大数据环境下电子商务的特点及发展趋势研究

内容摘要 随着互联网的不断发展，无论是现代贸易的发展还是信息资料的交流，都日益呈现出数据化的特点。大数据是继云计算、物联网之后IT业又一次颠覆性的技术变革，对企业将产生巨大的影响。大数据时代下，现代贸易尤其是电子商务都呈现出新的特点。本文通过阐释大数据时代以及大数据环境下的电子商务两个概念，深入探析大数据环境下电子商务的特点，并对电子商务未来的发展趋势进行探究分析。 关键词：大数据环境；电子商务；发展趋势 目 录 一、 大数据概述 .................................................................................... 1 二、 大数据环境下的电子商务 ............................................................ 1 （一） 概述 ................................................... 2 （二） 特点 ................................................... 2 （三）发展趋势研究 .............................................. 3

三、 总结 ................................................................................................. 5 1

大数据环境下电子商务的特点及发展趋势研究 一、 大数据概述 早在20世纪80年代，美国学者就首次提出了有关“大数据”的概念。随着三十多年来信息技术的发展，各个领域的数据量都在迅猛增长，全世界各行各业以及学术界也不断对这个现象的应用价值进行探讨。 大数据通常是指一种非结构化或半结构化的数据。其特点可以概括为四点： 第一是数据量。如今大数据的数据量级别已经从 TB 级别跃升到 PB 级别，而且增长趋势仍在不断加快；其中非结构化数据的超大规模和增长占到总数据量的 80% -90%，是传统数据仓库的10倍到50倍。第二是数据类型繁多。网络日志、视频、图片甚至地理位置、购买记录，都属于大数据的范畴。第三是价值密度高。连续不间断的监控过程会充斥大量不相关的信息，有用的数据很少。而大数据能够通过对未来趋势与模式的可预测分析为商务人士提供使用价值很高的咨询与报告。第四是处理速度快。大数据的处理需要实时分析，数据输入、处理都可以在短期的一连串步骤中完成。 麦肯锡在2011年关于大数据的报告上指出，大数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素，而人们对海量数据的运用将预示着一波新的生产率和消费者盈余增长的到来。市场研究公司Gartner曾在2012年预计，大数据全年将直接或间接拉动全球960 亿美元的IT支出，这一数据在2013 年将达到1200 亿美元，2015 年全球将会新增440万个IT工作岗位以支持大数据，2016 年会达到 2320 亿美元。同时图灵奖获得者吉姆·格雷和IDC公司也曾预测，全球数据量每18个月会翻一番。淘宝网每日新增交易数据达10TB；eBay 分析平台日处理数据量高达100 PB，超过了美国纳斯达克交易所全天的数据处理量；亚马逊每秒钟处理72.9笔订单。这些例子都表明全球尤其是电子商务网站迎来了大数据时代。数据成为越来越有用的资源，电子商务企业在开发利用大数据的市场上存在着巨大的发展前景。

二、 大数据环境下的电子商务 2

（一） 概述 大数据时代的到来为电子商务的发展带来了观念的转变以及新的数据管理模式，使得数据的实际应用与企业运营能更密切地结合，从而促使服务模式的革新。庞大的消费数据量为电商企业提供了把握用户消费模式的基础，电商企业通过大数据应用，可以进行个性化、精确化和智能化的广告推送服务，创立更为有趣和有效的服务模式；同时，电商企业也可以通过对大数据的把握，寻找更多更好的增加用户粘性、开发新产品和新服务、降低运营成本的方法。 （二） 特点 1. 数据化运营

大数据环境下，电商企业更多地转变为借助数据进行运营，几乎企业内部的所有环节都能利用数据形式来呈现。无论是前期的采购、中期的营销还是后期的财务核算都能利用数据视图进行管理，从而优化了各业务节点的效率。亚马逊通过对顾客需求和消费的分析与预测，采用不同策略满足顾客对热销商品、长尾商品的不同需求，从而降低管理成本和物流成本。 2. 行业应用垂直整合 大数据时代的数据整合能力不断加强，使得电商企业更容易、更方便地与供应链上下游进行信息与资源的共享，企业之间的过渡界限显得十分模糊，从而使得最终用户关注的焦点集中于企业如何关心并解决自己的问题。因此在产业价值链中，越接近最终用户的商家其生存空间也就越大。IBM在1992年时面临来自微软和英特尔的严峻挑战，当时IBM的新任总裁就指出IBM的最大价值应该是可以为他的用户提供完整的解决方案，因此现在我们看到的IBM涵盖企业的方方面面，从文化战略咨询、组织流程梳理到 IT 治理、系统建设、主要应用软件、中间件、数据库、操作系统、主机等一应俱全。 3. 数据资产化 大数据环境下电子商务企业的竞争，将是拥有数据规模和活性的竞争。大数据的经济效益和作用日益被企业重视，从而催生出了许多关于数据的业务。例如，供应商开始提供数据分析服务，通过用户的非结构化数据提供标准的报告和数据服务；数据可视化服务，以可视化的形式来展示数据的规模和特点。有学者认为未来大数据的作用会如同基础设施一样，数据的交叉复用也会得到广泛的应用。 Google很好地借助大数据增加了经济效益。虽然Google所有的软件应用都可免费使用，但Google通过对用户在使用产品时暴露的行为、爱好等大数据的整合，3

