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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19