大数据时代来临

大数据时代来临（通用11篇）

大数据时代来临 篇1

出版社:中信出版社

出版时间:2014-02-01

ISBN:9787508643977

所属分类:

图书>政治/军事>公共管理

现在, 人类社会已经进入了一个全新的历史阶段——大数据时代。人成为一切数据足迹的总和, 人们的一切行为都以数据的形式被记录、被储存、被处理。

作为最大的数据占有者, 政府掌握着社会方方面面的数据, 但各部门间的数据没有进行高效整合, 给政府管理和民众生活带来了极大不便。

十八届三中全会将“推进国家治理的体系和治理能力现代化”列为全面深化改革的总目标。而如何达成目标, 《智慧政府:大数据治国时代的来临》给出了符合时代发展的答案。本书首次将大数据与国家治理紧密结合, 主张政府管理者应该具备大数据思维。通过对数据的整理与分析, 政府管理者可预测民众的下一步公共服务需求, 进而提供更加智能与高效率的管理和服务, 促进国家和社会发展。

《智慧政府:大数据治国时代的来临》认为, 大数据不仅是一种海量的数据状态及其相应的数据处理技术, 更是一种思维方式、一项重要的基础设施、一个影响整个国家和社会运行的基础性社会制度。它是治理交通拥堵、雾霾、看病难、食品安全等“城市病”的利器, 更将为政府打开了解社情民意的政策窗口, 打造平台的政府、服务导向的政府、开放的政府, 即智慧政府。本书更在论述西方发达国家实施大数据战略的相关经验的同时, 介绍了大量发展中国家的有效做法, 更引入了网格化社会管理等具有中国特色的本土实践, 使本书更具可操作性和借鉴意义。

作者指出, 大数据并不仅是一场技术变革, 更意味着一场社会变革, 而这种社会变革又伴随并呼唤着公共管理与公共服务领域的变革。

大数据治国时代已悄然来临, 一场改变世界格局和人类生活的大数据变革即将引爆。

大数据时代来临 篇2

互联网大数据时代的到来，已成为人们不可阻挡的趋势。我们进入以“互联网+”为代表的信息时代，信息化已经成为全球性、全局性、战略性的变革力量，正在深刻影响着经济、政治、军事、文化和社会等各个方面，深刻改变着人们的生产生活方式，也在推动着区域发展和行业竞争格局发生重大变化。信息时代所带来的一切重要变革，不仅来自于技术创新，更源自理念创新。从某种程度来说，没有共享，就没有互联网，海量数据只有在共享的前提下，才能够称之为大数据。只有以共享理念为引领，并将其贯穿到质检工作的各领域和全过程，善于用信息技术和互联网思维指导质检改革发展，才能给质检事业插上腾飞的翅膀，让质检工作始终适应形势变化、走在时代前列。

大数据的价值不仅在于数据本身，而在于数据所反映问题的真实性和科学性，采集和存储大量数据，只是大数据应用的第一个阶段，对所占有的数据进行深入分析，实现开发利用，从中发现新知识、创造新价值、提升新能力，取得实实在在的工作成效，才能够真正实现数据的价值。在掌握海量数据，实现互联互通的同时，我们应针对事业发展的具体需求，认真思考探索，如何才能最大程度地实现大数据的有效利用，使之能够为决策提供依据，为风险提供预警，为公众提供服务，真正成为破解改革难题，促进事业发展，助力转型升级，提高决策水平的尖兵利器。在以后的工作中快速有效地发挥互联网大数据对质检事业发展的推动作用。

互联网大数据时代的到来同时也为我们的生活带来了巨大的改变，大数据是如何影响我们的生活，简单的说，它会让我们的生活更加困难或者更加容易取决于你是否拥有分析大数据的技术。毫无疑问要想在大数据中理出头绪不是一件容易的事情，如果不具备分析数据的能力，大数据会让我们的生活、工作更加困难。例如每逢“双十一”，“剁手党”都面临痛苦的抉择：打折的商品实在太多，买什么才好呢？最终一不小心，信用卡刷爆，买了一大堆自己不需要的商品，只得含泪吃半年的“康师傅”。但是更多的时候，大数据会让我们的生活变得容易，因为科技的发展比数据的积累更迅速，过去几年已经发明了许多分析数据、处理数据的方法，这些方法已经为我们服务。

毫无疑问大数据正在改变着我们的生活。过去几年无论是医疗、健康、交通、公共安全，还是生活、购物、旅游、娱乐都已经逐渐建立起了大数据的分析系统，无论是国家还是企业对大数据的投入都数以亿计。大数据的应用也从早期的数据密集型行业(例如电信、金融、能源、科研、互联网)，逐步向非数据密集型行业扩张。一个路边的奶茶店需要大数据吗？当然需要。借助微信平台，只需要扫一扫二维码，奶茶店就会获得粉丝的关注。有了这些数据不仅可以开展打折促销，还可以通过互动了解用户口味，推出新品。

迎接生物大数据时代的来临 篇3

我国生物大数据还处于发展的初期阶段，发达国家在生物大数据领域的技术和应用远远领先于我国。美国政府在2014财年已就充分利用生物医学大数据，启动了Big Data to Knowledge计划，这是继2012年美国国家大数据计划实施后新一轮面向生物大数据的基础研究计划。如何以最快的速度赶上先进国家生物大数据技术的发展，如何从国家主权层面对生物大数据进行有效的保护和管理，如何在基础研究和技术市场应用上与世界同步，已成为不可回避且应当深入思考的问题。

我国生物大数据技术与发达国家差距较大

高通量测序技术的快速发展，使生命科学研究获得了强大的数据产生能力。

20世纪90年代，科学家花费10年时间、近30亿美元才获得第一个人类基因组图谱；而今天，完成一个个人基因组测序不到一天时间，费用低于1000美元。

自人类基因组计划完成以来，以美国为代表的世界主要发达国家纷纷启动了生命科学基础研究计划，如国际千人基因组计划、DNA百科全书计划、英国10万人基因组计划等。这些计划使得生物数据呈现爆炸式增长趋势。随着测序技术在医疗、健康、医药、环境、能源等相关领域的广泛应用，人类将面临生物数据的汪洋大海，而这些将成为相关领域创新的源泉。目前，全球每年产生的生物数据总量已达EB级，生命科学在某种程度上已经成为大数据科学。对这些数据创新性的管理和应用，将为生命科学及相关产业领域带来一次新的革命。

与全球来势汹涌的生物大数据创新发展热潮相比，我国的研发及应用才刚刚开始，与国际前沿技术水平至少相差30年，差距主要表现在数据分析、数据管理和与临床的应用对接上。有关人士认为，我国在四大方面非常欠缺：其一，国内现有的生物大数据分析能力虽然与欧美相差不大，但是在数据分析构架、软件系统与先进的IT技术接轨上有待提升。其二，国外在生物大数据领域的领先人才多，尽管我国也有国际顶级刊物上发表的论文和成果，但总体而言，国内高水准团队还比较少。其三，欧美讲求成果应用，层出不穷的分析软件可被实验室、临床、产业多方应用。其四，在生物大数据理论研究、标准制定和广泛应用上，中国都亟待全面跟进。

对生物大数据应用的市场和资源的激烈争夺

为了对生物大数据进行有效管理和利用，发达国家很早就开始了竞争。早在20世纪80—90年代，美国、欧洲和日本即已分别建立起世界三大生物数据中心：美国国家生物技术信息中心（NCBI）、欧洲生物信息研究所（EBI）和日本DNA数据库（DDBJ）。这三大生物数据中心掌握和管理着全世界的生物数据和知识资源，并处于垄断地位。

美国国立卫生研究院（NIH）建立了八个国家级生物数据技术研究中心，旨在长期发展生物大数据分析技术，提高生物大数据利用和转化能力，并保持其领先地位。美国政府于近两年两次启动生物大数据研究计划，目的是有针对性地研究生物大数据管理、分析、共享等生物领域迫切需要的核心技术，从根本上提升美国利用生物大数据的水平，并以此带动生物领域研究与产业 发展。

