현재 업계와 학계에서는 한 단어, 즉 큰 데이터를 논의하고 있다. 학술권이든 IT 권이든 큰 데이터를 말할 수 있다면 매우 높을 것이다. 하지만 빅 데이터 마이닝, 빅 데이터 분석, 빅 데이터 마케팅 등은 시작에 불과합니다. 대부분의 기업들에게 큰 데이터는 여전히 신비감이 강하다. 그래서 우리가 큰 데이터를 이용하여 발굴하는 방법을 완전히 이해하기 전에, 큰 데이터에 의해 지나치게 신화된 각종 여론은 이미 끊이지 않고 있다. 물론 빅데이터나 빅 데이터 마케팅으로 인한 프라이버시 위협을 직접 비판하는 사람들도 많다. 큰 데이터가 무엇인지, 큰 데이터가 어떤 가치가 있는지 전혀 모르는 사람도 많다.
따라서 객관적인 관점에서 볼 때, 큰 데이터에 대한 관점과 큰 데이터에 대한 몇 가지 사항을 다음과 같은 질문에 대해 공유하고 싶습니다.
1. 빅 데이터 마케팅과 개인 정보 유출 사이에 인과 논리적 관계가 있습니까?
2. 빅 데이터 마케팅은 기업에 어떤 가치를 가져다 줄 수 있습니까? 사용자에게 어떤 가치를 제공할 수 있습니까? 사용자가 빅 데이터 마케팅을 완전히 부정하거나 싫어합니까?
빅 데이터를 올바르게 보는 방법? 빅 데이터와 전통적인 조사 방법 또는 통계의 관계를 어떻게 볼 수 있습니까?
빅 데이터 마케팅은 어떤 도전에 직면 해 있습니까?
첫째, 빅 데이터의 급속한 발전에는 데이터 프라이버시에 대한 우려가 수반됩니다.
소셜 미디어의 출현으로 사용자 데이터 공유가 헤아릴 수 없는 수준에 이르렀다. 오늘날 소셜 미디어의 유형이 많아지면서 스마트폰의 보급이 확대되면서 더 많은 사용자가 모바일 인터넷으로 옮겨져 더 많은 데이터와 콘텐츠를 더 많이 기부할 수 있게 되었습니다. (윌리엄 셰익스피어, 스마트폰, 스마트폰, 스마트폰, 스마트폰, 스마트폰, 스마트폰, 스마트폰, 스마트폰) 이 데이터의 증가로 전 세계 소셜 미디어 수입이 급등했다. Gartner20 12 에 따르면 20 12 년 전 세계 소셜 미디어 수익은 1690 억 달러에 이를 것으로 예상됩니다.
한편, 소셜 미디어는 큰 데이터로 가득 차 있으며, 반면 사용자는 연령, 성별, 지역, 생활 상태, 태도, 행방, 취미, 소비 행동, 건강 상태, 심지어 성적 취향을 포함한 개인 정보를 인터넷에 유보없이 제공하고 있습니다. 한동안 빅 데이터 마이닝, 빅 데이터 분석, 빅 데이터 정밀 마케팅, 대량 사용자 정보의 정밀 광고가 대기업에 의해 신속하게 의제에 올랐다.
예를 들어, 미국의 실제 이야기는 데이터 마이닝을 사용하여 자신의 행방을 파악하는 방법을 알려 줍니다. 한 미국 가정이 한 쇼핑몰에서 임산부용품 프로모션을 받았는데, 분명히 집 16 세 아가씨를 위한 것 같다. 여자아이의 아버지는 매우 화가 나서 상가에 가서 의견을 빌었다. 하지만 며칠 후, 아버지는 자신이 16 살짜리 딸이 정말 임신했다는 것을 알게 되었습니다. 쇼핑몰이 예측할 수 없는 것은 몇 가지 상품의 대량 소비 데이터를 통해 고객의 임신 상황을 예측하는 것이다.
