展开

关键词

胖子哥的大数据之路(14):数据价值链模型

数据:事实;        信息:数据+上下文;        知识:可以被理解的信息;        智慧: 三、数据实例       A fact, such as the number 100,

40620

价值链导向的产品决策

网上看到一篇文章:一篇街旁深度用户给街旁的9点建议,一位非常热心的用户洋洋洒洒写了几千字描述其规划的街旁网未来功能蓝图,得到一片v的转发评论。 不管是优化拖把形状、长度还是使用更高科技的材料,都将有利于使用者获得更好的核心价值,并最终获得产品的成功,而一旦创意偏离了产品的核心价值,很多时候会让人哭笑不得: 如:淘宝上有一款创意饭碗,多加了一个比饭碗很多的撑子 如果实在没信心,就让数据来说话,但不要轻易动摇自己产品决策的基本原则。 有人可能会问到,我这是一个全新的产品(功能),根本没有足够的历史数据来描绘你上面提到的受众群、频度、依赖程度,这时应该如何决策? 其实,尊崇的决策思路与上述基本一致,只是这个时候我们已有充足的历史数据和用户反馈来帮助我们更好地进行这种决策,在通过细致的分析后对于上面提到的一些因子我们往往能给出定量的结论。

34580
  • 广告
    关闭

    腾讯云图限时特惠0.99元起

    腾讯云图是一站式数据可视化展示平台,旨在帮助用户快速通过可视化图表展示大量数据,低门槛快速打造出专业大屏数据展示。新用户0.99元起,轻松搞定数据可视化

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    政务大数据系列9:政务大数据价值链

    ,本篇接上一篇讲政务大数据价值链。 在1985年,迈克尔·波特(Michael E.Porter)提出了价值链(value chain)的概念:将价值创造的过程分解为互不相同又相互联系的一系列活动序列,这些活动序列的集合可以称之为“价值链 给相关方提供收益(benefit,这个收益可以是经济方面的,也可以是非经济方面的)是价值链的重要特征。政务大数据价值链即政务大数据在价值创造过程中的系列活动/过程的集合,与其生命周期密切相关。 基于政务大数据在政务服务、行政监管和社会治理中五方面的用途,可以将政务大数据价值链分为基础资源、核心能力和价值创新三个层面。 ? 2017年6月1日起施行的《中华人民共和国网络安全法》,正是在这种背景下形成的。 相较于商业数据,政务数据的敏感性和被滥用后的危害程度更高。既要保障安全,又要保证不影响业务顺利开展。

    1.9K50

    全球价值链的机制框架

    全球生产(作为创造价值的系统)最终正在形成一个庞大而复杂的价值链网络/网络,解释了全球贸易和全球经济发展的过渡结构。 这确实是全球化的新潮,我们将其称为全球价值链(GVC),在全球的公司,工人和消费者之间建立联系。这种新情况的出现问:一个经济体的公司,生产者​​和工人如何与全球经济联系起来。 它的广泛概念从上到下处理不同的全球问题(包括区域价值链),为政策分析创造了空间(Gereffi和Fernandez-Stark 2011)。

    16810

    「架构远景·」TOGAF建模:价值链

    价值链图提供了企业的高级方向视图,以及企业如何与外部世界进行交互。与阶段B(业务体系结构)中开发的更正式的功能分解图相比,价值链图关注于表示的影响。 折扣旅游公司的价值链 ---- 本文:http://jiagoushi.pro/togaf-modeling-value-chain-diagrams

    29520

    【业务架构】价值链分析的直接指南

    什么是价值链价值链用于描述从开始到结束创建产品所需的所有业务活动(如设计、生产、分销等)。价值链分析为企业提供了这些活动的可视化模型。 让我们深入了解价值链分析,并学习如何分析业务活动。 什么是价值链分析? 价值链分析是企业分析其为创造产品而进行的活动的一种方法。一旦对活动进行了分析,企业就可以利用结果来评估提高竞争优势的方法。 他开发了执行价值链分析的步骤,并将业务活动分为两类:主要和支持。 价值链分析步骤 价值链分析需要研究,需要时间来发展。以下是创建价值链分析所需的一般步骤: 1.确定业务的主要和支持活动。 价值链分析让企业清楚地知道如何调整自己的行为和流程,为目标市场提供最大价值,并为公司增加利润率。 主要和支持活动 确定主要和支持活动是创建价值链分析的第一步。 价值链分析模板 以下是一些来自Edraw的价值链分析模板,可以帮助您开发自己的价值链分析模板。 1.波特价值链分析模型 ? 波特的价值链分析模板提供了业务活动的一般概述。 2.成本利润率模板 ?