在商业领域，生物大数据的应用市场也纷纷涌现。目前，一些公司已开始提供生物大数据服务。例如，谷歌投资DNANexus公司，提供生物大数据管理和分析服务，并于2011年接管NCBI数据；早在2006年，23AndMe公司就开始提供个人基因组数据分析服务，目前受益者总数已超过50万人；英国卫生部于2013年专门建立了Gel公司，管理和分析英国10万人基因组计划产生的基因组数据。

BCC报告指出：“至2018年，生物大数据的市场总额将增长至76亿美元，年复合增长率达到71.6%。”麦肯锡公司报告指出：“如果美国医疗保健行业有效利用大数据，就能把成本降低8%左右，从而每年创造出超过3000亿美元的产值。”

必须掌控我国生物大数据主权

对于国家而言，重要领域的大数据已成为战略资源，拥有数据的规模和运用数据的能力将成为一个国家综合国力的重要标志。

我国人口为世界第一，生物样本资源丰富，这将使我国很快成为生物数据产出大国，但重要的是，我们应当成为利用生物大数据的强国。国际上生物数据资源一直由欧美的几大数据中心掌握，我国产生的许多生物数据资源不得不提交给这些数据中心，导致我国投入大量资金与人力产生的生物数据严重流失。

在生物大数据领域，我国缺乏国家层面的对生物大数据进行有效管理与利用的体制、机制和环境，这已经使中国的生物数据主权受到严重威胁。现在国际上的三大生物数据中心都是欧美从国家层面建立的，并免费向国际开放。我国的相关科学研究和市场应用发展受益于这些数据中心，同时也严重依赖和受制于此。

我国尚未建立面向生物大数据技术发展的国家级技术研究中心，技术研发缺乏宏观规划和引导，技术产出较少，难以建立完善的生物大数据技术体系，不能满足生物大数据发展面临的数据管理和服务需求。同时，人才缺口较大。

大数据的使用已经成为一个国家各领域提高生产力、创新能力以及竞争力的关键要素。

生物大数据是国家战略资源，对生物大数据资源的管理和利用应上升为国家意志，并考虑实施如下措施：建立国家生物大数据中心，保障我国数字主权，统一管理和合理利用国家生物大数据战略资源；通过国家科技政策，集中突破生物大数据核心技术，形成自主关键技术与系统产品，打破美欧技术限制；以现有优势学术和技术资源为基础，建立国家级生物大数据研究机构，提升我国生物大数据技术和服务水平，并培养专业的生物大数据人才；强调应用需求牵引和政策支持，以加快生物大数据产业的全面发展。

（作者系本刊特约撰稿人）

大数据时代来临,你准备好没有? 篇4

“大数据”是继“物联网”和“云计算”后IT业界最炙手可热的新名词。大家都在谈论大数据, 大家都想用好大数据。但你真的了解大数据吗?当前的行业状况又是怎样?

什么是大数据?

当你开着车对着“语音助手”说:“我要在附近找一家最罗曼蒂克的餐厅。”之后, 短短一两秒就能得到您满意的答案时。其背后向您提供服务所涉及到的定位、资料检索、存取、数据交换等一系列动作是何等的复杂。而这一系列动作正是由“大数据”所支撑。

大数据目前仍未有统一的定义, 通常被认为是一种数据量很大、数据形式多样化的非结构化数据。

这里有几个名词需要解释一下, 结构化数据、半结构化数据和非结构化数据。结构化数据可以在关系数据库中找到, 多年来一直主导着IT应用;半结构化数据包括电子邮件、文字处理文件以及大量发布在网络上的新闻等, 以内容为基础, 这也是谷歌和百度存在的理由;而非结构化数据广泛存在于社交网络、物联网、电子商务之中。伴随着社交网络、移动计算和传感器等新技术不断产生, 有报告称, 超过85%的数据属于非结构化数据。

大数据技术则可以理解为从各种各样类型的海量数据中, 快速获得有价值信息的能力。掌握大数据技术, 应用大数据技术会带来巨大的商业成功。这也就是Facebook、谷歌、苹果、亚马逊等巨头正在成为大数据的拥有者和使用者的原因。

大数据特点有四个层面:第一, 数据容量大, 现在数据单位已经跃升至ZB级别;第二, 数据种类多, 主要来自业务系统, 例如社交网络、电子商务和物联网应用等;第三, 价值密度低。以视频为例, 连续不间断监控过程中, 可能有用的数据仅仅为一两秒。第四, 处理速度快, 时效性要求高, 从传统的事务性数据到实时或准实时数据, 这一点也是和传统的数据挖掘技术有着本质的不同。

大数据有多大?

物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器, 无一不是数据来源或者承载的方式。

从下面一组数据可以说明大数据到底有多大?

◆每1秒钟, 会有60张Instagram照片被上传

◆每1分钟, 会有60小时视频被上传到Youtube

◆每1天里, 搜索引擎产生的日志数量是35T

◆每1天里, 在Twitter上会产生1.9亿条微博

◆每1天里, 在Twitter上会产生3.4亿的消息

◆每1天里, 在Facebook有40亿的信息扩散

◆自人类有史以来我们所产生的信息量为5艾字节 (50亿GB)

◆过去3年产生的数据量比以往4万年的数据还多

◆2010年, 全球数据量已达1.2ZB, 到2020年将暴增30倍达35ZB

◆2011年, 中国互联网行业持有数据总量达到1.9EB (1EB艾字节相当于10亿GB)

◆2011年, 全球被创建和复制数据总量为1.8ZB (1.8万亿GB)

◆2015年, 全球被创建和复制数据总量增长到8.2EB以上;

◆2020年, 全球电子设备存储的数据将暴增30倍, 达到35ZB或以上。

大数据技术是怎样发展起来的?

“数据海量、信息缺乏”是相当多企业在数据大集中之后面临的尴尬问题。目前, 大多数事物型数据库仅实现了数据录入、查询和统计等较低层次的功能, 无法发现数据中存在的有用信息, 更无法进一步通过数据分析发现更高的价值。如果能够对这些数据进行分析, 探寻其数据模式及特征, 进而发现某个客户、群体或组织的兴趣和行为规律, 专业人员就可以预测到未来可能发生的变化趋势。这样的数据挖掘过程, 将极大拓展企业核心竞争力。例如, 在网上购物时遇到的提示“浏览了该商品的人还浏览了如下商品”, 这就是在对大量的购买者“行为轨迹”数据进行记录和挖掘分析的基础上, 捕捉总结购买者共性习惯行为, 并针对性地利用每一次购买机会而推出的销售策略。通过掌握大量企业本身和外部的数据, 来揭示企业未来的发展方向, 预测统计数据和采集其他具有可行性的信息, 以便帮助企业做出下一步行动的决策。这就是大数据蕴含的商业价值。

大数据兴起的原因有以下三点:一是计算能力可用更低的成本获得, 且各类系统如今已能够执行多任务处理。二是内存的成本也在直线下降, 企业可以在内存中处理比以往更多的数据。三是把计算机聚合成服务器集群越来越简单。

也有人怀疑大数据存在炒作成份, 但不能忽视越来越多的企业因为应用大数据技术而获得收益。

谁正在使用大数据?

