刘传勇:大数据对我们的生活有什么影响

刘传勇:大数据对我们的生活有什么影响

 

  八度网络创始人 刘传勇

  从社交平台到购物平台,从教育平台到工作平台,互联网始终在不断发展中前行。随着互联网的不断发展,逐步进入大数据时代,交通数据、企业数据、医疗数据、企业网站数据、教育数据等成为我们虚拟与现实生活的重要组成部分。我们生活在一个数据时代,但很多人都意识不到这些数据对我们有何影响。我们每天在互联网留下大量的数据痕迹,利用和分析这些数据可以让我们的生活更加美好。

  大数据+精准广告

  互联网、移动互联网的发展倒逼了广告行业,传统营销的广告测量体系正面临失效,传统广告“广撒网”的粗放式的品牌宣传推广方式以及线上、线下传播孤岛的效果日趋式微。比如在报纸上投广告,然而现在纸媒早已被淘汰,除了退休老大爷还会看看广告以外基本罕少有人看报纸广告。传统广告的单向的“品牌告知”方式已经满足不了互联网时代下用户对信息捕捉的新鲜感和敏感度,也满足不了企业主的传播诉求。

  过去我们看电视广告,其针对性并不是很强,但是在互联网时代,我们逐渐发现互联网广告的精准度出奇意外的高。这一切都是数据挖掘和分析的结果,过去对于我们不喜欢的产品广告我们会觉得厌烦。在大数据时代,一切都不同了。技术替代了人力和组织,数据替代了问卷和经验。有了数据分析之后,互联网广告商会根据收集到的你的信息和数据来给你推送你满意的广告。

  比如,企业主可通过大数据平台对数据进行收集与挖掘。比如,某用户上网经常搜索、对比汽车的价格,同时浏览汽车专业网站和贴吧,甚至在论坛上询问汽车性能。通过这些,大数据平台就可判断出该用户是潜在的汽车购买需求者。通过数据关联算法,便可实时的在全网中,定位到购车需求的所有人,这些人群真实、鲜活,极易形成转化,通过大数据平台进行收集分析,广告投放将始终针对品牌的核心目标受众。

  大数据平台利用时间营销策略,通过时间坐标切割,准确辨别用户需求,包括需求时间及偏离尺度,通过匹配媒体内容,辨别用户对品牌及产品的偏好度,以时间为依据对群体进行需求层级划分,控制广告出现在用户需求的最佳时刻,确保广告的精准有效。

  大数据+医疗

  在舍恩伯格所著书籍《大数据时代》的开篇就用谷歌预测流感这一示例就对大数据医疗做了一个很好的引证。通过分析大量用户的搜索记录,比如“咳嗽”、“发烧”等特定词条,谷歌公司能准确预测美国冬季流感传播趋势。和官方机构相比,谷歌能提前一两周预测流感爆发,预测结果与官方数据的相关性高达97%。2009年,在甲型H1N1流感爆发的几周前,谷歌的工程师们公开发表了一篇论文,不仅预测流感即将爆发,并且其预测还精确到美国特定的地区和州。这让人们感到十分震惊。准确预测流感疫情,说起来并不复杂,谷歌一直致力于对用户检索数据的分析。用户求医问药等搜索数据可谓海量,把这些数据再拿来与美国疾控中心往年记录的实际流感病例信息相比对,就帮助谷歌作出了准确预测。

  其次,医疗行业的数据孤岛也是一个很现实很严峻的问题。我国对于医疗大数据的搜集工作已开展多年,但目前,医疗大数据相对比较分散,医院间各自为营、互不相联的「信息孤岛」问题依然是有待突破的难点。如果各医院间的数据实现共享互通,那么就能节省很大的医疗资源,并且提高看病的精准性。比如病人在A医院看病留下病例,当病人再去B医院看病的时候,B医院的医生可以看到病人在A医院的病例,结合病人以往的病人为病人整治疾病。不仅节省了时间,提高了医院的效率,而且能够提高问诊精准度。

  大数据+个性化教育

  随着“互联网+”的应用普及,大数据在教育行业也得到广泛应用,个性化管理、自主化学习、自适应学习等概念越来越受到关注。

  不得不说,现有的教育模式往往习惯“求其共性”,而忽略个体的差异。比如有的学生语文成绩特别突出,但数学只能考不及格,按平均分排名成绩便只能排在中间,老师根据平均成绩也很难判断学生的长处与短板,学生的个性化也就得不到施展。

