互联网的创业者如何才能掘金大数据？大数据掘金——数据挖掘过程

本文目录

• 互联网的创业者如何才能掘金大数据
• 大数据掘金——数据挖掘过程
• 卡梅隆安东尼掘金时期数据

互联网的创业者如何才能掘金大数据

互联网的创业者如何才能掘金大数据？大数据能称之为一个时代，可见维克托?迈尔?舍恩伯格对大数据的褒奖。当然，更多的人希望通过大数据创建新的产业群，将之应用到医疗、教育、科技等多个领域。大数据应用已经成为互联网创业者竞争的新阵地，如何充分利用大数据和借助大数据掘金成为草根创业者关注的焦点。在已有的领域中，包括可穿戴设备、移动APP等领域，部分互联网创业者都尝到了大数据的甜头。百度大数据助力小说网站顺利商业化互联网创业者的机会并不少，但是要想真正“拥抱”大数据，并从大数据的红海中分一杯羹，是非常困难的。所有人都知道，大数据并不仅仅是“大”的数据，从B到PB、EB，也仅仅只是数字的变革，数据单位仅能记录数据罢了，互联网创业者要想利用到大数据，自身肯定是不具备物质条件的，依赖第三方是必不可少的，下面我就以百度大数据助力小说网站顺利实现商业化为例，来具体说说大数据：百度推荐是基于百度大数据技术推出的网站内容推荐工具。通过对网站不同访客推荐个性化的内容，提高内容的点击率，大幅提升网站流量;机制是基于百度统计代码收集访客数据，基于百度搜索蜘蛛抓取网页内容精准匹配。通俗来讲，通过百度大数据的挖掘与分析，能够精确地刻画出网站访客的人群画像。以小说网站为例，百度司南数据显示，88%的小说人群年龄分布在10-29岁之间，受众多为新生代年轻人。大多数小说受众还热衷于英雄联盟、穿越火线、地下城与勇士等网络游戏，小说爱好者往往也是网购爱好者。对网站用户属性和爱好的把握，能够有效的帮助网站优化内容运营，缩短网站“内容?用户”的路径，提升用户体验，并延伸或激发用户的需求，提高用户步长，从而提升网站的流量和商业价值。不少小说网站迅速嗅到了百度大数据的商机。有数据显示，言情小说吧安装百度推荐小说专有样式后，流量增长11.9%，用户平均访问页面数提升17.8%。掌阅iReader运营总监周碧华表示，掌阅的短板是如何通过数据判断作品的质量，希望借助百度大数据解决这一难题。多酷总经理王超则认为，百度大数据能够帮助网站进一步挖掘付费用户，通过有效的数据分析来决定和平衡用户免费与收费策略。从传统的搜索引擎到“即搜即得”(框计算)再到“不搜即得”(推荐引擎)，百度运用大数据能力，用推荐将用户留在站内，让大数据更智能。在营收方面，百度网盟利用基于大数据的CTR(广告内容匹配)数据，让站长的平均收入提升70%。当然，互联网并不是只有小说站这一垂直领域，教育、医疗等领域都是热门的创业领域之一。百度和小说网站的合作亦可以延伸到其他垂直行业甚至整个互联网，让更多的互联网创业者实现商业化。如何玩转大数据?互联网创业者要想获得完整的“大数据”是几无可能的，无论是广大的用户量，还是相对用户量长期的诉求，包括互联网创业者自身对数据的处理分析能力，都是其获得大数据的软肋，百度大数据正慢慢成为驱动互联网创业者成长的新动力。从上面小说网站利用百度大数据进行获益的例子来看，互联网创业者该怎样才能更好的利用大数据呢?首先，自身的内容是根本，这个和线下的产品相类似。用户享受的是服务、是产品，产品自身出现问题，用户肯定是不爱的。所以，无论是小说网站还是其他类型的网站，互联网创业者的根本都是需要有价值的内容输出，做用户的“好产品”，所以互联网创业者首先需要拥有产品思维。其次，平台的开放性。我不认为某些半封闭的封闭会给本就是颤颤巍巍的互联网创业者很好的契机，而像百度联盟利用大数据能力为互联网创业者变现的方式，互联网创业者自身又可以和百度的其他产品进行互用，百度平台的开放性给予互联网创业者更大的舞台。最后，商业化是关键。平台能提供给互联网创业者明晰的盈利模式是比较好的，远比互联网创业者自己去寻找盈利模式方便得多。在如今互联网产品“你像我，我像你”的年代，只有做好盈利才是最终的出路。即使能利用第三方大数据平台，若不能盈利，也终归会被“抄死”。未来大数据会给互联网创业者带来怎样的机遇呢?百度大数据已经取得明显的成效，为互联网创业者前期对大数据预处理的时间、精力、财力等方面铺平道路。互联网创业者需要做的是，围绕大数据平台进行拓展，做出自己的特色产品。医疗、教育、娱乐、移动APP等方向都可以是互联网创业者的机遇，问题是互联网创业者需要如何去拥抱这些大数据平台为己所用呢?所幸包括百度在内的多个大数据平台都是相对开放的，互联网创业者围绕产品自身再借用大数据平台以及其提供的盈利模式，整个产业群圆满完成，这才是互联网创业者应该做的事。

