『大數據的獲利模式』讀後感

http://www.books.com.tw/exep/assp.php/tomtang0406/products/0010594501?utm_source=tomtang0406&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201709
        前陣子去松菸看展覽,恰好遇到那邊有各大出版社聯合的五折新書義賣活動,義賣所得全數捐贈身障協會。五折實在便宜,便和老婆花了幾千塊買了一堆書,一改我之前盡量閱讀電子書的習慣。

         這本書內容還蠻實在的,讓門外漢的我一窺大數據底下的商業模式,擴展我狹隘的認知,並且對我這樣技術出身背景的讀者,算是在技術和大眾之間取得一個平衡,談技術的部分不會讓我覺得隔著靴子搔不到癢處,但也不會太深。而談商業應用更是讓我獲益良多,讓我開竅了,而法律議題也有帶到,算是很完整包覆整個議題。



        本書八個章節都有重點整理,但下面我紀錄的是我自己比較在意的清單,請勿被我誤導以為書只有這樣的內容:


  1. 巨量資料的特性
    • 3V 特性:Volume、 Variety、Velocity
    • 來源不同:社群媒體、感測網路
  2. 支撐巨量資料的技術
    • 補強 Hadoop 弱點的兩家技術公司:Cloudera、MapR、Hortonworks。
  3. 以巨量資料為核心競爭力的企業
    • Zynga 的「三次點擊原則」:用戶是否對服務有興趣在最初三次點擊即可判斷。
    • 社群遊戲經濟學指標:
      • 流失率(Churn rate):一般來說高於 50%
      • 病毒係數(Viral Coefficient):當月加入玩家數 / 既有玩家數
      • 平均用戶貢獻度(ARPU)
    • 基礎建設團隊與行銷分析團隊隸屬同一單位
    • 不斷更新假設、改變必要條件,反覆試誤,尋找長尾

  4. 巨量資料的運用模式
    • 個別優化*批次處理:保險試算,信用額度,貸款審核
    • 個別優化*即時資訊:Expedia 即時監看客戶動向,提供對應套裝行程和報價。Google Adsense
    • 全體優化*批次處理:reCAPTCHA、Twitter 推文預測股市
    • 全體優化*即時資訊:道路交通狀況
  5. 巨量資料的隱私權問題
    • 預先將使用目的明確化後,取得使用者同意。透明度的關鍵在於,能否成功把對使用者的好處傳達給使用者暸解。如果該行為只對業者單方面有好處,勢必難以獲得使用者的理解。
  6. 開放資料時代與資料市場的興盛
    •  資料市場的興盛:
      • Factual:公開資料集約有50萬項,支持 REST API。
      • Azure:由第三方上架發布,透過 OData 協議,支持 REST API,採月費以使用次數計價。
      • Infochimp:資料界的亞馬遜。銷售任何想得到的數據,以 API call 次數收費,和資料供應者 3-7 分帳。
      • AWS:免費,以科學數據為主。人類基因組、國情資訊、生物科技中心。
  7. 面對巨量資料時代該有的準備
    • 以巨量資料應用策略為基礎,不只內部資料,外部資料也很重要。外部資料可以「買入」,內部資料可以「賣出」Nike+ 將用戶跑步路徑匿名化後總計,找出慢跑者最喜愛的路線,可銷售給運動用品店舖選擇、自動販賣機設置、置物櫃淋浴間設點等商業用途。
    • 擁有「原始資料」的企業可以考慮與「外部資料」結合昇華成「貴重資料」。
    • 「資料整合公司」是新商機,提供企業將「巨量資料分析」「外包」處理的選項。

       


 

熱門文章