你好,游客 登录 注册 搜索
背景:
阅读新闻

从“数据大”到“大数据”,制造业B2B的未来会怎样颠覆?

[日期:2016-08-08] 来源:简书  作者:淼淼Lana [字体: ]

  都说大数据,大数据的基础是数据大,也就是有海量数据可以进行挖掘,那么对于B2B来说,对海量数据的挖掘会带来怎样的改变?我猜,未来会是按需进行点对点的精准匹配。

  没有互联网以前,我们最痛苦的是手头的信息来源太少,买卖个什么东西都不方便。

  有了互联网,忽然间进入了数据大爆炸的时代,这才短短的十几年,数据已经大到无可想象,通过网络检索,都超过了我们能够审视的能力。百度一搜,买个什么设备材料之类的,有广告推广的,有阿里慧聪制造网的,还有各种不知名的网页搜出来的,随随便便就是几十万页的结果。这样大的数据里,从中找出和想采购的东西最匹配的一家供货商,无异于大海捞针,真的是更痛苦的事呀。

大数据

  所以说,数据少了,有少的痛苦;数据大了,一样有大的痛苦。

  数据少的时候,我们痛苦,就去做加法;数据大的时候,既然痛苦了,自然又要做减法。

  那么,如何减呢?如何能够减掉无用的信息、留下有用的信息呢?

  这个时候,大家都提倡“大数据”,也就是对海量数据进行挖掘,提取最精准的数据。

  举个例子,数据大,就类似百度搜索,给出的是结果,只要页面里有,就找出来。通俗的讲,大数据,给出的就是答案,是从众多结果里提炼出来最匹配的那个。

  现在大数据火热到爆,互联网人都在提大数据,特别是消费行为大数据,分析买家的历史习惯,推荐什么衣服啦化妆品啦,炒的那叫一个热乎。

  可是,人的消费习惯涉及心理、喜好、环境、收入等等的变化因素太多,大数据那么容易么?

  所以,我大胆的推演,大数据最有效应用的场景,首先应该是企业行为,也就是B2B,尤其是制造业的B2B。

  为什么制造业B2B更有效呢?

  很简单,企业行为,主要注重产品的三大要素: 参数、性能指标和价格 ,定量因素多,变量因素小,自然更容易进行大数据挖掘。

  那么,B2B大数据挖掘的模式会如何演进呢?

  我猜,或者我不猜,有现成的例子可以作为参考,那就是出行软件的兴起。

  据说,人类进步的历史,就是懒人经济的历史。比如出行,最早是步行,为了省力演变为骑牛骑马,为了舒适产生了轿子马车,为了快速发明了汽车火车飞机。

  据说,出行软件也是应了懒人经济,为了方便懒人出门而创新出来的。以前,路上有出租车趴活,打车时候不管风吹雨晒要到马路边去拦。有了出行软件,想去哪里一键输入,软件自动匹配司机接活。

  出行软件就是典型的大数据,为着三个要素就可以:出行的起点和终点、要求的时间、对车的档次要求,从而通过距离、行程和车型就可以匹配了。

  出行软件,恰恰说明了大数据的本质,就是量化和模型。只有量化的数据,以及可建立的模型,才可以挖掘出精准的答案。

  想象一下,一个人要买一件衣服,她很难完整的描述和明确这件衣服,自然就需要到各个网上网下的店铺去逛逛,逛着逛着也许就找到自己喜欢的衣服了。

  而制造业采购,与出行,看似不同的场景,其实对于大数据来说,在要素的固定和要求明确方面,反而是最接近的。其他从属要素所占的比重不大,也比较容易量化,比如地理距离。一个企业要买一台设备,乃至一个零件,他所有“逛”的时间其实都是他不愿意浪费的,他希望找到的或者被找到的就是那个最准确的卖家。

  因此,到了大数据时代,我看到的风口,是制造业B2B的类出行软件的商业模式,也就是采购提出其明确的需求,平台根据需求的产品参数、性能指标,以及“数据大”中卖家的价格、距离、供货期、历史信誉等进行点对点的精准匹配。

  所以,制造业B2B的平台,在大数据的未来,已经不再需要卖家店铺式的布局去浪费买家的时间。对买家而言,只有一个输入界面,输入自己的明确要求。然后,平台就会将最具性价比的一家或者几家卖家直接推送给买家,买家从中进行谈判采购就可以了。

  一呼百应作为为解决制造业企业产品生产环节,大型供应链原材料采购交易服务平台,凭借多年在生产制造端积累的用户以及数据,已经开始为中国工业制造环节提供大数据,其商业价值效益逐渐放大。

  这一切,对今天的B2B网站,都是颠覆式的。

  预计多久会到来?我的判断,是很快,也就3-5年。

  目前,已经有了这样的平台在悄悄实践。

 

  你可以去发现......





收藏 推荐 打印 | 录入:elainebo | 阅读:
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款