答|百度派 @虫二

4月，UC汽车行业第一季度大数据报告新鲜出炉，其中显示德系车最受移动互联网用户关注，大众品牌凭借超高的人气一举登顶。宝马占据第三席位，而此前刚摘得2016年“最可靠汽车品牌”桂冠的奥迪，这次位居第四。作为日系三强的日产、丰田以及本田，也集体成为一季度中国车市的赢家。这份基于阿里大数据技术，采集了UC浏览器超过8200万活跃汽车用户2016年一季度汽车资讯的搜索情况、浏览情况等综合数据，直观反映了当前汽车行业动态及用户对汽车产品的认知与需求，被业界称为“2016汽车热力指南”。

高端品牌较受关注 德系霸榜

报告显示，互联网用户最为关注的十大汽车品牌，均被德日美三系牢牢霸占。其中，“神车”大众以其庞大的用户群体和德系品牌常年积累的良好口碑稳居榜首，丰田、宝马、奥迪、福特等热门品牌紧随其后，自主品牌哈弗突围，占领第十位置，为中国自主品牌赢得了尊严。

值得注意的一点是，与其他同类型汽车行业报告不同，UC汽车品牌热度榜中，用户对于宝马、奥迪等豪华品牌的关注度远远高于别克、现代等其他热门品牌。这可能跟UC较为年轻化的用户群体及其较高的消费水平有关。

SUV热到“着火” 自主品牌实力逆袭

车型关注度方面，SUV无疑是时下互联网上热度最高的一款。网友关注的十大热门车型前五名中，就有三辆是SUV。不得不说，随着SUV市场整体不断增长，紧凑型SUV与小型SUV逐渐市场主力军。同时，伴随着SUV大热的浪潮，以哈弗H6为首的一系列自主品牌车型，如宝骏560、传祺GS4等，更是凭借其“良心”的功能品质和极具竞争力的价格在这一领域异军突起，赢得了较高的用户关注度，也完成了自主品牌对合资品牌的一记漂亮逆袭。

除了最受关注品牌和车型排行榜外，报告还提供了不同价位区间的热门车型排行，精确到价格区间的热度排行一定程度上，反映了当下网友的购车意向。其中，30万以上品牌关注度被宝马、奥迪、奔驰，全面包揽，看来德系高端品牌在30万以上价格段拥有热衷用户群。

数据挖掘深入具体 80后中产哥消费欲爆表

UC汽车行业大数据报告关于汽车用户的一系列数据统计，也是别有趣味。这份报告中，除了对当前车市的总体分析，还多出了对于汽车用户的全面观察，这也是其互联网大数据技术的优势之一。报告显示，有超过8200万UC汽车月活跃用户在关注汽车资讯，连国民现任老公宋仲基都望尘莫及。用户的年龄、性别分布、人均消费、日均浏览时长等细化数据，也被直观呈现。

在打通阿里大数据后，我们甚至可以将UC汽车活跃用户人均消费与淘宝总体用户人均消费作以对比，进而分析出哪的用户更具购买力和营销价值：“淘宝用户整天哭着要剁手，殊不知UC汽车用户已经连整条胳膊都剁下来了，因为他们更喜欢买买买。”

最有趣的是，UC甚至连各级别车型最吸引什么星座这样细微的关注点都进行了准确分类。这样精密的数据挖掘当然不是为了炫技。国际专业咨询机构毕马威发布的《2016全球汽车业高管人员调查》研究报告显示，在互联网时代冲击下，传统汽车行业对于主宰客户关系的信心大幅下降，而强大的信息工程能力和数据驱动的思维模式将会在未来的市场竞争中，在用户层面起到关键性的作用。

事实也证明，多懂用户一点，总是好的。不妨大胆试想，如果有大数据技术作为支撑，传统车企也可以对用户需求进行有效挖掘，并针对性地制定一系列销售甚至品牌策略，让汽车行业在互联网+时代迸发出新的更大生机。

宏观展现市场动态，多维洞察用户需求

众所周知，国内汽车行业的发展存在着较大的地域差异，这一现象与中国经济发展的地域不平衡以及全国各地一定程度上的文化、环境差异相对应。

结合报告，我们可以从宏观掌握汽车用户需求变化，并从中察觉到不同地域用户的一些明显的偏好趋势。报告显示，泉州、中山、保定等三线城市潜力具大，犹如一片广阔的处女地。这与目前汽车消费渠道整体下沉的趋势相符合。而三线城市作为首次购车人群最集中的区域，其用户关注点倾向于更具经济性的紧凑型和小型车。

除此之外，报告还利用大数据技术进一步对国内各地区汽车用户市场进行了划分：西藏青海要求“耐操”、广东海南注重能耗、重庆贵州喜欢浪漫、甘肃新疆独爱新潮，至于北京天津……“神车党”高兴就好。在宏观角度下，一系列区域差异格外明显，让人不得不感慨中国汽车市场的多元化。

进入互联网时代，车企之间数据竞争的序幕也逐渐拉开，要掌握并应对用户对于汽车品牌、产品乃至服务层面的全新定义，已经不是传统汽车厂商单方面意愿可以解决的问题。而UC的这份汽车行业报告，也向我们充分展示了大数据技术的魅力所在：通过对用户购车偏好、关注重点、群体构成、结构变化、区域分布等趋势特征进行多维度深入洞察，进而为汽车厂商的品牌重构和产品布局提供一定参考。

以上内容由百度派作者提供

可能我们现在很多人都听说过大数据，对大数据也非常的好奇，好奇的原因无非就是因为感觉它能够更快的让我们的劳动力变成可以供我们支配的金钱，但很多人也只是停留在这里，无法找到怎么利用大数据赚钱的方法？

