本商城推介信息为广告
热门搜索：
&&颠覆营销
促销信息：
满79元包邮,
促销信息：
包邮&当您购物满足条件时&包邮
商品编号：
商&&城&&价：
客户评价：已有1人评价
（100%的客户推荐）
配&&&&&&送&：
近30天售出：0
服务承诺：
购买数量：
支付方式介绍：
支持工行工银e灵通支付方式进行支付
支持工行工银e支付方式进行支付
支持工行和他行卡网银进行支付
支持使用工行卡进行逸贷贷款（分期付款）进行支付
您还可以使用其他支付方式进行支付
e灵通支付是我行向购买e灵通的个人客户全新推出的理财支付功能，客户购买了e灵通理财产品，便可以在我行融e购商城使用e灵通进行直接支付，无需再主动开通支付功能。
和都支持e灵通支付，只要购买e灵通的卡注册了工银e支付，则支持e灵通进行快捷支付，只要购买e灵通的卡柜面下挂到网银，则可以使用e灵通进行网银支付
商品品牌：图书
商品名称：颠覆营销
出版社: 中信出版社; 第1版 (日)
精装: 237页
语种： 简体中文
商品尺寸: 21.8 x 15.8 x 2.4 cm
商品重量: 522 g
品牌: 中信出版集团股份有限公司
ASIN: B01AULMP8S
大数据时代，新应用和新商业模式，颠覆以往的竞争形态。这是一场超 越时空的虚拟战争，利用大数据7天前就能预测未来，预知顾客要什么。陈杰豪所著的《颠覆营销(大数据时代的商业革命)(精)》囊括了阿里巴巴、雀巢、乐高、领英、优步、云海肴等知名公司的经典营销案例，并且首次预测了大数据对零售、金融、保险、房地产中介、医疗、影视、游戏、农业等10大产业的颠覆性影响。
《颠覆营销》大数据营销落地应用首个读本。未来一定是国家和国家之间的数据战争，公司与公司之间的数据大战。——车品觉 阿里巴巴集团副总裁
大数据讲的人多，做的人少。不但做过大数据，而且还能把曾经做过的数据案例讲得生动易懂，《颠覆营销》确实表现得可圈可点。这本书要颠覆的是许多营销人根深蒂固的观念，数据是朋友不是路人。
——罗振宇 罗辑思维创始人
大数据初始应用的领域多为面对消费者的行业，初始应用的情景多为精准营销。大到跨国公司，小到街边小贩，运用数据进行营销，都会收到意想不到的效果。《颠覆营销》就是在教读者如何运用大数据。书中案例丰富、语言可读性强，值得关心大数据营销的各界朋友读一读。
——韩亦舜 清华大学数据科学研究院执行副院长
这本书与其说是大数据的新知识，不如说是因大数据而启动的营销与企业经营的新思维。
我推荐这本书，更推荐这个团队，希望通过大数据，我们能一起在这翻转的年代，推开一扇企业经营的新窗口。
——康翔泰 黛安芬董事总经理
《哈佛商业评论》、清华大学数据研究院、中欧国际商学院鼎力推荐
功典（MIGO）首席执行官，香港海归创业家，Siebel认证CRM顾问师。曾于美国创办两家商业数据软件公司，累积超过14年数据应用及CRM实务经验，熟悉技术购并、销售、策略领导，在云端运算、企业ASP（动态服务器页面）营运应用程式领域上具备深厚的知识基础，成功研发出适合东方文化体系的数据营销解决方案，协助超过700家知名企业成功地跨入数据化决策领域。所领导的功典团队，不拘泥于理论，有效地针对企业所遭遇的决策与经营困境给予务实的解决方案，使功典迅速成长为亚洲大数据决策营销的领导品牌。
阿里巴巴集团副总裁，首任阿里数据委员会会长；拥有十几年丰富的数据实战经验，并在实践中形成了独特的数据化思考及管理方式，对大数据未来趋势有独到见解；亲自领导阿里数据团队在大数据实践领域取得了一系列重要成果，包括为阿里建立集团各事业群的业务及决策分析框架，开发智能化的数据产品，成立了驱动集团数据化的运营团队，成功发起了公共与专有数据资产管理体系，还发布了数据安全规范等；现担任中国信息协会大数据分会副会长、中国计算机学会大数据专家委员会副主任、国家信标委大数据标准工作组副组长、粤港信息化专家委员、中国计算数学学会第九届理事、清华大学教育指导委员（大数据项目）、浙江大学管理学院兼职教授等职。
