京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据分析决定大数据成败
近几年来,我一直在与大数据公司的高管们探讨如何解决他们所遇到的问题。一些有趣的问题仍然持续存在。很明显,我们仍然还处在对于某些问题的初步了解阶段,要充分了解并使用有效的方案来解决这些问题,我们可能仍然还有很长的路要走。
Facebook和谷歌等公司获取了大量的信息。他们普遍遭到侵犯隐私的控诉,尽管我们并不知道这些企业利用他们收集的数据信息可以计算出关于我们的什么信息内容。我们总是假设他们使用这些数据信息是对我们不利的,即使他们很可能尝试的是使用这些信息为我们的谋利益。
没有更好的保护您的数据的方案
历来,围绕着大型数据存储库的许多问题均涉及到如何管理他们。这主要是指确保那些需要访问这些数据的人员的范围权限:从管理报告到遵守一切管理的制度规范,以便让这些人员在需要访问这些数据时可以得到他们所需要的信息。这还意味着必须确保数据存储的安全。这在历史上已然成为了供应商们铁一般坚不可摧的服务准则。
上述这些历来管理数据的方法说明我们一直以来对待这些数据就像海盗的宝藏一样,只是努力寻找创造性的、廉价的方法来埋葬他们。但却没有拿出同样有创意的方案来及时分析、得到他们。
我们可以肯定的是,宝藏是确实存在的,但我们不知道其究竟在何处。甚至有些数据信息已经真的非常老了,其索引和存储往往是如此糟糕,以至于我们有时会认为如果我们当初没有将其存储着首要位置会不会更好些。
新兴的公共云资源承诺低成本的存储与未来高可能性的访问。任意数据信息宝藏资源均被一排排整齐的存储。唯一需要权衡的,当然就是,安全、管理和遵守合规性的问题。
随着数据的不断增长和企业IT预算压缩,上述这些因素的权衡似乎已经不成其为问题了。也就是说,直到犯罪分子找到获得并发布了这些数据,才会造成风险。我们的企业甚至有了风险经理的职位,但这一职位也慢慢随着金融市场的崩溃而日渐变得对于保护企业资产没有什么意义。
数据分析才是决定大数据的成败的王道
现在,我们意识到,最关键的并非大数据本身。相反,是数据和移动设备接入的分析与结果报告。企业高管们越来越多地发现,如果他们能够从他们收集的数据中得到真实的信息,他们可以做出更好的决策,避免痛苦的重复错误,并提升他们在企业乃至整个行业中的地位。
事实证明,知识就是力量。因此,今天的成功人士已然开始把重点放在更多地了解他们的客户、合作伙伴、员工和企业环境,而不再是他们的竞争对手。
新时代的企业执行人员使用工具进行更强大的数据同步。这保证了被分析的数据的准确度和及时性。他们提供移动客户端,可以在智能手机和平板电脑上显示结果。他们利用云服务,可以同时解决企业的成本和安全性的要求。
Hadoop已经成为最大的数据分析平台,供应商之间正在使用Hadoop,进行提供最好的工具的竞争。然而,随着供应商开始花更多的时间开发附属品,而不是优化整个解决方案;或选择合作伙伴时无意造成了瓶颈,这些优化可能功亏一篑。
明智地选择你企业的数据分析解决方案
最后,当我听到奥巴马总统连任的CIO分析得出结论,大数据本身的部分并不重要。为您的管理人员提供他们所需要的答案才是最重要的。
这可能听起来很简单,但它确实需要供应商必须满足下列条件:
· 具有您企业和行业方面的大量经验。
· 愿意承担整个解决方案。
· 在达到您企业的期望方面有良好的记录。
· 具有公共和私有云资源的经验。
· 有能力处理传统的数据存储和实时数据流。
总之,这不是一个自己动手做的问题。您需要有经验、有信誉、有可靠性和值得信赖的供应商。只有少数供应商能满足上述这些标准。您需要进行明智的选择。
本文作者罗布·恩德勒是恩德勒集团的总裁兼首席分析师。之前他曾担任Forrester Research和Giga信息集团的高级研究员。在此之前,他曾供职于IBM担任过内部审计、市场竞争分析、市场营销,财务和安全管理等相关职务。目前,恩德勒为各种出版物撰写关于新兴技术、安全和Linux相关专栏文章,并受邀参与美国全国性的新闻电视节目录制:包括CNBC、FOX、彭博社和全国公共广播电台。(转)
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