想要利用大数据赚钱，我们就要了解它的构造合它的含义，任何事物的出现你都要了解它的游戏规则，只有了解才能够更准确的掌握它，下面我们就来简单的了解一下它

大数据掌控全球的资源库

对于“大数据”（Big data）研究机构Gartner给出了定义，“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，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”。

大数据的定义。大数据，又称巨量资料，指的是所涉及的数据资料量规模巨大到无法通过人脑甚至主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。

大数据时代数据的采集也不再是技术问题，只是面对如此众多的数据，我们怎样才能找到其内在规律

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。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。

大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（MPP）数据库、数据挖掘电网、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。

大数据的挖掘和处理。大数据必然无法用人脑来推算、估测，或者用单台的计算机进行处理，必须采用分布式计算架构，依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术，因此，大数据的挖掘和处理必须用到云技术。

大数据的特点。数据量大、数据种类多、 要求实时性强、数据所蕴藏的价值大。在各行各业均存在大数据，但是众多的信息和咨询是纷繁复杂的，我们需要搜索、处理、分析、归纳、总结其深层次的规律。

用好工具才能够事半功倍

大数据的应用。大数据适用于各行各业的人员合企业，并且还要配合云控系统一起用才能够发挥出重大的作用和创造出有用的价值，举个例子：我们从大数据里面采集了很多商家和企业法人的具体信息和联系方式，但是如果没有云控系统的配合你也是只能干看着，或者说是一个一个打电话，耗得时间长又产生不了多少效果，加上云控系统和手机你就可以直接与他们对话，进行资源对接和整合，才能赚到钱。

要了解大数据和云控不是一朝一夕的，我用文字也只能是做简单的讲解，如果对云控大数据感兴趣的朋友可以给我留言或是关注我：LJL19881688

大数据探索已经可以改善你的电子商务业务的方式，那么，你有哪些方式开始探索？

大数据风暴已经席卷了电子商务界。这些天，似乎每个人都企图获得进一步洞察客户的能力，来帮助他们的业务发展。在美国，目前有51％的人喜欢在线购物，这使得电子商务找到一个优势。

然而，虽然存在大量的大数据，但并不是每个人都知道如何利用他们。毕竟，你正讨论着将大量的信息分类成可以针对市场并进行行动的细分部分，这种情况在许多小企业中被发现是压倒性的现象。然而，虽然只有少量知识，与竞争对手相比，你也可以曲线般超跃。

下面让我们来一起看看要怎么做：

1

首先评估你的模型

为了知道要使用哪些数据点，你首先必须确定你需要收集的数据。这不仅包括你的商店的趋势，而且还需调查整个行业，以及你的公司如何竞争。例如，假设我有一个专门从事T恤印刷的在线业务，虽然我知道我的订单数据在学校俱乐部、组织和团队召开会议时会有一个订购的增长，但是什么时候是另一个高峰期？为什么这些客户会去我的竞争对手那边呢？

与别人比较，我们需要看两件事情：1.别人在做什么而你还没有做，2.还有什么未开发的客户群可能被忽视。所以，回到我们的T恤案例，或许你的竞争对手有更多的保留项目，因为他们提供定制设计或者有不同的油墨或印刷工艺。虽然负担能力显然会发挥作用，但你收集的和需要比较的数据在尝试破译你需要扩展产品的时间，在这方面的作用将是巨大的。

2

分析你的市场定位

在你的电子商务网站中使用关键的大数据是能够将你的客户群组织成可采取行动的类别。吸引客户几乎总是任何小企业的目标，但不能一劳永逸。相反，你可以将你的目标分解成你可以通过你的营销工作量化测试的部分。例如，如果我出售烹饪用品，那么我想使用大数据来查看我的整体客户群，然后深入了解具体的子类别，如性别、位置、社交媒体行为、收入等等。

知道是什么和如何定位细分是大数据的一个方面，这就压倒了很多人。毕竟，我们都明白，有太多的信息可能是不必要的，但不能精确的知道和筛选。但是，如果你想比任何其他人更好地了解自己的业务，最好的思考方法是通过提出可以进行翻译操作的问题。例如，如果你知道你的业务有20个男性健康的部分，那么请求该组并进一步指定出哪一个？相信我，虽然这一切似乎有点太多了，但当你真正开始营销时，这些事情会变得更加有意义。

3

制定攻击计划

虽然你现在可以了解你的客户是谁，但下一步是找出如何与他们进行互动的方法。 这可以包括举办活动，提供内容，甚至实施坚实的社交媒体策略。 如果你还没有，我强烈建议你研究如何改进你的社交媒体工作，特别是在针对你的行业使用针对数据的定位方面。 这包括通过主题标签，美味口味，以及关于你所谈论的内容以及对话的贡献的热门帖子进行搜索。 正如沃特福德技术公司（Waterford Tech）所指出的，像Facebook这样的公司存储着大约3千多万字节的用户生成数据，使其成为虚拟的信息资源。

当你开始用集思广益的方式来利用大数据来促进你的营销时，请记住遵循一贯的原则。 虽然数据可以很好地接触新客户，但你必须考虑用已经存在的声音，色调和其他品牌因素来吸引他们。此外，许多营销人员对数字太过固化。

最后，重要的是要记住，利用数据分析也和任何营销活动一样，要明确你的业务首先要解决什么问题，以及如何继续执行这一任务。

对不少高校老师而言，数据治理似乎是个颇有距离的词汇，但实际上，很多时候不是我们没有数据，而是我们不知道如何使用数据。

在2018年1月9日举办的中国大学生学习与发展追踪调查年会上，参会老师和同学们用一个个生动的案例，为大家展示了学生学习发展追踪调查数据到底如何应用到院校的学生培养、教学评估、政策制定等各个方面。

