京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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