序一 车品觉
序二 罗振宇
序三 韩亦舜
序四 康祥泰
自序 陈杰豪
PART1打一场《回到未来》之战 ／ 001
不再雾里看花
成败不在数据，观点决定一切 ／ 014
克服盲人摸象
问对问题，才能找对答案 ／ 022
20/80 法则
不是大就美，小而准的数据含金量更高 ／ 031
零时差营销
从旧4P到新4P，预测下次购买时间 ／ 038
大数据＋厚数据
数据会说话？说话的是人 ／ 048
PART2把手按在顾客的脉搏上 ／ 057
人口统计营销vs 大数据营销
男女并不重要，动机与行为才是关键 ／ 066
被动分析vs 预测分析
不只跑得快？能预测终点才是赢家！ ／ 072
活动找人vs 人找活动
不必再将就，100 万种营销同时上线 ／ 078
人力密集vs 数据密集
你是靠工人智能，还是人工智能？ ／ 083
有形调查vs 无形侦查
还在发问卷？ Log（日志）侦查喜好立现 ／ 087
检讨报告vs 实验报告
还在写悔过书？ DIET做中学 ／ 091
PART 3转动大数据，魔鬼藏在3 个细节里 ／ 099
电商如何有效招揽顾客？
阿里巴巴：动态标签，掌握顾客DNA ／ 108
食品业如何做到精准营销？
雀巢：找到现金牛VVIP ／ 116
零售业如何不必再猜顾客心？
黛安芬：钻石型顾客关系管理 ／ 124
如何让电影叫好又叫座？
电影VOD：评分模型预测最强演员阵容 ／ 132
文化业只能是小众市场吗？
文艺产业：用顾客DNA交叉营销 ／ 140
餐饮业如何经营老客
云海肴贴心掌握味蕾觉醒的时机 ／ 147
PART 4拿旧地图怎么找到新行星 ／ 155
你能带公司跳上火箭吗？
领导者必须改变的9 件事 ／ 159
今天的营销战，7 天前就预知
营销人必须改变的9 件事 ／ 169
PART 5 我与车品觉的邂逅 ／ 181
大数据颠覆零售业
顾客是谁，人脸辨识一眼就知 ／ 185
大数据颠覆金融业
我的信用分数，我做决定 ／ 189
大数据颠覆保险业
保费缴多少，社交网站的内容决定 ／ 193
大数据颠覆证券业
比别人早1 分钟预见股票走势 ／ 197
大数据颠覆房地产中介
选房神器，帮你挑好房 ／ 201
大数据颠覆医疗业
找医生看病，就像订机票 ／ 205
大数据颠覆人力资源业
学校就业率，就是你的就业率 ／ 208
大数据颠覆影视业
下一部《纸牌屋》，演员阵容在哪里？ ／ 211
大数据颠覆游戏业
玩家数据，是营销利器吗？ ／ 215
大数据颠覆农业
种菜卖菜，先看数字怎么说 ／ 219
对于大数据未来趋势的判断 ／ 223
结语 我对大数据未来趋势的判断
愿意帮这本书讲上两句？理由很简单，首先、推荐这本书的不是别人，是大家口中常常提到的数据明灯车品觉，的确让勾起了我的好奇心；这本书要颠覆的是许多营销人根深蒂固的观念，数据是朋友不是旁人。不久前我在跨年演讲中说到了一个观点：「我不愿意站在企业家对面，而是他的身后，帮助我的用户重新呈现它眼前看到的世界，这是媒体这最有价值的信息开发。」数据本质上也是从营销人身后的角度去看待一个新世代力量的崛起、壮大与介入，这股力量来势汹汹、势不可挡，这是股不可忽视的力量。
大数据讲的人多、做的人少；还要能把曾经做过的数据案例讲的生动而浅出，《颠覆营销：大数据时代的商业革命》确实表现的可圈可点。
大数据“多即少，少即多”
阿里巴巴集团副总裁
中国信息协会大数据分会副会长
中国计算数学学会理事
无论是大公司还是小公司，我见过的几乎所有大数据成功例子都是“一把手”工程。公司的管理层越了解数据的价值，大数据落地的成功概率就越高。这也是为什么我一直希望见到一本能让管理者看得懂，清楚解释大数据能为企业带来什么的书籍。
数据作为一种新的原料，它可以用之不尽，也可以让你物无所用。其中的关键在于，资料从收集、存储、刷新、辨识、关联、挖掘、决策到行动，是一条很长的链条，中间的各个环节环环相扣又互相作用。想要自如地使用大数据，就需要我们把科学、工程和商业三者有机地结合起来。