一读君也有幸参与了大会，并将大会的精彩内容分享给广大读者。

背景知识

“中国大学生学习与发展追踪调查”（China College Student Survey，CCSS）是一项针对大学生就学经历的问卷调查。

项目关注高等教育内部机制——大学生学习行为及其与大学教育实践之间的互动，以学生为主体对高校的教育教学过程进行诊断。

目前CCSS主要由“普通本科院校问卷（绿色问卷）”、“应用型院校问卷（黄色问卷）”、“中国高校毕业生追踪调查（蓝色问卷）”和“清华大学本科生追踪调查（紫色问卷）”等4个调查工具组成。

绿色问卷是在引进美国深具影响力的大学生学习性投入调查（National Survey of Student Engagement, NSSE）的基础上经过文化适应、认知访谈、信效度检测汉化改进而成，并根据中国高等教育实践，设计构建了有中国特色的指标体系；

黄色问卷是为应用型院校开发的学习性投入调研工具，关注高等教育实践型人才的培养过程；

蓝色问卷通过追踪记录高校毕业生的个人职业生涯轨迹，着重研究中国高等教育体系对个人职业变动、劳动力市场流动的影响，并探索中国高等教育与中国社会经济发展的相关问题；

紫色问卷是为清华大学量身定制的追踪性调查工具，关注高等教育大众化时期精英大学人才培养的过程和规律。

四大系列工具的调查共同形成“生源输入-在校学习与生活过程-就业”完整的链型结构数据，反映当代大学生学习与发展真实现状，回应盖普通本科、应用型院校、精英大学等不同类型高校的教育教学改革需求。

项目从2009年正式启动，截至2017年，参与CCSS项目的院校数量已累计达到149所。

万能的数据

如果你是一所参与CCSS项目院校的老师，面对本校学生的调查数据，你都可以做什么？

★ 教育评价

课题组博士生王文分享了如何利用CCSS数据，服务院校层面的教育评价。

她从CCSS自身理论的先进性、方法的适切性和国内课题的可选择性出发，举例说明了CCSS数据在本科教学工作审核评估、《本科教学质量报告》编制、 ABET工程教育专业认证等工作中的作用和应用。

目前的评估和认证工作越来越讲求基于数据和实证支持，而CCSS数据从学生视角覆盖了教育教学过程的多个方面，拥有国际可比的指标和全国可比的常模。

有了CCSS数据作为论据，调查数据对教务处、学工处的老师而言，就不只是“锦上添花”，而是“雪中送炭”。

实际上，美国高校在参加全国性调查，委托第三方进行数据收集分析方面，已非常成熟。他们已将类似数据广泛用于各类的区域认证、专业认证、教学改进、州和联邦政府的政策要求等。

在这方面，国内院校也可加以借鉴。一方面，让专业的人做专业的事；另一方面，将专业的结果用于自己的关键工作中。

★ 政策反馈

博士生连志鑫从另一个角度，根据CCSS紫色问卷的数据，分析了现有招生倾斜政策是否真正帮扶了弱势群体，保障了教育公平。

通过数据的比较，连志鑫发现，不少享受国家专项计划的城镇户口和少数民族学生的家庭背景属于、甚至高于平均水平，并不弱势。

相比较而言，高校专项计划在收益人群的精准性方面效果更强。

这实际上给了院校管理者一种运用调查数据验证反馈政策合理性的新思路。当某项政策，某个项目推行后，是否达到了预期的目标？只有通过数据说话，才更有说服力。

★ 教学改进

来自重庆邮电大学的杨德山老师作为参与院校代表，也分享了重庆邮电大学通过CCSS发现问题和解决问题的历程。

首先，CCSS调查数据让该校意识到自身在生师互动方面，与对标院校和国际标准的差距。

接着，重庆邮电大学在完善机制方面下了功夫。

他们通过借鉴美国学业辅导的有益经验，制定了包括班导师、班学长、数理类课程辅导、朋辈学业辅导、辅导员、学业互助中心在内的一整套融合型学业辅导工作运行机制。

借助这套运行机制，学校的生师互动指标表现在后续追踪调查中得到显著的提升。

这为其它学校提供了基于数据的教育质量改进的正面案例，具备积极参考价值。

★ 综合治理

来自数据公司ApplySquare（申请方）的胡皖琪为大家分享了如何在CCSS数据的基础上进一步挖掘、整合院校现有的其它数据，构建学生学习与发展的综合数据平台，以满足不同教育主体的需求。

通过这种平台，胡皖琪表示，学校可以打通院系和各处室零散分布的数据孤岛，将学生从入口－过程－出口的全链条数据加以整合。

学生可以通过这个平台记录自己的学业发展数据，形成完整的档案画像；

一线教师可以通过平台改进教学、对学生进行个性化培养、预警问题学生、进行招生遴选；

而院校的管理者则可以通过平台把握了解整体情况，从而更好进行工作总结评估和政策的制定规划。

总结

作为CCSS项目的年度会议，本次会议汇集了清华CCSS课题组的老师同学，参与CCSS项目的全国各地研究型大学、应用型大学等院校代表，和有意在未来参与项目的高校代表。

会议分为“项目总结”、“指标构建”、“研究分享”和“院校经验交流”四个部分进行。

除了上述提到的发言内容，其余嘉宾的分享也相当精彩。

项目总结

课题组负责人，清华大学教育研究院常务副院长史静寰教授对项目做了简要的介绍，随后项目助理多蓝和博士生李瑞琳分别对问卷调查执行情况和相应的田野调查进行了总结。

指标构建

清华大学教育研究院副教授罗燕和文雯分别介绍了应用型高校本科教育调查工具的开发和研究，以及国际素养的相关概念、测量和应用。

清华大学教育研究院长聘教授Hamish Coates和博士后郭菲则为大家分享了通过结合CCSS调查数据和院校的公开数据，建构新型的高校人才培养指数的初步设想。

据介绍，这将是国际上少有的加入学生视角，不仅考虑教育投入，更衡量教育增值的指数体系。

研究分享

课题组博士后马淑风分享了自己基于伊利诺伊香槟分校数据，进行的教学共同体的建立与评价研究；

博士生陈乐则分享了他对高影响力教育活动内涵、类型和影响的思考。

院校经验交流

来自河南大学的李桂荣老师根据中国、美国、俄罗斯多国学校共同参与的调查初步数据，做了《基于实证经验审视与反思创新型人才培养问题》的分享。

针对中国大学生在起点上，无论学业能力还是批判性思维都有很大优势，但是在毕业前反而落后，说明我国高校创新人才培养缺失的现状，李桂荣提出了我国高校在人才培养目标定位上缺乏学校文化个性、质量控制上相关问责主体缺失、治理结构上系级管理职能薄弱、学年安排上第四学年育人性差、研究创新上理论实践严重脱机等五方面深刻而坦率的思考，并给出了自己的建议。

