以考虑如何引导和培养第三方组织发展,以有效形成对个人信息产品交易的强大约束力。

(二)深入国人隐私观念研究,全面监管网络信息保护

大部分人对于手机搜集个人位置信息对的事不以为然,而说起以美国国家安全局前承包商爱德华•斯诺登提供的文件为源头的斯诺登事件大家对此开始关注。尤其对于实施手机卡实名制的中国,位置信息的搜集相当于被全程跟踪和监控。

个人信息保护是政府部门的管理职责,但是我国缺少一个从整体上统筹管理个人信息保护工作的专门机构。与我国形成鲜明对比的是,众多国家和组织在这一方面早已设立了具体的机构来负责保护消费者信息和企业信息安全的职责。

网络世界的虚拟性满足了网民畅所欲言表达自我的心理需求,为了明确各主体在网络空间的权利和责任,在具体实施过程中则需要确定现实世界中的对应主体,组建网络信息保护的监管机构将极大提升个人信息产品交易规范力度及个人信息隐私权益保护力度,建设有关网络信息保护体系已经刻不容缓。

(三)加强现有公安队伍的建设,培养电子证据挖掘人才

大数据时代背景下,信息的高速流通导致了信息泄露风险的大大增加,而信息泄露,首先轻则损害公民人生权利,重者引发刑事犯罪,威胁社会和谐与稳定。随着互联网和计算机在全世界的广泛应用,对规范实施计算机调查取证的需求也日益增加。在关于电子商务的犯罪中,计算机可以被用作犯罪工具,这样犯罪活动就可能被记录在计算机中。公安机关,肩负着维护社会长治久安的重任,在刑事诉讼法修改后的今天,如何利用电子证据协助进行侦查破案,是一个值得思考的问题。

首先,电子证据的证明力需要严格审查,这对侦查人员来说,要改良传统侦查模式,彻底消除过去不当侦查手段对思维的束缚。电子证据的收集,关乎犯罪嫌疑人的合法权益,关乎维护社会的公平正义。收集电子证据,是一项艰巨且必要的任务。

其次,公安机关要充分利用各种信息传播渠道,搭建各种平台实现数据整合共享。结合现实实际,数据的拥有量直接关系到数据的有效性。目前各种信息网站都拥有自己的数据平台。数据的整合,促进了预警机制的构建,增强了对各类犯罪的打击力度。信息流通的减弱,同时导致了因信息泄露造成的犯罪问题的缓解。

大数据优势电子商务 篇11

关键词：大数据时代,电子商务,服务模式,创新

云时代的来临, 使大数据吸引了越来越多人的注意。大数据作为一种信息资产, 其重点是能够将庞大的, 含有意义的大批量数据进行专业化处理, 从而将数据加工实现数据的增值。大数据必须依托于云计算的分布式处理、分布式数据库和云存储、虚拟化技术进行数据的挖掘和处理, 无法用单台计算机处理。大数据时代的来临, 不仅给很多行业提供了市场和运营分析的资料, 还对电子商务的服务模式带来了革新。现如今, 随着我国电子商务体系发展的日渐成熟, 大数据已经成为影响到电子商务发展的关键模式, 如何在大数据时代背景下, 完成电子商务服务模式的革新, 已经成为电子商务企业和我国电子商务领域发展的关键之一。

一、大数据时代电子商务发展特点

大数据时代的来临, 对电子商务最直接的影响就是帮助电子商务企业实现了数据与企业运营的结合, 利用大数据的数据分析技术, 能够让电子商务企业更加精准的找到靶向客户, 从而为电商企业提供了消费模式的基础。利用大数据技术, 电子商务企业还能够开发出更符合用户需求的产品和服务界面, 从而提高其市场竞争力和服务质量。具体分析来说, 大数据时代电子商务发展主要有以下几种特点。

(一) 数据化运营

电子商务企业相比于传统企业, 其主要的商业活动在互联网上开展。这种商业活动开展模式, 意味着电子商务企业用常规的手段很难对互联网上的用户数据和商业数据进行分析, 这无疑影响了电子商务企业的运营和发展。大数据技术在电子商务中的应用, 为企业提供了呈现经营所有环节的工具, 使电子商务企业在经营中包括采购数据、中期营销和后期财务核算都能够更加精准直观的得到表现, 帮助企业实现了对各关键业务节点的优化。这种对业务节点的优化, 不仅能够使企业网站的服务模板更加符合用户使用习惯, 而且还能够提高企业的交易量, 并帮助企业更加准确的把握市场发展方向, 制定相关的发展策略。

