京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据落地进行时 从概念化走向价值化_数据分析师考试
过去几年大数据技术很火,经历几年时间的“酝酿”,我们可以看到今天的大数据已经从过去概念阶段逐步走向落地——众多的行业企业开始意识并且开始尝试大数据技术,但是实际上现在的大数据应用还存在争议有观点认为大数据虽然很火但它的实际运用、价值创造方面还有待于观察和发掘。那么,经历几年时间的发展大数据如今的现状究竟是怎样的?在近日召开的2015 SAS中国用户大会暨商业分析领袖峰会(以下简称峰会)上IT168记者有幸采访了SAS公司执行副总裁兼首席营销官Jim Davis、SAS公司大中华区总裁吴辅世、广发银行信用卡中心首席风险官王玉海等行业服务商以及用户听一听他们是如何看待大数据的价值、落地、应用现状的。
服务商、行业用户眼中的大数据
提到大数据,业界有观点称大数据现状是“关注的比投资的多、投资的比做得多、做的比懂得多、真正的懂得人比较少,懂得比赚的多”。在这样的一个现状下,作为大数据服务商如何来看待?对于此,SAS公司执行副总裁兼首席营销官Jim Davis认为,大数据已经开始应用,利用数据可以为企业带来非常大好的好处,企业应该把数据视为一个重要的企业资产跟企业的人员、人才、客户和设备都一样重要,它不仅仅是一个副产品应该高度重视这样的数据资产。现在处于我们处于数据爆炸的时代,各个行业企业以及机构没有选择,必须通过数据做出决定支持自身发展。
SAS公司大中华区总裁吴辅世认为,大数据走到落地实践阶段是必然的趋势,虽然全球都在萌芽阶段,但是发展是很正面积极。从技术层面来看,技术正在越来越成熟比如Hadoop存储过去只是概念而现在已经应用于很多的领域。所以,大数据落地在一步步的往前发展是正面的积极发展。
作为服务商对于大数据的看法是大数据正在逐步发展、积极落地,那么从行业用户的角度来看,他们又是如何来看待大数据的?对于此,广发银行信用卡中心首席风险官王玉海对于大数据持有不同的态度,他认为大数据在不同的行业应用不同但在金融行业大数据呈现“雷声大雨点小,有客观原因也有主观原因”。主观上金融业的企业文化没有改变过来,用产业兴衰的所谓的基因论来衡量,当上一波的产业浪潮获胜者巩固以后,不断地固化他的企业文化、思维模式、运营架构,这些基因不代表在下一波产业浪潮中能获胜,所以很多银行是安于现有组织架构和组织流程,对那些新生的创新性的事物有一个文化上天然的排斥感,所以,当我们说金融业应用大数据应该是最好的领域时,其实金融行业的小数据还没用好,文化上有一个不接受的排斥。
在成本和管理因素方面,不管从人力还是硬件,从数据结构还是数据源还都是传统意义上的这种模式。尤其是大数据要基于生命周期的数据管理方式,其实在目前金融业还是割裂的,碎片化的管理。尤其传统分析方法已经不适合大数据碎片式、非结构性的数据,像影像、图片、音频等非常好,但是一旦接触它很棘手,怎么样把非结构性的传统方法用于大数据管理?实际上从软件、硬件、基础设施上来看都没有完全成熟,成本更高了。现在传统银行每一个部门有它的成本控制,他不敢去冒险投入很多的财力、人力来开发而不能肯定它的回报,这是管理和成本的制约。
在技术方面,传统的数据库都是事物型的而不是分析型的数据库,IT人员习惯于从原数据抓过来,从文本文件变成一个数据仓库,但是分析是另外一个事情,他把分析和仓库割裂起来,由于技术原因和过去的管理机构,需要更大的储存和更强的技术能力,也就是云计算和Hadoop。
在人才方面也是一大挑战。大数据应用不仅仅是需要一些计算机行业的、数学行业的人才,它更需要的是对传统的金融领域和未来发展更了解、更熟悉,同时又有能力作数据搭建储存和分析,这些人才目前在市面上是非常稀缺,虽然每年大量的学统计和金融的大学生,但是他们是割裂的很多人是偏才,所以现在对银行来言,可以轻易给这些有这种能力的员工一百万到两百万的工资,但是仍然不好找。
大数据如何落地?
来自服务商、行业用户对于大数据的现状分析以后,我们可以看出大数据已经从概念开始逐步走向落地应用阶段,那么,对于行业的企业而言该如何借助大数据创造价值?对于此,Jim Davis指出,大数据带给企业的好处要满足四个条件:第一,基础设施;第二,相关人员或者人才,他们需要来理解并且帮助机构以及企业根据事实做出决策,他们需要具备相关的技能来进行数据和分析;第三,相关过程;第三,强有力的文化,在这个文化中愿意变革现在数据和分析不是可有可无的选择,任何企业和机构如果想要继续在前行道路上取得成功必须拥抱数据和数据分析。
王玉海指出,大数据应用的挑战并不等于悲观,虽然金融业应用大数据存在阻力和挑战,但是应用逐渐大数据化是需要一个过程。
SAS推动行业大数据落地
在推进行业企业大数据落的地进程过程中,作为领先的大数据服务商——SAS能够为行业企业提供什么样的服务或者产品支撑?吴辅世指出,过去几年 SAS为中国行业企业提供了优质的产品以及服务为助力大数据落地,比如我们的联想、华为等。正是借助SAS的大数据优质的产品,SAS中国成为在亚太区是以成长速度最快的国家和市场,目前,SAS重点服务四大行业领域的企业:第一,金融服务银行、保险企业;第二,制造业;第三,政府市场;第四,电信市场,除此之外未来在中国市场上SAS还要继续推广发展如医疗等行业,加速大数据落地步伐,促进企业健康成长。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python开发中,HTTP请求是与外部服务交互的核心场景——调用第三方API、对接微服务、爬取数据等都离不开它。虽然requests库已 ...
2025-12-12在数据驱动决策中,“数据波动大不大”是高频问题——零售店长关心日销售额是否稳定,工厂管理者关注产品尺寸偏差是否可控,基金 ...
2025-12-12在CDA(Certified Data Analyst)数据分析师的能力矩阵中,数据查询语言(SQL)是贯穿工作全流程的“核心工具”。无论是从数据库 ...
2025-12-12很多小伙伴都在问CDA考试的问题,以下是结合 2025 年最新政策与行业动态更新的 CDA 数据分析师认证考试 Q&A,覆盖考试内容、报考 ...
2025-12-11在Excel数据可视化中,柱形图因直观展示数据差异的优势被广泛使用,而背景色设置绝非简单的“换颜色”——合理的背景色能突出核 ...
2025-12-11在科研实验、商业分析或医学研究中,我们常需要判断“两组数据的差异是真实存在,还是偶然波动”——比如“新降压药的效果是否优 ...
2025-12-11在CDA(Certified Data Analyst)数据分析师的工作体系中,数据库就像“数据仓库的核心骨架”——所有业务数据的存储、组织与提 ...
2025-12-11在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01