当你仍然在把微博等社交平台当作抒情或者发议论的工具时, 华尔街的敛财高手们却正在挖掘这些互联网的“数据财富”, 先人一步用其预判市场走势, 而且取得了不俗的收益。数据在他们手上变成一种全新的致富手段, 它的价值堪比石油和黄金。

例如:

◆华尔街根据民众情绪抛售股票;

◆对冲基金依据购物网站的顾客评论, 分析企业产品销售状况;

◆银行根据求职网站的岗位数量, 推断就业率;

◆投资机构搜集并分析上市企业声明, 从中寻找破产的蛛丝马迹;

◆美国疾病控制和预防中心依据网民搜索, 分析全球范围内流感等病疫的传播状况;

◆美国总统奥巴马的竞选团队依据选民的微博, 实时分析选民对总统竞选人的喜好。

2010年时, 大数据技术的一些主要用户是大型Web企业, 例如Facebook和雅虎, 它们需要分析点击流数据。但是今天, 大数据技术已经超出了Web, 要是有大量数据需要处理的企业都有可能用到它。例如银行、公用事业机构、情报部门等都在搭乘大数据这辆车。还有就是受社交媒体推动而需要创建相应Web服务的企业。它们对于大数据项目的贡献非常重要。

而在其他垂直行业中, 有些企业正在意识到, 它们基于信息服务的价值定位要比它们先前想象的要大得多, 所以大数据技术很快就吸引了这些企业的注意。再加上硬件和软件成本的下降, 这些企业发现它们已经处在了一场企业大转型机遇的完美风暴中。

纽约的TRA公司是专门帮助电视广告主们评测其所投放的电视广告的效果的, 它会把某个家庭通过电视与DVR (数字录像机) 所接收到的广告与其在零售商店的账单相比对。该公司从有线电视公司的DVR以及一些日用品商店的会员卡计划中搜集数据, 来进行这种比对。TRA的大数据系统所处理的数据量代表着170万个家庭以秒计的观看习惯, 如此庞大的任务量如果没有大数据技术几乎无法完成。该公司部署了Kognitia的WX2数据库, 该数据库允许它快速地装载、描述和分析数据, 从DVR上收集细粒度的广告观看信息, 继而与销售点的详细数据进行比对, 再生成定制报告。Kognitia有一个内存运行的解决方案, TRA公司现有整个数据库的一半都可以放在内存里。当需要运行一个查询时, 响应时间是秒级而非小时级或日级的。对TRA公司而言, 大数据技术可能会给全美700亿美元的电视广告市场带来革命性的变化。传统的广告评测方法顶多只能在全国2万个样本家庭中安装特制的机顶盒来分析抽样数据。而今天, 大数据技术则可以分析来自250万台DVR和机顶盒的实际数据。

公用事业行业也在刚刚开始了解到大数据所带来的应用及其价值。美国中西部的一家电力公司利用Hadoop分析来自智能电表的数据, 这些智能电表可以自动完成计费功能, 但是该公司还收集输电线路上任意的电流波动信息。如果收集到这些信息并且能够描绘出电流变化图, 那么电力公司就可以在某个地方的变压器可能出现故障之前找到它, 或者当发生停电事故时, 会引起电流的波动, 公司就可以探测到波动之处, 在用户打电话求助之前就采取行动。

新创于2009年的Bloom Reach公司, 拥有世界上第一个网页关联引擎, 此项技术可利用海量数据, 机器学习, 和大规模系统科学去匹配相关产品和服务给合适的消费者, 为用户获得更大的访问流量, 带来更多的盈利空间。

大数据的风险

凡事有利必有弊, “大数据”本身也存在一些风险。统计学家和计算机科学家指出, 大数据的集合和高密度的测量将令“错误发现”的风险增长。斯坦福大学的统计学教授特来沃尔-哈斯迪 (Trevor Hastie) 称, 如果想要在庞大的数据“干草垛”中找到一根有意义的“针”, 那么所将面临的问题就是“那么多的稻草看起来就像是针一样”。

数据聚合和大数据分析, 是保证企业的营销情报的宝库, 潜在的商业活动和机会。但大数据的使用者应该更多地关注所涉及的国家和地区在这信息安全领域的法律规定。企业还应该实现数据隐私最佳实践和设计分析程序, 建立相关透明度和问责制, 对数据的利用应该保持灵活和理想的预期变化的调节, 而不是陷入困境时, 才临时寻求解决方案。

大数据时代来临 篇5

电影大数据报告：大数据时代的电影消费洞察

近日，猫眼电影发布了关于“大数据时代的电影消费洞察”的报告（以下简称报告），报告数据分析来源于超5亿人次的猫眼电影消费数据和4000家影院数据。报告显示，2015上半年全国电影票房线上化率超过50%，最受好评的国产片是《战狼》，进口片是《速度与激情》。

公开数据显示，2015上半年中国电影票房同比激增49%，达到202亿元。其中，中国电影市场的高速互联网化趋势明显，3月份线上出票占大盘比超过50%。报告指出，目前国内三四线城市的票房增速明显高于一二线城市，2014年上半年一二线城市票房为93亿元，2015年上半年增至135亿元，同比增长45%；2014年上半年三四线城市票房为43亿元，2015年上半年增至67亿元，同比增长56%。

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

一个属于调研行业的B2B网站

国内最具权威的市场调研门户网站之一

学数据分析、找行业报告、招调查人才可移步一起调研网

大涨价！国产手机的大时代来临？ 篇6

涨价不等于就是大品牌

据全球市场研究机构TrendForce最新报告显示，2015年全球智能手机出货量为12.93亿部，年增长10.3%，其中来自中国地区的手机品牌合计出货量高达5.39亿部，占全球比重超过四成。行业内预估，今年中国品牌出货将超越三星、苹果总和，全球市场份额将达到45%。国产手机无疑已经在全球手机市场成功崛起。

不过，国产手机攻城拔寨的利器却是超高性价比，所谓超高性价比是在牺牲利润空间的前提下通过低价高配置来打动消费者，通过提升销量来整体占领市场，获取利润。所以在很长一段时间以来，国产手机品牌给人的印象都是高性价比，而且这种形象深入人心。

从长远来看，这种形象对于一个品牌来说并不好。尤其是在进入消费者开始对品牌追崇的时期，不但会让销售乏力，而且也难以进入高端市场。

以小米为例，小米从一开始创立就以高性价比，低价格高配置为定位，集中攻占对价格比较敏感的用户群体，这一策略在前期帮助小米快速拓展市场功不可没。然而，经过几年的高性价比、低价的市场教育，小米这个品牌不可避免地被打上了低价和高性价比的中低端品牌烙印。在进入2016年，手机市场开始比拼品牌性竞争，对于善于捕捉市场趋势的小米必然不会忽略这趋势，因此小米也开始转型，力图推出高售价机型，进攻高端消费群体市场，同时也提升单机销售利润。但是小米也遇到尴尬，在日前发布的红米Pro定价为1499元，在发布会现场，当宣布售价为1499元时，现场不再像以前那般惊喜连连，反而是发出“怎么这么贵”“不是吧”这样不解的惊讶。这一现象足以说明品牌特性对产品与售价方面的影响。

而反观苹果，作为高端品牌的一哥，苹果品牌的特性是有品位和高端。而且高端人群愿意花高价为其买单。向来主打高售价的苹果在推出3000元左右的5SE机型时，甚至有人惊呼这么低价，苹果还是苹果吗？

苹果的高端定位，不但让其有很高的品牌溢价能力，而且其利润空间也是行业领先。据调研公司Canaccord Genuity针对全球智能手机市场的调查报告显示，全球智能手机厂商每赚1美元，其中有91美分都被苹果囊入了怀中。足见苹果拥有巨大的利润空间。而国产手机虽然数据喜人，但有量却没有利润。

显然，国产手机品牌也意识到了这个短板，因此也在千方百计摆脱品牌低端、低价的固有印象，力图开创全新的高端品牌形象，这个思路是对的，也是未来真正崛起成世界品牌的利器。但是对于如何提升品牌形象，国产手机品牌应该有更多的思考，并不是为了高端就涨价，仅觉得涨价了才能算是大品牌，这样的涨价逻辑是错误的！因为涨价了不等于就是大品牌、就是高端品牌！

价涨了，但技术却没有惊喜创新

从去年开始，一个显著的特征就是国产手机品牌旗舰机售价不断上探。从锤子T1开始，华为P8、小米Note、OPPO R7、中兴Axon天机、vivo X5 Max等等一系列新出的国产旗舰机售价都直逼3千，一些厂商甚至还吹响了奔向4千价位的冲锋号，就连近期一直追求走量、打价格战的魅族也放出口风，将以全新的品牌标识发布新的子系列来主打高端。