오늘날 유사한 대규모 데이터 마이닝 및 마케팅 사건이 더욱 빈번해지고 있습니다. 특히 소셜 미디어가 대량의 데이터를 생성한 후에는 더욱 그렇습니다. 이에 따라 많은 사람들이 개인 정보 보호 데이터에 대해 걱정하기 시작했고, 빅데이터 정밀 마케팅이 개인 정보 침해를 비판하기 시작했다. 그들은 우리가 큰 데이터를 통제할 수 없는 시대로 접어들고 그 원인을 소셜 미디어에 귀결시킬까 봐 걱정했다.
둘째, 빅 데이터 마케팅과 개인 정보 유출은 완전히 동일시될 수 없다! 논리적 관계가 성립되지 않는다!
위 문제를 객관적으로 분석하면, 도대체 닭인지 달걀인지 구별하기 어렵다는 것을 알 수 있다. 빅데이터 분석에 대한 개인 사용자 데이터의 유출이나 남용을 맹목적으로 비판하는 것은 객관적이지 않다.
소셜미디어의 본질은 공유와 교류에 있다. 소셜미디어의 출현은 개인 정보를 공유하고 각종 데이터를 폭로하려는 욕구를 충족시킨다. 사람들이 한 번에 하나의 플랫폼으로 옮겨갈 수 있도록 전 세계가 과거의 묵묵한 생활 속의 자신을 볼 수 있게 해준다. (윌리엄 셰익스피어, 윈스턴, 소셜 미디어, 소셜 미디어, 소셜 미디어, 소셜 미디어, 소셜 미디어, 소셜 미디어) 사람은 이로부터 내면의 만족과 존재를 얻는다. 따라서 개인의 심리적 고려에서 소셜 미디어는 그들에게 유리하다. 그들은 그들의 공헌이 알 수 없는 비밀이라고 생각하지 않는다. 나눔이왕 다른 사람이 볼 수 있도록 꼭 희망하거나 허락해야 한다. 따라서 이것은 보이지 않는 암묵적인 거래이며, 사용자는 소소한 세부 사항을 소셜 미디어에 폭로하고, 소셜 미디어의 혼란스러운 대량 사용자 데이터를 질서 있게 정리하고 분석하는 것은 잘못이 아니다.
물론 소셜미디어 플랫폼이 사용자의 배경 자료 (예: 개인 연락처, 집 주소, 은행 등 매우 기밀 정보) 를 남용하거나 마음대로 공개한다면, 확실히 적나라한 프라이버시 침해, 매우 비도덕적이며 법률의 질책과 처벌을 받아야 한다.
그러나 현재 많은 대형 데이터 정밀 마케팅의 전제는 사용자가 인터넷에 남긴 공개적이고 명백한 정보를 분류하여 많은 사용자를 그룹화하거나 소그룹, 심지어 어느 정도 개별 개인에 대한 맞춤형 맞춤화를 실현하는 것입니다. 결국 정확한 푸시 광고 또는 목표 마케팅 활동을 목표로 하는 목적을 달성하다.
따라서 이러한 관점에서 볼 때, 빅 데이터의 정밀 마케팅과 개인이 인터넷으로 전파되는 정보 데이터를 자발적으로 공유하는 것은 모순되지 않습니다. 사람들은 처음에는 놀라실지도 모릅니다. 왜 그들은 제가 무엇을 사고 싶은지 알고 있습니까? 왜 그들은 나의 필요를 알고 있는가? 그러나' 추측' 의 푸시 행위가 사람들의 생활을 더욱 편리하게 하는 등 대량의 검색, 찾기, 비교 제품이나 서비스 시간을 절약할 수 있게 되면서, 그들은 이런 정확성에 매우 익숙하고 의존할 수 있으며, 인터넷에서 자유롭게 공유하는 난잡한 정보가 어떻게 발굴되고 이용되었는지는 개의치 않을 것이다.
