陳再勇
摘 要 數據規模的爆炸式增長和數據模式的高度復雜化為休閑體育項目的開發提供了機遇與挑戰。文章通過分析大數據和休閑體育項目的概念、特點和意義,利用大數據的優勢促進休閑體育項目的開發。
關鍵詞 大數據 休閑體育 項目 開發
中圖分類號:G80-05 文獻標識碼:A
中科院首席科學家李國杰指出:“ 人、機、物三元世界的高度融合引發了數據規模的爆炸式增長和數據模式的高度復雜化,世界已進入網絡化的大數據時代。”大數據,這一被稱為第四次產業革命的產業悄然升起,為休閑體育的發展提供了千載難逢的歷史機遇。
1大數據的概念與特點
1980年,著名未來學家阿爾文·托夫勒在《第三次浪潮》一書中,將大數據熱情地贊頌為“第三次浪潮的華彩樂章”。近幾年大數據更被頻繁提及。2011 年全球知名咨詢公司麥肯錫在題為《Big Data:The Next Frontier for Innovation,Competition and Productivity 》的研究報告中指出,大數據已經滲透到每一個行業和業務職能領域,逐漸成為重要的生產因素。中國計算機學會和中國通信學會各自成立了大數據專家委員會。2013年在國內高校出現了數據科學,出現專門針對數據科學的專業碩士、博士,同時,有大量有關數據科學的學術論文、專著出版。但到目前為止,業界對大數據 (Big Data)概念還未形成統一的定義,全球最權威的咨詢公司Gartner就將大數據定義為在一個或多個維度上超出傳統信息技術的處理能力的極端信息管理和處理問題。通過分析不同概念發現,大數據的基本特點可以用4V來概括:(1)Volume,指數據量巨大,國際數據公司( IDC) 的數字宇宙研究報告稱,數字領域存在著1.8萬億GB的數據;(2)Variety,指數據類型多樣;(3)Value,指數據價值密度低;(4)Veracity,指時效性高。目前,大數據已經被視為與物質、能源一樣重要的戰略資源,大數據的采集和分析涉及每一個行業,是帶有全局性和戰略性的技術。誰掌握了先進的大數據技術誰就能夠搶得先機,目前各國政府都把它上升到了戰略高度,視為未來國家的核心競爭力之一。
2休閑體育項目的概念與特點
休閑體育項目是在參與休閑活動同時體驗體育活動的樂趣,從而達到身心發展的一項任務,并具有目的性、獨特性、時限性和制約性。休閑體育項目的目的是為了使參與項目的人通過參與某種形式的體育活動,體驗參與樂趣并促進身心發展,其目的性就是為了休閑體驗;根據休閑體育項目的概念和特點,開發休閑體育項目必須符合三大基礎,(1)社會基礎。項目的開發不僅要考慮到項目本身特點,更要考慮到諸多社會因素與社會文化。(2)自然基礎。項目必須因地制宜,根據不同的自然環境開發具有自然地理針對性的休閑體育項目,才能提升休閑體驗。(3)物理環境基礎。是指合理利用已有的體育場館和設施,開發休閑體育項目,滿足大眾休閑體育需要。休閑體育項目開發的三大基礎,對于該項目的開發和后期運作都是不可或缺的。
3大數據對于休閑體育項目開發的意義
3.1提高休閑體育項目開發的創新能力,提升顧客休閑體驗
通過大數據分析顧客需求,得到最適合和滿足顧客需求的資料,從而指導項目的設計開發。項目落地后通過持續跟蹤,實時反饋,分析顧客在體驗過程中的滿意度,找出存在的問題,為項目優化提供數據支撐,從而增強項目的可操作性與便利度,提升顧客休閑體驗。
3.2休閑體育項目的普及推廣及時精準,提供獨特專屬服務
通過分析顧客的需求和行為特點,篩選目標客戶,匹配相應休閑項目,結合現場,網絡等多渠道方式,開展基于細分需求和顧客精確定位的精細化推廣。智能匹配用戶需求和項目特征,根據每一位參與者的不同興趣與偏好為他們提供專屬性的休閑運動服務,提高用戶滿意程度。
3.3休閑體育的服務更加網絡化和智能化,拓展服務時限
通過提高休閑體育項目的創新能力和營銷推廣智能程度,為顧客提供個性化的服務,針對不同運動水平、不同愛好的目標用戶提供針對性的項目,由點及面。由一次體驗拓展為多次體驗,直至終身休閑體驗,從而提高項目價值。
3.4打破制約,促進休閑體育的發展
數據是移動互聯網的核心資產,對數據的掌控將帶來巨大的市場和巨大的經濟回報。大數據為休閑體育的發展提供了充足的養分和可持續發展的肥沃土壤,為整合多種資源,打破休閑體育項目自身的局限提供了可能,開發優秀的休閑體育項目能促進休閑體育運動的快速發展,能有力支撐休閑體育產業的蓬勃發展。
4結語
數據就是事實,重視數據,就是強調用事實說話的科學精神。數據文化是一種先進文化,其本質就是尊重客觀世界的實事求是精神,依托大數據,進行休閑體育項目的開發將深化現有休閑體育產業,形成新的休閑體育增長點。
參考文獻
[1] James Manyika,Michael Chu:Big Data: The Next Frontier for Innovation,Competition and Productivity,McKinsey Quarterly,No.5,2011,pp.27-30.
[2] BigData.[EB/OL].[2015-03-01].http://www.gartner.com/itglossary/big-data/