大数据平台竞争分析

⑴ 大数据分析了解竞争对手有什么建议和方法

大数据分析了解竞争对手共分为10个步骤，如图1是分析路线图。这个分析路线图侧重于企业前端即营运端的分析。

当需要分析的指标有4个或4个以上时，一般的图表就不能达到很好的展示效果，此时可以考虑使用雷达图。但是雷达图由于只有一个坐标轴，不能同时展示不同的量纲数据和不同的数量级数据，例如渠道广度值介于100-400，渠道深度介于1000-5000，所以需要进行去量纲处理。我们可以采用排名的方法实现去量纲或去数量级的目的。

传统零售业的波特五力分析

供应商的议价能力：无论是自营化的连锁超市，还是平台化经营的百货、购物中心，基本上都是零售商占主导地位，供应商的议价能力不强。属于店大欺客（户）的状况，特别是例如电器连锁、KA大卖场等，供应商的议价能力更低。

购买者的议价能力：越充分竞争的市场，消费者选择的余地就越大，零售商间的竞争赤裸裸的体现在价格上，从而造成了顾客的议价能力逐渐加强。

潜在竞争者进入的能力：传统零售业是一个需要高投入，投资周期长，要求规模化的行业，潜在竞争者直接进入的能力并不强。

替代品的替代能力：目前传统零售的最大替代者是电子商务，电子商务对传统零售的冲击逐渐增强，所以替代品的替代能力很大。当然替代的边界在哪儿，目前没有人知道。

行业竞争力：零售业是一个充分竞争的行业，高线城市大都饱和，低线城市还有一些机会。 波特五力分析模型除了对行业整体的分析，还可以与具体竞争对手进行对比分析，可以通过专家打分的方式进行量化处理。

SWOT分析模型 SWOT是经典的战略分析工具，始于麦肯锡。分别由优势-Strengths、劣势-Weaknesses、机会-Opportunities和威胁-Threats四部分组成。它是对企业所处的外部环境以及企业内部环境的一种综合分析方法。SWOT分析可以用在公司战略、竞争对手分析、市场定位、甚至个人的职业规划等方面。用SWOT分析竞争对手就是将收集到的竞争对手情报进行综合分析，并最终形成分析结论和策略。

SW为内部关键因素，OT是外部关键因素。对于零售企业或零售品牌来说，建立SWOT分析模型前我们需要回答如下问题：

优势

S1. 我们最擅长什么？是产品设计开发？渠道布局？营销手段？还是价格杀手？

S2. 我们在成本、技术、定位和营运上有什么优势吗？

S3. 我们是否有其他零售商不具有或做不到的东西？例如有的零售商有企事业单位发放购物券优势。

S4. 我们的顾客为什么到我们这儿来购物？我们的供应商为什么支持我们？

S5. 我们成功的原因何在？

劣势

W1. 我们最不擅长做什么？产品、渠道、营销还是成本控制？

W2. 其他零售商或品牌商在那些方面做得比我们好？

W3. 为什么有些老顾客离开了我们？我们的员工为什么离开我们？

W4. 我们最近失败的案例是什么？为什么失败？

W5. 在企业组织结构中我们的短板在哪儿？

机会

O1. 外部在产品开发、渠道布局、营销规划和成本控制方面我们还有什么机会？

O2. 如何吸引到新的顾客？如何做到与众不同？

O3. 在外部因素中和公司短期、中期规划目标的机会点有哪些？

O4. 竞争对手的短板是否是我们的机会吗？

O5. 行业未来的发展如何？是否可以异业联盟？

威胁

T1. 经济走势、行业发展、政策规则是否会不利于企业的发展？

T2. 竞争对手最近的计划是什么？是否会有潜在竞争对手出现？行业内最近倒闭的企业是什么原因？

T3. 企业最近的威胁来自于哪儿？有办法规避吗？

T4. 上下游的客户中是否有不和谐的地方？资源状况如何？

T5. 舆情是否不利于公司发展？

行业不一样、企业不一样这25个问题也会不一样，每个企业可以根据自己的特性进行调整。我们需要通过这些问题来对SWOT进行量化处理。如图6所示，结合收集到的竞争对手情报，对25个问题分别进行打分，然后设定不同问题的权重，最后就得到SWOT以及SW、OT的综合得分。

⑵ 大数据分析行业发展趋势及成果有哪些

【导读】目前，大数据分析是一个非常热门的行业，一夜间，似乎企业的数据已经价值连城。企业都在开始尝试利用大数据来增强自己的企业业务竞争力，但是对于大数据分析行业来说，仍然处于快速发展的初期，这是一个快速发展的领域，每时每刻的都在产生新的变化。那么你知道大数据分析行业发展趋势及成果有哪些吗?还不清楚的一起来了解了解吧!