最后，主办方还组织参会的各院校老师围绕正在开发的问卷指标，进行分组讨论，以征求大家的意见。

尽管这次会议是CCSS项目的一次年会，但讨论内容却不囿于CCSS本身。从CCSS数据出发，课题组和院校老师们就数据的应用进行了干货满满的分享。

将数据从研究中，应用到院校实际的数据治理，是一个充满挑战的过程，这需要教育研究专家、各院校领导教师以及第三方专业数据机构的共同努力。

此文内容来自：申请方

官网： applysquare

作者：一读编辑部

大数据的作用是在海量数据的基础上，通过算法模型，获得有意义的结果，然后优化资源配置，发现现象，未来预测等。

长话短说，让我们用一个例子来告诉你大数据有多么强大。

今天头条:很多数据是别人的，你是怎么得到的?通过数据分析方法提取文字分析，统计分析消除。在今天的标题中，用户点击开始后端服务器有日志，请求一个点击日志，一个临时集群围绕大数据，计算点击率，就像这样可以计算出用户，用户不喜欢再做调整。通过大数据评估点击率，新广告将在一个小时内进行，以观察下一个小时的点击率，广告将进行排名和调整。

摩拜单车:它是通过物联网终端，总是通过数据，发送数据再上去卖钱，交押金做金融，不要说靠你那五毛钱来生产效益。

项目推荐:网站、音乐、电影、网站、电子商务网站将根据您的浏览行为进行分析，并根据您的兴趣向您推荐相应的项目，如爱奇艺、QQ音乐、京东等。

金融:银行利用大数据来分析用户的消费行为、购买能力和还款能力，降低贷款给用户的风险，降低还款率。

信用:支付宝的芝麻增加了更多的维度，如你的关系、教育、汽车等因素来评估你的信用价值，为信用价值高的人提供更好的服务，例如高信用酒店不必支付押金。

智慧城市:现在更具代表性的功能是能够控制路灯的亮度，可以达到节约用电的效果。通过交通流控制交通信号灯来减少道路拥堵。

大数据处理技术的应用使这些方面有了更好的发展，如果不是大数据处理技术的出现，那可能是因为太多的数据处理不过来，或者根本无法处理。这自然会导致一些落后的或根本不可行的企业的发展。当然，将来会有越来越多的大数据应用，比如物联网、人工智能等。前景是光明的。

如果你不知道，那我就给你一个更粗俗的例子，那就是，“你屁股一撅我就知道你拉的是什么屎”这是由于某人或某物经过长时间的接触，了解了彼此足够的信息，促进了对事物的认知，从而对事物有了更多的了解，并期待着下一步的行动。大数据处理技术就是这样一个过程，他的过程可以分为收集、处理、分析和鉴定，这四个步骤的预测。事实上，它是模拟人类对事物的认知和程序的编程和量化过程的过程。

2018据说是大数据元年，各位，快加入大数据的浪潮，世界早晚会惩罚不喜欢学习的人。

大数据真的太神奇了，真的可以让改变一个企业的运营吗?答案是肯定的。大数据目前是当下最火热的词了，你要是不知道大数据这个概念，都不好意思在众人面前开口了。然而实际上很多人都对大数据的应用模糊不清。现在就让我们从下面十三个大数据应用案例来了解下最真实的大数据故事把，并鲜明得了解大数据在生活当中实际应用的情况。

大数据应用案例之电视媒体

　　对于体育爱好者，追踪电视播放的最新运动赛事几乎是一件不可能的事情，因为有超过上百个赛事在8000多个电视频道播出。

　　而现在市面上开发了一个可追踪所有运动赛事的应用程序RUWT，它已经可以在iOS和Android设备，以及在Web浏览器上使用，它不断地分析运动数据流来让球迷知道他们应该转换成哪个台看到想看的节目，在电视的哪个频道上找到，并让他们在比赛中进行投票。对于谷歌电视和TiVo用户来说，实际上 RUWT就是让他们改变频道调到一个比赛中。

　　该程序能基于赛事的紧张激烈程度对比赛进行评分排名，用户可通过该应用程序找到值得收看的频道和赛事。

大数据应用案例之社交网络

　　数据基础设施工程部高级主管Ghosh描绘的LinkedIn数据构建图，其中就包括hadoop战略部署。

　　五年前，LinkedIn只是一家普通的科技公司。而现在，其俨然成为一个工程强国。 LinkedIn建成的一个最重要的数据库是Espresso。不像Voldemort，这是继亚马逊Dynamo数据库之后的一个最终一致性关键值存储，用于高速存储某些确定数据，Espresso作为一个事务一致性文件存储，通过对整个公司的网络操作将取代遗留的Oracle数据库。它最初的设计就是为了提供LinkedIn InMail消息服务的可用性，该公司计划今年晚些时候将推出开源Espresso。

大数据应用案例之医疗行业

　　Seton Healthcare是采用IBM最新沃森技术医疗保健内容分析预测的首个客户。该技术允许企业找到大量病人相关的临床医疗信息，通过大数据处理，更好地分析病人的信息。