    95810

    PitchBook金融科技分析报告:颠覆保险价值链

    2K40

    数据机遇还是忽悠?

    持反方观点,为技术时代的到来欢呼的,一位是北京大学光华管理学院新媒体营销研究中心副主任苏萌,另一位是日本政治家、内阁成员山本一太。 他提出“一台电脑论”,即科学家们研究所需的数据,最好用一台电脑就能装下,否则数据处理会过于繁琐,无助于解决问题。他结合自身经验说,随着数据量的增大,研究的准确性一开始会随之上升,但很快就会趋平。 这有三个原因:一是因为不同机构间的数据还未真正流动起来,目前还只是数据“孤岛”;二是完整的生态产业链还未形成,尽管通过行为数据分析已能够分辨出一个消费者的喜好,但从供应到购买的链条还没建成;三是因为数据分析人才仍然极度匮乏 一位听众挑战正方,说,你们认为大数据过于庞杂纷繁,反而解决不了问题,那是不是说,当处理数据的计算工具变得足够好时,大数据就会变得有用? 正如Howard在发表“失败感言”时所说,“我们并非反对数据,只是反对大而无当的数据数据本身当然非常重要”。人类已经并将继续产生日益庞大的数据,或许不论我们接受与否,大数据时代都已到来。

    54880

    2019年云计算的预测:日趋向上的价值链

    •调研机构Gartner公司预测,到2025年,80%的组织将其业务完全从本地部署数据中心迁移出去,目前的趋势是将工作负载转移到托管数据中心或云平台,并关闭他们自己的内部部署数据中心。 •戴尔科技公司产品和运营副主席杰Jeff Clarke说,“随着数据变得越来越分散,我们将看到更多云平台出现——例如,在自动驾驶汽车环境或智能工厂的边缘,云原生应用程序中,受保护的本地数据中心,以满足一系列新的合规性和隐私标准 •“技术提供商将越来越多地为多个云计算提供商和其他功能强大的云工具提供原生支持,这些工具为企业提供单一界面,用于管理内部部署和云环境中的应用程序、工作负载和数据。” • DataStax公司首席产品官Robin Schumacher表示,“虽然单一云平台设计可以使企业受益,但它们已成为应用程序停机的第二原因,就像过去单一数据中心部署一样。 那些将数据驱动的应用程序迁移到云端的企业需要以某种方式构建它们,以便设计混合云和多云。”

    30910

    VC眼中的无人车市场现状:价值链条与合作矩阵

    全球14汽车厂商之中,有13家已经宣布要将无人车推向市场;全球14科技公司之中,也已有12家宣布要为无人驾驶汽车开发支持和操作技术。 变化中的价值链条 我们认为,自动驾驶汽车价值链条目前包含三层: 1. 服务提供商(例如打车服务、共乘服务、租车) 2. 技术提供商(包括软件和硬件) 3. 汽车制造 ? 每家公司都希望能在这个价值链条演变到终点时,获取更大的份额,并为此进行着布局。 结盟避险的无人车合作矩阵 除了花钱收购挖人,这些公司也在寻找合作伙伴上下了不少功夫。 比如说,现在各公司已经意识到详细地图可能是自动驾驶汽车最关键的输入数据之一,它决定了汽车能不能“看见”周围环境或者其它车辆、行人、物体,于是,就有了开发室内地图的一些大动作和对地图数据商的收购。 2015年8月,汽车厂商组成财团,以30亿美元的价格收购了Here;2016年7月,Uber宣布要斥资5亿美元绘制全球道路地图;2016年12月,Mobileye宣布与Here的拥有者们结盟,共享地图数据