1.基于云的大数据分析

Hadoop是用于处理大型数据集的一个框架和一组工具，这个最初被设计工作在物理机的集群上，但是目前这种现象已经改变，越来越多的基于云中的数据处理器技术出现，例如亚马逊利用云的数据BI的托管长款，谷歌BigQuery中的数据分析服务，IBM的Bluemix云平等等，这些都是基于云的大数据分析平台。

2. Hadoop：新的企业数据操作系统

Hadoop，分布式的分析框架，如今正在演变成分布式资源管理器，它可能将是数据分析的一个通用的操作系统。有了这些系统，你可以将不同的数据操作和分析操作插入到Hadoop分布式存储系统中来执行。

3.更多的预测分析

随着大数据的发展，分析师不仅会嗯更多的数据一起工作，而且还将处理大量的许多属性的工具。但是随着大数据行业的发展，针对旧数据的分析更多的是为了提供预测的功能，毕竟人们更希望利用原有的数据来对未来产生有利的用途。

4. 更多更好的NoSQL

替代传统的基于SQL的关系数据库的产品被称为NoSQL数据库，如今被迅速的普及在特定种类的分析应用程序中。而且这一势头在持续增长，据估计，预计未来将有15至20个开源的NoSQL数据库共同存在，他们各自有的的专长，这些数据库会得到快速的发展。

5.在内存分析

使用内存数据库来加快分析处理的方式如今越来越受欢迎，很多用户都非常喜欢这种方式，目前很多基于内存的分析管理工具以及出现，其中以亚马逊的HANA一体机尤为明显。

除了分析软件看好这个市场，作为全球的企业级市场的处理器生产商，英特尔也非常看好这一领域的发展，从目前其产品推出的发展趋势来看，其内存支持将会越来越大，一些特定的产品甚至支持的比硬盘的容量还要大。

以上就是小编今天给大家整理发送的关于“大数据分析行业发展趋势及成果有哪些?”的相关内容，希望对大家有所帮助。那我们如何入门学习大数据呢，如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。

⑶ 互联网大数据时代企业面临的挑战

没有人会否定疫情下数据给全国防控带来的帮助。得益于大数据、 云计算 、人工智能以及5G技术的发展,数据得以更好的共享以及分析,政府、企业推出的健康码、防疫行程卡等应用,使得人员流通、密切接触者排查有数可依。

也没有企业不清楚数据在这个年代对经营管理的价值。通过将数据沉淀、清洗,并挖掘、分析,企业运营效率将得以提升、成本得以优化,经营也将得以改善。

事实正是如此。在智能终端、 物联网 以及5G的推动下,全球数据量正呈指数般增长:2010年全球数据量刚刚突破1ZB,而今年全球数据量预计将超过40ZB。相关数据表明,到2025年时,全球的数据量将达到163ZB。

数据洪流下,全球也正从IT信息时代走向DT数据时代。由大数据引发的产业变革已经开始。IDC发布的《全球半年度大数据支出指南,2018H2》曾预计, 2019年大数据与商业分析解决方案全球市场的整体收益将达到1896.6亿美元,同比增长12.1%。

同时,在2019-2023年预测期内,全球大数据市场相关收益将实现13.1%的CAGR(复合年均增长率),并预计总收益于2023年达到3126.7亿美元。

具体到中国大数据市场, 2019-2023年预测期内的年CAGR(复合年均增长率)为23.5%,增速高于全球平均水平。到2023年,中国大数据市场规模则将增长至224.9亿美元。

尽管大数据市场前景一片光明,但真正能很好把握数据,充分发挥数据价值的企业,往往是少数在技术、资本、人才均占据优势的行业领导者。

而绝多数长尾企业,本就在行业竞争中处于劣势,在大数据产业变革中,尽管知道数据对经营管理那么重要。但受限于运营成本、人才以及技术,很难找到一款合适的工具,去抓住这些数据中蕴藏的商机。