　　在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过3000次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施，避免早产婴儿夭折。

　　它让更多的创业者更方便地开发产品，比如通过社交网络来收集数据的健康类App。也许未来数年后，它们搜集的数据能让医生给你的诊断变得更为精确，比方说不是通用的成人每日三次一次一片，而是检测到你的血液中药剂已经代谢完成会自动提醒你再次服药。

　　Express Scripts就是这么一家处方药管理服务公司，目前它正在通过一些复杂模型来检测虚假药品，这些模型还能及时提醒人们何时应该停止用药。 Express Scripts能够解决该问题的原因在于所有有关数据。因为它每年管理着1.4亿处方，覆盖了一亿美国人和65,000家药店，虽然该公司是能够识别潜在问题的信号模式，但它也使用数据来尝试解决某些情况下之前曾经发现的问题。

　　同时，Express Scripts还着眼于一些事情，如他们所开处方的药物种类，甚至有人在网上谈论医生。如果一个医生的行为被标记为红色的旗帜，那么他在网络上是个好人的形象，更是你所需要的医生。

大数据应用案例之保险行业

　　保险行业并非技术创新的指示灯，然而MetLife保险公司已经投资3亿美金建立一个新式系统， 其中的第一款产品是一个基于MongoDB的应用程序，它将所有客户信息放在同一个地方。

　　MongoDB汇聚了来自70多个遗留系统的数据，并将它合并成一个单一的记录。它运行在两个数据中心的6个服务器上，目前存储了24TB的数据。这包括MetLife的全部美国客户，尽管它的目标是扩大它的国际客户和多种语言，同时也可能创建一个面向客户的版本。它的更新几乎是实时的，当新客户的数据输入时，就好像Facebook墙一样。

　　大多数疾病可以通过药物来达到治疗效果，但如何让医生和病人能够专注参加一两个可以真正改善病人健康状况的干预项目却极具挑战。安泰保险目前正尝试通过大数据达到此目的。

　　安泰保险为了帮助改善代谢综合征患者的预测，从千名患者中选择102个完成实验。在一个独立的实验室工作内，通过患者的一系列代谢综合症的检测试验结果，在连续三年内，扫描600,000个化验结果和18万索赔事件。将最后的结果组成一个高度个性化的治疗方案，以评估患者的危险因素和重点治疗方案。这样，医生可以通过食用他汀类药物及减重5磅等建议而减少未来10年内50%的发病率。或者通过你目前体内高于20%的含糖量，而建议你降低体内甘油三酯总量。

大数据应用案例之职业篮球赛

　　专业篮球队会通过搜集大量数据来分析赛事情况，然而他们还在为这些数据的整理和实际意义而发愁。通过分析这些数据，可否找到两三个制胜法宝，或者至少能保证球队获得高分? Krossover公司正致力于此。

　　在每场比赛过后，教练只需要上传比赛视频。接下来，来自Krossover团队的大学生将会对其分解。等到第二天教练再看昨晚的比赛时，他只需检查任何他想要的——数据统计、比赛中的个人表现、比赛反应等等。通过分析比赛视频，毫不夸张地分析所有的可量化的数据。

　　大数据应用案例之能源行业

　　智能电网现在欧洲已经做到了终端，也就是所谓的智能电表。在德国，为了鼓励利用太阳能，会在家庭安装太阳能，除了卖电给你，当你的太阳能有多余电的时候还可以买回来。通过电网收集每隔五分钟或十分钟收集一次数据，收集来的这些数据可以用来预测客户的用电习惯等，从而推断出在未来2~3个月时间里，整个电网大概需要多少电。有了这个预测后，就可以向发电或者供电企业购买一定数量的电。因为电有点像期货一样，如果提前买就会比较便宜，买现货就比较贵。通过这个预测后，可以降低采购成本。

　　维斯塔斯风力系统，依靠的是BigInsights软件和IBM超级计算机，然后对气象数据进行分析，找出安装风力涡轮机和整个风电场最佳的地点。利用大数据，以往需要数周的分析工作，现在仅需要不足1小时便可完成。

大数据应用案例之社会生活

　　印度有一档非常受欢迎的电视节目Satyamev jayate，该节目整理并分析社会民众关于争议话题的各种意见，包括女性堕胎、种姓歧视和虐待儿童等社会热点问题，并使用这些数据来推进政治改革。

　　虽然目前只播放了13集，但是来自各方的反馈数据不容小觑。

　　-来自印度电视和世界各地的YouTube上的400万观众;

　　-超过1.2亿人在其网站、Facebook，Twitter，YouTube和移动设备上已连接Satyamev jayate;

　　-超过800万的人通过Facebook，网络注释，文本消息及电话热线等方式发送14万个回应，每周有超过10万个新观众进行回应。

大数据应用案例之公路交通

　　在洛杉矶开过车的人一定都经历过那里噩梦般的交通拥堵情况。目前政府在I-10和I-110州际公路上建立了一条了收费的快速通道。政府可通过大数据引导驾驶人员在该通道上的行驶情况，保证交通畅通。

　　施乐就是参与此次项目的公司，它的抗拥塞项目，包括用ExpressLanes、动态定价，上升的需求等等以维持某种秩序的想法。施乐公司的首席技术执行官Natesh Manikoth表示，如果司机支付给驾驶热车道(高占用收费系统)，他必须保证车速每小时45英里左右。如果交通开始拥堵，私家汽车的支付价格将上升，以减少他们进入，而将车道用于高占用率的车辆，例如公共汽车和大巴车。

　　施乐还有另一个项目在洛杉矶称为ExpressPark， 目标是让人们知道他们何时即将离开房子，在哪能找到停车场和花费金额。不仅要确保定价，同时更要确保数据实时到达用户手中。例如，应当提前40分钟告知用户停车位置。