数据技术与商业模式密不可分，到底应该以商业为本去收集资料，还是先把数据收集起来，等到未来有机会再用？
我觉得这个问题是没有绝对答案的，我们应该问的反而是：What is the business（什么是商业）？
了解商业是使用数据的前提，一切从业务问题出发，不要为了数据而数据，才可以得心应手地使用数据去描述现状、诊断问题、预测各种可能，以及有效地帮助制定业务决策并指挥行动。
根据我过去几年的经验，好的数据科学家越来越难求，而能驾驭大数据的商务人才更是稀缺。每个人都听说大数据的价值是巨大的，但对于很多公司来说，其实它既虚无缥缈又难以掌控。
我觉得要解决难以落地这个问题，必须要把大数据科普到商业世界中，聪明的CEO（首席执行官）们都应该带头去了解大数据是什么。盲目地投资大数据和原地踏步其实都很危险。可惜现今在市场上看到的却都是反其道而行之，满街都是把大数据概念化的书籍。
《颠覆营销》这本书，正好能深入浅出地讲解如何用数据去说明营销，内容由浅入深，通俗易懂，值得每个从事数据和营销的人阅读。
当然了，我们不能幻想这个世界存在一本绝世秘籍，而是需要根据自己的实际情况，不断从实践中摸索。
大数据的实践也正好体现了中国前贤的智慧中“多即少，少即多”的道理。
韩亦舜 清华大学数据科学研究院执行副院长
各种行销手段早已令人眼花缭乱，但究其本质都是在研究客户（消费者），研究客户的所想、所需，使产品或服务有的放矢。大数据时代又给它赋予了新名词：精准营销。大数据最先应用的领域多为面对客户的行业，最先应用的情景也多为精准营销。
“酒好也怕巷子深”，产品或服务的信息要送达客户才可能促成交易。一般认为，向客户传达产品或服务信息要靠广告。广告古已有之，“三碗不过岗”的酒幌子就是广告。没有互联网的时代，我们熟悉的是电视广告、广播广告、印刷品平面广告、户外广告牌等，当然，也包括吆喝叫卖。但过去的广告是千人一面、不区分受众的。后来商家对客户的信息有所采集就有了CRM，经过客户分类，可以更好地服务于不同的客户群体。互联网+大数据时代让CRM有了新的发展机遇，管理客户不再是简单的数字统计和没有个性的（或简单聚类的）直邮、定投。随着商家对客户知道更多、了解更深，便有机会为客户提供个性化的营销方案，进一步改善客户体验，成为了个性化营销或叫精准营销。大数据时代，让很多过去的不可能变为可能，营销活动也赢来了新的发展机遇。
时代不同，商业经营的形式会变化，但本质就是两件事：开源，节流。开源是开拓新客户，发现新商机；节流是减少内部运营成本，提高资源利用效率。要实现这一切都需要以数据为依据的决策。过去，人们也在长期的经营活动中，采集和运用了与经营活动相关的很多强相关数据，也形成了选择客户的标准。鉴于当时的技术瓶颈，做大样本的数据采集及数据分析成本都过高，无法在更大范围推广运用。大数据时代，人们有了廉价采集数据和存储数据的可能，廉价的计算资源让数据分析成为了可能。
大数据精准营销的背后，是用多维度的数据来观察客户，描述客户，就是说为客户画像。说“依托大数据，可以让营销人员比过去更了解客户，比客户自己更了解客户的需求”并不为过。营销人员无不想知道客户是谁、在哪里、消费习惯是什么、需要什么、什么时候需要、用什么方式向他们传递信息更为有效等等，通过数据采集和数据分析分析可以找到答案。精准营销不仅可以帮助商家开源---发现潜在客户，还可以帮助商家节流---发现潜在风险。当我们对客户了解更多，就会知道哪位客户可能在经营中存在风险。
若问每个经营者是否会运用从业经验来进行营销，多数答案是肯定的。但若问经营者是否会利用数据进行营销，恐怕答案就是五花八门。一般认为，应用数据进行营销是大公司的事情，与小公司无缘。其实，大到跨国公司，小到街边小贩，运用数据进行营销，都会收到意想不到的结果。不相信吗？街边小贩留意一下天气预报（刮风，下雨，还是暴晒）就知道明天有哪些生意的机会，进而知道该如何备货。建议中小公司的人不要拒绝精准营销的理念，不妨学学精准营销的思想方法。即便是经营者有丰富的经验，把经验数据化对经营也会很有帮助。