数字经济下的企业经营困扰

众所周知的是,无论是国家层面“新基建”概念的提出,还是受疫情影响企业、组织加速数字化转型的步伐,这些均代表着数字经济时代的到来。

数据最直观:到2021年,全球数字经济规模将达到45万亿美元,全球数字经济的比重将超过50%。中国是全球数字经济的引领者之一。到2021年,中国数字经济规模将达到8.5万亿美元,其中数字经济所占比重将超过55%。截止目前,中国数字经济增速已连续3年排名世界第一。

但作为数字经济的推动者,企业在面对错综繁杂的 互联网 大数据时,依然不能采取行之有效的方案,将其妥善的用于经营管理。具体来看的话,企业在借助互联网大数据帮助经营管理时面临的挑战主要在以下几方面:

一是缺乏专业的市场研究工具或团队。 相比企业现在所使用的IT技术,大数据可以说是一门新技术。对于没有部署这一技术的企业而言,由于没有专业的市场研究工具或者研究团队,一方面将由于数据质量不佳面临产品开发设计难题。

这是因为企业无法对所处的市场进行量化统计分析,如市场规模是否增加,友商最近有何动态,是否有新入局者,该市场某细分市场是否有潜在机会。同时,由于不知道市场上有哪些爆款产品、创新产品,友商的竞品有何特性以及潜在市场的需求,导致企业在产品开发、策划、推广时没有针对性,难以形成爆款。

另一方面导致店铺运营效率不佳: 同样,由于缺乏专业的监控、分析工具,企业无法对友商线上渠道布局清晰掌握,无法实现自营/经销店铺的批量监控、店铺异动的自动记录以及爆款产品的促销复盘。并且,由于无法及时获取用户的吐槽、建议等,店铺在改善运营上也存在难度。

二是部署大数据技术面临的资金、周期等问题。 使用大数据改善经营管理是大势所趋,所以企业要么已经部署大数据要么考虑部署。而在自行部署大数据技术时,不免要多方考虑,既要考虑新硬件的采购费用或者云服务的购买费用,同时还要考虑开发人员的招聘费用,开发周期及运维等。而对 中小企业 而言,这无疑又是一项重大开支。

三是数据的安全问题。大数据技术从诞生到现在,其发展并不算太完善,因此自身安全性相对弱一些。同时,大数据平台又存在诸多组件,以Hadoop为例,至少包含了二三十个组件,这意味着黑客入侵某一个组件便可对整个组群整个平台进行控制。

不可避免,企业在开发大数据方案时需要与公司原有IT系统以及各部门数据间打通,这些入口也增加了大数据平台的安全风险。

不难看出,数字经济时代,企业在借助互联网大数据改善经营管理过程中,主要面临的便是大数据平台的部署、应用以及运维难题。

○本文节选自DOIT传媒《释放数据红利 美云智数互联网大数据与企业掘金数字经济》，图片为阴山所加。

⑷ 为什么越来越多的大数据智能营销系统竞价竞争

大数据智能营销系统疯炒了这么久，市场竞争厉害，各种手段，奇葩营销，狂风乱炸...今天小编就给大家揭秘一下业内的所有真实面目。

上述盘点了大数据智能营销系统的动态和真实面目，相信大家能够认清事实。

⑸ 如何搭建大数据分析平台

随着各个企业的不断发展，企业的数据量不断的增加。企业的竞争压力也在不断的加大，利用数据分析平台来增加企业的竞争力，已经成为各个企业的信息化建设的核心环节。数据分析，我认为其含义就是从数据中提取信息创造价值。因为数据本身的价值是无法直接可见的，但是通过各种数据计算和分析，可以将人们无法注意到的信息从数据中提取出来，创造价值。那么具体如何搭建数据分析平台呢？我认为应从一下几个方面：

1.分析价值：明确数据分析的价值，通过笑誉大数据的分析，能够快速地发现消费者的需求变化和市场发展趋势，从而帮助企业及时做出正确的决策，从而使企业在市场上拥有更强的竞争力和不断创新的能力。

2.数据源头：有可供数据分析进行数据获取的平台。当今的IT信息化系统都在不断的建设当中，在数据分析时需要对亏升桥各种不同种类来源的数据进行分析。这些来源有可能是系统内部的日志数据，也有可能是来源于其他接口的数据等等。

