
尽管大数据的项目已经向很多公司敞开怀抱,但是事实上,大数据技术的缺乏和企业偏好市场嗅觉已然阻碍了大数据发展的进程。
大数据落地的元年已经来临!——在微软、亚马逊、IBM等国际巨头的云计算落地中国之后,业界关于大数据落地元年的呼声高涨。一时间,无论是新型的互联网企业还是传统企业,都开始蜂拥赶往大数据世界。但事实上,就目前来看,真正能利用好已有数据的企业寥寥无几,不少企业还是由老板的第六感说了算。
到底,大数据时代应该信什么, 数据科学还是老板的第六感?
当然,大数据技术能力的缺乏导致了大数据发展的缓慢。但即使企业有开发挖掘大数据的能力,但企业却仍然喜欢使用未经证实的意见或是自己对市场的嗅觉,也就是拍脑袋做决策,而不是利用数据科学。这就是一个非常奇怪但却普遍存在的现象。
还有一个在笔者看来也是一个神奇的存在:很多企业在使用数据的时候,都是有选择性的使用能够支撑其观点和决策的数据,显然这样的选择也是一个怪象,一个数据被决策者绑架的怪象。
视觉分析公司Atheon Analytics总经理Guy Cuthbert在伦敦的一个圆桌会议上曾表示,在真正的零售领域,零售商都想方设法的避开涉及生产和测试假设的数据科学,这就是目前的现状。
“他们从来没有质疑过这件事的真伪,当然也就不会怀疑商店、一些特别的区域都发生了什么。所以总是有一大部分的人总是按照别人告诉他的方式做事情,而不是重新思考是怎么回事儿。”他补充道。
Cuthbert很大一部分的工作是将企业从这种思想转向数据驱动的思想,然后开始使用事实-假设-科学的思维方式。但据Cuthbert的推算,全球只有1%或是0.1%的业务是数据驱动型的。
确实,在现阶段还是有很多拍脑袋做决策的企业,因为他们不明白为什么要依靠数据来做决策,很多高层发表高谈阔论,但这些高见的背后通常是没有任何的数据和案例做支撑的。
所以,如果数据动画师和数据科学家要做什么事儿的话,那就是教会我们这一代事实面前隐藏了很多神奇的数据,如果我们的选择不是对它们视而不见。然而,让企业揭穿神话接受以数据为基础的结论并不容易。
当然有接受大数据的企业自然就会有排斥的企业,据Cuthbert所说,仍然有不少企业产生对大数据有很深的敌意并痛斥以数据为基础的决策是完全不对。要不然就是,尽管有一些企业开始尝试接受数据科学,但是他们采取的是过于狭隘的焦点,并非真正的拥抱大数据。
也有尝试大数据的企业中,也有部分企业关注于已知的未知变量,例如他们说:“我们预计明年将会实现6%的增长,让我们保证6%的增长吧”。这就是一个典型的例子。他们不会去寻找30%甚至是120%的机会,但是他们自己对此却毫不知情,这其实也是一种“病”。
编辑观点:
大数据时代信什么 数据科学还是老板第六感?
这是一个值得深究的问题。
大数据之于企业的价值无须赘述,对于那些完全排斥大数据的企业,我只能说他们需要的时间,希望这个时间是在倒闭之前。对于那些病态的接受大数据的企业,在大数据发展过程中这是一种可理解的病态,但并非能接受,希望这个治愈的时间不要太长。
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在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30