
大数据:全新机遇还是一纸空谈
目前,人们对大数据及其价值的认知各有不同。一部分人认为大数据的价值在于帮助企业各部门获得新的洞察力并付诸行动;另一部分人认为大数据不过是天花乱坠的宣传而已。这两种观点都有可取之处,而有趣的是,这两种观点都成立。尽管外界对大数据大肆宣传,人们还是很快了解到大数据真正价值与空谈之间的区别。
弄清这种区别将非常有助于了解大数据价值(最好考虑投资大数据)并认清仍对大多数企业发展构成主要阻碍的挑战。姑且假设未来相关技术将逐渐成熟,并能通过释放其潜力创造价值。这种预测已在以往多种技术上都得到证实,大数据技术应该也不例外。制约大数据技术发展的主要瓶颈在于它自身的问题:人们会忽略大数据的严重依赖性,或认为这种依赖性仅仅是我们为创造价值而必须接受的前提。
这种依赖性是指用户认为在创造价值前,必须保持数据一致性,或在数据库等持久保存数据的系统内实现数据标准化,这需要企业大张旗鼓,投入数十亿美元,却导致效率低下和重复劳动。因此,在没有创造任何价值前,企业的项目投入已达到70%,用于数据识别、采集、迁移、存储及优化。虽然过去十年间分析技术已取得多次重大突破,而分析技术终端及平台数量激增,但与过去30年相比,企业分析解决方案开发及部署模式仍未发生变化。
令人关注的是,在利用大数据技术真正创造价值的行业内,大数据市场正呈现出不断细分的趋势,且这一趋势已逐渐明朗。我们最好从这些细分市场入手,深入了解大数据价值与空谈之间的区别。
能够体现大数据价值的领域
大数据技术在数据探索、趋势分析、调整机会分析等领域已获得成功应用。这看上去毋庸置疑,而以下两个共同点却不明显,但大数据技术在符合这些共同点的领域内已具有切实的可行性,并已站稳脚跟。
·全新的海量交互信息:基于Web的购物与数字化零售、移动端活动、社交媒体互动信息及互联网搜索条件。换言之就是全新的海量同类数据。
·重视营销机会:为产品销售提升潜在客户识别成功率,这种技术应用通常由大众化营销与媒体费用承担。
无法体现大数据价值的领域
随着数据同类性降低,导致获得洞察力的成本相应增长,大数据的价值开始降低,而对于大数据综合价值因素的炒作也导入歧途。在谈到典型的企业问题时,大数据鲜有成功案例。原因何在?
·业务问题已是老生常谈。这已经无需再议,可能在过去5-10年内使用“新型”数据是大数据技术顺利部署的成功因素之一。
·解决方案使用不同类型的组件。企业数据面临的挑战是它广泛分布在各种不同的技术和数据平台上。例如,数字化零售、电信业及社交媒体使用结构化数据,其表现形式相似;而企业数据则分布在主机、ETL(提取、转换和加载)工具、虚拟层、关系数据库、商业智能(BI)数据库、交易数据库以及数百种其它组件中,这些技术在过去30年中已不断发展。更糟糕的是,每种应用程序使用不同的数据模型,导致数据与其相关技术平台整合越来越复杂,因此,利用当前大数据工具访问企业数据,难以创造直接的价值。
这就是企业大部分业务问题与大数据无关的原因。这些业务问题实际上是分布式数据问题:在这种模型下,信息、数据、价值和分析广泛分布在不同的位置、技术平台和数据源内。但我们仍继续使用与以往相同的集中式模型来解决这一日趋严重的分布式问题。当用户能够通过常见的界面外观稳定地访问数据时,这些集中式模型能够发挥很大的作用,这在社交媒体、数字化零售等行业新的成功案例中屡见不鲜。但集中式模型却无法解决银行、保险、医疗行业及其它广泛的业务问题。
目前,企业实现大数据价值需对多种不同数据及功能体系进行数据整合及标准化规划。如不改变现有数据管理机制,那么企业解决方案采用越多的分布式组件,项目回报率越低。
大数据技术促进深度分析及分析性能取得技术突破,其价值毋庸置疑。但这种价值却被数据提取和/或整合成本破坏,导致价值/炒作的底线被轻易冲破。目前,市场在数据价值上多少存在一些分歧,其中一部分行业尚处于初创时期,可保持技术一致性,因此,这些行业可以暂时解决分布式数据的问题。
由于技术孤岛仍将持续存在,且数据仍保存在不同的位置,Gartner公司分析师Doug Laney预计到2017年,90%的大数据项目仍无法发挥它们的作用。Doug最近总结到,虽然数据复杂性、企业内外部数据的分布和离散度不断提升,但也不会因为大数据技术作出的各种承诺而承认系统及数据大规模整合项目的合理性,它们只是大数据价值的体现。
我们只有意识到大数据技术虽已占有一席之地,但仍受到分布式数据源的直接影响,才能尽早通过真正具有成本效益的途径,根据数据复杂度和分布情况,充分利用数据价值。
大多数企业可灵活使用双重数据策略:运用大数据技术对大量同类数据进行深入分析及机会辨别;或运用分布式数据应对运营、风险、管理等复杂但已为人所了解的挑战。人们将能够接受这种双重数据管理策略,充分发现、挖掘并管理大数据技术的价值,并在行业内实现不断灵活创新。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-07-22解析神经网络中 Softmax 函数的核心作用 在神经网络的发展历程中,激活函数扮演着至关重要的角色,它们为网络赋予了非线性能力, ...