3.数据处理：从数据源中采集各种符合企业需求的数据，经过验证、清洗、并转化销猛为所需格式后，储存到一个合适的持久化储存层中。

4.数据展现：将各个不同分析算法处理过的结果进行可视化展示。将数据从预先计算汇总的结果数据中读取出来，并用一种友好界面或者表格的形式展示出来，这样便于企业内部非专业人员对数据分析结果的理解。

⑹ 大数据未来发展趋势如何

趋势一：数据的资源化

什么是数据的资源化，它指的是大数据成为企业和社会关注的重要战略资源，并且已经成为大家争夺的焦点。因此，企业必须要提前制定大数据营销战略计划，抢占市场先机。

趋势二：与云计算的深度结合

大数据离不开云处理，云处理能够为大数据提供弹性可拓展的基础设备，是产生大数据的平台之一。自从2013年开始，大数据技术已开始和云计算技术紧密结合，预计未来两者关系将更为密切。

另外，物联网、移动互联网等新兴计算形态，也将一齐助力大数据革命，让大数据营销发挥出更大的影响力。

趋势三：数据科学和数据联盟的成立

未来，数据科学将成为一门专门的学科，被越来越多的人所认知。各大高校将设立专门的数据科学类专业，也会催生一批与之相关的新的就业岗位。

⑺ 技术落地性成大数据竞争赛点，鲲鹏大数据解决方案凭何领先

文 | 曾响铃

来源 | 科技 向令说（xiangling0815）

新基建浪潮下，作为底层支撑力量的数据与计算正变得越来越重要。

最近，由中国大数据与智能计算产业联盟主办，以“新算力 新基建 新经济”为主题的第二届中国超级算力大会ChinaSC在北京召开，包括国内外院士、知名学者和产业大咖在内的600多人参加，探讨了超级计算、新基建、云计算、大数据、人工智能、区块链等前沿技术进展。

这个奖项的颁出，官方给出的标准是，“能够把当前的各种技术有机的整合在一起，以满足不同应用场景下的各种综合的软硬件及系统方案，集科学性、先进性、稳定性、经济性等众多实际指标于一身，是技术转变为实际应用的关键环节。”

显然，这个权威奖项最关心的，是大数据解决方案在推动技术向实际应用转变的能力，而这也正是当下市场环境对大数据的核心需求。笔者尝试拆解鲲鹏大数据解决方案从宏观到操作层面的布局，希望能给予相关从业者这方面的行业借鉴。

技术竞赛不停， 但大数据需求转向应用落地

数据的价值越来越明显，更好地释放数据价值的技术在不断演化，但是，随着更多政企组织开始着手利用大数据能力帮助现实业务提升，其需求也开始更多倾向于技术能否更好地实现应用落地，大数据解决方案正是为此而生。

以鲲鹏为案例，在推动技术落地的过程中，其大数据解决方案表现出符合时代需要的三大特征，让它在新趋势下占据领先优势，受到客户广泛欢迎并获得ChinaSC权威认可。

1、超高性能仍然是应用落地的最有力支撑

大数据解决方案要推动技术实现各种场景的落地，其前提和支撑，是底层软硬件性能本身要足够强悍，否则，再完善和深度的解决方案，没有性能支撑也只能是空中楼阁。

而也只有性能足够强悍，在应用落地阶段才能够尽可能去满足客户各类数据价值需求。

得益于底层软硬件能力的深度开发，鲲鹏大数据解决方案就拥有超高性能，为应用做好了充分的准备以及支撑。

例如，硬件方面，采用自主研发高性能鲲鹏920处理器，软件方面，则拥有在大数据场景下获得倍级性能提升的独创IO智能预取和Spark机器学习&图增强算法。

以鲲鹏与浙江移动的合作为例，2019年，浙江移动相继完成了IT云鲲鹏服务器测试，营业厅前台系统、CRM、计费、大数据、CDN等系统的验证及上线商用。这其中，浙江移动的CRM&BOSS系统在鲲鹏大数据方案支撑下，整体得到了较大提升，在规模承载网络运营支撑业务的情况下，该系统现在已经稳定运行一年。

