Primero, hablemos de nuestra forma habitual de pensar y razonar. ¡Ven y aprende unos de otros!
Hace apenas unos días hablé sobre big data en el grupo WeChat. ¿Qué son los grandes datos? ¿Qué modelos de negocio puede generar el big data? De hecho, soy un lego y sólo tengo una comprensión parcial de este tema. El propósito de mi artículo de hoy no es decirles qué son los big data. ¿Qué modelos de negocio puede generar el big data? ¡El propósito de este artículo es compartir con usted cómo deducir ideas y desmantelar el pensamiento mediante la deducción de big data y modelos de negocios!
Hablando de pensamiento, permítanme presumir aquí. Aunque está vacío, ¡espero que todos puedan entender la intención!
Todo debe estar conectado siempre que se eleve al nivel del Tao. A menudo escuchamos que existen muchas rutinas en las operaciones. Es cierto. Si no hay rutinas, lo mismo ocurre con hacer otras cosas, lo que significa que todo sigue un patrón. La rutina más profunda es "Tao" en el mejor de los casos y "filosofía" al final (tenga en cuenta que estoy hablando de la rutina más profunda). Así como podemos mirar los problemas desde los cuatro niveles de Tao, Dharma, Técnica e Instrumento, de hecho esta es la forma de pensar. Para poner otro ejemplo, solemos decir que deberíamos ver la esencia a través de los fenómenos. La esencia aquí es en realidad lo que todos llaman "rutinas".
La filosofía es la rutina más profunda, como la materia determina la conciencia, la conciencia reacciona sobre la materia, la relación dialéctica entre las causas internas y externas, la relación dialéctica entre las contradicciones primarias y las contradicciones secundarias, y el concepto de desarrollo mencionado en filosofía. De hecho, es lo que a menudo llamamos "rutina", pero esta rutina es muy poderosa porque puede guiar la práctica de producción humana e influir en el desarrollo social. Cuando analizamos cosas, realizamos operaciones o hacemos cualquier otra cosa, debemos establecer capas de rutinas, es decir, rutinas a nivel filosófico, a nivel de metodología, rutinas a nivel técnico e incluso rutinas a nivel de equipo.
Bien, ahora que la instalación ha finalizado, hablemos de big data. ¿Qué opinas sobre los grandes datos? ¿Qué modelos de negocio se pueden derivar del big data?
Utilizamos esto para deducir y descomponer nuestro pensamiento. Creo que al mirar cualquier cosa, lo primero que hay que hacer es entender la definición o la lógica básica del asunto.
Para responder a esta pregunta, ¡primero debes entender qué es el big data! No hay una definición específica aquí, ¡solo pido ejemplos! ¿Es necesario presentar big data en formato digital? ¿Se llama big data a la recopilación de todos los números de teléfono del mundo? ¿Se llama big data a la recopilación de datos de los informes financieros operativos de todas las empresas del mundo? ¿Todos los conjuntos de datos económicos se denominan big data? Si quieres entender los big data de esta manera, es un poco unilateral. De hecho, big data contiene una colección de todos los elementos. Daremos un ejemplo más adelante.
¿El big data sólo apareció en la era de Internet? La respuesta también es no. De hecho, los big data existían antes de la aparición de Internet. Internet es solo un acelerador para la formación de big data. Aquí podemos dar un ejemplo de big data:
Todas las especies del mundo son un conjunto de big data.
La recopilación de diferentes temperaturas, velocidad del viento, humedad del aire y contenido de iones de oxígeno negativos en varias provincias, ciudades y condados de todo el país en un momento determinado es un conjunto de grandes datos.
Para poner otro ejemplo, el conjunto de características fisiológicas de los 1.400 millones de habitantes de China es un conjunto de big data.
Todos los comportamientos de búsqueda de los usuarios recopilados por Baidu Search desde su lanzamiento son un conjunto de big data.
Los registros de comportamiento de llamada de taxis de todos los usuarios de Didi Taxi son un conjunto de big data.
……
Hay muchos ejemplos de este tipo. Por supuesto, la colección de todos los diferentes ejemplos de Big Data en el universo también es un conjunto de Big Data.
Después de comprender el concepto de big data, echemos un vistazo a cómo funciona el big data. La aplicación de big data no es para buscar causalidad, sino para ejercer su correlación. Por ejemplo, no existe una relación causal entre el comportamiento de búsqueda de los usuarios de Internet en un área específica y la gripe en un período de tiempo específico, pero la correlación entre este comportamiento de búsqueda y la gripe se puede establecer mediante la digitalización. Sea específico.