《颠覆营销》一书就是在教读者如何运用大数据来做营销。书中案例丰富、语言可读性强。值得关心大数据营销的各界朋友读一读。
我认同书中的不少观点：“大数据重新定义产业竞争规则，比的不是数据规模大小，不是统计技术，也不是强大的计算能力，而是核心数据的解读能力”。在很多人纠结于大数据定义的今天，我们确实更应该关注数据的核心价值理解与应用。书中提出的“问对问题”也很重要。经营者平时的问题一定不少，但追问究竟时，就可能出现偏差，导致“失之毫厘谬以千里”。问对问题能力的提高涉及思想方法，需要在锻炼中提高。验证问题是否问对了，恰恰就是数据分析师可以做贡献的地方。
本书还引起了二个值得更深入思考的问题：
一、 仅仅发现不同客户群体的消费习惯，适时提醒客户去消费，还远远不够。比如：某消费者一个月的正常理性消费在两千元的水平，一般在A，B两家商店消费。A商店运用了精准营销的理念会让消费者把这两千元都花在A商店，随着B商店的后来居上，消费者又可能重新回到B商店消费这两千元。在供给过剩需求不足的今天，既有的消费额在不同商家中进行分配或迁移都不能带来社会消费总量的增加。大数据营销的更高水平应用是提前知晓客户尚未被满足、甚至尚未被发现的需求。大数据的价值挖掘有机会把商家（含厂家）和客户连在一起，让商家提供更多的满足客户个性化需求的产品或服务，让客户的消费意愿提高。这是数据价值挖掘工作者面临的新挑战。
二、 数据真的越多越好吗？不少大数据公司热衷于用爬虫软件在网上“爬”各种数据。然而同一数据集在不同的应用场景价值密度是不一样的，针对特定应用场景也并非是数据维度越多就越好，一定要围绕应用目标来采集数据和使用数据。提升维度来采集更多数据一定是有助于更详尽地描述事物，但无疑也增加了处理数据的复杂性。每一次技术的进步，都给人类带来新的想象空间，难免欲望膨胀自信满满，对世界的认知也随之升维，甚至是无节制地升维。之后发现升维带来资源的占用，智慧跟不上，无节制地升维反而是解决方案复杂化，冷静下来会重新启动降维思考。也许人类的认知与智慧就是在升维、降维、再升维、再降维中交替前行的。本书的降维思考，必要时回归本元的思考给人们启示。
大数据时代工具手段固然重要，思想方法更为重要。
对于大数据未来趋势的判断
光阴荏苒，2015年在跌跌荡荡中成了过去式，对于大数据的产业来说过去这一年冒出了很多新的名词。但在我看来，真正的大数据应用和市场才刚刚开始萌芽，所以我希望大家先认清一个关键，那就是所有的数据都是基于应用而产生，而数据经过釆集及整合后又再落实到自身或其他应用情境中，大数据的创新价值可以来自新连接的数据、算法或者产品本身。
过去两年大数据的成长和智能手机的有着紧密的关系，发挥了媒体、通信、社交及传感器于一体。同时IOT的浪潮又正在酝酿之中，online与offline的接合带来了更深度的数据关联，触碰到消费者的全渠道行为收集，在一波接著一波的趋势浪潮下，很多人问：“未来大数据的趋势会怎么发展？”一般来说，这种问题我可以有很多不同的猜想与观点，但是认真想想，以其给出我的答案案不如交代一下我对思考趋势的逻辑，你们不是更能够对著自己所属的行业去挖掘真正有价值的趋势吗？所以我期待这边文章不是帮各位看倌捕鱼，而是给各位一根钓竿还有钓鱼的知识，让你们有能力在趋势大海中猎捕属于你的大数据观点。
变是*的不变 (Change is the only constant)
说到趋势，人们往往习惯从改变的现象作观察，但是如果当我们把视野格局放大，在大数据的长期发展趋势中，找出变化的本质，反倒是让我们更容易看清楚动向，所以从这个角度出发，我至少可以看到未来的2-3年，有几项已经存在的现况正在过渡中会：
1.应用无线化；
2.信息数据化；
3.交易无纸化；
4.人类智能化；
5.决策实时化；
6.线下线上化。