目前，浙江移动围绕网络云，IT云和移动云，已经打造了全球首个运营商领域ICT全场景样板点。

2、全栈方案才能推动技术全面落地

解决方案本身并不是一种具体的技术，其价值在于各种技术的有效融汇，作为统一的输出方式面向政企客户。而在政企客户需求日益加深的情况下，尽可能满足多种场景、多种技术诉求的解决方案，就必须建立一套尽可能完善的全栈体系，将各种技术有机地、系统地、全面地整合在一起。

这正是华为鲲鹏大数据解决方案的体系构成，其基于鲲鹏处理器，构建了端到端打通硬件、操作系统、中间件、大数据软件的全栈体系，并对应进行了全栈性能优化，推动各类技术汇聚成高性能解决方案：

可以看到，这套全栈体系，一方面通过有机整合，能够较为容易地同时满足科学性、先进性、稳定性、经济性等需求（例如，加速特性和大数据组件能够帮助方案更有效率同时成本更低）；另一方面，作为全面、完整、一体化的信息化解决方案，也更容易去适应政府、金融、电信、互联网、大企业等不同行业应用需求。

从技术到应用落地，“全栈”成为重要的中间转换环节，不但“无损”，而且“增益”。

3、符合政企个性化需求让技术落地更具现实价值

在最终面向单个客户落地时，大数据解决方案还需要真正贴合这个客户的实际需要，这是从技术到应用落地的“临门一脚”，毕竟，不论性能如何强悍，全栈体系如何完善灵活，落实到客户头上，最终还是需要符合业务实际，产生现实价值。

既要有能力，更需要契合，鲲鹏大数据解决方案就是这么做的。

2019年，江苏省基于鲲鹏架构打造了全国首个省区市县三级政务大数据，未来将有越来越多的政务系统可以由自主可靠的鲲鹏计算平台来承载；

在广西，区内首个鲲鹏产业生态云项目——“壮美广西·玉林政务云（鲲鹏云）”已于不久前上线，这是该市全面推广应用广西数字政务一体化平台的体现，而其推出的广西首个市级公共数据开放管理办法，就与鲲鹏的大数据解决方案紧密相关；

目光转到浙江，在鲲鹏生态落子浙江的过程中，浙江推动形成“用鲲鹏”的共识，城市被当成鲲鹏生态的“试验场”，杭州市政务云已经选用鲲鹏作为算力底座，基于鲲鹏技术架构的解决方案和应用在政府服务场景中得到广泛应用。

总得看来，仅有高高在上的技术而无法产生实际价值的大数据玩法已经行不通，鲲鹏大数据解决方案跨越技术与应用的鸿沟，已经在众多行业、场景和企业中实现落地。

电信行业三巨头中，中国移动已实现鲲鹏大数据解决方案规模商用，中国电信则基于鲲鹏打造了天翼云，中国联通则基于鲲鹏构建了天宫IT系统；政务方面，北京、广东、江苏、浙江、广西等政务云都出现鲲鹏身影，当下其已经成为首选技术路线；在金融行业，鲲鹏正在帮助银行系统加速完成国产化。

可以说，鲲鹏大数据解决方案有力推动了中国数字经济发展，尤其是信息技术应用创新的落地。

领先优势下， 鲲鹏三个角度出发为大数据技术落地“铺路”

1、走得更稳——回应数字时代重要的安全关切

因此，鲲鹏大数据解决方案在安全方面一直加大投入，最典型的，是在底层硬件而非软件层面进行安全保障——鲲鹏920处理器内置硬件加速器、业界首创支持国密算法加速，这种CPU内置加速模块的做法，被称作“内生安全”，配合国密算法在技术上更为安全。

而与通常的大数据解决方案为了保证安全不得不让渡较多的性能随时监控系统运行不同，华为鲲鹏大数据解决方案内生安全的做法，做到了加密对业务性能的损耗低于5%——既解决安全痛点问题，也解决“为了安全需要”本身导致的痛点问题。

2、走得更顺——用兼容性保护既有数据软硬件投资

前文提到政务云大数据解决方案中，与现有的服务器的混合部署，这其中有一个十分重要的兼容性做法——由于鲲鹏大数据解决方案建立在鲲鹏处理器基础之上，而很多政企组织原有的软硬件投资都基于X86架构，所以鲲鹏要让技术的应用落地走得更顺，还需要在技术上完成对X86在部署层面的兼容，这样还能保护政企客户现有的数字化投资。