2025-07-22CDA数据分析师证书考取全攻略 一、了解 CDA 数据分析师认证 CDA 数据分析师认证是一套科学化、专业化、国际化的人才考核标准, ...
2025-07-22左偏态分布转正态分布:方法、原理与实践 左偏态分布转正态分布:方法、原理与实践 在统计分析、数据建模和科学研究中,正态分 ...
2025-07-22你是不是也经常刷到别人涨粉百万、带货千万,心里痒痒的,想着“我也试试”,结果三个月过去,粉丝不到1000,播放量惨不忍睹? ...
2025-07-21我是陈辉,一个创业十多年的企业主,前半段人生和“文字”紧紧绑在一起。从广告公司文案到品牌策划,再到自己开策划机构,我靠 ...
2025-07-21CDA 数据分析师的职业生涯规划:从入门到卓越的成长之路 在数字经济蓬勃发展的当下,数据已成为企业核心竞争力的重要来源,而 CD ...
2025-07-21MySQL执行计划中rows的计算逻辑:从原理到实践 MySQL 执行计划中 rows 的计算逻辑:从原理到实践 在 MySQL 数据库的查询优化中 ...
2025-07-21在AI渗透率超85%的2025年,企业生存之战就是数据之战,CDA认证已成为决定企业存续的生死线!据麦肯锡全球研究院数据显示,AI驱 ...
2025-07-2035岁焦虑像一把高悬的利刃,裁员潮、晋升无望、技能过时……当职场中年危机与数字化浪潮正面交锋,你是否发现: 简历投了10 ...
2025-07-20CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-18刚入职场或是在职场正面临岗位替代、技能更新、人机协作等焦虑的打工人,想要找到一条破解职场焦虑和升职瓶颈的系统化学习提升 ...
2025-07-182025被称为“AI元年”,而AI,与数据密不可分。网易公司创始人丁磊在《AI思维:从数据中创造价值的炼金术 ...
2025-07-18CDA 数据分析师:数据时代的价值挖掘者 在大数据席卷全球的今天,数据已成为企业核心竞争力的重要组成部分。从海量数据中提取有 ...
2025-07-18SPSS 赋值后数据不显示?原因排查与解决指南 在 SPSS( Statistical Package for the Social Sciences)数据分析过程中,变量 ...
2025-07-18在 DBeaver 中利用 MySQL 实现表数据同步操作指南 在数据库管理工作中,将一张表的数据同步到另一张表是常见需求,这有助于 ...
2025-07-18数据分析师的技能图谱:从数据到价值的桥梁 在数据驱动决策的时代,数据分析师如同 “数据翻译官”,将冰冷的数字转化为清晰的 ...
2025-07-17Pandas 写入指定行数据:数据精细化管理的核心技能 在数据处理的日常工作中,我们常常需要面对这样的场景:在庞大的数据集里精 ...
2025-07-17解码 CDA:数据时代的通行证 在数字化浪潮席卷全球的今天,当企业决策者盯着屏幕上跳动的数据曲线寻找增长密码,当科研人员在 ...
2025-07-17CDA 精益业务数据分析:数据驱动业务增长的实战方法论 在企业数字化转型的浪潮中,“数据分析” 已从 “加分项” 成为 “必修课 ...
2025-07-16