大数据

李彦宏说数据秒杀一切算法,BAT 的金融大数据如何运作?

新年开工,李彦宏的内部信就在朋友圈中引发了一波刷屏。内部信中有一个点比较有意思,李彦宏说,“这样一个时代,是很明显的金融创新的新时代” ,这充分表明金融业务将是百度未来的四大方向之一。而他的一句“数据秒杀一切算法”,更是从侧面透露了以大数据为代表的人工智能技术将成为百度金融的必杀技。金融创新很大一部分原因在于大数据和金融之间的结合。纵观BAT、京东、小米、万达、平安这些把触

小破公司到底要不要搞大数据?

题图 - 增长本篇的话题如题,讨论“关于小公司要不要涉及大数据的话题”。其实这个话题的产生,在上一篇《大数据跨界,从这里开始》文末也有稍微的提到过,源自于数据虫巢的私密读者群一个童鞋的疑问,当时的原文如下:我经常听一些产品这样说,运用大数据的公司PV要达到100W。这里所说的小公司,我们来稍微定义一下,首先人数嘛怎么也不能超过200百个吧,融资怎么也不能超过C轮吧,这个PV

大家趋之若骛的大数据,为什么会令我感到害怕

每次打开亚马逊,它推荐的商品为什么总能轻易get到我们的点?亚马逊这种基于用户的订单和浏览记录,来推测用户的偏好,对用户进行精准的个性化推荐的机制,可以说是利用大数据获利的典型了。这种模式在提高用户下单率的同时,也通过这种“投其所好”大大降低了用户流失的可能,用户使用网站的次数越多,产生的数据必然就越多,亚马逊的推荐也必然更加的精准,用户的流失成本也就越高,毕竟不是哪个网站

摩拜单车非官方大数据分析

趁着过年的清闲时光,我抓取了摩拜单车的数据并进行了大数据分析。以下数据分析自1月19日整日的数据,范围成都绕城区域以及至华阳附近(天府新区)内。成都的摩拜单车的整体情况如下:标准车型和Lite车型数量相当摩拜单车在成都大约已经有6万多辆车,两种类型的车分别占有率为55%和44%,可见更为好骑的Lite版本的占有率在提高。(1为标准车,2为Lite车型)单车类型三成左右的车没

共享单车困兽之斗:大数据或成破解之法

共享单车用了不到半年的时间便红遍了大江南北,或黄,或橙,或蓝的主题色调让它们成为2016年下半年很多大城市当中一道亮丽的风景线。而或倒在地上,或占道停车的常见现象则让共享单车似乎又成了城市治理当中一个新的难题。对于究竟是什么造就了共享单车的出现和火爆已经有过很多讨论,今天我们并不做过多地研究,单单从另外一个角度看一下共享单车火爆背后到底有着什么样的逻辑。对于共享单车的未来,

我们要从多少个维度才能读懂数据

随着大数据时代的来临,数据分析、数据运营已经成了所有人都在不停讨论的话题。不管是产品经理、市场运营还是销售好像都在说数据导向、用数据说话。虽然对数据的看法与定义众说纷纭,但是所有人都会认同读懂数据,通过严谨深入的数据分析来驱动产品的更新迭代,调整运营及市场策略这一事实。互联网产业随着技术发展,所涉及的行业包罗万象。虽然每个行业关注的数据点都不一样。但是几个常见维度还是能够较

大数据推动大运营:IT 如何让运营更智慧

房地产行业运营呈现三大方向传统的房地产一部分转向到金融投资,一部分转向以楼宇的为核心的社区运营,更多的是开发商为主的,兼具两方面的运营。其中行业的利润永远向微笑曲线的两端转移,投资和服务这两端的利润会越来越厚,开发的利润会越来越薄,这是行业趋势。行业趋势之下,阳光城的应对方式主动参与投资,积极尝试类金融地产业务,做好核心的基础业务后再扩展服务类业务, 开发新的平台,新工具,

大数据来了,我们该怎么办?

作者:舍恩伯格 2017年初,人工智能“Master”用连胜60局的战绩横扫了世界围棋界的各路顶尖高手,近日,加拿大和捷克几位科学家的一篇题为《DeepStack:无限注德扑的专业级人工智能玩家》的论文中,介绍了一种能在一对一无限注(任何人在任何时候可下任何数目筹码)德州扑克中击败人类玩家的新算法DeepStack。人工智能本质上是基于大数据的学习和训练,不管理你是否准备好

用数据找机会——《决战大数据》精粹

《决战大数据:驾驭未来商业的利器》是我在两年前接触到的第一本关于大数据的书籍,由阿里巴巴集团副总裁车品觉所著。此书不是讲具体的大数据处理技术,而是从一个大数据运营践行者的角度来讲大数据的本质、数据处理的核心思想以及阿里巴巴数据运营的“内外三板斧”。文章并非枯燥的学术性论文,作者在文中加入很多工作小案例对观点进行引出、阐述或佐证,过渡自然,即使读者毫无大数据运营经验,亦能轻松

这 3 类人必须理解的两个大数据模型(产品、运营和用研)

这篇文章我们来谈谈大数据,因为我们是物流集团,所以中间会用到一些大数据在物流行业的应用例子,以京东物流为例谈谈如何通过大数据提升业务指标。很多同学一听到大数据可能会脑补两个形象:高大上、技术党。但是今天我们说的是比较基础的两个大数据模型,不需要有数据分析和技术背景,或者说其实更多的是为产品、运营、用研、业务的同学们而写的,是我们非技术人员也应该理解的两个大数据模型。这两个大