大数据及其对电子商务的影响研究
摘 要 随着互联网和移动通信技术的逐渐普及、深入应用，它对人们的生活、生产带来了始料未及的影响。移动互联网、物联网和电子商务等技术和商业模式的悄然兴起，使社会数据的数量呈现指数型飞速增长速度。因此，利用大数据相关技术，可以有效解决信息传递不通畅的问题，降低商务活动成本，合理提高商务活动效率，并从体系结构和交易形式两个维度改造商务活动，在精细化管理、风险控制、服务创新等方面发挥着极为重大的现实作用。21世纪初，互联网处于起步的时期，网上银行仅仅是作为渠道经营，与此不同，当前的电子商务活动具有重视交互式营销、主张客户个性化体验、强调数据平台开放等新特点，在运作模式上认为电子商务核心业务要与互联网技术进行整合，客户价值挖掘技术与风险管理技术等进一步融合。而且，随着大数据分析思维的逐渐深入以及技术的逐步推广，借助客户个人的网络行为产生的各种活动性数据，可以科学地把握客户的行为习惯以及心理偏好等特征。因此，要想在大数据的革命浪潮中把握趋势，就需要采用相关技术深入分析相关数据，通过对人们消费行为以及行为关联性的分析，对一类客户群体的行为模式掌握的更加精准。根据这些进行零售电子商务风险测评模型的设计，让数据信息和消费群体之间实现及时、全面和无缝接触的关系，满足电商企业风险管理工作的精细化标准和要求，并为打造核心竞争力提供科学的决策依据。 基于此，本文将大数据理论与方法及其对电子商业业务的影响进行了研究，看二者能擦出怎样的“炫丽火花 ”。摘要 1
目 录
ABSTRACT 2
第1章、序 言 3
第2章、大数据的概念 3
（1）大数据的基本内涵 3
（2）大数据的外延 5
（3）大数据是商业竞争的前沿 6
第3章、大数据的商业价值 6
（1）大数据已经融入经济生活 6
（2）大数据蕴藏的惊人商机 7
第4章、大数据对电子商务的影响 8
（1）大数据对于电子商务业务的影响 9
（2）对商业银行零售电子商务的影响 11
（3）对淘宝、京东等电子商务的影响 12
（4）对影视媒体营销的影响 12
第5章、结论：电子商务的大数据经营策略 13
（1
*好棒文|www.hbsrm.com +Q: 3_5_1_9_1_6_0_7_2
）分析用户的智慧 13
（2）协助商业决策 14
（3）平衡模型和数据之间的关系 14
（4）打造体系化的数据网 14
（5）合理共享商业数据 14
参考文献 16
第1章 序 言
数据（Big Data）时代已然来临。在各行各业信息数据都呈现出指数式增长的今天，不同规模的电子商务企业都在奋力追赶“大数据”发展的步伐。一个以信息为中心、以洞察力为导向的全新的电商生存环境横空出世，而智慧的分析能力顺理成章成为在该环境下成功的关键因素。以大数据为导向的客户需求快速响应，商业模式优化和风险把控，都将成为提升商业流转速率的利器，数据挖掘和分析层面技术型的创业公司将有可能成为全新的创业和投资热点。在巨大的数据背后，哪些是陷阱，哪些是商机，从中设计一些靠谱的算法挖掘出信息和数据之间关系的真正价值，可能正是电商在互联网大数据中的新机遇。
电子商业业务是随着互联网的发展而逐步发展起来的，它的载体是计算机网络，主体是商务活动，营销方式是电子化营销，在法律允许的范围内所进行的商业业务活动的交易。近年来，尽管电子商务的蓬勃发展激发了消费者购买商品的潜在欲望，拓展了消费选择的范围，但是商家提供的海量商品依然会让消费者感到无从下手，“货比三家”的传统理论在这里相形见绌，无法对消费者的行为进行指导和提供依据。商品涵盖的数据信息丰富，消费者在短时间内无法将其消化掉，因此难以遴选自己想要的产品，所以基于数据挖掘精准、及时、有效的个性化商品推荐系统的作用日益凸显，特别是在电商业务发展过程中更是有着深远的应用前景。
伴随着物联网、云计算等技术的兴起，大数据时代扑面而来，而且数据的种类和数量正以指数型的爆炸式速度激增，怎样更好地收集和利用数据资源已经成为广大电商，乃至社会各界极力关注的热点话题。2011 年 2月《Science》推出专刊“Dealing with Data”,针对现代科学领域研究中数据资源的问题进行了系统研究，对其给予了高度的重视。
第2章 大数据的概念
2.1大数据的基本内涵