    43250

    :UBER数据迁徙

    数据迁移的日期定为万圣节(10月31日),而这恰是交通量会非常高的一天。 上面图中的大问题是:我们仍然依赖于单一的PostgreSQL (数据库管理系统)来存储大部分的数据。下面的饼图显示了数据是如何在数据库中分配的: ? 我们评估了各种NoSQL(不同于传统的关系数据库的数据库管理系统的统称)的具有上述特点风格的数据库。 追加(无更新)数据模型:它仅支持一个只追加数据模型中,一旦它被写入后,就不能进行修改。这对于存储交易数据,并希望防止数据损坏的系统是非常有用的。由于是只追加模型,修改会自然幂等和交换。 在真正可以开始迁移之前,第一个任务是从用户身份到用户唯一识别码的迁移,因为原代码依赖于自动递增的PostgreSQL 数据库标识符。几百条SQL查询需要被重写。

    44270

    王建宙:运营商已不是整个价值链的中心!

    中国中国上市公司协会会长王建宙在发言时表示,今天最大的变化是价值链变了,运营商不是整个价值链的中心了。 以下是文字实录: 王建宙:物联网时代的竞争再造,这个问题是非常有意思的。 以我最熟悉的电信行业为例,过去一百年,电信是百年的产业,一百多年来电信的价值链中,或者说在电信的生态系统中,电信运营商一直是价值链的中心环节。 第一是网络连接,第二是移动终端,第三是app,是紧密相连的又是完全独立的,甚至可以非常的独立的行业。 为什么以前的计算这么的复杂,那是因为不能得到全数据,而 只是抽样的数据。而今天每个人都是被连接的,所以就不需要数学的计算,一下子很极端的就可以算出来了。 如果每天每个机器上都有连接的话,世界的万物都不需要用烦琐的数据的方法来计算,而是直接取得了全数据,而不是部分的抽样的数据

    325100

    数据价值机遇大变革

    数据价值机遇大变革 2017-3-26 张子阳 推荐: 1 难度: 1 ? 这本书就像一个印刷出来的PPT,字体比较大,留白比较多,大量图片,全彩印刷。 概括起来有下面这些要点: 数据量正指数级别增长。大数据时代已经来临。 大数据特点:存储量大、计算量大、增长速度快、类型多样化。 制造业应用:给挖掘机安装GPS和数据上传系统,统计挖掘机每月的工作时长。然后根据大量用户的实际使用数据,来判断市场是否有过剩的风险。 银行业应用:反诈骗系统。 数据仓库(Data Warehouse)是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合,用于支持管理决策。 相对稳定:数据一旦进入数据仓库以后,一般很少进行修改,更多地是对信息进行查询操作。 反映历史变化:不只是反映企业当前的状态,而是记录了过去某一点到当前各个阶段的信息。

    24040

    2016数据发展7趋势

    数据已过时,算法正当道。数据已经成为一种商品,每个组织都能够收集和存储大量的数据。分析大数据也不再那么引人注目了。每个组织都可以聘用或培训大数据分析人员来了解数据模式。 由于数据湖带来了相当多的挑战,在2016年,我们将看到数据湖管理的未来:数据湖服务作为一种解决方案,为您的数据湖提供一个完整的管理方案。 由于数据湖在大规模数据存储和分析方面具有巨大优势,数据湖服务解决方案将被用于许多组织中。 因此,高级管理人员正在寻找其人力资源的确切数据,所以,2016年我们会看到人力资源分析将迈出一步。 人力资源分析虽然是人事部门新的业务领域,但为了更好地提高人力资源的投资回报率,该业务增长极为迅速。 对于那些的商业组织而言,大数据已经成为通用语言。在适应新趋势方面,政府是缓慢的,但是在2016年,我们会看到更多的国家、地区和地方政府会采用大数据技术来提高社会和公民的体验。

    21460

    数据结构总结!