IDC 在发布的 2016 年第一季度全球智能手机研究报告中提到，中国智能手机的平均售价从 2013 年的 207 美元（约合人民币 1380 元）上涨到了 257 美元（约合人民币 1714 元）。

虽然国产手机品牌均在不断突破自身产品售价，力图开拓全新的高端品牌形象，而且也确实做到了。目前很多国产手机的高端旗舰机型售价均在3000元左右，已经属于高端机型层次。但是这涨价的背后也暴露了国产手机品牌的软肋——技术创新乏力。

在主打高端品牌形象国产中，国产手机品牌更多的将精力投入在产品外形设计、做工、营销等方面。而在技术创新方面却依旧举步艰难。

目前，国产手机品牌在技术创新方面走在前列的是华为，华为在2015年企业专利排名方面以3898件蝉联榜首，但排行前五的企业也仅有华为一家，一枝独秀仍然难以掩盖我国手机生产商创新实力不足的问题。

另一方面，目前，国产手机的利润十分微薄，国产手机厂商的处境进一步恶化，这也直接导致了当前市场上的终端产品千篇一律，难以形成自己的核心技术的困局。纵观2015年，大部分国产手机除了关键技术上难以抹掉模仿的痕迹之外，在工业设计上同样难逃模仿的嫌疑。

国产手机品牌目前面临一个困境，那就是价格涨了，但是手机产品却鲜有惊喜的创新与突破。这样一正一负的消耗，国产手机品牌不但失去了一部分中低端用户群，而且在高端群体中为其买单的欲望不够，这就造成了一个不上不下的尴尬境地。

国产手机大时代更需要创新的支撑

国产手机在经历过几年的野蛮式生长之后已经达到瓶颈，想要继续发展，创新是根本途径。

未来几年，手机大时代将属于国产手机。但目前，距离国产手机的大时代还有一些距离。不过这个距离可以用创新去弥补。

国产手机想要赢得未来胜利就要求国产手机必须坚持创新，以前那种照抄国外的做法必须完全舍弃。国产手机品牌应该多去了解用户的需求，而不是闭门造车，虽然看似研究出一个新的方案，但用户不认可就没有任何意义。

而且更为重要的是要在技术研发方面加大投入。这方面华为给了我们很好的榜样，值得借鉴。据数据显示，华为在2015年，研发投入了596亿元人民币，占销售收入15%。过去十年，华为研发投入累计超过2400亿元人民币。正是这巨额的研发投入，才让华为保持着强大的竞争力。

nlc202309091052

但是，当下，国产手机品牌很少谈研发，谈论最多的是营销，互联网思维甚嚣尘上。例如，OPPO和Vivo就是热衷电视广告营销的代表，据报道，2014年年底，2015年湖南卫视黄金广告资源招标会上，vivo以3.5亿元冠名湖南卫视老牌综艺节目《快乐大本营》，而OPPO则以4亿元夺下《偶像来了》的冠名。虽然营销能给企业品牌形象取得巨大作用，但是如果一味追求营销推广，忽略了技术创新与研发，那么在遇到困境时，终究难以熬过冬天。而且还会陷入到压缩研发投入的恶性循环。

除了树立创新意识及加大研发投入外，还应该有远见，要着眼未来的技术研发。就像华为一样对未来技术不计成本的投入。比如中国手机缺乏核心的手机芯片，目前主流配备的核心芯片均是国外的，这也让更多的利润流入他国厂商。如果国产手机品牌也能像华为那样能十年磨一剑地研发拥有自主知识产权的手机芯片，那么未来，国产手机的大时代才能真正到来。

国产手机的正确突围路径

虽然小米的成功一定程度上依赖于抓住了当年电商发展的爆发窗口，但2016年行业的发展主要是对2015年的延续，并不会有更多新机会提供给后来者，没有核心竞争力与品牌优势的手机品牌生存越来越艰难成为必然，因此如何巩固自己的优势，弥补短板是每个手机品牌都面临的问题。

即便是主打高性价比的互联网手机，也需要个性化与品牌的支撑，才能带来更高的溢价，从而实现盈利。或许，把产品做好做精才是正途。我们也看到，目前国内发展较好的厂商在产品研发上同样表现优异。例如华为Mate 8在内在动力芯片、系统级安全防护、快速充电、产品工艺等方面进行了提升；魅族MX5采用全金属机身，mBack物理Home键以及全球领先的快充技术mCharge，可40分钟充满60%，亮点十足；OPPO R7系列则继续搭载其自主研发的VOOC闪充功能，“充电五分钟，通话两小时”也是其产品实力的体现。

国产手机品牌在手机的做工、性能配置和使用体验等方面均有了长足的进步，但是只有摆脱模仿的痕迹，实现自己的创新与突破，研发自己的创新技术，方能真正实现自立，在未来手机大时代里绽放光芒。此外也有业内人士表示，未来，国产手机要突破预期，未来与智能家居、车联网、工业互联网等的跨界交融同样必不可少。

未来，国产手机品牌需强化自己的优势领域，弥补短板，寻求品牌溢价能力、盈利能力，同时加大研发投入，形成自己的创新技术优势，这些才是国内手机品牌的正确突围路径。

工业大整合时代来临 篇7

而在此前的9月26日, 第六届中国中部投资贸易博览会在太原开幕, 其间, 山西省省长王君在一次论坛上发表讲话称, 山西煤炭资源整合已进入现代化大矿时代。

事实上, 从2008年底全球金融危机席卷我国为始, 山西就已经着手在几大行业内部进行整合重组。

2009年4月中旬, 山西省政府相继出台了《山西省冶金产业调整和振兴规划》和《煤炭产业调整和振兴规划》。

目前, 山西省钢铁行业整合成效已初露端倪, 煤炭资源整合重组已告一段落。2011年8月19日, 山西省政府常务会议又研究通过了《山西省焦化行业兼并重组指导意见》……

大整合时代的足迹

2009年, 山西省正式出台了《煤炭产业调整和振兴规划》, 并成立了以省长王君为组长的煤矿企业兼并重组整合工作组。于是, 一次史无前例的资源大整合, 也是全国最大规模的企业重组行动在煤炭工业领域展开了。

这次调整和振兴规划着眼于三个“提高”, 即提高产业集中度, 提高产业水平, 提高安全生产保障能力。本着“大进小退”、“优进劣退”的原则, 国有控股大型集团及地方国有控股集团公司成为兼并主体, 大批民间资本或成为重组后的股东, 或撤离煤炭领域。

截至2011年5月25日, 山西省整合矿井全部关闭, 矿井数量已由2008年的2 600座减至1 053座, 办矿主体由2 200多家减少到130家, 形成4个年生产能力亿吨级和3个5000万吨级以上的煤矿企业。煤矿“多、小、散、乱”的产业格局在两年间发生了根本性转变, 各大煤矿企业目前已全面进入现代化矿井建设阶段。

2009年4月, 山西省政府常务会议审议通过了《山西省冶金产业调整和振兴规划》。《规划》提出, 到2015年山西省钢铁企业将控制在10家以内, 山西钢铁行业大整合行动正式启动。截至2011年年中, 山西省已形成太原、晋东南、运城、临汾、吕梁五大钢铁基地, 还拥有全球产能最大的具有国际先进水平的不锈钢生产企业——太钢, 发展了首钢集团长治钢铁以及海鑫、中阳、中宇、美锦和安泰等一批产能超过200万吨的优势钢铁企业。

2011年3月, 山西省经信委发布了《山西省钢铁行业重组整合实施方案》 (征求意见稿) 。《方案》显示, 山西省在“十二五”期间将强力推进钢铁业大重组, 计划到2015年, 形成太钢和首钢长钢“双寡头”的格局。其中, 太钢将对太原、临汾、运城、吕梁基地钢铁企业实施重组整合, 首钢长钢将对晋东南基地钢铁企业实施重组整合。

