决战大数据:百度重技术 阿里主交易 腾讯忙社交

  大数据时代的“BAT”生意经:阿里巴巴以交易至上

  偶然一次的网页点击、搜索引擎中的关键字查询、购物网站中的浏览痕迹,每一个小小动作的背后,都给了网际网路公司一次增加了解你的机会。大数据时代已经轰然到达。BAT(百度、阿里巴巴、腾讯)叁巨头对于大数据的佈局有何异同?谁更有潜力?枯燥的数据如何转换成生意?

  百度:技术为王

  百度公司的大数据产品正一个接一个的落地。

  今年1月26日,百度上线了基于定位服务的人口迁徙大数据项目“百度迁徙”。在春运期间,用户通过该项目实时查看全国範围8小时内的人口迁徙轨迹及特徵。

  近日,百度又上线了“百度预测”,可以对景区舒适度进行预测。这个应景清明小长假的产品后续还能在更广泛的领域发挥作用。例如,城市旅游预测、感冒流行趋势预测、高考考研预测、金融预测、票房预测等,对各行业细分领域进行数据解读。

  虽然百度方面表示“百度迁徙”是一个社会公益项目,项目本身并无营利的考量和计划,“百度预测”也没有解决商业化的问题,但其实大数据这把“金钥匙”已打开了百度商业价值的大门。

  百度数据更大的想像力在于,它在以此为依託,一步步颠覆传统行业。

  以金融业为例,4月3日,百度拿到证监会颁发的“基金销售支付牌照,这意味着百度将可以面向用户提供低成本基金支付服务。早在2013年10月,“百度金融中心-理财”上线时,百度便透露了做网际网路金融的动机,百度百付宝总经理章政华表示,百度每天搜索金融相关检索词的数量达到3.3亿,银行产品和证券、基金产品的搜索佔比高达77%。这些“牌照”和业务功能,既是百度完善移动服务交易闭环的重要工具和百度金融理财的重要载体,也是百度实现商业变现的重要保障。

  阿里巴巴:交易至上

  根据阿里巴巴董事局主席马云最新的内部邮件,“云端+大数据”是阿里的战略。不懂技术的马云,将如何带领阿里巴巴步入大数据时代?

  消费者在淘宝或天猫上的每一次消费记录,阿里巴巴都会记录在案,交易以及信用数据成为阿里的一手材料。淘宝建立的数据地图,是阿里大数据的第一步。每一个数据都由很多个数据产生,建立数据地图,以追溯到数据的源头,提高数据的品质和价值,数据魔方、聚石塔等产品,也是阿里大数据的初步应用。

  作为支撑大数据密不可分的一部分,阿里的云平臺阿里云成立于2009年。而根据阿里数据,阿里云也的确帮助阿里扛过了2013年的“双十一”高峰。据统计,2013年“双十一”的1.88亿笔交易中,75%的交易都在阿里云平臺上运作,实现了零漏单、零故障。而2012年这一比例只有20%。

  然而,阿里并不是一家技术驱动的公司,而是业务驱动的。通过大数据诞生的各种用户行为分析,也不应仅仅停留在1分鐘的文胸销量到底等于多少个珠穆朗玛峰。如何让数据扩展到交易领域,让天下没有难做的“数据生意”,是阿里面临的最大挑战。

  腾讯:社交为先

  在BAT叁巨头里,腾讯是最后一个搭建云平臺的。2013年9月,歷经两年研发内测的腾讯云生态系统,终于向整个网际网路敞开了大门。作为一家有着强烈社交基因的公司,腾讯拥有的社交大数据可以帮助其完成数据的製造、流通、消费和挖掘。

  腾讯有着丰富的社交矩阵,大数据来源于多种社交渠道,包括腾讯微博、QQ和微信。然而,不同社交平臺的特性决定了数据的差异,例如,在QQ空间等私密性更高、黏性更好的社交平臺上,消费者可能更愿意透露自己的生活状态及需求。而随着微信商业化的推进,朋友圈产生的数据还需要花更大力气加工处理,才能筛选出真正有价值的、能够代表用户行为模式、兴趣偏好的数据。对于腾讯而言,社交矩阵之间的数据打通,会大大提高其大数据的价值,才可以使投放广告的企业实现更加精準的行销。

  值得注意的是,腾讯效果行销平臺广点通代表的大数据应用已经发挥了关键性作用。小米旗下新品红米Note日前与QQ空间再度展开的社会化行销合作,创造了1500万的手机网路预约人数纪录,开售第一秒吸引41.9万人点击抢购,成为基于社交数据行销的经典。

  ■总结

  说到底,大数据的利用难点在于技术。从数据的收集到存储,再到整理,直到最后的挖掘利用,均是技术活儿。百度含着数据出生,具备天生的大数据挖掘能力。随着支付闭环的打造,数据也可以在各种各样的场景找到落脚点。而阿里和腾讯作为业务驱动和产品驱动的公司,要下大力气将底层的大数据打通,进一步挖掘数据,让数据更好地为公司服务。

时间: 2024-09-20 07:28:38

决战大数据:百度重技术 阿里主交易 腾讯忙社交的相关文章

全民大数据时代已来 阿里数加平台详解

文章讲的是全民大数据时代已来 阿里数加平台详解,业界流行一种说法,云计算与大数据就是一枚硬币的两面,相生相惜,不可分割.在当下互联网时代,数据的价值越来越受到社会的认可,并在今天,已然成为一种普惠资源,像水.电.能源一样支持社会发展.今天,2016年的阿里云栖大会首站在上海拉开帷幕,作为本场大会的重磅新闻,阿里云全球首发了可以提供一站式大数据处理能力的平台--"数加",并全新亮相了20款新产品,通过阿里云开放出来,让"普惠大数据"成为可能. DT时代 如何让数据从成