大数据应用案例之汽车制造

　　当问起汽车的制造过程，大多数人脑子里随即浮现的是各种生产装配流水线和制造机器。然而在福特，在产品的研发设计阶段，大数据就已经对汽车的部件和功能产生了重要影响。

　　比如，福特产品开发团队曾经对SUV是否应该采取掀背式(即手动打开车后行李箱车门)或电动式进行分析。如果选择后者，门会自动打开、便捷智能，但这种方式会影响到车门开启有限的困恼。此前采用定期调查的方式并没有发现这个问题，但后来根据对社交媒体的关注和分析，发现很多人都在谈论这些问题。

大数据应用案例之零售业

　　“我们的某个客户，是一家领先的专业时装零售商，通过当地的百货商店、网络及其邮购目录业务为客户提供服务。公司希望向客户提供差异化服务，如何定位公司的差异化，他们通过从 Twitter 和 Facebook 上收集社交信息，更深入的理解化妆品的营销模式，随后他们认识到必须保留两类有价值的客户：高消费者和高影响者。希望通过接受免费化妆服务，让用户进行口碑宣传，这是交易数据与交互数据的完美结合，为业务挑战提供了解决方案。”Informatica的技术帮助这家零售商用社交平台上的数据充实了客户主数据，使他的业务服务更具有目标性。

　　零售企业也监控客户的店内走动情况以及与商品的互动。它们将这些数据与交易记录相结合来展开分析，从而在销售哪些商品、如何摆放货品以及何时调整售价上给出意见，此类方法已经帮助某领先零售企业减少了17%的存货，同时在保持市场份额的前提下，增加了高利润率自有品牌商品的比例。

大数据应用案例之总统竞选

　　许多人通过Facebook更新个人状态、分享图片以及他们"喜欢"的内容。奥巴马的总统竞选运动也通过使用社交网络的各种数据功能完成了竞选，他们不仅通过社交网络寻找支持者，而且还通过社交网络召集了一批志愿军。

　　早在2006年，Facebook联合创始人，克里斯·休斯就建议扎克伯格在网站上推出相关服务，帮助总统候选人在Facebook上建立个人主页，以便他们进行形象推广。2006年9月，Facebook全面开放，用户数量爆炸式增长，在年底达到1200万。这一过程恰好有利地推升了奥巴马的知名度。此后，在克里斯的辅佐下，奥巴马掀起了一系列的网络活动，在Facebook、MySpace等社交网站上发表公开演讲、推广施政理念，赢得大量网民支持，募集到5亿多美元的竞选经费。

　　最终，"黑人平民"战胜了实力雄厚的对手，成为美国历史上第一位黑人总统，之后，在第二次的选举中更获得连任。此次选举被认为是美国民主的巨大进步，而互联网则提供了前所未有的实施手段，其中尤以Facebook代表的社交网站最为突出，以至于有人戏称之为"Facebook之选"。

大数据应用案例之电子邮件

　　MailChimp的核心业务是提供电子邮件服务，它在一年内为大约300万用户发送了350亿封邮件。不过真正能体现MailChimp未来价值的则是该公司对这些邮件数据的处理和分析。

　　MailChimp的一个重要任务就是搞清楚如何帮助客户更好地了解他们所发送的信息。考虑到这一点，该公司建立了一个服务叫Wavelength，向客户展示了与他们相似的其他讯息。这个系统使得Wavelength能够储存公司数据库中每个邮件地址发生的互动。这意味着告诉了你,用户打开了什么样的邮件，何时打开，他们点击了什么链接，还有订阅了什么邮件。MailChimp也有一个功能叫做Ecommerce360，能让客户通过转换来跟踪点击。

大数据应用案例之音乐

　　十多年前，音乐元数据公司Gracenote收到来自苹果公司的神秘忠告，建议其购买更多的服务器。Gracenote照做了，而后苹果推出iTunes和iPod，Gracenote从而成为了元数据的帝国。

　　在车内听的歌曲很可能反映你的真实喜好， Gracenote就拥有此种技术。它采用智能手机和平板电脑内置的麦克风识别用户电视或音响中播放的歌曲，并可检测掌声或嘘声等反应，甚至还能检测用户是否调高了音量。这样，Gracenote可以研究用户真正喜欢的歌曲，听歌的时间和地点。

　　Gracenote拥有数百万首歌曲的音频和元数据，因而可以快速识别歌曲信息，并按音乐风格、歌手、地理位置等分类。

文章来自：中国大数据

目前，很多中小型企业都习惯领导直接做决策的方式。领导的决定对企业决策会造成极大影响，这种现象非常普遍。中小企业面对的这种问题，需要进行思维观念的转变，培养企业领导及员工的大数据思维。企业决策时要能够充分使用企业数据，合理理性的面对数据及其分析结果，真正做到能够让真实的数据说话。

在很多情况下，大数据都非常适合企业使用。但是如果你的公司无法灵活地采取行动，即使再高明的见解也变得毫无价值。

正如分析服务供应商Teradata数据科学主管邓肯·罗斯（Duncan Ross）去年接受BBC采访时所说：“大数据代表着许多企业机遇，但是你必须准备好支点，并关注哪些数据能为你带来利益。“

但这也是一柄双刃剑：若太过依赖大数据，我们也许会忽略强大（而且通常十分准确）的直觉。利用大数据，不盲从数字，不至于所有商业决策都任凭大数据的摆布。

大数据固然不错，但在为品牌做决策时，我们不能唯大数据马首是瞻。肯定有一种综合的解决方案，能将大数据和“直觉判断”有效结合起来。我得以在数据的指引下，为品牌吸引到新的客户，但我和读者联络、互动的方式是由我自己裁量的，不会受制于大数据的摆布。

人孰无过，但数据有时也能误人。这种现实主义融入了我所有的决策之中。这样一来，我在对数据负责的同时，也能对数据的真正含义保持适当的怀疑态度。——曼佩里·辛格（Manpreet Singh），TalkLocal

如何利用好大数据

让大数据充当向导,而非指挥官

大数据固然不错,但在为品牌做决策时,我们不能唯大数据马首是瞻.肯定有一种综合的解决方案,能将大数据和"直觉判断"有效结合起来.我得以在数据的指引下,为品牌吸引到新的客户,但我和读者联络、互动的方式是由我自己裁量的,不会受制于大数据的摆布.　