    说到算法,就不能不说起数据结构。今天我来讲一讲,什么是数据结构?程序员怎么学好数据结构? 我们介绍算法的时候说过,计算机当中的算法,本质就是一系列程序指令,用以解决特定的运算和逻辑问题。 而所谓数据结构,是数据的组织、管理和存储格式。简单理解的话,数据结构就是执行算法的“原材料”。 俗话讲,巧妇难为无米之炊。算法,就好比是聪明勤劳的女主人,而数据结构,就是用来做饭做菜的柴米油盐。 数据结构都有哪些组成方式呢? 首先,是线性结构。 但凡有过一点编程基础的小伙伴,肯定都知道数组,这就是一种典型的线性数据结构。 除了数组以外,链表也是一种重要的数据结构。 Redis当中的集合 sortedSet,背后的数据结构就是跳表。 复合数据结构,往往结合了多种基础数据结构当然优势,在特定的场景下非常有用。 这就是数据结构的几种组成方式,大家可以把这张图保存一下。由于篇幅原因,图里面所列出的具体数据结构,只是最最常用的几种,并非全部。

    11341

    2016数据版图

    本文全面总结了大数据领域的发展态势,分析认为尽管大数据作为一个术语似乎已经过气,但是大数据分析与应用才刚刚开始兴起,在与 AI、人工智能等新兴技术的结合下,大数据的机会也许要比大家想象的还要。 后来随着开源运动的迅速发展,一批此类新技术开始共享到更广的范围。然后,一些互联网大公司的工程师离职去创办自己的大数据初创企业。 企业对由年轻的初创企业来处理自己基础设施的关键部分的谨慎是可以理解的。还有,令创业者感到绝望的是,许多(还是大多数?)企业仍顽固地拒绝把数据迁移到云端(至少不愿迁移到公有云)。 你得捕捉数据、存储数据、清洗数据、查询数据、分析数据并对数据进行可视化。这些工作一部分可以由产品来完成,而有的则需要人来做。一切都需要无缝集成起来。 大数据与 AI 的结合将会推动很多行业的惊人创新。从这个角度来说,大数据的机会也许要比大家想象的还要

    24740

    数据为什么

    但如果听数据砖家讲,那就是真的,不但,还金贵! 因为从海量的数据中挖掘信息,就跟淘金差不多。 ? 因此人们给数据从业者起了上面那些亲切的名字。虽然这个行业薪水可观,但工作确实玩命! 同时也体现了大数据行业一直以来都存在的痛点。 数据的采集抓取; 数据的存储管理; 数据的分析处理; 如何做好以上几个环节的工作,是目前大数据分析行业一直存在的难题。 这其实不是数据的问题,而是处理数据的设备问题! 很多数据分析公司都疏忽了服务器的重要性,一些老牌数据公司甚至还在使用二手服务器做为数据载体。 这也是为什么很多重要数据总是容易泄露或丢失的原因。 ? 对于那些使用劣质服务器工作的数据分析尸们来说,每一次数据采集、抓取都是一场人与机器的博弈。 更像是一场拉锯战! 技术创新所驱动的新硬件时代已经来到,它将为数据的未来探索保驾护航!更重要的是卓越的硬件会让数据从业者不再烦恼,真正让有价值的数据在未来跑起来,助力我们的未来智能生活!

    28420

    数据显示优化

    数据显示优化 数据的页面里面包含了一些3D地图和世界航班趋势图,反应上来有个问题,就是动画比较卡顿。 而屏像素很低,高清的图片也显示的像素点很大,看起来非常模糊,所以并没有必要使用高清的。把图片质量降低一些,切换卡顿就不见了,显示却并没有特别的变化。

    42220

    相关产品

    • 大数据处理套件

      大数据处理套件

      腾讯大数据处理套件(TBDS)是基于腾讯多年海量数据处理经验,对外提供的可靠、安全、易用的大数据处理平台。你可以根据不同数据处理需求选择合适的大数据分析引擎和相应的实时数据开发、离线数据开发以及算法开发服务,来构建您的大数据应用服务……

    相关资讯

    热门标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      扫码关注云+社区

      领取腾讯云代金券