朝前看整合行动仍在进行中

2011年11月1日, 从中国共产党山西省第十次代表大会新闻发布会上传来消息——今后五年乃至更长一段时间内, 山西将着力办好“两件大事”:一是力争全面小康实现程度五年达到全国平均水平;一是率先走出资源型地区转型跨越发展新路。

“两件大事”对山西而言, 既解决发展“快”的问题, 又解决发展“好”的问题。同时, 转型跨越发展也是山西实现全面建设小康社会目标的具体途径。

作为煤炭大省和老工业基地, 山西的转型任务非常艰巨, 工业领域无疑将肩负起这项重任。煤矿兼并重组的完成意味着山西在整体转型道路上迈出了重要的一步。2011年初召开的山西省第十一届人民代表大会第五次会议上, 省长王君在政府工作报告中提到, 优化煤炭行业内部结构, 鼓励煤炭企业大力发展与煤炭紧密相关的煤炭采掘洗选设备、煤矿安全设备、煤矿环保设备、煤基化工、煤炭物流等产业, 不断提高非煤产业比重;着力推进焦化、冶金、电力、建材等行业整合重组, 重点推进焦化企业联合重组。

2011年8月19日, 山西省政府常务会议研究通过了焦化行业兼并重组指导意见, 要求各有关部门认真贯彻落实相关产业兼并重组的政策, 像抓煤炭资源整合一样抓好焦化行业兼并重组。事实上, 山西是全国最大的焦炭生产和出口省份, 焦化行业也是山西省最重要的支柱产业之一, 然而自2008年的国际金融危机以来, 焦炭市场一直起伏不定。2011年4月15日, 焦炭期货合约在大连商品交易所上市交易。焦炭期货的上市交易成为全国焦化行业上下游产业结构调整的一盏强烈的信号灯, 山西省政府对焦炭行业兼并重组指导意见的出台或许正是对这一信号的回应。

很显然, 在转型过程中, 山西省还将继续扩大和深化整合行动, 在焦化、冶金、电力、建材等行业开展更细化、更具体的整合工作, 以系列整合实现优化产业结构, 提高产业集中度, 进而提高产业效率的目标。当然, 在新项目建设过程中, 也必须注重效率, 避免重复投资、重复建设, 而这些问题本身也将是转型过程中必须解决和克服的问题。

回头看整合背后的种种思考

回首再梳理大整合的足迹, 昂首展望整合行动的未来, 不经意间发现资源配置的合理性是我们应该驻足反思的一个方面。

煤炭资源整合重组告一段落, 接下来的现代化矿井建设中, 信息化建设将成为大的趋势, 而此时国家工信部和山西省两化融合政策及规划均已出台, 这对煤炭资源整合无疑是巨大的利好。煤炭行业的信息化建设无形中也为焦化、钢铁行业整合后的信息化建设提供了宝贵的样本。然而, 经记者走访, 各地市信息化建设的步伐参差不齐, 城乡之间的信息化建设也有较大反差。因此, 信息化建设依然需要强化落实。

《山西省钢铁行业重组整合实施方案》提出的, 山西省计划到2015年, 形成太钢和首钢长钢“双寡头”的格局, 毫无疑问太钢和首钢长钢将成为钢铁行业大整合中的主体钢企, 但太钢的优势在特钢领域, 而山西省内的其他大小钢企则以普钢为主。因此, 尽管2008年以来的金融危机也使太钢意识到了产品结构单一性的问题, 相关部门也提出了将省内其他中小钢铁企业纳入太钢集团的思路, 但太钢似乎对这样的思路一直过于“冷静”;被整合企业也几乎都是民营性质, 双方在并购前的接洽中来自被整合对象的阻力频频出现。

此前记者获悉, 长期以来一直以装备制造、冶金和石化三大支柱产业闻名于世的辽宁省, 其农产品加工业增加值在2011年前三季度以高于该省规模以上工业平均水平2.7个百分点的增速, 继续保持较快发展势头, 现已成为辽宁省的第二大支柱产业。或许, 许多人会对此表示诧异, 而此现象的产生正是源于该省采取调整经济结构、做大经济总量的重要举措。另有一则报道显示, 同期, 煤炭对山西省工业经济贡献率超过60%, 拉动工业经济增长近12个百分点——煤炭行业依然是山西省第一大支柱产业, 且贡献率持续提升, 对山西省经济拉动作用进一步增强。由此可见, 山西省经济结构中“一煤独大”的状况在短期内难以有突破性改变。要改变这种独特的现状, 我们仍需要在更大的工业领域范畴内开展更细致地大整合行动, 在保证山西省中小企业活力的前提下, 大力开展机械、电子、医药、食品等行业内的大整合, 以集约生产和规模效益调整经济结构, 提高工业产值和企业竞争力。

大数据时代来临 篇8

从数据看, 2013年各大品牌均有双位数左右的降幅。安踏全年平均降幅在20%左右, Q4收窄至5%~15%的跌幅。特步的全年平均降幅约在15%~20%之间, Q4的降幅在15%~17%之间。361度全年的订货会业绩亦有20%左右的降幅, 春夏降23%, 秋季降19%, 冬季降17%。匹克的订货会业绩变动较大, 春季与12年持平, 第二季降18.5%, 随后, 匹克称“由于上述订货模式的改变, 集团认为自2013年第三季度起于订货会取得的订单出现不可比性, 因此将自该季度起暂停公布订货会订单结果, 以避免产生误解。”李宁公司则在13年Q2订货会时就停止公布订货会的业绩。

行业在变, 订货会在变, 各大品牌开始回避订货会业绩, 转而强调批发转零售和弹性的现货补单支持, 变化成为行业唯一的关键词, 那都有那些在变?

期货制之变

体育用品品牌的经营模式以加盟连锁为主, 直营的占比偏低, 主流企业都采用期货制商品模式。买断式的期货订货制在品牌商品供不应求的时候有着明显的优势, 可以通过加盟商预下订单平衡产销矛盾, 同时有效保证商品的款式与市场的匹配。但在商品供大于求的市场环境下, 期货制的时效性追赶不上零售环境的快速变化, 同时会占用加盟商的流动资金, 加之商品同质化和品牌商一味求业绩压指标, 从而导致终端大库存形成。为了保障加盟团队的稳固, 品牌商开始从租金、信用额度、弹性退换货及快速补单等多角度加大支持加盟商, 而加盟商索性以半期货半现货的预估量来订货。我们看到财报中不少品牌门店数量变化不大、同店销售变化不大但订货会业绩跳水明显, 这就是期货制之变的源由。

消费趋势之变

有人一提起中国体育用品市场, 就从发达国家市场和中国市场的体育产业和消费情况做对比:发达国家人均3双运动鞋, 而中国人均不到1双, 光这个中国就有巨大的市场成长空间。且不评价这个说法正确与否。中国社会消费总额在20万亿左右, 服装消费占10%也就是2万亿, 而运动鞋服的占比已经达到了服装消费占比的10%也就是2000亿左右。如果人均运动鞋消费要达到3双以上, 要么意味着老百姓的消费能力有几倍的提高, 要么就是运动鞋服的消费占比要有几倍的提高, 显然, 要做到这个相当难, 老百姓的消费正呈多样化发展趋势, 运动鞋服的消费人群正被休闲装、商务装、快时尚以及线上品牌等新兴品类所吸引。

零售环境之变

网购, 绝对是一个热门词, 无论是消费者还是商家。2012年网购的消费达到1.2万亿之巨, 据分析, 网购服装消费的占比达到30%也就是4000亿。网购的高速增长表面看似乎说明老百姓的消费潜力巨大, 但事实是老百姓正从线下消费向线上迁徙, 实际购买力的增长相当有限。以运动品牌的安踏李宁为例, 线上的消费约2~3亿元, 占总业绩的3%~5%之间, 这与网购服装4000亿占整体服装消费20000亿的20%相距甚远。也就是说, 网购的其它服装品类, 抢夺了线下不少实体店的生意。试想一下, 实体店的老板天天盯着送快递的将一件件服装递到消费者手中, 心里是何滋味?

