大数据对商业发展的影响

成绩大数据对商业发展的影响摘要：大数据是数字技术的核心，本文首先研究了大数据的基本理论，包括大数据的特征和思维方式上的变革。其次，文章研究了大数据对电子商务的六种影响，研究表明大数据极大的促进了电子商务的发展。最后，文章还研究了利用大数据来刻画用户画像。关键词：大数据电子商务用户画像1引言大数据是数字技术的核心之一，目前已经在生产生活等各个方面等到了广泛的应用。大数据具有四V的特征，就是大量、多样、时效性和价值密度低。大数据让传统思维发生了比较大的变化，从样本思维到全量思维，由精确思维到模糊思维，由因果思维到相关思维。大数据诞生以来，对商业活动影响很大，改变了很多的传统商业模式。大数据技术在商业的一个应用，就是用户画像，进而实现精确营销，促进商业发展，形成新的商业模式。2大数据理论2.1大数据的定义大数据（bigdata）,维基百科：大数据是指一些使用目前现有数据库管理工具或传统数据处理应用很难处理的大型而复杂的数据集。总的说来，大数据比想象中复杂。它不只是一项关于数据存储压缩技术，而是一系列和海量数据相关的抽取、集成、管理、分析、解释技术，是一个庞大的框架系统。2.2大数据的特征一般而言，大数据具有四V的特征（Volume，Variety，Velocity，value）。路图1所示。图1：大数据的特征2.2.1Volume（海量性）大数据的第一个特征，就是数量巨大。下面给出数据的几个量级。1TB=1024GB(TB-terabyte)1PB=1024TB(PB-petabyte)1EB=1024PB(EB-exabyte)1ZB=1024EB(ZB-zettabyte)2011年，全球被创建和复制的数据总量才是1.8ZB。但到了2020年，全世界电子设备存储的数据，达到了35ZB。如果建一个机房来存储这些数据，那么，这个机房的面积将比42个鸟巢体育场还大。数据量不仅大，增长还很快——每年增长50%。也就是说，每两年就会增长一倍。2.2.2Variety（多样性）数据的形式是复杂多样的，包括数字（价格、交易数据、体重、人数等）、文本、邮件、网页、图像、音频、视频、位置信息（经纬度、海拔等），等等，都是数据。从分类上看，数据可以分为结构化数据、半结构化数据和非结构化数据。结构化数据，是指可以用预先定义的数据模型表述，或者可以存入关系型数据库的数据。传统的数据库，就是结构化数据。半结构化数据，比较典型的就是文本文件，具有一定的结构，但又不能像结构化数据那样处理。非机构化数据，也叫异构数据，例如我们上网大量接触到的网页文章、邮件内容，就是很常见的非结构化数据。另外，图像、音频、视频等，都属于非结构话数据。在互联网领域里，非结构化数据的占比已经超过整个数据量的80%。大数据，就符合这样的特点：数据形式多样化，且非结构化数据占比高。大数据技术发展的一个重要方面，就是对异构数据的处理和存储。2.2.3Velocity（时效性）大数据还有一个特点，那就是时效性。从数据的生成到消耗，时间窗口非常小。数据的变化速率，还有处理过程，越来越快。以正在进行的美国大选为例，特朗普和拜登的选票，在各大新闻文章，实时的更新，可以随时看到选票的情况。可以领略到选举的异常激励。对于瞬间就发展变化的数据，迫切需要新的方法进行处理。实时处理，就是大数据技术的一个重要方向。大数据的计算有两种模式，流处理也就是实时处理，和批处理模式。2.2.4value（价值）海量的大数据，可以蕴含很大的价值。但由于数据多，随之带来的，就是单个数据的价值比较低。换句话说，就是价值密度很低。数据中真正有价值的，只是其中的很少一部分。例如通过监控视频寻找犯罪分子的相貌，也许几TB的视频文件，真正有价值的，只有几秒钟。2.3大数据思维大数据首先是一门技术，但大数据更重要的是带来了思维上的巨大变化。包括从抽样到全体数据的思维，从精确到模糊思维，从关注因果到关注相关性的思维。2.3.1从抽样到全体的思维在大数据之前，受到计算能力的影响，我们一般采用抽样的方式进行研究。在统计学的支持下，我们从总体数据中随机抽取部分数据来代替所有的数据，进行分析处理，得到结果。究其根源，是因为传统的计算能力不能进行大规模的全体数据分析。数据量大，不但带来高成本，也会导致效率低下。