上述这些趋势不劳赘述，其实已经是我们现在生活的一部分了：应用无线化提供了更大的便利性与移动性、让终端设备与资料采集的作业可以更为弹性而有效率；信息数据化则是让讯息的流通、交换、加工、运用更趋标准及结构。DT时代数据的应用变得更即时直接；交易无纸化则是彻底的改变了我们交易行为与资金流，并赋予未来微经济商业模式更多创新思考的可能性；人类智能化则是描绘大数据所产生的创新价值如何与人类交互並深入于生活之中，人的思维与新科技将会遇上前所未有的碰撞。人机协作是个新的机遇。决策实时化透过大数据实时采集及加工改变了决策与信息关系。过去的世界我们假设数据不能低成本获取，决策的实时性和精确难以达到，最后我们谈到线下线上化，也就是最近大家一直在谈论的全渠道议题，未来仍将是呈现线下更多的运用线上数据倾倒的趋势，未来线上与线下将连接在一起不能分割。
这些本质上的转变会持续好几年，上述这六个观察会在各自的体系内深化发展与创新，但大数据的发展趋势卻会走着两个方向，首先是其价值体现会落地于各行业当中，数据技术会成为各行各业的优化工具或产生颠覆性创新。然后大数据本身的发展也会自我被颠覆，数据的釆集、更新、识别、关联将会变得越来越自动化。落后者将会是那个被超越与淘汰的输家。
大数据创新循环链——跳脱惰性的乘法思维
每一个理论的产生都是为了让我们更容易去解释各种现象。趋势的变化可能会受到很多的商业与政策背景而有不同形式的呈现，但是背后的原则或者说是脉络应该要能够经得起重复的检验。所以我试著用一种所谓的大数据生态的循环链来描述这个趋势。
(图一：大数据创新循环示意)
上面这张图所定义的两个维度恰恰是我前面一再提到的观念，大数据是被需求所驱动的，而需求来自于对现有已知或未知问题的解决，所以在纵轴上我将问题区区分为明确的问题(Define Problem)以及模糊或是复杂问题(Vague Problem)，这表达了在大数据落地应用前，我们究竟是否清楚要解决的问题为何；而横轴则是定义大数据在原料端的呈现形式，一端是条理清楚的集中化数据而另一端则是结构模糊的碎片化数据。
在了解了基本定义后，基本上我对大数据趋势的发展就可以用这张图来阐述。首先，所有的数据应用都是从第二象限的“数据驱动”开始，这部份的数据集中而且要解决的问题很明确，已经可以开始运用数据来优化我们的决策，在这个阶段可以观察到人类的惰性，以致于没办法把数据作为他们的核心竞争力，毕竟这些人手边不是没有数据、而是不知道或是没有很积极地用来解决问题，所以通过数据驱动让这些人练习把手边的数据用起来，尝试去解决一些老问题。
然后随着数据不断地快速增加，很多碎片化的数据或其他人冗馀的数据开始加入，这个时期我们可以开始称之为“大数据驱动”，开始能够应用自身以外、来自于第三方的冗馀数据来解决自身的问题，这是辨别是否进入大数据应用领域的重要判定基准，然而在这个阶段面临的挑战，是来自决策者过去的习惯以及数据人的惰性，首先我们要了解在第一和第二阶段，数据处理所需要的能力是很不一样的，因为这个阶段的数据零散性要求我们在收集不同数据和加工数据时有一套新的方法，这也是为什么在第二阶段，很多时候我们只听人家讲，但没什么产出。因为处在这个阶段的人是两边都不习惯的人。商业的人说我不习惯用数据做决策，数据的人说我们也不习惯用很零散的数据来稳定地来解决一个问题。
从第一个阶段到第二个阶段，我认为都还是一种加法类型的演进，也可以称之为连续性创新，只是让之前既有的东西作的更好，而且是基于以往的经验叠加上去的，但是到了第三个阶段的“大数据变革”，我们将面对模糊的问题、碎片的数据，过去我们不太习惯当还不清楚问题的时候，就使用数据来找出问题所在，因为这个时候，我们往往会陷入一种矛盾，因为数据零散、乱、没标准、没规范，问题也不清楚，究竟该怎么办呢？毕竟这两者都超出了过去人类的习惯与经验法则，但这里恰恰就是人类未来要变革的地方；不同于前两个阶段的加法逻辑，第三阶段开启的是一种乘法的思维，透过模糊问题与碎片资料的碰撞，我们将会看见新的问题与新的机会，我认为这部份才是大数据真正的价值所在。