可以看到，当下的鲲鹏方案已经支持大数据组件TaiShan服务器与其他架构服务器混合部署。

以江苏电信为例，去年7月，其宣布成功上线全球首个基于鲲鹏处理器的运营商大数据平台。作为核心的业务系统，该大数据平台基于鲲鹏处理器的华为TaiShan服务器和开源Hadoop软件构建，承载着江苏电信所有生产系统的运行数据、存储及分析：

在项目进行过程中，双方携手完成基于鲲鹏处理器的开源Hadoop源代码编译，让关键的大数据业务组件在华为TaiShan服务器上的成功部署和运行，在原有集群上实现了传统架构服务器和TaiShan服务器融合部署。

这种兼容的做法，有效结合了江苏电信大数据业务特点和未来演进趋势，且充分发挥鲲鹏处理器的性能，提高了数据存储、计算等资源的使用效率。

3、走得更宽——生态开放才能让大数据拥有内生动力

鲲鹏生态的主要推动者华为一直强调的理念是“硬件开放、软件开源、使能合作伙伴”，在大数据解决方案中，这种理念同样得到了应用。

例如，在鲲鹏全栈方案中，顶层大数据平台就支持华为自研的FusionInsight大数据平台以及开源Apache、开源HDP/CDH、星环大数据平台，可以有效对接各类场景需要。今年8月，星环 科技 就发布了基于鲲鹏的大数据平台软硬件联合解决方案，由星环 科技 的TDH大数据平台提供软件层面优异的功能，由鲲鹏芯片提供硬件层面强大的性能，拥有极致性能、平滑迁移、丰富的场景支持以及快速部署多重优势，为行业创造价值。

此外，鲲鹏主导的数据虚拟化引擎openLooKeng开源，就支持跨数据格式、跨数据源、跨数据中心的海量分析，最终帮助方案的性能大幅度提升，典型的如北明数据资产管理平台V4.0就基于openLooKeng技术，解决了数据资产管理数据冗杂、标准不一、难以管理等痛点问题，为企业守护和挖掘数据的价值。

开放的生态，将帮助更多合作伙伴发展服务器和PC等计算产品，帮助构建高质量的基础软件生态，也让更多生态伙伴获得端、边、云的全场景开发能力，最终促进鲲鹏计算生态的繁荣，也加速大数据行业应用创新。

打好基础、做好标杆， 鲲鹏进入“强者恒强”周期

弥合技术与应用落地的鸿沟后，鲲鹏大数据解决方案拥有越来越多的政企实践，它们中大多数都是行业典型客户，本身既是大数据发展过程中的优质案例。

拥有这些客户资源的鲲鹏，实际上已经进入了强者恒强的发展周期，这不仅仅是因为它获得了诸多标杆合作案例、领先于行业，更重要的还在于，技术到应用实践的通路打通后，实践也将不断反馈技术，不断帮助鲲鹏锤炼自身的技术能力，从而形成有效的正反馈循环。

一旦这种循环形成，大数据解决方案就会进入“飞轮”式发展进程，越转越快、越难以停下，也很难以被后进者追赶，逐步成为政企客户最有竞争优势的选择。

更进一步来看，大数据服务从来都不是孤立存在的，在计算需求多样化的时代，鲲鹏计算产业生态的主要推动者华为在物联网、5G、AI等方面的能力和生态布局，无疑将帮助鲲鹏大数据解决方案有更多横向技术连接和融合的想象空间，满足更多政企客户潜在的创新业务需求。

总而言之，在以鲲鹏大数据解决方案为代表的优质案例引领下，数据与计算的时代正在加速到来，最终，“新算力”将推动“新基建”全面落地，带来“新经济”动能，更多政企客户将享受到技术带来的价值红利。

*本文图片均来源于网络

【完】

曾响铃

1钛媒体、品途、人人都是产品经理等多家创投、 科技 网站年度十大作者；

2虎啸奖评委；

3作家：【移动互联网+ 新常态下的商业机会】等畅销书作者；

4《中国经营报》《商界》《商界评论》《销售与市场》等近十家报刊、杂志特约评论员；

5钛媒体、36kr、虎嗅、界面、澎湃新闻等近80家专栏作者；

6“脑艺人”（脑力手艺人）概念提出者，现演变为“自媒体”，成为一个行业；

7腾讯全媒派荣誉导师、多家 科技 智能公司传播顾问。