目前，关于大数据并没有一个确切的基本概念，比较有权威性的观点如 Weiberger（2011）、Thurm（2007）等认为：大数据并不单单寓意数据量大，还包含了从交易数据资源到交互数据资源，涵盖结构化和非结构化的多种数据渠道、数据分析、数据加工等内容，其数据资源的容量，数据资源的增长频率，数据资源的生成速度，数据的种类和复杂度等都是传统的模式无法望尘莫及的，这是《大数据时代》一书揭示的。
进入2012年，大数据（Big Data）这一词越来越多地被学术界及电商企业所提及，它通常被人们用来定义和描述当下所处的信息激增的时代产生的海量数据资源，进而命名与它有关联的技术发展和改革创新。大数据增长快速，普通数据分析软件在一定的时间限制下难以对数据信息进行收集、储存、共享、分析、利用等有效的处理。大数据的概念是一个定性的概念，一般认为它具有四个显著特征：数据量大、实时性高、结构复杂、价值密度低。可以将之归纳为“四个V”，即Volume，Velocity，Variety和Value。
1.数据量大
大数据的数量大是易于理解的。麦肯锡公司是全球知名咨询公司，根据他们的数据，在2010年全年，个人用户的移动设备收集并存储了6EB的数据，而全球企业也产生并存储了7EB的数据。同时，各种各样的海量数据在全球各地无时无刻不在催生着，这些数据容量将达到几TB乃至几EB。
2.实时性高
大数据的实时性高是指绝大多数的大数据都是在即时条件下产生的，所以这就对数据管理系统提出了更严格的要求，要求管理系统能够实现对数据进行及时准确的诊断和分析，并及时得到第一手的分析报告。
3.结构复杂
大数据的结构复杂主要是因为它的来源途径非常广，目前各种网络博客、微博、微信、网络视频和图片、空间日志、GPS导航等都可成为大数据的来源。
4.价值密度低
大数据的价值密度低是指相对于以往商业数据的价值而言，单位体积的大数据的所拥有的价值量要小，也就是说在大数据表面数据信息中，可以直接创造价值的数据其实仅仅占很小的一部分。因此怎样在海量的大数据中挖掘有价值的信息并合理利用，是摆在我们面前的一大研究难题。
2.2大数据的外延
2.2.1大数据的本质特征
Duncan（2007）等通过数据分析发现，较基于小数据的复杂算法而言，基于大数据的简单算法更有时效性和针对性，预测能力也就更强。不同作者（Vlahos，Black，Risenthal，James，Jonathan（2012）等）利用大数据技术分析的最终结论无不揭示了一个现象：传统的数据分析侧重于关注于分析过去及现在的状况，而大数据的本质在于，其目的是预测未来，判断趋势。其主要特征一是要分析与研究对象有关的所有数据而不是部分数据；二是承认数据具有复杂性，不再强调精准确切；三是不再研究事物之间的因果联系，强调事物之间的相关关系。
2.2.2传统数据和大数据的本质区别
目 录
ABSTRACT 2
第1章、序 言 3
第2章、大数据的概念 3
（1）大数据的基本内涵 3
（2）大数据的外延 5
（3）大数据是商业竞争的前沿 6
第3章、大数据的商业价值 6
（1）大数据已经融入经济生活 6
（2）大数据蕴藏的惊人商机 7
第4章、大数据对电子商务的影响 8
（1）大数据对于电子商务业务的影响 9
（2）对商业银行零售电子商务的影响 11
（3）对淘宝、京东等电子商务的影响 12
（4）对影视媒体营销的影响 12
第5章、结论：电子商务的大数据经营策略 13
（1
*好棒文|www.hbsrm.com +Q: 3_5_1_9_1_6_0_7_2
）分析用户的智慧 13
（2）协助商业决策 14
（3）平衡模型和数据之间的关系 14
（4）打造体系化的数据网 14
（5）合理共享商业数据 14
参考文献 16
第1章 序 言
数据（Big Data）时代已然来临。在各行各业信息数据都呈现出指数式增长的今天，不同规模的电子商务企业都在奋力追赶“大数据”发展的步伐。一个以信息为中心、以洞察力为导向的全新的电商生存环境横空出世，而智慧的分析能力顺理成章成为在该环境下成功的关键因素。以大数据为导向的客户需求快速响应，商业模式优化和风险把控，都将成为提升商业流转速率的利器，数据挖掘和分析层面技术型的创业公司将有可能成为全新的创业和投资热点。在巨大的数据背后，哪些是陷阱，哪些是商机，从中设计一些靠谱的算法挖掘出信息和数据之间关系的真正价值，可能正是电商在互联网大数据中的新机遇。