大数据掘金——数据挖掘过程

1.商业问题理解

全面了解管理对新知识的需求以及对企业目标的明确认识。

进行项目规划，明确负责收集数据、分析数据、汇报结果的人员。在这一早期阶段，还应当对进行研究的经费预算，至少要给出预算上限和大致数据。

2.数据理解

将商业问题与使用数据完美匹配。

定量数据：用数值来衡量，可以是离散的，也可以使连续的。也成为分类数据包括定序和定类两种，定序数据有有限多个可排序的取值（差、好、极好），定类数据具有有限不可排序的取值（男、女）。定量数据可以由几组概率分布来表示。概率分布显示了数据是如何分布的

定性数据：可以进行编码，通过频率分布表示。

3.数据准备

数据处理。真实世界的数据通常都是不完全的（缺乏属性值、特殊性或只有总数）、杂乱的（包含错误或异常值）、不连续的（编码或名字中存在矛盾）。由于数据来自不同的数据源，它们之间具有不同的格式，如选取的数据可能来自平面文件、音频、图片或网页，必须转化为持续统一的格式。

4.建立模型

需要利用多种模型，经过多次实验和测量，找出解决某个实际问题的最佳方案。甚至对于单个模型或公式而言，也是需要对参数进行标准化才能得到最优结果。某些方法对数据格式有特殊要求，因此还需要退回到数据准备阶段重新处理。

数据挖掘建模的标准流程是将大规模未经处理数据分为小组，以进行测试或检验。然后分析师就可以根据一部分数据（实验组）建立模型（可以使用任何建模方法或公式），用另一部分数据（测试组）测试建立起来的模型。

5.检验和评估

对建立起来的模型进行测量和评估，确定其准确性和一般性。在实际环境中测试模型是否符合时间和财务的要求。这一发现过程的成功与否取决于数据分析师、商业分析师和决策者（如企业管理者）的互动。为了更好地解读数据，我们通常使用表格或可视化技术（如数据透视表、交叉表分析、饼图、柱状图、箱线图和散点图等）。

6.部署

数据部署这一步可能仅仅是给出一份报告，但也有可能要将整个数据挖掘过程在全公司重复一遍。

卡梅隆安东尼掘金时期数据

2003-04赛季，安东尼场均拿下21.04分，2.77次助攻和6.07个篮板，在2003届新秀中排名第一，在最佳新秀的投票中位列第二。2004-05赛季，安东尼场均拿下20.77分，2.59次助攻和5.68个篮板，场均得分排名联盟第19位，总得分排名联盟第16位。2005-06赛季，安东尼出场80场比赛，场均得到26.5分、2.7个助攻、4.9个篮板和1.1个抢断，并入选本赛季的NBA年度最佳阵容第三队。2006-07赛季，安东尼场均得到28.94分，3.83个助攻和6.02个篮板。2007-08赛季，安东尼在常规赛中出场77次，以场均25.7分排名联盟得分榜第4位，他也得到了职业生涯新高的场均7.4个篮板和3.36个助攻。2008-09赛季，安东尼出场66次，场均得到22.79分，3.36个助攻和6.82个篮板。2009-10赛季，安东尼场均获得季后赛新高的30.7分，同时还有8.5个篮板、3.2次助攻和2.0个抢断。