따라서 사용자가 게시하고 공유하는 정보가 프라이버시인지 여부는 사용자가 정보를 공유하기 전에 신중하게 고려되고 선별되었습니다. 이것은 매우 중요합니다. 그것은 프라이버시를 침해하는 것과 프라이버시를 침해하지 않는 경계이다. 사용자가 발표하기에 적합하지 않거나 다른 사람에게 알리고 싶지 않은 정보는 사용자가 생각하는 프라이버시이고, 이미 소셜미디어나 인터넷에 공개한 정보는 사용자가 전파할 수 있는 것으로 간주된다.
따라서 대량의 공공정보를 분석, 발굴, 분류하여 정밀 마케팅을 하는 일반적인 대데이터 행위는 맹목적으로 사용자의 이익을 해치는 것으로 비판되어서는 안 된다. 사용자가 특정 위치에 저장되어 있고 다른 사람에게 알리고 싶지 않은 정보 (개인 저장된 정보) 가 유출되거나 다른 의도를 가진 사람에게 이용된다면 프라이버시를 침해하는 것이다. 그러나 이는 큰 데이터 탓이 아니라 스토리지 플랫폼의 보안에 의문을 제기해야 한다.
그래서 빅데이터 정밀 마케팅을 과도하게 해석할 수는 없다. 사실, 문제의 본질은 사람들이 정말 엉망인 정보의 행방에 관심이 있는지 여부입니다 (정보 공유의 배후의 심리와 동기 포함). 빅데이터 마케팅이 사람들의 알 수 없는 비밀이나 최종선을 실제로 건드렸나요? 왜냐하면 사람들이 기본적으로 공유하는 것이 공개된다면 프라이버시 침해라는 개념은 근거가 없기 때문이다. (윌리엄 셰익스피어, 프라이버시, 사생활 침해, 프라이버시 침해, 프라이버시 침해, 프라이버시 침해, 프라이버시 침해, 프라이버시 침해) 사람들에게 알리고 싶지 않은 정보가 있다면, 섣불리 인터넷에서 공유하고 퍼뜨리지 않을 것이다.
셋째, 빅 데이터 마케팅은 기업과 사용자에게 어떤 가치를 가져다 줍니까?
위의 문제를 논의한 후, 빅데이터 정밀 마케팅에 성의를 가져야 합니까? 그렇다면 빅 데이터 마케팅은 기업과 사용자에게 어떤 가치가 있을까요?
1, 기업에 대한 가치
먼저 외국 사례를 살펴 보겠습니다.
우리 모두는 미국 드라마' 카드집' 을 알고 있다. "카드집" 의 성공에 대해 말하자면, 가장 큰 공헌은 빅데이터 분석이다. 이에 따라' 카드집' 은 대데이터 마케팅의 고전적인 사례가 될 뻔했고, 미국망비는 사용자 정보 마이닝을 기반으로 콘텐츠 생산을 결정하려는 성공적인 시도였다.
인터넷 비행은 약 3000 만 명의 가입자를 보유하고 있으며, 대부분의 사용자가 시청하는 영화는 정밀 추천 시스템과 관련이 있다. 인터넷 비행은 정기적으로 사용자가 영화나 드라마를 보는 행동을 수집하고 분석한다. 예를 들어 사용자가 영화에 대한 평점, 사용자의 공유 행동, 사용자의 시청 기록 등에 따라 사용자의 시청 습관을 분석해 사용자가 어떤 드라마를 좋아하는지, 어떤 스타일을 좋아하는지, 어떤 감독과 배우를 좋아하는지 추론한다. 이를 바탕으로 알고리즘을 사용하여 사용자가 좋아하는 드라마를 찾을 때까지 관심 있는 비디오를 추천하고 정렬합니다. 카드하우스' 의 감독과 주연은 인터넷 비행이 사용자 정보를 발굴한 후 예측한 것이다.
그런 다음 또 다른 국내 사례를 살펴 보겠습니다.
알리바바와 시나웨이보의 협력은 우리 모두 알고 있다. 알리바바는 시나웨이보에 5 억 8600 만 원을 투자했다. 인터넷 주요 매체들이 분석한 알리바바가 생태계를 만들고, 트래픽 입구를 강화하고, 텐센트에 도전하는 이유 외에 또 다른 중요한 이유는 빅 데이터 마케팅 전략일 수 있다.