Suponemos que los usuarios de Internet en China y Guangdong experimentaron un aumento repentino en el volumen de búsqueda de palabras clave como fiebre, tos, mareos, etc. durante la última semana. Por ejemplo, si estas palabras clave se han buscado millones o incluso decenas de millones de veces, se puede inferir que ha ocurrido algún tipo de fenómeno * * * en esta área. Según palabras clave como fiebre, tos, mareos, etc., podemos tranquilizarnos de que puede haber algún tipo de gripe o epidemia en la provincia de Guangdong.
¿Por qué estás tan seguro? Debido a que las búsquedas de todos tienen un propósito o son intencionales, si aparecen las palabras clave mencionadas anteriormente, es probable que los internautas estén buscando cosas como tos vieja. ¿O cuál es el motivo de los mareos y la fiebre? ¿Cómo se tratan estos síntomas? Puede que no sea gran cosa que dos o cientos de miles de personas busquen esto al mismo tiempo, pero si millones o decenas de millones de personas buscan estas preguntas usando palabras de alta frecuencia al mismo tiempo, entonces debe haber Puede haber algún tipo de problema * * *, y se puede concluir que para los problemas anteriores ¡Existe algún tipo de popularidad!
Esta es la expresión de la relación entre big data, es decir, el análisis y predicción de big data. Cuando descubrimos este tipo de comportamiento de búsqueda anormal, podemos iniciar rápidamente una investigación y solución de problemas por parte de los departamentos relevantes y, en general, básicamente podemos concluir que existe una epidemia. En este momento, el mecanismo de emergencia se puede activar rápidamente y entra en juego el papel de big data. Este es un ejemplo de correlación, análisis y predicción de big data. Este método analítico se utiliza ahora ampliamente. Por ejemplo, cuando conduce, a menudo escuchará la transmisión de las condiciones del tráfico en tiempo real o la visualización de las condiciones del tráfico en tiempo real en el mapa. Este es el resultado del big data. De esta forma podrás evitar estas zonas congestionadas.
También podemos dar ejemplos a través de suposiciones o de la imaginación. Por ejemplo, si podemos digitalizar los datos climáticos y la eficiencia laboral de las personas y descubrir la correlación entre ambos, podemos determinar con precisión en qué condiciones climáticas se encuentra una persona (temperatura, viento, humedad del aire, contenido de iones de oxígeno negativos, etc.). se puede alcanzar un nivel de eficiencia en el trabajo. )¿cuando? De esta manera, es posible que en el futuro no necesitemos una jornada laboral fija de ocho horas, e incluso se puede considerar que la intervención de datos climáticos puede adaptarse mejor al estado de ánimo y al estado laboral de las personas. ¿Aumentará esto la eficiencia laboral de todos diez veces o incluso cien veces?
Por supuesto, si somos un poco más atrevidos, también podemos predecir el próximo comportamiento de la persona en base a todos los datos sobre las características de comportamiento de la persona. Por supuesto, esta es una historia posterior.
Volvamos a la pregunta original, ¿qué es big data? ¿Qué modelos de negocio puede generar el big data? La pregunta anterior ha sido respondida arriba. Sigamos pensando en la última pregunta: ¿Qué modelos de negocio pueden generar los big data?
¡Hagamos una deducción de ideas paso a paso!
El big data que mencionamos anteriormente debe ser masivo, diverso y cambiante, por lo que podemos pensar que el big data no debe estar al alcance de todos ni de todas las instituciones, es decir, la acumulación y el desarrollo del big data. La producción debe ser escasa. Entonces las empresas o instituciones con acumulación de big data tienen una ventaja de escasez. En primer lugar, no hay duda de que los macrodatos son útiles. Las cosas útiles y escasas definitivamente generarán valor comercial. Así surgió el primer modelo de negocio de big data: vender recursos de big data.
Entonces pensamos que aunque algunas instituciones tienen recursos de big data, no tienen las capacidades de análisis o aplicación de big data. Por ejemplo, los gobiernos pueden carecer de este tipo de pensamiento o lo que llamamos pensamiento de big data. Este tipo de profesionalismo o talentos profesionales. Si los big data no se pueden analizar, no pueden generar valor, por lo que ha surgido el segundo modelo de negocio de big data: proporcionar análisis de datos profesionales o soluciones de datos y cobrar tarifas por servicios.