普元发布政务大数据解决方案 用技术提升数据质量

今年9月初,国务院通过<关于促进大数据发展的行动纲要>,将大数据上升为国家战略.在纲要中提到,要大力推动政府信息系统和公共数据互联开放共享,加快政府信息平台整合.可见在大数据时代下,政府对于数据的整合.打破信息壁垒同样存在着需求. 11月25日,国内领先的软件基础平台与解决方案提供商普元信息技术股份有限公司,在京召开了普元政务大数据解决方案发布会.普元信息CTO焦烈焱认为,政府是一个非常好的大数据场所,通过电子应用的建设,从而达到提高政府的监管水平.为整个社会的公共服务提供支撑.以及拉动产业三

挑战大数据 浅析NoSQL技术

目前我们都生活在一个庞大的数据存数时代,然而大数据及其底层技术NoSQL也正成为了互联网的一个流行语.对于谷歌以及Facebook,IBM这样的全球互联网企业,NoSQL这种高扩展的非关系型数据库存数的使用往往已经超过关系型数据库.事实上,在海量数据和半结构化数据的一些问题过程中,已经诞生了一系列新型数据库产品,而这些数据库我们称之为NoSQL. 2013年4月26日-27日,由51CTO传媒集团旗下WOT(World Of Tech)品牌主办的2013大数据全球技术峰会在北京富力万丽酒店召开.

阿里巴巴资深算法专家刘忠义:聚星台——客户运营核心大数据与算法技术

大流量高并发互联网应用实践在线峰会官网:https://yq.aliyun.com/activity/112 峰会统一报名链接:http://yq.aliyun.com/webinar/join/49 议题名称:<聚星台:客户运营核心大数据与算法技术> 议题简介:聚星台是阿里巴巴赋能商家的客户运营平台,为商家提供包括千人千面访客运营.个性化营销.粉丝会员运营在内的一系列大数据驱动的客户运营能力.本次分享主要介绍聚星台的核心大数据和算法技术,包括智能千人千面算法.个性化营销算法.粉丝与会员运营算

主流大数据SQL引擎技术博弈,谁为王?

文章讲的是主流大数据SQL引擎技术博弈,谁为王,近日,AtScale公布了第四季度主流大数据SQL引擎的测试结果,主要针对Spark.Impala.Hive/Tez以及Presto. 测试结果证实了我们早已实践出的一些事情:Impala是中等大小数据库查询的最佳选择,并且已经积累了不少用户,Presto在这方面也做得不错.Hive和Spark更适用于长时间分析查询. AtScale产品管理方面副总Joshua Klar表示,许多公司客户使用两个引擎.通常他们认为Hive更稳定,并且更习惯于使用H

能够从大数据与分析技术中获得显著收益的十个行业

本期给大家推荐的是哪些行业能够从大数据与分析技术中获得显著收益.IT管理者必须了解的七大开发团队秘密.如何着眼于未来发展需求选择最佳移动应用开发平台和思科聚焦iOS 10中的那些最佳企业功能等. 一.能够从大数据与分析技术中获得显著收益的十个行业 大数据是技术界乃至整个星球的下一波革命性浪潮.事实上,对这一突破性技术如何加以赞誉似乎都不为过.但从另一个角度讲,大数据给各个行业带来的实际收益其实各不相同.那么,哪些行业能够从中获得最为显著的回报? 1. 旅游业 2. 能源业 3. 保险业 4. 金

中关村蕴酿民营银行 通过大数据和互联网技术运营

放松民营资本进入银行业的政策信号越来越强烈. 8月9日,银监会发布<中资商业银行行政许可事项实施办法>(2013年版征求意见稿,以下简称<办法>),拟修订自2006年2月1日施行的<中资银行设立办法>(下称2006版).和旧版本相比,<办法>在中资商业银行设立方面,特别是境内金融机构发起设立中资银行方面有一定的放松. "这个<办法>与监管层最近频繁释放民营银行设立的消息有很大关系."中央财经大学中国银行业研究中心主任郭田勇表示

大数据时代审计技术方法的发展趋势

步入新世纪以来,信息技术迅猛发展,与之相伴随的是给整个社会带来了一场生产生活方式以及思维模式的变革,从而使我们的工作生活环境发生了巨大的变化,大数据已经成为与石油相媲美的一项战略资源,可以说,大数据时代已经到来.国家审计机关作为与数据密切接触的部门,必将会迎来大数据时代所带来的机遇与挑战.面对大数据时代这一发展趋势,国家审计机关已经开展了"金审工程"一期.二期,并部署了三期工程."金审工程"的稳步推进,必将有助于实现国家审计的"免疫系统"功能,充

大数据平台架构技术选型与场景运用

一.大数据平台 大数据在工作中的应用有三种: 与业务相关,比如用户画像.风险控制等; 与决策相关,数据科学的领域,了解统计学.算法,这是数据科学家的范畴; 与工程相关,如何实施.如何实现.解决什么业务问题,这是数据工程师的工作. 数据工程师在业务和数据科学家之间搭建起实践的桥梁.本文要分享的大数据平台架构技术选型及场景运用偏向于工程方面. 如图所示,大数据平台第一个要素就是数据源,我们要处理的数据源往往是在业务系统上,数据分析的时候可能不会直接对业务的数据源进行处理,而是先经过数据采集.数据存储