
用大数据设计“合脚的鞋子”
(吕慧强浙江工业大学计算机科学与技术学院、软件学院副教授)
大数据技术使得人类的态度、情绪、行为等以往认为难以测量的方面,都可以变为数据来进行分析和预测。日常生活里的可量化维度从未得到如此淋漓尽致的挖掘与利用,而数学模型也在更广泛的领域里得到了重视。
大数据时代的到来,对流通和消费领域的影响最为明显,尤其是对产业研发和生产过程造成了巨大的推动作用。企业通过研究大数据根据客户的需求研发产品,这样有效地降低了研发风险,同时也给流通企业带来了更多的机会。大数据时代是一个转折点,从此以后产品和服务都向个性化方向发展。以前解放路的奥康皮鞋,店里都会配备一台测量脚的仪器,每一个试穿和购买过皮鞋的人都会在测量仪器中留下脚的全部数据,包括脚的长、宽、高,不但为客户下次挑选和购买鞋子提供准确的数据,还可以根据这些数据研发和制造出更符合大众脚型的鞋子。
大数据将在智慧城市有大突破
(胡永铨浙江工商大学工商管理学院副教授)
所谓大数据,就是要在海量、各种数据空间中快速计算得到想要的数据结果。当然计算费用成本是可以接受的。国外Google.com、A9.com等对大数据的应用是成功的,国内还没见到有真正意义上的大数据应用相关报道。
从目前看,国外已经利用大数据技术应用于政府辅助决策。由于我国大数据计算的基础设施还在建设中,大数据下一步将在智慧城市、智慧经济、智慧物联网方面有大的突破。国家将对为大数据服务的基础设施建设提供大量投入。
大数据不存在有数据垄断的问题,因为大数据计算的基础是云平台的虚拟化技术,虚拟主机把加盟机构或组织的各个数据源抽取出来,并提供聚合服务,云分为私有云、公有云和混合云,云计算是按需付费的。
不要过分迷信大数据
(赵伟浙江大学经济学院教授)
对待大数据还是要保持理性,大数据并没有现在炒作的那般神奇,数据不能处理真正的大问题,大数据也不擅长预测小概率事件,像预测什么时候会发生地震海啸,什么时候会发生恐怖袭击这种事,数据分析是无能为力的。
不要过分迷信大数据,其实大数据只是在之前的抽样调查等小数据研究上扩大了样本范围,需要更大的精力和投入去分析。就算有数据在手,不代表你就赢了,如果你在运营一家企业,获得大量客户数据只是第一步,而这些商业价值都待挖掘,是需要更大的精力、更多的投入的。
保证良性竞争环境
(张运杭州西美咨询公司总经理)
通信运营商在数据运用上已经比较成熟。比如,中国移动在把广告宣传语由“移动通信专家”改为“移动信息专家”,就已经把传统的通信服务升级为信息服务。中国移动通过研究大数据,根据大众的通信习惯和需求推出受欢迎的套餐服务。现在更是推出了分类更为细化和丰富的一系列个性化产品。
未来的数据工作需要更加完备的法律环境,这样可以避免数据垄断的现象,同时政府应该扶持数据行业中具有潜力的中小型企业,保证良性的竞争环境,当然这也离不开行业的自律和企业的社会责任感。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10