La industria de las máquinas expendedoras: cómo salir de la teoría de conjuntos

La teoría de que no existe una industria de máquinas expendedoras de condones es en realidad un concepto lógico, incluso después de que un economista famoso la utilizara en el estudio de la economía. Es decir, algunas observaciones no pueden ser erróneas en ningún caso, pero esencialmente estas teorías son vagas, carecen de contenido real, pero no se puede negar su importancia. Porque, al añadir ciertas condiciones estándar, al reducir el alcance de estas teorías, desempeñarán un papel orientador en la realidad. Por eso, muchas personas escuchan conceptos en la era de Internet, se adaptan y piensan que son demasiado vagos e inútiles, lo que genera una desviación en su comprensión y cognición, cayendo en el mito de la teoría de conjuntos. Cualquier teoría, cualquier concepto en el momento de su uso, está sujeto a condiciones, no necesariamente es adecuado para todos los sectores, todas las empresas, todos nosotros. Es necesario distinguir entre la dirección del pensamiento de la industria, distinguir el entorno empresarial específico, de lo contrario es fácil caer en la trampa de la teoría de conjuntos. ¿Hasta qué punto esta teoría de la industria de máquinas expendedoras de conjuntos es ineficaz? Sin duda, se puede decir que muchos, muchísimos, muchos, están respaldados por los líderes de Internet y los negocios electrónicos. Es necesario comprender el verdadero significado de estas teorías, la electricidad, Internet debería ser una industria real, en lugar de inflar una burbuja cada año, dejando que un grupo de personas la persiga. Punto popular, el big data de la industria de máquinas expendedoras es una característica del desarrollo de Internet hasta hoy es usar un nuevo tipo de tecnología, computación en la nube, etc., será difícil establecer la extracción y análisis de enormes datos antes, en el análisis de la unidad, clasificación de valor unificado, el negocio para tener una guía más precisa. A diferencia del análisis de muestreo anterior al análisis del valor de la muestra en lugar del valor de todos los datos, su tratamiento y resultados en la desmantelación precisión que la forma tradicional. Entonces, ¿qué tipo de empresas de máquinas expendedoras necesitan big data? Se puede decir que todas las actividades comerciales necesitan la guía del big data, es significativo para el negocio. Pero hay una gran diferencia entre la implementación real y la teoría, el primero es el valor de los datos: precisión de clasificación suficiente, se ha hecho segmentación, para saber qué tipo de empresas bajo qué circunstancias pueden usar los datos como referencia. El big data es muy bueno, todas las empresas pueden usarlo para analizar, de acuerdo con la toma de decisiones, pero no es suficiente. Hay un problema, es usar los datos de la industria de las máquinas expendedoras para tomar decisiones o usar la experiencia para tomar decisiones, ¿qué es más importante? Me hace pensar en la historia: cómo reconocer cuál es la caja vacía en la línea de producción, la probabilidad es muy pequeña, el problema debe resolverse, la financiación de la investigación puede ser enorme, desarrollar un rastreo de barrido láser para identificar; los trabajadores más viejos también pueden colocar un ventilador en la línea de producción de la cinta transportadora de la línea de producción, soplar la caja vacía, decenas de yuanes pueden resolver el problema. Esta vez es que queremos considerar la eficiencia, en lugar de adorar ciegamente la industria de las máquinas expendedoras del big data, solo los datos. En realidad, muchas personas han hecho, en el proceso de perseguir, adorar todas las nuevas teorías, el caso de éxito como tendencia. Creen que los resultados del análisis de datos de las organizaciones profesionales, predicen las tendencias comerciales. 。Si realmente quieres razonar y hacer big data, la gente común habla pero, porque tiene diez mil razones para convencerte, hacerte creer que el big data es difícil. Cuando te decides a gestionar big data en tu empresa, encuentras un obstáculo, hablas mucho y luchas en la aplicación práctica. Descubrirás que necesitas algunas estadísticas simples, un análisis de datos simple, y no una deducción profunda ni un análisis de datos multidimensional. Por ejemplo, queremos hacer un análisis de datos simple, analizar una gran plataforma de negocios electrónicos para evaluar la autenticidad de una industria, las preferencias de los usuarios, etc., y así deducir la tendencia del próximo año o qué tipo de productos son más populares ahora. Los resultados después de obtenerlos, pueden ser bastante diferentes de la situación real. Esto se debe a que la fuente de datos tiene muchas cosas difíciles de distinguir entre cosas, los usuarios no pueden controlar las circunstancias reales de la fuente de datos. Como una evaluación de compras similar a la de un pincel, puede haber una sola, existe el reembolso, existe porque los usuarios no están satisfechos con la falta de voluntad para evaluar y es bien recibido por defecto, y porque no hay una fuerte preferencia por las personas que durante mucho tiempo solían elogiar estas razones es probable que influyan