小数据大道理:新书《大数据运营》众筹启示

2015年7月,我的***作《大数据运营》在众筹网发起30天的图书预售活动,筹资金额5000元,从项目发起的两天半时间,即周五下午到周日晚上,就超额完成了预定目标,非常的震撼。最终,总共得到102名支持者的支持,除了两位无私支持者一位,恰好是100为获得实物回报的支持者,总筹资金额7999元,超额完成了预定目标。

通过众筹网的图书推广活动,也获取到支持者的订单数据,具体包括下单时间、配送地点、购书数量、购书金额、与笔者的社会关系等。由于只有102位支持者,所以订单数据量很小,所有就不能称之为“大数据”了,姑且称之为“小数据”吧。不过,从这些小数据中也能发现一些大道理,为了展示这些大道理,我特意将这些订单数据抽取出来,导入数据库中并从多个维度进行了数据统计。由于统计数据并不涉及隐私,因此将统计结果以及从中发现的一点儿规律与大家分享一下。

首先是从社会关系角度进行分析。为了简单起见,我将每个订单与笔者的社会关系分为家人、同学、同事、朋友以及其他5种类型,如下图所示:

从上图可以看出,在几大类社会关系之中,笔者的同事占比为37%,占比最高,说明新书《大数据运营》具有与笔者从事的工作关系紧密,而同事的工作大多与笔者非常接近,因此这类人群更希望获取到与自己工作相关的知识。

仅次于同事关系的是同学关系,这也非常好理解,笔者的同学毕业后通常从事着与笔者专业相近的工作,因此笔者的作品对于他们也是容易理解和接受的。再次是朋友关系,通过查看,这些朋友也大多是工作关系中认识的,因此其工作内容也与笔者非常相近。接着还有家人关系,家人的工作与笔者新书内容差异较大,基本上属于心理支持范畴。最后是其他关系,占比超出20%,这一类关系基本上属于笔者从未谋面的,是通过微信朋友圈转发后产生的营销效果,从中可以看出微信朋友圈病毒式营销的威力。

其次,从不同地域角度也可以发现一些规律,对不同省份支持人数的统计结果如下图所示:

从上图可以看出,北京地区的支持人数最多,这一方面说明我常年生活在北京,在北京地区积累了不少的人脉,北京的朋友最多。另一方面,也说明生活在北京的朋友不仅学习热情高,而且喜欢学习和掌握像大数据这样比较前卫的知识。另外,广东、河北、江苏、山东的支持人数虽然没有北京那么多,但是也属于比较愿意关注前沿知识的省份。

再次,下面从时间维度进行分析。由于项目周期是30天,先按日分析一下,统计结果如下图所示:

从上图可以看出,支持人数主要集中在7月17日到19日的前3天,尤其是第一天,有43位支持者,这说明笔者新书的出现对于大家的视觉冲击力比较大,很多支持者在猎奇心理的和支持热情的推动下,给予了最为迅速的支持。

最后,为了清晰地看到大家生活的规律,从每天的各个时间段角度进行统计,统计结果如下图所示:

从上图可以看出,第一天的支持时间从下午2点一直持续到晚上23点,这也足以看出支持者对于笔者新书在第一天持续性的热情。第二天在上午的不同时段都有零星的支持者,每个时段的支持人数比较稳定,支持热情也趋于稳定。第三天在中午12点和晚上的22点、23点的支持人数较多,这也可以看出中午和晚上休息的时间段大家都有时间看看微信,休闲时间对笔者的新书提供了支持。晚上的支持人数较多的原因,主要是笔者在此阶段发出了冲破100%的信号,热心的朋友们都希望为众筹项目的成功做出自己的共享,于是乎,为了快速将项目走向成功推波助澜,结果,当晚项目支持额度就超出了百分之百并早早取得了成功。

在新书《大数据运营》的众筹阶段,深深感受到了来自家人、同学、同事、朋友以及素未谋面的支持者的支持热情,在感受微信传播技术伟大的同时,感受更深的是群体力量的伟大,在此再次感谢家人、同学、同事、朋友以及素未谋面的支持,笔者也将不负众望,继续前行,为了我们共同美好的生活持续贡献力量。

时间: 2024-10-19 03:40:12

小数据大道理:新书《大数据运营》众筹启示的相关文章

《后会无期》票房赶超《小时代3》 大数据解读韩寒VS四娘之争

7月25日,韩寒导演的处女作<后会无期>零点首映,而郭四娘导演的<小时代3:刺金时代>比<后会无期>早上映一周,也就是7月17日正式公映,韩寒与四娘之间向来不缺乏话题和粉丝关注,此次电影也排在同一档期,更加引得了两方阵营粉丝们及媒体们的热切关注和讨论.比较再所难免,双方就各自的公众魅力.话题影响力.影片口碑.票房数据等展开了全方位厮杀,下面我们就从一些数据中来窥探下,韩寒VS四娘票房之争,谁会笑到最后. 1.  国丈VS四娘 公众魅力不分高下 韩寒与四娘的渊源由来已久,

网络天然是大数据的,大数据天然是网络的

The network is naturally bigdataing, while bigdata is inherently networking. [email protected] 用英文表达似乎更加准确一些. 计算机科学发展了半个世纪,而网络的出现极大推动了计算机相关技术的爆发式进步. 计算机或网络领域所研究的典型问题,往往都是追求高性能.精确.准确,而大数据技术则往往提供一些统筹.模糊的结论. 一方面,网络中产生了海量的数据,无法被传统技术处理而白白浪费:反过来,要实现大数据处理的平

