京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据落地必须与行业应用结合_数据分析师考试
大数据应用并非遥不可及,而是已经渗透到人们工作、生活的方方面面。
从优势领域突破
IDC预测,中国的大数据市场从2012年到2016年将增长5倍,政府、电信、银行将是最先使用大数据工具的行业。大数据的价值主要体现在以下几方面:提升企业的决策效率,改进业务流程,提升用户体验和企业的业务创新能力,提高企业的抗风险能力。目前,在亚太地区,大数据的应用还主要以结构化和半结构化数据分析为主,非结构化数据的量虽然很大,但是目前其应用需求还没有兴起。
用户采用大数据工具之前,要注意以下几个问题:从自己有竞争优势的应用领域入手;制定大数据战略时要综合考虑多方面的问题,比如决策层的支持力度、业务流程、数据质量、IT基础架构等;由于专业大数据技术人员数量不足,企业可以考虑采用一些成熟的商业软件;大数据应用不仅仅包括分析型应用,还包括信息访问型、交易型应用等。
更高性能 更低成本
在大数据方面,惠普有两大利器Autonomy和Vertica。惠普通过收购这两家公司获得了大数据分析工具,并与惠普自己的硬件相结合,为用户提供整合的大数据解决方案。Autonomy主要用于非结构化数据的识别与搜索,而Vertica主要用于结构化数据的在线实时分析。两个产品虽然有小部分重合,但更多的是互补关系。
1月15日,惠普在北京正式发布了HP Vertica Analytics Platform 6.1。惠普公司Vertica市场营销副总裁Chris Selland表示:“HP Vertica Analytics Platform 6.1是专为大数据设计的高性能数据分析平台,它具有极高的数据分析性能,查询速度比传统的关系型数据库快50~1000倍;它还具有大规模扩展能力,可以无限量添加行业标准服务器;它采用开放式架构,并内置Hadoop、R语言以及一系列ETL和业务情报工具;它基于优化的数据存储平台,利用压缩技术可以存储更多的数据。”
HP Vertica Analytics Platform 6.1新增了数据管理选择,通过Hadoop Distributed File System(HDFS)连接器来优化大数据。新的HDFS连接器的数据加载速度比HP Vertica Analytics Platform 6.0中的前一代连接器快4倍以上。这一改进确保HP Vertica Analytics Platform 6.1能以简单、可扩展的方式进行高性能数据分析。“目前,Vertica的数据分析平台在全球有上千个用户,分布在30~40个行业中。”Chris Selland介绍说,“Vertica产品的价格只有竞争对手的1/3,但是处理性能提高了数百倍。”
大数据应用难落地还有一个重要因素,就是缺少专业技术人员。Gartner的研究显示,到2015年全球需要440万大数据专业人员,而人才缺口达2/3。为了培养更多的大数据人才,惠普推出了Vertica认证服务,旨在提高HP Vertica系统管理员、数据库分析员和应用开发人员的专业技能。
助力企业转型
大数据应用若想落地,就必须与行业用户的需求相结合。中国惠普有限公司企业服务集团首席技术官王纪奎表示:“用户在决定采用大数据分析工具之前,应该先搞清楚几个问题,比如数据从哪里来,数据的质量如何,数据可以做什么用,数据的价值如何等。大数据分析应用与企业的供应链分析、网络分析、业务系统分析等之间有着千丝万缕的联系。此外,企业还要考量自己的人力、财力等情况,看是否能够应付大数据分析之所需。”
惠普已经推出了针对电信行业用户的分析服务,并将它与惠普的IT基础架构解决方案打包提供给用户。惠普是许多电信运营商的IT基础设施以及应用系统的供应商。因此,惠普对电信运营商的业务流程十分熟悉,并且知道从哪里获取数据以及如何对这些数据进行整合和分析,从而为电信运营商提供更多的附加价值。“针对电信运营商,我们可以提供战略规划、数据质量管理、数据分析服务等。”王纪奎举例说,“2012年,我们曾经帮助国内某运营商将传统业务与电子商务等新兴业务进行整合,并将计费、CRM、商业智能等应用进行有效结合,还提供了数据管理和业务流程设计服务,从而帮助该运营商成功实现业务转型,”
为了帮助用户更好地开展大数据应用,惠普还为用户设计了信息优化转型体验研讨会,通过与用户的面对面交流,进一步了解用户的实际需求以及数据使用情况,明确业务目标,制定管理和利用信息的策略以及执行路线图等。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21