• 大数据分析领域，在朝向易用、简单化发展

大部分大数据分析企业的现状，可以说是将数据的分析、可视化及数据的采集、治理、集成进行了一体化，以大数据的分析平台形式存在。例如Fractal Analytics除了具备数据分析功能外，还提供自动化数据清理及验证服务，能够返回标准化的结构化数据； Voyager Labs则能够实时采集、分析遍布世界各地的数十亿个数据点，帮助用户进行预测。

上述典型公司主要面向大型企业进行定制化全流程服务，客单价高达千万美元级别，其高昂的价格及服务令小型企业望尘莫及。但随着大数据技术的逐渐普及，SaaS化的大数据分析服务将是一个明确的发展方向，而其使用门槛也将大幅降低，从而将大数据分析的能力逐步赋予给中小企业，以真正的实现其基础资源的价值。同时确保企业数据安全的数据脱敏、数据保护市场也会随着SaaS化的到来而逐步拓展出新的市场空间。

• 可视化技术，逐步实现了自动化、智能化

大数据可视化是连接数据分析结果与人脑的最好途径，因此可视化技术的高低也成为了左右大数据企业获客能力的重要因素。目前可视化的发展方向同大数据分析一致，都是朝着简单、自动化、智能的方向在努力。

典型企业如Alteryx是一个提供一站式数据分析平台的初创公司，旨在让用户在同一个平台上完成数据输入、建模以及数据图形化等操作，将数据运算与精美的图像完美地嫁接在一起，并能够和SAS和R语言一样进行数据的统计和分析。

• BI技术摆脱”鸡肋”,实时便捷普惠政企效率提升

相比于可视化技术，BI更偏重于实际的应用，通过模板化、SaaS化及去代码等方式，BI应用范围不再局限于数据科学家及企业高管，可预见未来企业内部每个员工都可以通过BI工具获知自己及所处部门的各项数据，并能够有针对性的改进工作方式与方向。

Tableau作为BI的代表性企业已经顺利IPO目前市值超过48亿美元，另一家代表性企业DOMO估值也达到20亿美元，成长速度远超传统商业软件公司

二、“企业大数据检索、产品大数据分析、大数据咨询预测、大数据平台及机器学习领域——

• 企业大数据检索

提升企业数据挖掘检索能力，并将检索的技术门槛降低的典型企业有Algolia，目前其产品具备关键字输入智能容错功能，并提供搜索排名配置，能够让普通员工也能按需要找到自己所需的数据信息。同时Algolia还为移动设备提供了离线搜索引擎，其C++ SDK可以嵌入到应用服务器端，这样即便没有网络连接应用也能提供搜索功能，适用范围很广。

• 产品大数据分析

产品大数据分析相对其他应用来说关注度稍低，但其能够发挥的功能并不少。通过收集用户的浏览、点击、购买等行为，不单从宏观上能够察觉用户群体的喜好变化提前应对，微观上还能够构建用户画像，从而做到定制的产品推荐与营销，能够有效的提升用户的消费水平与满意程度。Mixpanel便是一家提供类似产品的公司，其让企业用户跟踪用户的使用习惯提供实时分析，其产品有用户动态分析（Trends）、行为漏斗模型（Funnels）、用户活跃度（Cohorts）及单用户行为分析（People）等几个模块，全面的覆盖了可能发生的用户行为与场景。

• 大数据咨询预测

如今大数据技术的发展为事件分析和预测提供了可能，并且准确度和处理速度已经具备了很大竞争力，传统咨询公司的处境类似于现在面对AI威胁的华尔街分析师，随着逐渐出现大数据咨询公司的同时，传统咨询企业也纷纷与大数据技术公司合作，甚至成立了自己的数据业务部门。

OperaSolutions便是一家依托大数据分析的咨询公司，其创始人是咨询行业资深人士，曾创办了商业咨询公司Mitchell Madison和Zeborg。目前Opera致力于金融领域的数据分析类咨询，通过建模、定量分析给客户提供建议，解决客户的商业问题。例如其计算机系统可以一次性采集数十亿条数据，包含从房产和汽车价格到经纪账户和供应链的实时数据等，通过分析从中获得有关消费者、市场和整个经济体系将如何行动的信号或见解。

• 大数据服务支撑平台

目前围绕着大数据技术与大数据产业生态链发展的，还有许多是平台服务型的公司，这类公司具备一定的技术水平，但主要通过服务大数据技术公司及科研人员而存在，是技术生态中不可或缺的一环。

Dataiku创建了一个云平台，旨在使数据科学家和普通员工更容易获得公司收集的大数据，并通过机器学习库缩短了专家以及数据分析师所需要的时间。

Algorithmia的平台上提供包括机器学习、语义分析、文本分析等通用性算法，一旦用户找到想用的算法，只需添加几行简单的算法查询代码到应用中，Algorithmia的服务器就会与应用连接，避免了开发者的重复劳动。