오늘날, 주요 인터넷 거물들은 모두 동그라미를 치고 있다. 사용자를 동그라미로 묶어서 자신의 플랫폼에서 활동하게 할 수 있는 사람은 많은 사용자 정보 (명시적 포그라운드 정보 및 숨겨진 백그라운드 정보 포함) 를 파악할 수 있습니다. 시나웨이보 () 는 국내에서 수억 명의 사용자를 보유하고 있어 규모가 크지만 시나 () 가 이들 사용자가 생산한 정보를 합리적으로 이용할 수 없다면 이러한 자원은 막대한 낭비이다. 중국 최대 전자상거래 플랫폼인 알리바바를 보세요. 제품은 있지만 사용자의 일상 생활 행동에 대한 완전한 정보는 없으며 구매 정보만 있지만 이러한 구매 정보는 군중의 특성과 선호도를 이해하기에 충분하지 않습니다. 따라서 시나웨이보와 합작하여 대량의 사용자의 행동 정보를 파악하고 분류하여 사용자의 선호도, 선호도, 취미, 취미, 습관, 교류 습관, 경로 공유 등을 찾아내야 한다. 사람마다 개인마다 서로 다른 사용자들의 정보 전파 법칙을 통해 정확한 마케팅을 할 수 있는지, 심지어 제품에 가장 적합한 브랜드 전파 경로를 개발할 수 있는지 여부. 이것은 거대한 금광이다.
시나웨이보가 알리바바와 합작한 뒤 웨이보에는 상품 추천 정보가 등장했고 시나웨이보는 이미 지불 기능을 선보였다. 앞으로 웨이보에서 관련 추천 상품을 보면 마침 당신이 좋아하는 상품이라면 웨이보에서 직접 지불과 구매를 할 수 있을 것이라고 상상할 수 있습니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 스포츠명언) 그래서 시나웨이보와 알리바바는 각각 필요한 것을 취하여 앉아서 그 성과를 누린다. 물론 이것은 제 개인적인 관찰과 분석이지만 알리바바의 빅 데이터 전략도 분명합니다.
2. 사용자에 대한 가치
이 두 가지 예는 모두 큰 데이터가 기업에 제공하는 가치에 관한 것이다. 그렇다면 빅 데이터 마케팅은 사용자에게 가치가 있습니까? 사용자들이 정밀 마케팅을 싫어하나요? 새로운 설문 조사 데이터를 살펴 보겠습니다.
중국 미디어대 국가광고연구원은 최근 20 14 중-미 모바일 인터넷 발전 보고서를 발표해 중-미 사용자 모바일 인터넷의 사용 습관과 모바일 광고에 대한 태도를 비교했다.
설문 조사에 따르면 지능형 최종 사용자가 응답할 가능성이 가장 높은 광고 내용은 (1) 사용자가 구매할 물품과 관련된 광고입니다. (2) 구매할 물품과 관련된 쿠폰; (3) 재미있는 광고; (4) 사용자가 좋아하는 브랜드와 관련된 광고; (5) 사용자가 온라인으로 웹 사이트에 액세스하거나 사용하는 응용 프로그램과 관련된 광고 (6) 최근 온라인 쇼핑 관련 광고; 그리고 (7) 사용자 위치와 관련된 광고. (축척 > =20%)
이 수치에서 볼 수 있듯이, 8 개의 결과 중 6 개는 빅데이터의 정밀 마케팅과 관련이 있다. 예를 들어, 사용자가 구매하려는 품목과 관련된 광고는 사용자의 반응이나 상호 작용을 일으킬 수 있습니다. 어떻게 이해하니? 빅 데이터 마케팅의 전제는 사용자의 실제 요구를 계산하고 추측하고, 사용자가 구매해야 할 관련 제품을 보고, 사용자가 원하는 것과 좋아하는 것을 직접 푸시하여 정확하게 도착하는 것입니다. 사용자는요? 사용자가 이러한 판촉 광고 또는 제품에 응답할 의향이 있는 이유는 이러한 광고가 사용자에 대한 방해가 적고 구매 전 비교 또는 상품 대 세 가지 의사 결정 프로세스가 줄어들어 시간을 절약하고 사용자가 실제로 필요로 하는 제품이나 서비스를 직접 찾을 수 있기 때문입니다.