  大数据技术通过对教师与学生长期行为进行分析,得出具有个性化的教学行为、习惯、方式。“不得不承认,对于学生,我们知道的太少”。同样,我们也可能对教师知道的太少。大数据的到来,可以通过技术层面来评价、分析并进而提升教学活动。首先,教学评价的方式不再是经验式的,而是可以通过大量数据的“归纳”,找出教学活动的规律。比如新一代的在线学习平台,就多出了行为和学习诱导的部分。通过记录学习者鼠标的点击,可以研究学习者的活动轨迹,发现不同的人对不同知识点有何不同反应,用了多长时间,以及哪些知识点需要重复或强调。对于学习活动来说,学习的效果体现在日常行为中,哪些知识没有掌握,哪类问题最易犯错等成为分析每个学生个体行为的直接结果。

  大数据+金融

  金融行业是大数据应用的典范。比如银行和借贷平台可以通过客户的数据为其进行用户画像,个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好,企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。值的一提的是,银行拥有的客户信息并不全面,需要整合外部更多的数据,以扩展对客户的了解,比如客户在社交媒体上的行为数据、电商网站上的交易数据、企业产业链上下游数据等。

  银行和借贷平台在客户画像的基础上,可以开展高效的精准营销,包括根据客户实时状态进行实时营销,根据不同业务或产品的交叉推荐进行交叉营销,根据客户偏好进行服务或产品的个性化推荐,通过客户生命周期管理构建客户流失预警降低流失率。

  其次,通过大数据挖掘技术,银行和借贷平台对客户信息、险种信息、既往出险情况等信息等综合分析,然后对客户的信用评估。根据客户的信用分给客户进行信用层级划分,信用分高,那么额度就大,信用分低,额度就低,从而降低银行和借贷平台的风险。

  大数据+交通

  大数据、云计算的发展对交通运输行业不仅是挑战,更是对传统模式的突破。比如现在涌现出的滴滴出行、优步等互联网出行软件,以“交通+大数据”的模式,通过智能手机应用实现一键实时叫车服务。

  通过滴滴出行大数据平台可以看到全国各个城市每天的交通情况,包括车辆行驶情况、路网情况以及打车需求情况等。

  比如我们运转时可以很清晰地看出北京24小时内的车辆分布情况,通常人们认为北京每天早上6点到8点间的高峰路段是三环、四环,但是数据显示机场高速才是高峰路段;下午1点,对出租车司机来说什么地方生意最好?统计显示是金融街,这里每天有很多人在这一时段赶往机场,这些收益都依托于大数据平台。

  滴滴出行利用大数据平台更好地分配并合理利用了已有资源,也只能解决部分问题。只有掌握全局,才能控制全局。

  大数据的出现,终于给城市一个希望。大数据可以连续观测城市交通每天发生的变化,然后再利用这些数据分析交通的问题所在。

  大数据+农业

  我们经常会看到或听到农户农产品滞销,瓜果蔬菜贱卖或烂在地里的新闻,其实原因归咎于市场供需问题。同时,也会出现出现“蒜你狠”“姜你军”“豆你玩”的供小于求的情况。其实如果能把农业生产过程中的数据汇总起来,要想合理生产实现“供需平衡”并非难事。

  比如说,今年安徽某农场葡萄产量高,在当地的市场需求量却很小。通过大数据数据采集发现山东某地葡萄的市场需求高,那么农场管理人就可以尽早联系山东地区的销货商,将葡萄售往山东地区。并且,农场主可以提前通过大数据平台采集的消费者需求报告,进行市场分析,提前规划生产,降低生产风险,帮助农户在农事方面做出更明智的决策。

  据悉,美国 2% 的农民,却养活了 3 亿多的国民,靠的就是高度的农业机械化生产。美国的农民无须每天都去农田里,坐在家里看看屏幕就能知道农作物的生产情况。甚至连拖拉机都不用亲自开,全部是自动化耕作,坐进拖拉机里,按两个键,你就可以一边喝咖啡一边收割了。

  通过农业大数据,可以通过传感器对农作物的生产环境进行检测从而感知农作物的生产。通过采集农作物生长环境中的各项指数数据,再把这些采集的数据放到本地化的或云端的数据中心,从而对农业生产的历史数据和实时监控数据进行分析,提高对作物种植面积、生产进度、农产品产量、天气情况,气温条件,灾害强度,土壤湿度的关联监测能力

  比如系统监测一号大棚的土豆土壤湿度不足,那么就可以及时填充土壤湿度,比如监测三号大棚的辣椒色泽浅,那么就可以通过数据分析出原因,如果是缺乏养分那就需要及时的施肥。

  试想如果在作物的生长过程中,气候灾害可以得到规避及科学有效防治措施,种植方法可以得到有效指导,那么随之而来的将会是产量的稳产甚至提高,从源头上提高农业生产效率。

  【文章来源于微信公众号:老刘数据论道(ID:shujulundao),转载请联系微信公众号后台取得授权】

0

发表评论