目标明确

　　就算一个公司拥有再多的数据，也不能代表它就一定会获得商业上的成功。只有真正懂得如何利用大数据，了解到公司利用大数据可以达到什么目标，公司最终才有可能真正成功。不过，有时候，利用太复杂先进的数据分析工具往往也会带来很多问题，不过如果我们能够通过分析大量的数据来得到最终的结果，那就不用怀疑了，你就干吧，至少方向肯定是对的。

要谨慎对待数据

有时，企业是没有能力去获取数据的，也就没法用数据去解决问题。就算公司获得了一些数据，他们往往也不清楚这些数据最终能否解决他们的问题。

一个数据是否有效，是否能帮助公司解决问题，最好询问数据小组的意见。

文/子东

亲爱的小伙伴们，大家好！

我是子东，专注新媒体实战营销/策划/文案撰写/欢迎关注！

今天和大家聊聊，怎样通过大数据来做细分领域的市场定位？

在过去定位理论是最重要的营销理论之一，但是很多营销专家做市场定位的时候，大多都是拍脑门搞来的 灵感。

我觉得这样做非常不科学，因为每个人的认知都是有局限的，而且每个人都习惯把自己熟悉的事物影响无限的放大。

那么就会遇到以下情况;

1:定位的核心原则是什么？

2：真实数据与现实数据不对称怎么办？

3：怎样用大数据科学的去定位市场？

一：定位的核心原则是什么？

俗话说选择比努力更重要，选择不同得到不同，选择不对努力也白费。

怎样去选择产品定位？怎样去选择个人定位？

定位核心有3个原则：

1：市场需求大，且迅速在增长。

2：市场竞争非常小。

3：与自身的资源匹配度高。

说白了是找到细小的细分领域，而且竞争不是太大，刚好与自己的本身资源，能力非常匹配。在这个条件下去做成功的 几率会很高，否则容易失败。

二：真实数据与现实数据不对称怎么办？

在这里给大家举一个例子：

大家觉得外国人对中国最关注的什么？

其实这个问题也不稀奇，很多人都问过。但是答案五花八门，基本都是条件反射性的回答：政治，经济，人权，等问题。

其实这样回答 的朋友是大错，特错。很多老外连自己国家的政治和人权都不关注，换句话说也轮不到自己插手这些国家大事，他们怎么会关注中国的这些问题呢？

早在很多年前我在GOOgle关键词工具查询的时候，我当时搜索了一下“chinese”这个关键词。

工具立刻列出了搜索量最大的前20个包含“chinese”的组合词。看到数据后我惊呆了，搜索量最大的是“中国的xxx”这列词汇中。前20个搜索量最大的词汇，其中“chinese food”和“chinese girl”都在排行10多名。剩下的关键词就是“玄学”。

前面搜索量最大的就是：占卜，占星术，历法，婚姻占卜，算命等相关词汇。

原来老外关注的是中的的传统玄学，这才是真实的数据。

通过这个例子我们不难发现，当你要做市场定位的时候一定要真实的了解市场的需求和动机。不要盲目的去定位和开发市场，否则会一败涂地。

三：怎样使用大数据定位市场？

我们经常看到接头发传单做现场调查的，那些调查公司拿出的数据很多也是不靠谱的。因为他们只是通过几千份问卷得来的数据，其实我们可以免费的直接查看几亿用户的真实数据，有效的帮助自己做市场定位决策。

在哪里查找这些数据呢？

1：百度。

2：GOOgle。

3：淘宝。

4：微信。

5：AMazon。

6：app stroe。

在很早的时候百度就开通了百度指数：http://zhishu.baidu，可以通过百度指数查询关键词的搜索量，搜索量越大说明市场需求越大。

然后再看百度搜索的结果，如果搜索结果排在前3页没有太多专业网站的话，就说明这个市场有很大的机会。

淘宝也是有指数的，不过刚刚关掉了。现在变成了淘宝生意参谋的数据库，通过淘宝书为支撑还有很多第三方网址可以查询相关数据。

你输入一个关键词，就可以查看每天多少人搜索，有多少成交量他们的收入，以及年龄，地域，等爱好都可以一目了然的知道。

如果你想了解全球市场的数据，可以通过GOOgle的关键词工具，你可以直接把查询的区域锁定到某一个国家，某一种语言的具体搜索。

如果你想了解全球电商数据，你可以在亚马逊的关键词工具搜索查询。

用下面这个工具可以查询：

http://keywordtool.io/amazon

这个工具不仅仅可以查看Amazon，还可以查询youtube,bing,App seore,Google的数据。

我经常会用到这些工具去查询，或者搜索一些具体的细分市场。学会这些以后你可以寻找一个非常好的小领域，如果再加上一个超级牛的营销策略，你就可以垄断一个小行业。

学会了这些之后，你就可以给自己找定位给市场找定位。

还可以学习：

写文章引流赚钱，做收费社群，系统化变现的各种秘诀。

如果你想学习这些干货，可以私信我。

好了今天就给大家分享到这里，喜欢的可以转发收藏，欢迎留言点评，码字不易欢迎点赞！

我们下期再见！

现在大数据不断发展衍生出了很多用途，而在营销上面的用途是彻底改变了营销模式。而该如何利用大数据来进行精准营销是现在所有企业的难题，那么今天小编就来讲一讲大数据采集、数据清洗与数据运用。