따라서 이 결과는 빅데이터의 정밀 마케팅이 사용자들을 완전히 혐오스럽게 하는 것이 아니라 사용자의 마음을 어느 정도 알아맞힐 수 있는지에 달려 있음을 보여준다. 따라서 사용자가 사고 싶은 물건과 관련된 콘텐츠를 푸시하는 경우 사용자가 좋아하는 브랜드와 관련이 있습니다. 그러면 이런 정밀 발굴은 사용자들에게 반감을 받지 않고 오히려 사용자에게 편리함을 가져다 줄 것이다.
넷째, 큰 데이터를 지나치게 미신하지 마라. 빅 데이터의 본질은 무엇입니까?
위의 분석을 보면 빅 데이터 분석이 정말 만능이라고 생각할 수 있습니다. 그러나, 우리는 큰 데이터를 지나치게 미신할 수 없다. 그러면 다음 문제가 생긴다.
1. 빅 데이터 분석과 기존 통계 방법의 관계는 무엇입니까?
큰 데이터는 대량의 데이터, 심지어 모든 데이터를 기반으로 한 다음 알고리즘을 사용하여 계산 및 분석을 수행함으로써 인과 관계가 아닌 다양한 요소 간의 상관 관계를 보다 정확하게 찾아 데이터 간의 법칙을 찾아내는 것입니다.
그런 다음 전통적인 통계 방법을 살펴 보겠습니다. 통계 분석은 소량의 샘플을 선택하고 샘플을 분석하여 전체 추세와 법칙을 추론하는 방법을 해결합니다. 그래서 확률을 사용하십시오. 일반 규정은 90%, 95% 또는 98% 신뢰도 (정확도) 로 전체를 최대한 추론한다. 목적이 분명하고 표본이 적절하게 선택되었다면, 대량의 데이터 없이 법칙을 분석하여 전체 법칙을 추론하고 서로 다른 요소 간의 인과 관계를 찾을 수 있다. 예를 들어 샘플링 방법을 결정한 후 샘플 수를 결정할 수 있습니다. 만약 샘플링이 적절하다면, 샘플 수와 총수는 그다지 직접적인 관계가 없다.
부적절한 예를 들어 보겠습니다. 1000 개의 샘플을 선택하고 추리 규칙이 A 라고 가정합니다. 2,000 개의 샘플을 선택하면 법칙 A 도 표시됩니다. 3,000 개의 샘플을 선택하면 비슷합니다. 그러면 과학적 선택 1000 개 이상의 샘플을 통해 실제로 우리의 목적을 달성할 수 있습니다. 따라서 기존의 샘플링 및 통계 방법은 비용 문제를 최대한 해결합니다. 오차가 있을 수 있지만 뚜렷한 법칙을 발견할 수 있다.
따라서 이러한 관점에서 볼 때, 빅 데이터 분석의 최종 결과는 기존의 통계 방법과 비슷할 가능성이 높습니다. 다만 원래의 작은 샘플을 큰 샘플 분석으로 바꾸는 것입니다. 빅 데이터 분석은 이론적으로 더 정확하여 전통적인 오류의 결함을 보완할 수 있지만, 빅 데이터 분석은 데이터 소스의 심각한 영향을 받기 때문에 정확성이 생각보다 크게 향상되지 않을 수 있습니다. 게다가, 더 많은 새로운 법칙을 찾지 못할 수도 있다. 만약 그렇다면, 우리는 큰 데이터가 왜 존재하는지 묻지 않을 수 없다.
또한 시장 시세 분석과 같은 전통적인 통계 분석에서는 실제 환경과 배경을 결합하여 데이터를 해석하고 분석해야 하며, 데이터를 유일하고 만능적인 가이드로 삼지 말아야 한다. 따라서 경험과 실제 상황에 따라 데이터를 분석하는 과정이 있는데, 사람들이 분석에 참여하는 능력이 중요하다.