曾经, 被不少媒体朋友追问体育用品行业什么时候复苏, 什么时候反弹, 其实不妨从以上几个变化中找答案。只有变革才能推动进步。唯变所适, 通变致久。

大数据时代,“制鞋”大机遇 篇9

2011年5月, 麦肯锡全球研究所发表了名为《大数据:创新、竞争力和生产力的下一个前线》的研究报告, 最早提出了“大数据”时代已经到来[1]。2012年3月29日, 奥巴马政府在白宫网站发布了《大数据研究和发展倡议》, 目的是提升利用大量复杂数据集合获取知识和洞见的能力, 并为此投入两亿美元以上资金[2]。奥巴马政府还把数据比喻成“未来的新石油”, 这充分说明美国已经把应对大数据时代带来的机遇和挑战提上了日程, 上升到了国家战略层面。2013年, 更是被媒体称为“大数据元年”。

麦肯锡发表的报告还认为, 制造业是较易获取大量数据的行业之一, 所以也是大数据应用最重要的领域之一[1]。制鞋业作为制造业的一部分同样面临着前所未有的机遇和挑战。那么, 究竟何为“大数据”?鞋企又该如何积极应对?

1 大数据的理解

1.1 大数据的定义

时下, 数据呈指数型增长, 那么, 海量数据是大数据吗?显然, 大数据不仅仅是“海量”, 比“海量”更重要的是数据的复杂性。云计算是大数据吗?答案是否定的, 大数据不是云计算, 它是云计算的灵魂和升级。云计算是大数据的一种业务模式, 其本质是数据处理技术, 而大数据的核心议题是如何盘活数据资产, 使其为国家治理、企业决策乃至个人生活服务。

综上所述, 大数据是指通过收集、整理生活中方方面面的海量数据, 通过分析软件对其分析挖掘, 进而从中获得有价值的信息, 最终盘活数据资产, 使其服务于个人、企业乃至国家。

1.2 大数据的特征

在2006年, 个人用户才刚刚迈进T B时代, 全球一共新产生了约180E B的数据;在2011年, 这个数字达到了1.8ZB。根据IDC市场研究机构预测:到2020年, 整个世界的数据总量将会扩大50倍[3]!所以, 想掌控这庞大的数据, 我们必须了解大数据的特征。

大数据具有4V特点:V o l u m e、Velocity、Variety、Veracity[4]。第一, Volume (体量) , 即海量的数据规模, 体现大数据庞大的特点。第二, Velocity (速度) , 即快速的数据流转, 对数据要实时分析, 立竿见影而非事后见效, 处理数据的效率就是企业的生命, 体现大数据时效性的特点。第三, Variety (多样性) , 即多样的数据类型, 包括文本、图像、视频、博客、社交网站、论坛、金融交易、电子邮件、日志等等, 这些都属于非结构化数据, 体现大数据复杂性的特点。第四, Veracity (价值) , 即价值密度低、商业价值高, 具有大量的不相关信息, 需要沙里淘金, 对未来趋势与模式进行预测分析, 体现大数据价值高但分析困难的特点。

1.3 企业大数据现状及发展趋势

中国企业数据中心数据存储量正在快速增长, 结构化数据、半结构化数据和非结构化数据的分布呈金字塔状, 非结构化数据处在最低端, 庞大而复杂。对于企业来说, 如果能有效处理和分析这些数据, 会得到企业非常有价值的信息。但是, 仅仅依靠数据库的查询检索机制和统计学方法很难获得这些信息, 所以, 企业迫切需要能自动地、智能地将非结构化数据转化为有价值的信息, 从而达到为企业决策服务的目的。

Tim O’Brien在2013年3月于圣克拉拉市举行的O’Reilly Strata大会上指出:自从雅虎技术团队以Hadoop为武器、一举将谷歌拉下神坛以来, 众多企业相继把这项技术引入业务流程当中[5]。但相对于高昂的资金投入、巨大的精力消耗, Hadoop技术所带来的优势却显得微乎其微。所以, 企业大数据工具使用现状是:砸钱太多, 回报太少。

其它方面, 比如企业数据分析处理方面的现状是:缺少数据全方位分析方法、ERP软件处理能力差、海量数据处理效率低、实时数据分析能力差等;企业对大数据的关注程度方面的现状, 以制造业为例, 从“制造业对大数据的关注程度”这幅图可以看出:制造业企业大都没听说过大数据, 即使听说过, 也是处于观望状态, 不敢于创新。

2012年1月, 瑞士达沃斯论坛发布了《大数据, 大影响》的报告, 宣称数据就像货币和黄金一样已经成为一种新的经济资产类别[6]。数据正在变成企业竞争的利器。面对大数据的挑战, 企业未来的发展方向是: (1) 个性化颠覆传统商业模式, 使互联网技术服务于传统产业, 推动产业的转型升级; (2) 数据服务变革, 针对群体, 把人分成很多群体, 每个都给予不同的服务; (3) 数据就是资产, 未来数据会成为最大的交易商品, 企业要基于数据挖掘技术诞生多种商业模式。

2 大数据在企业中的应用及思考

很多发达国家, 数据在企业的商业战场中起着决定性的作用。但大数据是把双刃剑, 应用得当, 企业会蓬勃发展;应用不当, 将对企业形成倒闭机制。只有了解大数据成功企业的成功关键要素、应用中的技术难点, 借鉴其经验, 取其精华, 去其糟粕, 才能成为一家以信息为中心的企业, 并在激烈的市场竞争中保持领先优势。

通过对大数据成功企业分析得出其成功的关键要素是: (1) 企业模式转变, 即企业高管如果能够意识到应对数据带来的挑战的迫切性时, 往往就能促成其大数据战略。 (2) 集中式数据存储, 即收集一切的数据:包括社交媒体数据、工作日志数据、传感数据等。然后对这些数据进行存储, 之后决定企业是否需要这些数据。 (3) 分析处理系统, 即拥有高度商业智能的数据分析和处理系统。 (4) 大数据专家, 分析百万兆字节而且是不同类型的数据是一项艰巨的任务, 需要聘请大数据专家, 帮助找出需要咨询的问题的准确解答方案, 进而充分利用大数据战略的优势。 (5) 对目标对象进行更完整的分析、描述。 (6) 广告投放要精准, 实现点对点智能广告模式。 (7) 细心周到的营销方式。

大数据在企业中的应用技术难点不是缺少数据, 而是数据太多, 面对这些静态、孤立、无多大参考意义的“初级品”的信息数据, 企业信息部门应知道如何通过系统功能来有效利用和整合, 发掘有价值的数据, 给公司营销管理提供决策支持。

大数据时代, 企业要想实现转型升级, 对自身也有一定的要求, 即首席信息官们意识上必须认识到创新的必要性, 勇于尝试全新的技术;应用初期从小项目着手, 确定企业的短中期目标和标准, 不断实现数据透明化, 强化数据洞察与分析;储备好大数据相关技术人才;依法获得数据, 不得侵犯用户隐私。

3 大数据, 鞋企的GPS

3.1 面对大数据, 鞋企的应对策略

大数据时代, 鞋企首先要考虑的是如何收集信息?客户信息就是“货币”, 谁掌握精准信息, 谁就赢得“货币”。互联网时代, 提的最多的就是“O2O”模式, 即线下线上。现在的鞋企老板可能每天都在思考, 不加入“网购”就是跟不上需求而没有未来, 加入则因线下生意大幅缩水而失去现在, 进退两难。那么, 线下实体店到底输在哪里?线上线下, 鞋企如何抉择?