最后、我想强调的一点是，这几个阶段不是一个线性的延展，而是一个滚动的闭环，因为第三阶段碰撞出来的问题与机会，经过系统化的验证与标准化后，他所需要的数据源以及能够解决的问题也会逐渐稳定下来，形成一种新的服务或方案，于是就会再次归回到数据驱动的解决层次，也正因为这种特性，我才定义这是一种大数据的创新循环链。
趋势里面的观战重点
前面讲了趋势的架构和思考方法，最后我还是忍不住要跟读者们分享几个独门观点，让各位在各自行业中观察大数据趋势的时候能够很快的抓到重点，除了可以让各位不光是跟着看热闹，还能从中看出创新商机的门道：
1.数据安全
2015年数据安全事件频繁发生，随着全球各个国家开始采用新的数据安全技术和新的数据保护法律，2016年对数据安全的监督要求将会变得越来越严格。大家对个人隐私的保护比商业机密的泄露更为关注，已经到了没有一个政府或企业不关注的时候。但是数据安全背后代表的是数据开放的风险与疑虑，当数据风险没有办法有效的管控并建立个人对数据的信任感，这对于正在发展中的大数据产业来说将会形成一种阻碍。
从个人的隐私、公司机密乃至于国家和国家之间的数据保护，都将会是2016年快速成形的趋势，当数据成为商业重要且关键的资产时，随之衍生的可能会是像「首席数据隐私官」这样的职业应运而生，或许很多人会觉得匪夷所思，但是我相信到了2016年，很多拥有大量数据的公司都将把“首席数据隐私官”视为一个重要而关键的角色。
2.分析的简化与外包
讲数据分析工作的外包其实是一个概念上的举例，其实我要谈的是大数据背后将会形成的产业链分工，这是一个值得大家关注的发展，随者大数据应用的落地，很少有那一个企业可以独立完成从原始资料采集、加工、分析乃至于落地应用的完整程序。这背后代表的是未来将会在不同的数据处理阶段，都有机会发展出专门的技术公司协助企业完成大数据实务应用前的整备工作。
回想我们前面提到的“大数据创新循环链”的概念，每一次的大数据变革阶段激荡出新的问题与机会后，当这些新的问题开始聚焦，同时对应的数据源也趋于集中的时候，就代表一个新的产业链机会也就随之产生，这些中间层(Middle layer)的服务与创新对于大数据产业的发展将扮演至官重要的角色，同时其中也蕴藏了可观的商机。
3.政府的数据态度
从整个数据的地图来看，政府其实是拥有最多数据的“财主”。因为政府锁定了很多公共服务领域的关键数据源，是公共数据开放的大资源，也是大数据驱动的一把金钥匙。我们简单来看下，政府的数据涵盖能源、金融、交通、治安、医疗、环境、食品等等。你发现所有的数据都是相对集中又非常重要的。
所以，政府数据的开放是促成一个产业创新的催化剂，这背后也代表著政府大数据政策对于整体数据产业的发展有多么关键，2016年我们可以观察政府对于公共数据开放的态度，而各个行业也可以对著政府数据政策的脚步开始尝试练习进入大数据驱动乃至于大数据变革的第三阶段。
4.多屏时代
过去的两三年，我们看到PC被手机颠覆了。但手机会被颠覆吗？
虽然短期内还不知道，但我可以预见有两个新的屏会出现:一是Smart TV，二是物联网汽车。Smart TV是你家里的屏，收集你看节目的数据和推荐你喜欢的节目形成了天然的数据闭环；物联网汽车则是第二个非常关键的屏，将来所有汽车的内部都会像特斯拉一样，一个大屏会控制汽车中的每个部分、记录汽车行驶中的各种数据，因此产生信息的流动。
如果你问我会不会有第三还是第四个屏会出现，最近爱立信(Erickson)公司针对全球40个国家、10万名消费者进行了一项未来载具的调查，研究结果显示超过一半的受访者都认为智能型手机将会在五年后被淘汰，取而代之的是具备AI功能的新设备，但是对我来说，我的观察很简单，就是从两个层次的分配来思考这个问题：时间分配(Time Share)和载具分配(Device Share)，因为人在不同的时间段会因为当时的环境状态而对于不同的设备有不同程度的依赖，在家的时候，对于Smart TV的依赖就会比手机高些；当我们离开家往下一个目的地移动的时候，在大众工具上我们需要的是手机，但是如果是自己开车，车用导航或是行车电脑的屏幕就会成为主要的关注。