2. 어떤 일이 빅데이터로는 할 수 없고, 전통적인 조사분석방법으로 할 수 있을까요?
빅 데이터 마케팅의 전제는 빅 데이터 분석, 빅 데이터 분석은 알고리즘을 기반으로 하며 컴퓨터 경화 모델입니다. 즉, 원래 사람이 완성한 데이터 분석 부분은 이제 알고리즘에서 합의된 것이다. 그리고 빅 데이터의 정밀 마케팅은 웹 브라우징 데이터, 데이터 공유, 데이터 검색 등 사용자가 생성한 행동 정보를 분석하는 것입니다. 사람 또는 사물을 분류하여 사람의 취향과 흥미를 추론하다.
그러나 선호는 실제 수요를 의미하는 것이 아니라 클릭은 반드시 좋아하는 것은 아니다. 한 사람이 오늘 소셜 미디어에서 "이 제품은 좋다" 고 말했는데, 그가 이 제품을 좋아하거나 필요로 한다고 생각하십니까?
기계는 행동을 분류할 수 있지만, 사람의 심리와 실제 수요를 진정으로 감지할 수는 없다. 그렇다면, 우리는 어떻게 사람의 진실한 심리와 수요를 감지할 수 있을까? 이때 전통적인 시장 연구와 분석 방법은 대체될 수 없다. 심층 인터뷰, 포커스 그룹 인터뷰, 프로젝션 등. 이러한 방법들은 심리학의 관점에서 인간의 진실한 욕망과 본질적인 수요를 최대한 분석하고 발견할 수 있다. 그래서 오늘날까지도 많은 대형 광고사와 마케팅 회사들이 여전히 이런 전통적인 방법으로 표면 데이터의 이면에 있는 이야기와 원인을 이해하고 있다. 이런 이야기와 이치는 알고리즘이 현재 할 수 없고 반드시 사람이 해야 한다. 사람과 사람 사이의 교류는 인심을 조사할 수 있다.
이런 관점에서 볼 때, 큰 데이터는 만능이 아니며, 맹목적으로 신화 할 수도 없다. 우리는 그것의 본질을 알아야 한다. 그것은 무엇을 할 수 있고, 무엇을 할 수 없다. 데이터에 대한 인간의 계산과 분석은 이제 기계로 대체될 수 있지만, 사람의 또 다른 부분 (사람의 마음을 감지하는 능력) 은 알고리즘으로 대체할 수 없다는 것을 이해할 수 있다.
예를 들어, 2 년 전, 저는 새로운 기술에 대해 보도했습니다. "책을 쓰면 알고리즘을 통해 자동화될 수 있습니다. 출판을 구하기 위해 무엇을 할 수 있을까요?" " 아마존에 있는 많은 책들이 알고리즘에 의해 쓰여졌다고 하는데, 알고리즘은 책을 쓰는 사람의 논리적 사고에 따라 언어를 조직한다고 한다. 그러나 이 책들은 인간의 감정의 부족을 메울 수 없고, 사회적 배경과 작가가 처한 환경에 따른 감정적 변동을 표현할 수 없다.
5. 빅 데이터 분석 또는 빅 데이터 마케팅이 직면 한 진정한 도전은 무엇입니까?
1, 데이터 중복, 이렇게 많은 데이터를 사용할 필요가 있습니까?
데이터 소스 문제, 데이터 품질 보장, 정말 필요한가요?
빅 데이터 분석의 장점은 줄곧 널리 알려져 왔다: 대량 데이터의 운용. 하지만 데이터가 많을수록 좋을까요? 이 데이터를 어떻게 필터링합니까? 어떻게 가치 있고 유용한 데이터를 찾을 수 있습니까? 거대하고 중복 된 데이터는 큰 데이터 분석에 어떤 영향을 미칩니 까?