对比“电商”和“店商”不难发现, 两者不同的是, 所有“电商”都对购买者的行为轨迹进行了全程跟踪, 并且留下了完整的客户信息 (浏览轨迹、交易信息、个人住址、联系方式、购物偏好、产品评价等等) , 有了这些信息就能够很容易开展二次定向精准营销, 并把这些客户重新拉到线上或线下再次消费。可是, “店商”呢?即不知道是谁买了什么产品, 也不知道消费轨迹, 更不知道联系方式。换句话说, 此单消费结束, 顾客也就流失了, 从而导致“店商”的业绩直线下滑。从两种消费模式不难发现, 数据对鞋企的影响之大, 谁控制了数据, 谁就掌握了“货币”的发行权和流通权, 也就掌握了制鞋行业的主动权。

所以, 鞋企在销售模式上, 应该线上线下两手抓、两手都要硬, 获取更多的客户信息, 建立一套完整的客户关系管理体系, 将线下门店里的消费人群吸引到线上, 从而实现客户线下和线上的交融, 提升客户忠诚度。特别是“店商”, 应该抓住自身客流量大的优势, 在消费者购买的同时迅速获取顾客信息 (联系电话、喜好、意见等等) 。

其次, 面对大数据, 鞋企要会分析利用, 从凌乱繁杂的数据背后挖掘其价值。这就要求鞋企重视数据型人才, 成立专门的数据部门, 以便能够从庞大的非结构性数据中实时有效地提取有用的价值。分析很多比较成功的公司不难发现大数据专家的重要。比如, Linked In公司有超过100位数据科学家;通用汽车公司也决定雇佣1万名IT员工, 其中就包括许多的数据科学家[7]。所以, 鞋企要想成功的转型升级, 数据型人才非常关键。只有他们实时有效地提取数据的价值并且及时反馈给其它相关部门 (设计部门、销售部门等) , 才能让这些部门更好的去了解产品市场、消费者、行业发展动态、流行和时尚等的信息, 使鞋靴产品设计定位更加准确, 鞋靴本体的设计更加符合消费者的需求。最后, 销售部门还要靠这些信息将鞋靴的优惠以及新产品的上市通过短信、微信、微博等渠道及时传递给顾客, 引导二次消费, 增加企业的营业额。

最后, 需要强调的是大数据里面没有排山倒海式的颠覆, 鞋企需要蹲下身子, 倾听消费者的需要, 一点点的微创新, 顺应消费者的习惯, 提供更加人性化的产品, 提供更加贴心的服务, 尽一切可能让消费者便利, 这才是核心问题。

3.2 成功案例

在制鞋行业大数据应用最成功的莫过于耐克。2010年, 耐克成立了独立的数字运动部门, 与耐克的研发、营销等部门属于同一个级别, 运动数字化已经正式成为耐克的战略发展方向。2012年, 可以称为耐克的运动数字化元年, 它的数字运动平台N i k e+迎来了全面爆发。短短1年时间内, 多款重量级产品相继问世, Nike+线上社区的注册用户数量也从年初的500万迅速增加到1000万以上的规模[8]。

其实, N i k e+的最具价值的部分是它所收集到的用户数据。耐克会如何利用这些数据呢?

(1) 未来, 耐克或许会在热门跑步路线的沿途投放广告。此外, 相关的公司完全可以在这些地区设置“加油站”, 为跑步者提供存放衣物等服务, 并且还可以借机售卖运动功能饮料等周边产品。

(2) 这些一手的数据可以为产品设计提供重要参考。依靠这些数据, 耐克还可以为用户量身打造适合的健身计划。

(3) Nike+可以帮助耐克从一家单纯提供运动鞋服的“硬件厂商”变为一家“服务供应商”。

(4) 从广告营销方面看, 很多人都佩服耐克公司选择代言人的眼光, 因为它总是能够挖掘出天才的运动员。这正是因为Nike+能通过用户数据找到那些天赋异禀的运动天才。

总结

“假如我们有了一个数据预报台, 就像为企业装上了一个G P S和雷达, 企业的出海将会更有把握。”马云在2012年网商大会上的演讲中形象地表示了数据的重要性[9]。

所以, 在当今这样一个大数据的时代, 制鞋行业也应当尽早开始研究大数据的管理与应用, 从凌乱繁杂的数据背后挖掘其价值, 使大数据“为我所用”, 帮鞋企更准确地找到用户, 将用户群精准细分, 找到更符合用户兴趣和习惯的产品和服务, 并对其进行针对性地调整和优化, 主动迎合用户需求, 从而来降低营销成本, 提高鞋企销售率, 增加利润, 实现鞋企的转型升级, 实现大数据的“长治久安”。

参考文献

[1]James Manyika, Michael Chui, Brad Brown.Big data:The next frontier for innovation, competition, and productivity[R].America:Mc Kinsey Global Institute, May 2011.

[2]Obama administration.Big Data Research and Development Initiative[R].America:Obama administration, March 29, 2012.

[3]韩琮林.中关村大数据产业链雏形初现[N].北京商报, 2012-12-17.

[4]Sec-cn.大数据[DB/OL].http://baike.baidu.com/link?url=h TWva LYe H SHPO57dultt JX5GG8NHq8hxk9_2TYq I49iqjx XHV9j9x0Kujza Ox Nc867ahbn EH6fn Qs Nkw J0SFK, 2013-10-08.

[5]Tim O’Brien.Change the world with Data[R].Santa Clara:O’Reilly Strata Conference, March 2013.

[6]Davos forum.Big Data, Big Impact[R].Switzerland:The world Economic Forum, 2012-01.

[7]云计算第一门户.大数据成功企业的六大特征[EB/OL].http://cio.z d n e t.c o m.c n/c i o/2013/0506/2158139.shtml, 2013-05-06.

[8]鞋库.掘金大数据——耐克NIKE+全解密[EB/OL].http://www.dbxie.com/news/201302/23/6077.html, 2013-02-23.

大数据时代教育数据价值挖掘 篇10

随着科学技术和现代网络的不断发展, 大数据时代越来越多的被人们提起, 信息爆炸时代数据量来临。通告显示:自2008年以来, 全球数据量的生产总和达到了0.49ZB, 随后的两年内迅速增长, 数据量总和分别为0.8ZB和1.2ZB, 到2011年更是达到了历史新高1.82ZB, 平均每个人数据产生量几乎为200GB。数据已经成为所有行业和相关业务领域不得不考虑的生产因素。如何高效利用和挖掘这类数据信息已经成为提高生产率以及消费者盈余模式的新的浪潮。大数据时代教育数据挖掘技术也会成为未来世界某一时间段的主流需求。

大数据时代学习分析技术

这是一门结合了测量收集和分析报告学生相关学学习信息和环境等内容, 并作出相关优化的技术。这一技术是对学生庞大学习数据的相关问题充分分析, 并对学生现阶段学术进展以及内在问题和未来表现的客观评估。它是在数据的基础上, 对学生学习以及学习环境的测评, 达到了解学生学习问题, 优化学生学习环境的目的。

大数据时代学习分析技术现状

相关研究表明, 学习分析技术在很多方面都具有非常重要的使用价值:

1.从学生方面来说, 学习分析技术在了解学生学习现状之后, 通过分析学生数据, 找出相关问题, 对学生学习过程进行优化, 帮助学生培养良好学习习惯, 从而达到学生自我学习的目的。

2.从教师以及管理人员方面来说, 学习分析技术可以评估教学课程和相关机构, 帮助同步改善学校既定考核方式, 深入分析教学数据, 为教师帮助学生解决实际问题指明教学不足和更优方法。

3.从研究人员方面来说, 学习分析技术是一种研究学生和网络学习的有效工具。

4.从技术开发人员方面来说, 学习分析技术管理系统各模块各不相同的使用频次和路径能有效指导系统界面的相关优化设计, 并可以完善系统日志相关管理功能。

大数据关键技术分析

1.学习分析关键技术与主要工具

⑴内容分析法

内容分析法是一种对文献内容作客观系统的定量分析的专门方法, 其目的是弄清或测验文献中本质性的事实和趋势, 揭示文献所含有的隐性情报内容, 对事物发展作情报预测。它实际上是一种半定量研究方法, 其基本做法是把媒介上的文字、非量化的有交流价值的信息转化为定量的数据, 建立有意义的类目分解交流内容, 并以此来分析信息的某些特征。