分类推荐&amp;通俗易懂 :数据科学与大数据技术专业领域的实用工具

数据科学与大数据技术是一门偏向应用的学科领域,因此工具就成为重要的组成部分.在工作中,数据科学家如果选择有效的工具会带来事半功倍的效果.一般来说,数据科学家应该具有操作数据库.数据处理和数据可视化等相关技能,还有很多人还认为计算机技能也是不可或缺的,可以提高数据科学家工作的效率. 在这里相信有许多想要学习大数据的同学,大家可以+下大数据学习裙:957205962,即可免费领取套系统的大数据学习教程 开源社区多年来对数据科学工具包开发有着巨大贡献,这也让数据科学领域得以不断进步.这里我们收集了一些

小团队撬动大数据——当当推荐团队的机器学习实践

先说一下我的初衷.机器学习系统现在多红多NB这件事情我已不必赘述.但是由于机器学习系统的特殊性,构建一个靠谱好用的系统却并不是件容易的事情.每当看到同行们精彩的分享时,我都会想到,这些复杂精妙的系统,是怎样构建起来的?构建过程是怎样的?这背后是否有一些坑?有一些经验?是否可以“偷”来借鉴? 所以我希望做一个更侧重“面向过程”的分享,与大家分享一下我们在构建系统时的一些实践,一些坑,以及如何从坑里爬出来. 另外,我本次分享更侧重的是“小团队”,一是因为当当目前做ML的团队确实还比较小,其次是因为据

维信小贷发布“蜂鸟”大数据风控云平台

11月23日,上海首届中国普惠金融创新发展论坛上,维信小贷公司发布了自主研发.专门针对普惠金融及小额信贷领域的“蜂鸟”大数据金融云平台,维信理财集团首席技术官金家芳做了详细介绍和解读.    自2005年联合国与世界银行提出并推行“普惠金融”以来,虽然近几年我国小额贷款.P2P机构在普惠金融领域获得快速发展,然而普遍存在缺乏数据积累.风控技术及风控能力不足的挑战.当前,各类普惠金融服务机构绝大多数仍然采用传统的线下人工审核机制,面对小额.分散.快速的业务特征,难以获取和整合分析客户多维度信息,实

Hadoop! | 大数据百科 | 数据观 | 中国大数据产业观察_大数据门户

你正在使用过时的浏览器,Amaze UI 暂不支持. 请 升级浏览器 以获得更好的体验! 深度好文丨读完此文,就知道Hadoop了! 来源:BiThink 时间:2016-04-12 15:14:39 作者:陈飚 “昔我十年前,与君始相识.” 一瞬间Hadoop也到了要初中择校的年龄了. 十年前还没有Hadoop,几年前国内IT圈里还不知道什么是Hadoop,而现在几乎所有大型企业的IT系统中有已经有了Hadoop的集群在运行了各式各样的任务. 2006年项目成立的一开始,“Hadoop”这个单

大数据何去何从?——大数据企业的进化之路

Esri 中国 卢萌 通常,推动大数据发展的起兴都是临时性的,一些企业和机构在运营的过程中被迫存储和通过检索收集到的大量的数据(无论他们想要与否),所以,大数据的获取,一般是通过一下几种不同的机制来实现: 1.一个企业在其正常的经营活动总已经收集到了大量的数据,并且真在寻求根据需要来对数据进行组织,以提供对各种信息更方便的进行检索.大数据的其中一个主要的作用,就是为了精简企业对数据日常使用的步骤.在这种情况下,数据是被动的等待着被使用.企业无法从这些数据中发现或者得到任何新的东西.它们只是想利用

打通感知与认知,明略数据还要做大数据知识工程

(上图为明略数据创始人吴明辉) 作为国内行业知识图谱领域的创新公司,明略数据在2018年4月进入了IDC的<中国知识图谱市场,2018>创新者研究报告,成为IDC评选出的5家中国知识图谱技术应用市场创新者.2017年8月,明略数据经过3年实践沉淀以及8年大数据技术积累,首次发布了基于知识图谱的行业人工智能大脑-明智系统1.0. 2018年9月7日,明略数据举办了2018年度产品发布会,即"行业AI大脑明智系统2.0",这是对1.0版本的产品技术体系全面升级.明智系统2.0在

大数据技术之大数据概论

一.大数据概念 大数据(big data),指无法在一定时间范围内用常规软件工具进行捕捉.管理和处理的数据集合,是需要新处理模式才能具有更强的决策力.洞察发现力和流程优化能力的海量.高增长率和多样化的信息资产. 最小的基本单位是bit,按顺序给出所有单位:bit.Byte.KB.MB.GB.TB.PB.EB.ZB.YB.BB.NB.DB. 二.大数据的特点 1)Volume(大量):截至2017年,人类生产的所有印刷材料的数据量是200PB,而历史上全人类总共说过的话的数据量大约是5EB.当前,

第二篇:智能电网(Smart Grid)中的数据工程与大数据案例分析

前言 上篇文章中讲到,在智能电网的控制与管理侧中,数据的分析和挖掘.可视化等工作属于核心环节.除此之外,二次侧中需要对数据进行采集,数据共享平台的搭建显然也涉及到数据的管理.那么在智能电网领域中,数据工程到底是如何实施的呢? 本文将以IBM的Itelligent Utility Network产品为例阐述智能电网中的数据工程,它是IBM声称传统电网向智能电网转变的整体方案(看过上篇文章的童鞋想必会清楚这样的说法是片面狭隘的,它只能算是智能电网中的数据工程). 另一方面,如今是一个数据爆炸的时代,