큰 데이터의 경우, 방대한 데이터 소스는 분석의 정확성을 근본적으로 보장하는 것이다. 그러나 데이터의 양이 어느 정도 되면 정확성이 보장되기 어렵다는 큰 문제가 있습니다. 이로 인해 분석 결과의 정확성을 보장하기가 어렵습니다. 빅 데이터 분석 예측 실패 사례도 많다. 예를 들어 가장 전형적인 가장 유명한 사례는 구글이 독감 추세를 예측하지 못했다는 것이다.
보도에 따르면 구글은 검색 엔진 데이터에 대한 분석을 바탕으로 미국 질병통제 및 예방센터의 모니터링 데이터보다 두 배 가까이 차이가 났다고 보도했다. 구글은 알고리즘을 지속적으로 조정하지만 결과의 정확성을 보장할 수는 없다. 이것은 중요한 문제, 즉 데이터 소스 문제를 설명합니다. 구글의 분석은 검색 엔진의 검색어를 기반으로 한다. 많은 검색어는 무효이고 무의미하며 독감 추세를 진정으로 대표할 수는 없지만, 그렇다고 할 수 있다. 이로 인해 결과의 심각한 편차가 발생했습니다.
그렇다면, 당신이 얻은 이 자료들이 정말로 당신이 필요로 하는 것이라고 어떻게 보장할 수 있습니까? 정말 중요한가요? 만약 데이터 소스에 심각한 편차가 나타난다면, 너의 분석이 아무리 정확해도 헛수고가 될 것이다. 예를 들어, 인터넷 사용자들이 생성하는 일상적인 공유 정보를 수집하는 데 많은 노력을 기울이고, 그들의 모든 정보를 분석하고, 마지막으로 몇 가지 소비 추세를 예측할 수 있습니다. 그러나 이러한 공유 정보에는 대량의 중복 정보가 있어 데이터 정확도가 떨어집니다. 대부분 소비와 무관하기 때문에 이 분석 결과는 정확하지 않을 가능성이 높다. 물론, 이 결과를 바탕으로 한 다음 마케팅 전략은 실패할 수 있습니다.
2, 큰 파빌리온 플랫폼 게임, 일반 기업은 많은 양의 데이터를 파악하기가 어렵습니다; 신뢰성을 검증하기 어렵다
주요 인터넷 회사의 플랫폼은 모두 사용자 자원을 보유하고 있으며, 사용자가 생성한 정보는 당연히 각 플랫폼에 모여 있다. 그러나 각 회사나 플랫폼의 데이터는 완전히 공개되지 않습니다. 우리는 몇 가지 도구를 통해서만 네트워크에 흩어져 있는 정보를 캡처할 수 있을 뿐, 실용적이고 의미 있는 전체 백그라운드 데이터와 정보를 정확하게 파악할 수는 없습니다.
이런 방대한 정보는 구글과 같은 대형 인터넷 회사들에게 재산이다. 빅 데이터는 이러한 대형 플랫폼의 게임일 수 있으며, 일반 기업이 참여하는 것이 더 어려울 수 있습니다.
또한 이러한 플랫폼은 상호 운용성과 개방성이 없으며 분석 된 데이터 결과는 타사 검증 및 검증을 통과 할 수 없으므로 대용량 데이터 분석 결과의 유효성 및 신뢰성을 알 수 없습니다. 물론, 그들은 이러한 데이터를 분석하는 것이 사용자 자신의 제품 개발과 자기 발전에 여전히 가치가 있다. 그래서 일반인이나 일반 기업의 빅 데이터에 대한 갈망은 사치일 수 있다. 앞으로 인터넷 플랫폼 회사가 빅 데이터 분석 서비스를 판매할 가능성이 높다. 그리고 미래에는 개인 데이터 관리 분야의 혁신과 창업이 많아지고 응용도 많아질 것이다.
이것은 빅데이터에 대한 변쇼의 공유이다: 사용자의 프라이버시와 기업 가치에 관한 것이다. 더 많은 정보는 글로벌 아이비리그가 더 많은 건품을 공유하는 것에 집중할 수 있다.