所以说实话，我不太在意五年后我们拿在手上那块屏幕是否仍称之为手机，因为我更在意的是人如何与那块屏幕互动，以及互动的过程中我们如何采集到有价值的数据，并进一步对使用者的日常生活做出优化的回馈。
5.数据行业化
所有大数据的落地点都是在行业的。过去我们看到互联网影响比较大的行业必然容易数据化，已经冒出头来的有金融、医疗、电商等行业。下一步的大数据应该是不同的领域各自发展，不会有一个全盘通吃的方案转移成为每一个领域的解决方案，不管是零售、医疗、教育、金融等行业，都会受到中国互联网+的带动而发展。这是对等的，因为很多小公司起步，产生了很多小数据，这是一个从0到1，然后整合碎片化的数据、最后再到积累大量数据的三个进程，这三个进程的时间点加上不同的应用，铸就了行业大数据。
另外一方面我们可以观察到大数据未来将会从过去的浅层连结(weak link)转变为深层连结(deep link)，大数据由淺而深的演变中我们可以观察到，过往大家在看网路的时候，都习惯从行业为出发点开始思考网路(数据)可以帮我作些什么；但是到了互联网和大数据的时代，該是时候做出些颠覆性的改变，尝试以網路(数据)为出发点切入思考，再把行业的的思维放进来碰撞，看看可以激荡出什么样的创新思维，就好比Uber、Airbnb都颠覆过往行业运用网络的概念，这种思考与创新的方式才能將跨行业的東西提升出來。
提到行业，我这边就简单提几个比较显著的发展，试着看看未来行业怎么看见中间层(Middle layer)的机会，然后从中看到新的问题与创新机会点：
1. 金融与保险
如果要我用一字道尽金融在大数据时代的机会点，那就是“微（micro）”。过去很多的创新都被技术和数据的能力所局限，未来数据的采集、加工和应用都将实践个人化的价值，将会激发很多」的金融商业模式，动态的意义一方面体现在对于金融保险体系里面的客户掌握：因为过往个人信用评比往往无法有效率地反应最新的个人信用风险，导致银行或是保险公司不能够给到最符合顾客需求和利益的服务；另外一层的动态要解决的服务合理性的问题，也就是当我有使用到服务的时候才向客户收取费用。
举一个汽车保险的例子同时来说明上述两种动态所代表的价值，过往我们对于汽车保险的保费设定是基于客户过往的驾驶肇事记录来调整保费费率，背后所代表的意义是这个汽车保险的游戏规则维系在这个投保车主的驾驶安全行为上，但是认真想想，肇事记录已经是一个相对落后的事实指标，在大数据时代难道没有更动态的数据可以来预测危险驾驶的风险嘛？当然有、而且来源还不只一个，未来的汽车都会向特斯拉一样，透过车上的传感器记录这个驾驶怎么踩油门(比方说习惯性的紧急煞车就反应出一种危险驾驶的讯号)、换道的时候是否有打方向灯以及多频繁地鸣按喇吧，这些资讯都可以侧写出这个驾驶是否安全的驾驶习惯、同时如果我们再把这个驾驶的行车路线数据比对到政府公布的危险肇事路段的数据，我们就可以知道这辆车每天上线班的路线是属于怎样的安全等级，综合以上这两类数据，即便没有肇事记录，保险公司都能根据这些数据来动态调整对这台车的风险评比，并随时机动地调整保费的费率(动态费率)。
同样地、如果车险是为了确保用车人在驾驶期间的风险，那透过车辆的传感器，我可以清楚的知道这辆车有多少时间是停在车库、又有多少时间是在被使用的状态，所以保费的计费也是根据车辆实际承受风险的时间来跟客户收费，这也就实现了前面所提到的动态计价（pay as you use/pay as you go）。
医疗当前所面临到的最大问题就是数据不整合，明明是我自己的病历，但我在A医院却拿不到之前在B医院的病历。另一个大问题是中国人口老年化问题严重导致在医疗费用上的负担沉重，只要一生大病就没钱买药来医。如何把医疗成本降低，把滥用资源和药物的成本减少，才能根本减少政府负担，让资源真正给到需要的人。