能够更深入地了解用户特点，从而帮助广告商更精准地投放广告。 （三）发展趋势研究 目前国内对电子商务服务模式的分析框架大多从以下三方面进行划分：角色定位、服务内容和盈利模式。角色定位可以划分为第三方服务提供者、中间服务者以及自主服务者。服务内容分为基础服务、专业服务、整合服务以及个性化服务这四大领域。盈利模式则基于之前对电子商务服务模式的服务内容进行了相应的划分，得出不同的盈利模式，即基础服务盈利模式（搜索排名收费、特殊会员收费等)、个性化服务盈利模式（收取交易佣金、诚信服务平台销售盈利等）、整合服务盈利模式（多元化全方位的盈利模式)。基于我国目前的研究现状，可以对大数据环境下电子商务新的服务模式进行探讨。 1. 个性化导购服务 在大数据背景下将提供个性化服务和第三方服务提供者相结合，可以发掘出个性化导购型的电子商务服务模式。个性化导购服务需要大量数据的支撑，包括用户的浏览历史、购买历史、消费喜好等等。 通过对大数据进行挖掘，主要衍生出两种方式，即个性化广告和个性化推荐。个性化广告是指通过分析用户的网页浏览行为给用户推荐其更感兴趣的广告。Google的广告业务之所以精准度很高，在于它对顾客的搜索过程和网站关注度进行数据挖掘，并在其加盟的网站中追踪顾客的浏览去向，因此能够比较精准地推出与顾客潜在兴趣相匹配的广告。个性化推荐是指电子商务网站后台通过对海量的用户行为数据进行快速分析，推荐出用户现阶段内最需要、最适合的产品。这种方法无疑会促进商家销售额极快地增长，但如何准确地度量用户的兴趣仍然是个难题。目前大部分电子商务网站采用的是基于物品的相似度推荐。例如美国医药网站WebMD就依据怀孕的女性用户填写的受孕信息，定期给妈妈寄送相关邮件，提醒她们在不同阶段的注意事项，例如产前的生理变化和思想准备、需要摄入的营养、产后的恢复、宝宝的育养和健康等等。 2. 垂直细分领域服务 立足于专业化服务和中间服务者的结合，可以发掘出垂直细分品牌型的电子商务服务模式。我国电子商务市场的发展，可以用多头垄断来形容，淘宝、京东、当当、苏宁易购等大平台类的电子商务企业占据了国内绝大部分的市场份额，中小型规模的电商企业夺取市场份额的难度非常大，无论是资本还是在物流和营销4

成本上都无法相匹配。行业垂直细分类的电商网站规模较小、成本较低，能更好地发掘分析顾客的信息数据，从而能更专注于为专业特定的客户群体提供专业的产品和服务，更能了解产业链上客户的需求，也能容易完善自身的服务。因此，在大数据时代下，专注于一个垂直细分领域才有可能在市场中占领一席之地。免费打车软件“滴滴打车”就是很典型的例子。“滴滴打车”选择了手机打车这一个当时还没有电子商务介入的正在孕育的细分市场，在刚运营的三个月内就积累了5000多个出租车客户，保证了用户在市区、非交通高峰期且目的地较远的情况下，在较短时间内就能借助“滴滴打车”打到车。以2012年12月为例，交通高峰时段“滴滴打车”的成单率达到50%，非交通高峰时段的成单率高达80%，单日平均成单率约为70%。无论是“滴滴打车”还是“快的打车”，手机打车软件这一市场的建立，为司机降低空载率、提高出租车营运效率的也同时让更多的乘客受益，达到了双赢的效果。 3. 数据产品服务 根据基础服务和自主服务者的结合，可以发掘出数据服务型的电子商务服务模型。大数据环境下的数据变得无比重要，所有电商企业都想全方位获取并且充分了解营业中所获得的关于顾客的信息数据，但实际情况却是这些电商往往没有足够的预算或高超的技术允许其对大数据进行进一步的解读。因此对于那些具有平台和资金优势的电子商务企业，它们可以利用自身平台的优势，将获得的海量数据通过产品化的包装营销给需要的中小型企业，从而开辟出一条新的电子商务服务模式。例如，全球最大的面向企业的社交网络数据提供商Gnip通过多个API将数据聚合成统一格式，为Facebook、You-Tube、新浪微博等社交网站挖掘数据，向其提供数据聚合服务。淘宝网也通过专业的海量数据挖掘形成了面向进驻商家的多项数据产品以及为第三方提供的数据开发产品。包括为非淘宝的其他电商网站提供的数据产品及软件，为各类网站及社区提供社会化电商的解决方案，为淘宝卖家提供的各类优化工具以及为消费者提供的各类优化工具等等。当当网也针对各类书籍或者特定顾客群的数据进行搜集、汇总、分析及挖掘，并通过表格化或图形化向其他中小型电子商务企业进行二次数据产品服务，提升大数据的增值服务。在全球大数据的环境下，企业对数据的深层次分析处理需求加大，因此在数据分析处理的需求与供给之间建起桥梁，也会促使一种新型的数据服务型的电子商务服务模式产生。