⑵话语分析

人文科学所有的知识分子都是在利用话语的生产模式来行使权力, 话语传播着权力的影响。在现代社会中, 它们就是权力的替代品。只有遵循话语系统自身的规律, 人们在生活中的表达和沟通才能有效, 否则就是痴人说梦。换言之, 可以这样来说, 现实并不是我们人类在创造、支配使用话语 (主体性解构) , 而是语言在建构我们的本质。掌握话语权的人掌握社会规范。

⑶社会网络分析

社会网络分析适合分析关系数据, 而用来分析其他类型数据对关系数据的影响。数据主要分为两类, 属性数据和关系数据, 属性数据指涉及能动者的态度, 观点, 行为方面的数据, 采用的方法主要是变量分析法。关系数据是关于接触, 关联, 群体依附和聚会方面的数据, 反映一个能动者与另外能动者联系在一起, 而不是单独的属性, 一般采用的分析方法是网络分析。另外还有一种是观念数据, 主要是描述意义, 动机, 定义和类型化本身, 主要是用类型分析的方法。

⑷聚类

聚类分析也被称为群分析, 它是在“物以类聚”这一理念之上, 对样品进行必要分类的一种相对多元的统计分析方法。这种方法专门针对大量的样品, 按各自的特性进行相对合理的分类, 即使未曾事先验知的情况下依然不会参考任何模型。

聚类分析是研究事物特性的个体方法, 可以把类似的事物分类整合。原则上依据事物的相似性进行归类, 具有以下三个特点:

(1) 非常符合检测未曾验证的事物。在没有数据标准参考的情况下, 设定相对完善的分类变量就可以对数据进行合理的聚合, 得到相对客观的分类信息。

(2) 能够处理多个变量决定的分类。多个变量的分类一般相对比较复杂, 聚类方法完全可以胜任针对此类数据的分类。

(3) 聚类分析法的探索性相对较高, 可以根据事物的内在属性和规律, 依据原则上的相似性对数据分类, 被广大工作者广泛应用。

⑸预测

根据已有数据或信息对整体或个体数据发展态势做出合理预测。

⑹关系挖掘

数据挖掘是一种在信息领域当中发展最快的技术, 许多行业中的佼佼者都从中获得较为广阔的发展空间, 这使得数据挖掘技术日趋被人们所关注。随着科学技术的不断进步, 采集数据的方法日益繁多, 因而使得庞大的数据总量几乎达到GB甚至TB级, 并且高维数据日趋主流化。此类数据以及数据的高维特征并不是传统数据分析方法可以轻易解决的, 这样导致数据的处理也愈来愈依赖计算机和网络。

⑺文本挖掘

文本数据挖掘 (Text Mining) 是指从文本数据中抽取有价值的信息和知识的计算机处理技术。顾名思义, 文本数据挖掘是从文本中进行数据挖掘 (Data Mining) 。从这个意义上讲, 文本数据挖掘是数据挖掘的一个分支。文本数据挖掘是一个边缘学科, 由机器学习、数理统计、自然语言处理等多种学科交叉形成。

2.学习分析技术模式

学习分析模式分为三大要素:“学习分析流程”、“工具与算法”和“数据与信息”。“学习分析流程”中包括数据收集、数据预处理、分析、预测和应用等环节, 不同应用情景下的“学习分析流程”各个环节都会有一定的区别;“工具与算法”是“学习分析流程”的有力支撑, 能够从“学习分析关键技术与主要工具”中选取出来;“数据与信息”不但有来自“工具与算法”数据, 还有将“工具与算法”的信息知识输出出去。

结束语

大数据时代 篇11

进入2012年以来,大数据(Big Data)一词越来越多地被提及与使用,人们用它来描述和定义信息爆炸时代产生的海量数,它已经出现过在《纽约时报》、《华尔街时报》的专栏封面,进入美国白宫网的新闻,现身在国内一些互联网主题的讲座沙龙中,甚至被嗅觉灵敏的国君证劵、国泰君安、银河证劵等写进了投资推荐报告,大数据时代来临据。

2 什么是大数据?

对于“大数据”(Big data)研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。

麦肯锡全球研究所给出的定义是:一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合,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。

大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。换而言之,如果把大数据比作一种产业,那么这种产业实现盈利的关键,在于提高对数据的“加工能力”,通过“加工”实现数据的“增值”。

从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理,必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。[2]

随着云时代的来临,大数据(Big data)也吸引了越来越多的关注。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数据和半结构化数据,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。

3 大数据的特点

要理解大数据这一概念,首先要从“大”入手,“大”是指数据规模,大数据一般指在10TB(1TB=1024GB)规模以上的数据量。大数据同过去的海量数据有所区别,其基本特征可以用4个V来总结(Vol-ume、Variety、Value和Veloc-ity),即体量大、多样性、价值密度低、速度快。

第一,数据体量巨大。从TB级别,跃升到PB级别。第二,数据类型繁多,如前文提到的网络日志、视频、图片、地理位置信息,等等。第三,价值密度低。以视频为例,连续不间断监控过程中,可能有用的数据仅仅有一两秒。第四,处理速度快。1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器,无一不是数据来源或者承载的方式。

大数据技术是指从各种各样类型的巨量数据中,快速获得有价值信息的技术。解决大数据问题的核心是大数据技术。目前所说的“大数据”不仅指数据本身的规模,也包括采集数据的工具、平台和数据分析系统。大数据研发目的是发展大数据技术并将其应用到相关领域,通过解决巨量数据处理问题促进其突破性发展。

4 大数据时代对生活、工作的影响

大数据,其影响除了经济方面的,它同时也能在政治、文化等方面产生深远的影响,大数据可以帮助人们开启循“数”管理的模式,也是我们当下“大社会”的集中体现,三分技术,七分数据,得数据者得天下。

“大数据”的影响,增加了对信息管理专家的需求。事实上,大数据的影响并不仅仅限于信息通信产业,而是正在“吞噬”和重构很多传统行业,广泛运用数据分析手段管理和优化运营的公司其实质都是一个数据公司。麦当劳、肯德基以及苹果公司等旗舰专卖店的位置都是建立在数据分析基础之上的精准选址。而在零售业中,数据分析的技术与手段更是得到广泛的应用,传统企业如沃尔玛通过数据挖掘重塑并优化供应链,新崛起的电商如卓越亚马逊、淘宝等则通过对海量数据的掌握和分析,为用户提供更加专业化和个性化的服务。

大数据在个人隐私的方面,大量数据经常含有一些详细的潜在的能够展示有关我们的信息,逐渐引起了我们对个人隐私的担忧。一些处理大数据公司需要认真的对待这个问题。例如美国天睿资讯给人留下比较深刻印象的是他的一个科学家提出,我们不应该简单地服从法律方面的隐私保护问题,这些远远不够的,公司都应该遵从谷歌不作恶的原则,甚至更应该做出更积极的努力。

5 我国应该如何应对大数据时代

当下我国大数据研发建设应在以下四个方面着力。第一,建立一套运行机制。大数据建设是一项有序的、动态的、可持续发展的系统工程,必须建立良好的运行机制,以促进建设过程中各个环节的正规有序,实现统合,搞好顶层设计。第二,规范一套建设标准。没有标准就没有系统。应建立面向不同主题、覆盖各个领域、不断动态更新的大数据建设标准,为实现各级各类信息系统的网络互连、信息互通、资源共享奠定基础。第三,搭建一个共享平台。数据只有不断流动和充分共享,才有生命力。第四,培养一支专业队伍。大数据建设的每个环节都需要依靠专业人员完成,因此,必须培养和造就一支懂指挥、懂技术、懂管理的大数据建设专业队伍。

做到上面的几点,当大数据时代来临的时候,面临大量数据将不是束手无策,而是成竹在胸,而从数据中得到的好处也将促进国家快速发展。

参考文献

[1]李建义.数据库原理及开发.北京:中国水利水电出版社,2005.

[2]维克托·迈尔·舍恩伯格.大数据时代.浙江:浙江人民出版社,2012.