美国福特公司的30万员工，每年享有30亿美元的医疗保险预算，但这笔钱过去只有一个人在管，97年福特采用他们第一个数据应用，分析之后发现竟然有人150岁还在领医疗保险，以及有人一年领两次怀孕补助等不合理的状况，这些都是无谓的资源浪费，但如果不透过数据可能永远也不会发现这样的谬误。
医疗是一个连续性的行为，一个人从健康、亚健康乃至于疾病的阶段都不是突发的，背后都有遗传或是生活饮食习惯的脉络可循，医疗数据的互通还可以让了解疾病和疾病间的关系，很多疾病的危险信号常常是因为信息互相不通而忽略问题没办法在第一时间察觉延误治疗。将像美国就曾经透过传染病传播数据预估知道要生产多少疫苗以及各区疫苗使用状况，大大地给予疾病防治重要的帮助。
对零售业来说最重要的，就是如何用数据把供应与零散的需求做匹配。让买家知道我心里面要什么，让我最快找到我要的东西，给我最好的价格，用对我最方便的方式付款，在刚好的时间送达，就会是赢家；而从供应方来看怎么可以满足消费者，想用最小的库存，最快的方法，最合理的利润率来服务顾客，供应链的处理怎样可以变得更好，减少成本浪费。
以数据驱动为基础的线上零售发展巳经有十几年了，但线下将来会出现什么情况？其实当POI逐渐成熟，拿着手机，处处都能发挥大数据的连接能力，时刻都是机会点。大家都不会特地开个应用程式来购物，就算线上再发达，某些时候线上并不是最方便的渠道，因此改善零售用户的体验型态就是全渠道，对零售业来说，最好是线上线下都能盖到，只有online的应用程式是不够的，最好连offline的渠道都能拿到，不然很容易就被别人弯道超车了，所以全渠道的打通和合作策略是零售业在2016要关注的第一个重点。
其次我想来谈谈“推荐”，现代人可在同一时间享受多种服务，浏览多种产品讯息，但是有几十万个跟你有关的商品摊在你的眼皮底下，你要怎么选择？人主观上都是希望自己可以选择，但有这么多选择的时候，选择本身反而变成了一种负担，所以未来的“推荐”应该是游合于“优选”与“逛”之间。大数据让手机变成个人消费助理，不断跟着你走，也不断领着你走，就会在商家和消费之间达成一个媒介。
最后要跟大家聊的是零售业根本的“生产”问题。数据是不是可以成为产品创新和改良的依据，从设计到生产、包装、销售、售后的过程中观察与不断优化，最终能够生产出符合现在消费市场顾客需求的商品。虽然是老话一句，但是还是不得不在这边重申一次：“大数据时代对零售业来说不是一个单纯的转型问题，而是一个攸关存亡的生死问题。”
走出大数据和小数据的迷思
拉拉杂杂地谈了许多大数据的趋势和观点，最后用一个思考性的问题来做为这次趋势文章的总结，因为每次讲到大数据，大家总是喜欢在数据大小这件事情上面争论不休，但究竟数据的大或小对我们的意义是什么？
简单来说我们可以认知为数据收集从量到质的转变，因为越来越多公司意识到他们收集的大部分数据除了占据存储空间外，并没有发挥太多作用，所以慢慢地、企业在决定要收集哪些数据的时候，越来越没有以前那么地粗放，不再像过去那样，只要觉得数据可能有用就先收集。过去来讲，我们把太多的注意力放在大数据本身，所以忽略了一个根本的问题：就是有稳定的数据提供给你时，你会用它来解决问题吗？当集中的小数据还未利用起来的时候，可能是你对问题、商业的理解还不够透彻，因此很多大企业理解了这个之后，不会再迷信大数据，而是更踏实地收集一些对解决他当前问题有用的数据。大家对大数据的态度从2016年开始会变得更谨慎，而且会走到专业领域。
跨进2016年，别再斤斤计较于大数据的词意，反倒是怎么样看对问题、看懂问题然后试著透过数据的思考与落地实践才是你该认真思考的下一步，所以到了2016年底别再问我隔年的大数据趋势，因为如果行业里的每个人这一刻不开始动手实作，讲再多的趋势，听起来也就是像路边的算命摊一般信口开河。
系统错误。
收藏标签：
商铺名称：
举报链接：
举报类型：
出售假冒伪劣商品
出售禁售品
*&问题描述：
*&联系电话：
*&真实姓名：
上传证据图片：