1.数据采集

数据采集其中分为线上与线下，而在这其中可以分为线下门店数据宝安装、在特殊场景利用数据宝采集、利用LBS技术通过地域区分数据与通过线下采集数据来进行线上数据分析对比。

线下门店数据宝与在特殊场景利用数据宝采集：线下门店数据宝是在指定的门店中安装一个数据采集设备，通过WiFi探针功能采集到店顾客手机mac码，来进行精准数据采集；特殊场景采集数据是利用移动数据宝，同样采集指定区域的手机mac码进行线下用户的精准行为。

LBS技术通过地域区分数据：LBS通过指定区域、地点来精选数据采集调取。通过铺设的WiFi设备来进行实时的数据采集，而通过LBS来进行把所需要区域的数据调取出来，加以利用。

2.数据清洗

原始数据采集上来时往往都是不规则、非结构化的数据，而且数据大量存在重复、缺失、错误等问题。所以需要进行数据清洗也就是数据画像分析，并将清洗的结果传输到分析及运用系统中以供使用。

原始数据中可能携带一些用户隐私相关的数据，在数据清洗时，需要通过标签化、分类化等等方式对这些数据进行处理。

对于非结构化的数据我们也需要采用数据建模及数据治理等方法将数据转化为结构化数据，这样才能后续统计分析的速度。

3.数据运用

前面二个运用只是基础的环节，最重要的是如何利用数据来达到营销效果。

数据可视化是数据分析及运用环节十分重要的展示窗口，通过这个窗口可以让更多的、各级工种得到数据传递的规律和价值，并使数据在工作决策中起到十分重要的作用。

除了数据可视化还是用户画像分析也是重要的营销手段，通过线下数据和线上数据分析，进行精准客户一系列分析会更加了解客户他们的喜好、浏览习惯、是否拥有消费能力等等，根据这些还可以制定出符合精准客户痛点的营销方案，力求营销最大化。

在过去的几年里面，很多中国的企业都开始发展自己的企业大数据，都开始企业的基础数据的建设，而在中国市场，目前已经有一半多%的企业已经开始成立了数据分析的相关部门，还有27%的企业已经打算成立该部门。

同时，还有的企业已经开始使用大数据来发展公司。但是，很多人都说他们这些公司只是打着大数据的旗号想去蹭一波热度，来进行跟风发展，实际上真正能够用到大数据的公司数量是很少的，因为对于很多企业来说他们根本就没有那么多的数据要处理，只有国内的一些像阿里、腾讯等公司才有大量的数据需要处理。

那么这些公司应该有什么样的大数据产品和提出什么样的方法才能更好的来帮助公司做出发展呢？现阶段很多的企业都非常需要尽快来推出相应产品和方法来解决。而且企业要做的不单单是需要投入大量的经历来做这些，还应该去不断的加快数据产品的推出，只有这样才能将数据更好的利用起来帮助公司的发展。

首先，企业应该要去完善用户标签提供个性化的服务。如果你不能够充分的去了解你的每一个用户，针对每个不同的用户做出个性化的服务就没办法下手。所以对于很多的中小型企业来说，提供用户服务的数据服务商合作已经是必须要去完成的事情，但是遇到的问题是这些企业并不具备能力去完善自己用户标签的用户场景和相对应的技术。

而且即便是对于腾讯、阿里巴巴、百度这样的巨头企业来说，虽然他们有大量的用户和产品场景，可以供自己去完成用户的分析，可这些大公司还是面临着无法去全面的覆盖用户的问题。比如百度和腾讯他们两家公司就不能够去知道用户的电商画像，而对于阿里巴巴来说他们则是缺乏对用户的社交画像的了解。所以他们同样需要去利用专门来做大数据分析的公司，才能帮助他们的企业更好的发展。

其次，企业想得到要好用的分析产品。尽管市面上有很多各种各样的分析产品我们都能使用，可面临的现实是，能够完全满足产品和运营需求的产品的却不多。所以现在很多企业都面临这样的矛盾，如果用简单的产品的话处理数据的能力是非常有限的，不能够去很好的满足企业分析用户们的需要。而太过于复杂的产品则是太麻烦。所以市场上面好用的分析产品是少之又少，这也让不少企业十分的头疼，这点如果不能够很好的解决的话对于接下来的发展就是十分不利的。

当然有实力的企业可以去选择自己开发，但很多的企业最好的选择还是去市场上寻找已有的成熟的解决方案。但是面对移动互联网领域的发展痛点还是无法否认到解决，一边是将消息准确的推送给用户们，还有就是对于去发展全新的用户、给他们的更好体验度等关键性问题方面。所以对于新来的人的发展以及对于老朋友们的维护等这些都需要公司不断地去加强并且提供有效的解决方法才可以。

现如今随着很多数据的产生，信息得到了利用，人们的生活也更加的方便，同时对于服务的要求也在不断地提高，所以这就对于很多的企业来说他们也就遇到了很多的的困难和机会，只有靠公司自己去解决了这些问题之后，才能不被这个快速提升的年代所淘汰。所以他们需要去更好的做出改变，去积极的想办法做出帮助公司发展。然后顺应变化才能使得公司逐渐的进步，才能在去赢得未来更大的市场，让公司能够做出最对的改正，让人们能够去相信我们的公司，为公司赢得较好的名声。

最后小编想说的是，在这样的一个社会，很多的企业要做到的更多是去关注到用户们的想法，更好的去提供给客户的服务。只有掌握了客户的想法，根据他们的要求，准确无误的提供给他们想要的产品，这才是现如今企业最需要做的事情。还是那句话我们要会去分析客户的行为，根据得到当前这些信息去描述客户的画像，然后推送我们的产品，做到一条龙服务才是企业要去做到的标准。

本文由新科技好奇心原创，欢迎关注，带你一起长知识！