¡No pares, sigamos! También hay soluciones y análisis de datos profesionales. ¿Cómo implementar estas soluciones? Por ejemplo, descubrimos mediante análisis que las características fisiológicas de las personas, como la altura, la altura, el peso y el área de contacto de los glúteos, en realidad están relacionadas con la fuerza y la forma apretada del asiento del automóvil. Por lo tanto, podemos sacar conclusiones a través del análisis de datos. ¡Sistema antirrobo inteligente para asientos de coche! ¡Entonces esta empresa de análisis y soluciones de datos que se especializa en sistemas antirrobo no puede hacerlo y no puede implementarse! Por lo tanto, ha surgido el tercer modelo de negocio de big data: convertir soluciones de big data en productos comerciales y ganar dinero mediante la venta de productos o servicios.
Podemos resumir tres modelos de negocio convencionales de big data:
1. Vender recursos de big data
2. Proporcionar análisis y soluciones de big data.
3. Implementar soluciones de big data y formar productos comerciales.
Por supuesto, estos tres modelos de negocio de big data convencionales pueden derivar en muchos modelos de negocio, y el pensamiento de big data puede desencadenar una ola de cambios en los modelos de negocio.
Por supuesto, también hay empresas o instituciones que tienen la capacidad de aplicar los tres principales modelos de negocio de big data mencionados anteriormente, como Google, Alibaba, Facebook y Baidu.
Las opiniones anteriores no son nuevas ni necesariamente precisas. Es importante analizar ideas de presentación específicas. En el proceso de operación comercial de big data, definitivamente surgirán problemas que son inevitables en cualquier época: el fraude y el engaño. De hecho, podemos entender esto fácilmente. Porque en la práctica de los modelos de negocio es necesario lograr la máxima producción de beneficios al mínimo costo, es decir, perseguir la maximización de los beneficios. Esta es la esencia de las operaciones comerciales, pero es solo un fenómeno en el mercado y se optimizará en el proceso de desarrollo del mercado. Sólo los comportamientos comerciales que realmente satisfagan las necesidades de los usuarios pueden persistir hasta el final.
Algunas personas pueden preguntarse, ¿cuáles son los criterios para juzgar estos logros comerciales?
Existen estándares para todo lo que hacemos, y los estándares son la referencia de lo que hacemos. Por supuesto, las normas no son inamovibles. De hecho, aquí podemos usar lo que todos piensan que es grande pero vacío: el llamado estándar, que cumple con la ley, debe ser el estándar más grande. Los estándares pueden ser establecidos por pioneros o por pioneros, pero los estándares establecidos deben ser razonables y altos, es decir, deben cumplir con la ley. A menudo aparecen estándares poco razonables en la industria, pero estos estándares eventualmente serán reemplazados u optimizados.
Los estándares mencionados anteriormente tienen que ver con el nivel de Tao, que es la rutina más grande mencionada anteriormente. Por supuesto, necesitamos concretar y perfeccionar los estándares en torno a esta rutina para referencia e implementación.
Tomemos como ejemplo la gestión de agencias. ¿No es noble el objetivo final de las operaciones de las agencias: maximizar las ganancias para los clientes? ¿No se trata de maximizar los propios intereses de la agencia sobre la base de brindar resultados visibles a los clientes? Entonces podemos desglosarlo en función de esta idea. ¿Qué estándares deberían usarse para medir la efectividad de operaciones representativas de trabajo específicas? La esencia de las operaciones empresariales es el beneficio, por lo que la eficacia debe medirse en dos dimensiones: ventas y costes. Después de una asignación específica, esta es una gran medida. Luego lo dividimos. ¿Cómo podemos aumentar las ventas y controlar los costes? Esto implica medios y técnicas específicos, y la medición de los efectos de estos medios y técnicas específicos implica estándares específicos. Cuando dividimos esta idea en su detalle más pequeño, se puede formar un estándar operativo muy detallado.
De manera similar, la idea de determinar los estándares anteriores también se puede comparar con el establecimiento de estándares para las operaciones comunitarias, como los estándares de evaluación para publicaciones de élite de la comunidad, publicaciones populares, publicaciones populares, recomendaciones de editores, y publicaciones de alta calidad. Las ideas anteriores se desmantelan y se refinan aún más.