• 机器学习

机器学习，是模式识别、统计学习、数据挖掘的技术手段，也是计算机视觉、语音识别、自然语言处理等领域的底层技术。微软Azure、Google云平台及AWS都推出了自己的机器学习产品，而众多的机器学习创业公司则通过提供有特色的技术或服务进行差异化竞争。

已累计获得了7900万美元融资的Attivio专注于利用机器学习技术通过文本进行情绪分析，提供有监督的机器学习与无监督机器学习两种技术，帮助企业通过识别企业语料库中的文档进行情绪建模与分析。

DataRobot的业务是搜索了数百万种可能的算法组合，并进行预处理、特征计算、转换和调整参数，为用户的数据集和预测目标提供最佳模型，使用户无需数据科学专业背景也能在几分钟内构建优秀模型，例如银行利用Datarobot能够自动构建非常准确的预测模型，识别欺诈性金融交易从而避免损失。

以上内容都是围绕大数据技术在各行各业的通用应用来介绍的，这些企业很好的将大数据技术广泛的面向产业进行了普及，令许多行业焕发了生机。但具备行业深度的大数据技术产品需求强烈，目前多数依然处于产品摸索阶段，毕竟同时聚拢大数据人才与行业资深人士所需要的资源门槛较高。

（消息来源：http://www.36dsj.com/archives/96196）

一、攻克百货商店   

据彭博社北京时间9月15日报道，在攻克食品快递后，阿里巴巴又瞄上了中国4万亿美元零售市场的另外一个领域：百货商店。

马云说，“我认为，在公司创办之初，规模还小时，轻资产策略是正确的。当公司规模足够大、业务足够强时，就需要转向重资产策略。不存在重资产好还是轻资产好的问题，混合策略才是好的。为了提高效率，我们需要把轻资产和重资产策略融合在一起。但是，以阿里巴巴目前的规模，一味抵制重资产策略是不对的。我们必须采用重资产策略，因为我们在打造基础设施，我们必须投资。”

二、   向数据公司转型

据摩根大通称，阿里巴巴已经是中国最大的云服务提供商，到2021年云服务将占到公司营收的15%。

马云说，“9年前阿里巴巴决定由电子商务公司向数据公司转型时，我们在公司内部面临很大阻力，但最终决定转型，因此，过去9年我们公司内部从不把自己称作电子商务公司。我不知道我们如何利用数据创收。数据对于人类社会的发展非常重要，重要程度堪比上个世纪的石油，因此我们必须解决如何利用数据创收的问题。”

（消息来源于：http://news.cnfol.com/it/20170915/25346222.shtml）

有关Stack Overflow问题视图的数据可以追溯到2011年底，在这段时间内，我们可以看一下Python相对于其他五种主流编程语言的增长情况。这是目前高收入国家中StackOverflow访问量前十的标签中的六个；另外还有这四个没包括在内，分别是CSS、HTML、Android和JQuery。

9月15日  大数据背后：苹果中国用户十年变迁

近日，中国最大的手机零售平台京东发布了以“2009-2017果然精彩”为主题的京东平台iPhone大数据报告，该报告涵盖了近十年来京东销售的iPhone数据，从购买者的年龄、性别、学历以及产品喜好等角度进行分析，揭示了iPhone近十年来在京东平台消费趋势的变化。

三线及以下城市消费比例上升明显：

目前，一二线城市消费者份额维持在六成左右，三四线与五六线城市各占二成左右，近两年来，甚至出现了五六线城市的份额超过了三四线城市的情况。

年轻的高学历人群是购买iPhone的中坚力量：

在京东上购买iPhone的用户中，有51%的人是26-35岁，并且16-25岁的年轻用户占比一路飙升，高中生的比例也在增加，iPhone受到了越来越多年轻用户的追捧。所有在京东购买iPhone的用户中，有90%以上是大学及以上学历，高学历的人群手机消费的目标依旧为iPhone。

多数男女用户喜欢金色版本的iPhone， 4.7寸屏幕成为更多人的首选：

京东iPhone大数据显示，有36%的男性用户、34%的女性用户选择金色版本的iPhone，金色版的iPhone成为了相对较多人的选择。随着智能手机屏幕的不断变大，苹果于2014年正式推出了4.7英寸的iPhone6及5.5英寸寸的iPhone 6 Plus，此后的产品升级一致延续了该尺寸类型。通过京东iPhone大数据可以看出，女性用户更喜欢5.5英寸大屏，小屏相对比较受男性青睐，但是4.7英寸的屏幕，成为了消费的主流，男女用户比例均在50%左右。

（消息来源：http://www.36dsj.com/archives/96314）