例如，在金融分析中，从样本数据来近视总体数据，是主流的分析手段。但随着数据计算处理能力和数据量的增加，尤其是大数据技术可以快速高效的处理原来不可想象的海量数据，我们就可以用低成本，小代价，实现对全体数据的分析。这样可以克服采样带来的以点带面、以偏概全的问题，认识世界更全面。2.3.2从精准到模糊精确性，一直是我们说追求的，但也是很难的。传统的对数据处理分析时，由于数据量小，数据分析师可以得到比较精确的分析结果，如果出现异常时，还会作进一步的分析，查明异常的原因。许多重要的发现也是在对异常现象分析得到的。但在大数据的时代，数据量的大爆炸，使得大数据分析师们的关注重点也发生了变化。大数据分析师更关注的是大概率事件，即所谓的模糊性；而不是具体的细节。精确性的思维是建立在数据不很多的基础上，基于精确得到的规律，在海量的大数据面前会发生变异乃至于突变。当然，我们也不是要抛弃严谨的精确性思维，而是要增强我们大数据的模糊思维。2.3.3从因果到相关因果就是有原因，导致必然的结果。这是我们分析事物的一种重要的方式。无论是在科学研究还是经济生活或者商业活动中，探求事物间的因果关系，是我们一直说追求的。例如，我们的数学课、物理课，学习了很多的公式，这些公式的推导和证明，就一直强调因果关系。在股市的动荡中，总有各种各样的理由来解释股价的振动和变化。而相关性，是指事物之间的相互关联。例如，事情A的发生和事情B的发生同步，或者的先后发生。那A和B之间就有相关性了。但逻辑上告诉我们，相关性不代表因果性。因此在生活中，我们总是追求相关性，更是警惕把相关性当成因果性。但在大数据时代，事情发生了变化。一个比较流传的故事，就是啤酒与尿布的故事。通过这个故事我们可以看出本来商品中尿布与啤酒两个风马牛不相及的东西，关联在一起销量增加了。数据挖掘技术中，一个算法叫关联规则分析，其密度就是来挖掘数据关联的特征。尽管我们不一定知道数据的因果关系，但基于数据的挖掘，我们能够看到数据的关联现象，这个为我们解决问题提供了新的思路。2.4大数据技术分类大数据的计算模式一般可以分为下面四种，如图2所示。批处理计算：批处理计算主要解决的问题是，对于海量数据的批量处理问题，也就是我们日常工作中，经常遇到的数据处理的问题。流计算（实时计算）：流就是流动的意思，所以把实时计算形象的称为流计算。因为实时数据的价值是慢慢下降的，所以要采用实时计算的方式给出秒级响应。（3）图计算：在大数据时代，大量的非结构化数据，都是以大规模图或网络的形式呈现的。而且许多非图结构的数据，也常常会被转换为图模型后再进行处理分析。（4）查询分析：针对超大规模数据的存储管理和查询分析，需要提供实时或准实时的响应，才能更好地满足企业经营管理需求。3大数据对电子商务的影响1500字大数据的兴起和发展对商业模式产生了比较大的影响，比较大的促进了商业的发展和进步。在商业营销模式中，电子商务是发展较快，影响较大的商业模式，目前线上的交易，已经同线下的交易平分天下了。与传统的线下销售渠道来比，海量数据成为电子商务的优势，也逐渐成为企业、商家发展的核心竞争力。电商掌握了几乎全满的数据信息，包括消费者的浏览记录，购买记录，评价反馈等，及其平台上商家的交易量、交易额、库存量、信用评价等。将这些数据资源建库储存，经过深入挖掘分析，能为企业、商家经营决策提供指导。大数据技术为电子商务带来新的发展契机，其主要影响表现为以下几个方面：3.1信息检索服务网络上的信息呈爆发式增长，消费者很难在有限的时间内筛选出心仪产品。为客户提供其说需要的商品，是电商的核心竞争力之一。电商可以通过将海量产品进行整合归类，根据消费者的消费习惯，进行推荐。实现了消费者搜索关键词与推荐产品的准确匹配，精确营销使消费者获得符合自己需求的产品。头条的兴起，就是提供了优质的信息检索服务。3.2优质产品汇总一般来讲，消费者都具有明显的从众心理，在线上销售也不例外。爆款产品，可以使得电商获取比较高的利率。电商厂家可以根据消费者浏览记录和购买记录等指标，用大数据的数据挖掘等技术手段，将大多数人喜欢的产品筛选出来，优先排列，节省消费者精力和时间，而产品销售的更快。拼多多，淘宝等，都讲目前销售比较好的产品，单独排列，提供给消费者。3.3个性化推荐电子商务兴起后，厚尾的产品越来越多。