电子商业业务是随着互联网的发展而逐步发展起来的，它的载体是计算机网络，主体是商务活动，营销方式是电子化营销，在法律允许的范围内所进行的商业业务活动的交易。近年来，尽管电子商务的蓬勃发展激发了消费者购买商品的潜在欲望，拓展了消费选择的范围，但是商家提供的海量商品依然会让消费者感到无从下手，“货比三家”的传统理论在这里相形见绌，无法对消费者的行为进行指导和提供依据。商品涵盖的数据信息丰富，消费者在短时间内无法将其消化掉，因此难以遴选自己想要的产品，所以基于数据挖掘精准、及时、有效的个性化商品推荐系统的作用日益凸显，特别是在电商业务发展过程中更是有着深远的应用前景。
伴随着物联网、云计算等技术的兴起，大数据时代扑面而来，而且数据的种类和数量正以指数型的爆炸式速度激增，怎样更好地收集和利用数据资源已经成为广大电商，乃至社会各界极力关注的热点话题。2011 年 2月《Science》推出专刊“Dealing with Data”,针对现代科学领域研究中数据资源的问题进行了系统研究，对其给予了高度的重视。
第2章 大数据的概念
2.1大数据的基本内涵
目前，关于大数据并没有一个确切的基本概念，比较有权威性的观点如 Weiberger（2011）、Thurm（2007）等认为：大数据并不单单寓意数据量大，还包含了从交易数据资源到交互数据资源，涵盖结构化和非结构化的多种数据渠道、数据分析、数据加工等内容，其数据资源的容量，数据资源的增长频率，数据资源的生成速度，数据的种类和复杂度等都是传统的模式无法望尘莫及的，这是《大数据时代》一书揭示的。
进入2012年，大数据（Big Data）这一词越来越多地被学术界及电商企业所提及，它通常被人们用来定义和描述当下所处的信息激增的时代产生的海量数据资源，进而命名与它有关联的技术发展和改革创新。大数据增长快速，普通数据分析软件在一定的时间限制下难以对数据信息进行收集、储存、共享、分析、利用等有效的处理。大数据的概念是一个定性的概念，一般认为它具有四个显著特征：数据量大、实时性高、结构复杂、价值密度低。可以将之归纳为“四个V”，即Volume，Velocity，Variety和Value。
1.数据量大
大数据的数量大是易于理解的。麦肯锡公司是全球知名咨询公司，根据他们的数据，在2010年全年，个人用户的移动设备收集并存储了6EB的数据，而全球企业也产生并存储了7EB的数据。同时，各种各样的海量数据在全球各地无时无刻不在催生着，这些数据容量将达到几TB乃至几EB。
2.实时性高
大数据的实时性高是指绝大多数的大数据都是在即时条件下产生的，所以这就对数据管理系统提出了更严格的要求，要求管理系统能够实现对数据进行及时准确的诊断和分析，并及时得到第一手的分析报告。
3.结构复杂
大数据的结构复杂主要是因为它的来源途径非常广，目前各种网络博客、微博、微信、网络视频和图片、空间日志、GPS导航等都可成为大数据的来源。
4.价值密度低
大数据的价值密度低是指相对于以往商业数据的价值而言，单位体积的大数据的所拥有的价值量要小，也就是说在大数据表面数据信息中，可以直接创造价值的数据其实仅仅占很小的一部分。因此怎样在海量的大数据中挖掘有价值的信息并合理利用，是摆在我们面前的一大研究难题。
2.2大数据的外延
2.2.1大数据的本质特征
Duncan（2007）等通过数据分析发现，较基于小数据的复杂算法而言，基于大数据的简单算法更有时效性和针对性，预测能力也就更强。不同作者（Vlahos，Black，Risenthal，James，Jonathan（2012）等）利用大数据技术分析的最终结论无不揭示了一个现象：传统的数据分析侧重于关注于分析过去及现在的状况，而大数据的本质在于，其目的是预测未来，判断趋势。其主要特征一是要分析与研究对象有关的所有数据而不是部分数据；二是承认数据具有复杂性，不再强调精准确切；三是不再研究事物之间的因果联系，强调事物之间的相关关系。
2.2.2传统数据和大数据的本质区别
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/xxaq/863.html