(二) 行业应用垂直整合

电子商务相比于传统的商业模式, 缩短了产品生产商和用户之间的距离, 使得用户可以直接从厂家购买产品或服务, 避免了对中间流通环节的成本支出。大数据时代的来临, 使电子商务这一特点更加突出。大数据时代的来临, 使电商企业更容易、更方便的与供应链上下游的信息和资源进行共享, 模糊了企业之间的过渡界限, 这使得企业能够以一线用户为目标, 对产品进行最有效直接的改良和改进, 最直接的满足用户的使用需求。大数据技术的出现, 使电子商务行业应用垂直性得到进一步体现, 使产业价值链中, 谁最接近客户, 谁的生存空间就越大, 提高了电子商务整个行业的透明度, 促进了电子商务行业的良性发展。

(三) 数据资产化

现如今, 信息已经成为一种资产, 特别是在大数据技术应用日渐普遍的时代, 这一特点更是尤为明显。大数据时代的来临, 催生出很多关于数据的业务, 包括分析业务、众包模式等, 这些为互联网市场的发展做出了巨大的贡献。有学者甚至认为, 大数据将变成互联网电子商务领域中的第一大产业, 改变整个互联网产业的格局。数据的资产化帮助电子商务实现了发展的科学化和理性化, 大数据不仅对互联网电子商务领域有所冲击, 甚至还会影响到经济实体的运营和发展。

二、大数据时代电子商务服务模式的革新

我国电子商务在经历一段时间的混乱后, 日前已经比较成熟和理性。电子商务服务, 其最重要的就是满足客户的需求, 并依此来获取企业经营和发展的空间。大数据时代的来临, 给电子商务企业实现这一目的提供了工具, 电子商务企业只有进一步创新, 实现对电子商务服务模式的进一步革新, 才能在日益变化的市场行业竞争中得到发展机遇。大数据时代给电子商务服务模式带来的变化, 主要体现在以下几方面。

(一) 更加准确的信息检索

互联网作为一个公共信息分享平台, 其上有着海量的、包罗万象的信息, 消费者在网上购买商品或服务时, 运用检索是最常用的一种方式。大数据技术的应用, 提高了用户信息检索的精准性, 让用户更容易在海量的信息资源中找到自己需要的信息。电子商务企业在这一变化中, 一定要进行业务创新, 以更加精准的产品和服务定位, 对产品进行细致化的区分和细分, 以使消费者在互联网上浏览时能够精准定位到自己的产品, 节省消费者信息检索的时间。而消费者信息检索效率的提高, 无异于为电商企业的产品提高了访问流量, 从而能够使产品被更多的人所关注, 并达成更多的销售意向, 提高其销售量。

(二) 降低商品流通交易成本

电子商务的到来使得人们不再受到空间、时间的约束, 也不会有传统购物时的诸多限制, 可以随时随地地进行网上购物, 对于商家来说也可以在单位时间内接触到更多的消费者。网络将世界变成了“地球村”, 一个商家可以面对全球的消费者。面对不同地区、不同类别的消费者, 商家可以通过收集用户信息进行数据分析, 从而更快地找到匹配买家, 大大减少了商品流通的中间环节, 降低了商品流通的成本, 减少了不必要的生产浪费。商业流通交易成本的降低, 是电子商务能够得到飞速发展的基础。

(三) 保障信息安全的云存储服务

大数据时代的来临, 使电商企业需要存储和处理的信息量越来越大。传统的存储方法已经不能满足电商企业的存储需求, 而云存储的发展, 则为电商企业提供了更加安全的储存空间。为了满足客户的储存需求, 很多科技公司推出了云存储功能, 云存储功能以其超大容量, 高效率的信息调用效率和高安全性, 受到电商企业和个人的欢迎, 这同样是大数据技术给互联网电商企业带来的服务模式革新之一。

综上所述, 大数据时代的来临, 给电子商务服务带来了技术上和市场上的双重革新, 在大数据技术影响越来越深远的今天, 电商企业一定要抓住发展机遇, 以创新的精神和发展的角度迎接大数据时代的来临, 使企业在大数据时代获取更大的发展空间。

参考文献

[1]冯芷艳, 郭迅华, 曾大军, 陈煜波, 陈国青.大数据背景下商务管理研究若干前沿课题[J].管理科学学报, 2013 (01) .