许多消费者，越来越喜欢具有个性化的产品。这些产品数量不是很多，但整体的市场还很大。因此针对消费者的个性化推荐，就势在必行。采用大数据技术，从海量数据中分析挖掘消费者的消费偏好和习惯，给消费者画像，建立消费者的全息档案，是电商的迫切需求。电商可以根据消费者的画像，个性化进行产品推荐或广告推送服务，提升用户体验。如淘宝的“找同款”、“找相似”、“看了该宝贝的人还看了”等。3.4差异化竞争，细化的服务领域消费者对产品需求的多样化，使得电商的服务也要进入差异化，细分市场。电商企业通过对数据的分析挖掘，找准营销目标，形成新的竞争方式。如拼多多的崛起，就是针对了消费下沉。从很多电商看不上的低端消费人群入手，迅速抢占市场，创造了新的市场传奇。3.5优化资源配置依托从消费者购买和浏览记录中获取的消费大数据，商户可以预知未来市场方向，规划调整商品生产类型和数据，优化营销策略，优化资源配置，提质增效。如：对于交易量大的商品，可以进一步分析主要贡献用户及其消费行为特征，然后将产品有目的的倾斜，吸引更多的同类消费者；或者对于交易量大的商品，反推前端（例如点击率）对其影响较重要的因子，对这个因子的提升也会相应刺激后端交易量的提升。3.6挖掘数据潜在价值从消费者的购买和浏览记录，对消费者的消费动向进行分析，是一种显性的分析。但对消费的数据进行挖掘，发现消费者的隐形消费意向，或者创造消费者的消费行为，是大数据技术的有一个重要影响。例如，亚马逊通过搜集用户ip地址，从用户IP地址破译用户所在几公里内是否有书店，最后发现用户网上购书行为与附近几公里内是否有书店相关。潜在价值的发现，目前已经越来越重要，也在大的电商企业得到了应用。4用户画像用户画像(persona)的概念最早由交互设计之父AlanCooper提出:“Personasareaconcreterepresentationoftargetusers.”是指真实用户的虚拟代表，是建立在一系列属性数据之上的目标用户模型。随着互联网和大数据技术的发展，用户画像是根据用户人口学特征、网络浏览内容、网络社交活动和消费行为等信息而抽象出的一个标签化的用户模型。4.1用户画像的作用刻画用户画像，是一件比较高成本的事情，需要处理海量的数据，花费大量时间和人力物力。尽管成本非常昂贵的事情，但大部分头部电商公司还是希望能给自己的用户做一份足够精准的用户画像，来指导精确营销。用户画像，对电商具有非常重要的作用，大体上可以总结为以下几个方面：第一是精准营销，通过画像，理解客户需求，可以给客户进行精准的邮件推送、短信营销等；第二是用户研究，掌握用户的需求、挖掘用户的需求，指导产品优化，甚至做到产品功能的私人定制；第三是个性话定制服务，包括精确推荐、精确搜索等；第四是业务决策，包括排名统计、地域分析、行业趋势、竞品分析等。4.2用户画像的内容用户画像包含的内容，是根据行业和产品的不同所关注的特征也有不同，是独特的，不是固定的。一般而言，用户画像都会包含人口属性和行为特征。这些都是通用性的指标。电商购物网站的用户画像，一般会提取用户的购买兴趣和消费能力等指标。如果做得足够细致，可以把用户的实际消费水平和在每个类别的心理消费水平区分开，分别建立特征纬度。4.3用户画像的生产构建用户画像的核心工作，主要从海量的数据中进行挖掘，给用户贴上一个维度标识的“标签”。用户画像的生产过程，可分为：第一步是用户建模，指确定提取的标签，和数据资源；第二步是数据采集，通过爬虫等数据采集的手段，把数据统一存放到大数据存储的群中；第三步是数据清理，是把收集原始数据进行字段提取，得到关注目标的特征；第四步是模型训练，通过学习来获取用户特征；第五步是属性预测，利用模型和用户的已知属性，研判用户的未知属性；第六步是数据合并，把用户前面几步产生的用户属性进行合并；第七步是数据分发和推送，将第六步的数据，分发到精准营销、个性化推荐、CRM等各个平台，提供数据支持。5总结大数据具有四V的特征，也给人的思维模式带来了比较大的变化，从抽样思维到全体数据思维，从精确性思维到模糊性思维，从因果确定性到相关性思维。大数据对电子商务产生了很大的影响，表现在信息检索服务、优质产品汇聚、个性化推荐、差异化服务、优化资源配置和挖掘潜在价值等六个方面。大数据在商业上的一个应用，就是进行用户刻画，可以