
为什么企业家应该超越大数据
大数据以其巨大的力量进行量化和分析,如今其应用风靡一时。但是,作家和企业家马丁·林德斯特罗姆说,人们可能高估大数据的作用。“大数据是关于过去的分析。”他说,对于我们的社会上在原来的基础上预测未来发展趋势,这是“安全和公认的”。但是这可能不会产生最准确的信息。
与之相反,林德斯特罗姆表示,他是“小数据”的信徒。他在新书中指出小数据对于那些具有“创造性和保存的本能”的企业家是一个方法,这是他们最宝贵的资产。而采用这种方法,他引用了媒体大亨罗伯特·默多克作为一个例子。
林德斯特罗姆说,“默多克曾经一天读了50份或100份报纸,直到他可以真正地了解读者的意图,并打电话给他的编辑说,‘我不喜欢这样的标题,因为我认为读者一定会不喜欢它。’默多克基本上是正确的,正是其运用了自己所有的本能,这使得他的公司独一无二的,因为如果你通过一个俗套的格式,在同一台机器输入相同的数据到,并让相同的人加以分析,你会得到相同的结果。而小数据就是本能,扭曲你的观念,并帮助你从不同的角度看世界。”
林德斯特罗姆姆的方法是一种实践的人类学研究,他到受访者的家中访问,收集他们的态度、信息行为和欲望,以有他们可能没有意识到或没有表达的信息。在多次采访之后,他说,“你就会开始看到一个模式,哪些适合这种模式,哪些不适合这种模式。这是非常明显的。”
他每次家访,在经过主人的许可后,拍摄多达300张照片,并一丝不苟地审查他们装饰的选择,布局和更多的线索。几年来,他访问了无数的家庭,这使他建立了他所描述的一种直觉,“随着时间的推移,你可能不会在那一瞬间看到。
比如,他会通过人们房间摆放的物体来“感知”,也就是说,他们招待客人的房间。“如果某人在房间里有一个巨大的书架,那么他在小时候可能没有受到很好的教育,他通过感觉想弥补这种缺憾。”他说。“我们的生活就是一种平衡,如果感觉失衡就会重新找回平衡。如果你有很多古老的的东西,你可能想表明你是丰富复杂的;如果你有一个大串的钥匙挂在你的裤子,很可能在你孩提时候,从来没有真正的控制权,你想弥补这一切。这并不完全准确,但往往是它是一种直觉,这是你随着时间的推移清楚的表达。为什么我觉得那个人是这样的?这有什么共同点?“
林德斯特罗姆的小数据的方法可能看起来并没有像大数据那么“科学”。但他表示,在这个过程中,客户为其提供了一种有效的感觉。他说,“我不能指望通过对这些企业的首席执行官采访,使其改变他们对企业和市场的整个看法。”
但他并没有要求客户简单地接受他对信仰的分析。相反,他说,思想混合是动手开发的一个假设,通过实践,基于研究的小数据的方法,然后用大数据定量验证它。例如,他发现,冰箱贴的数量与主人的情感有着密切的关系,这几乎是一个隐喻的愿望,希望在以往照片上“冻结时间”。
林德斯特罗姆说,“我现在能做什么,而不是问别人这样的问题,你是如何独立成长的?你有多少朋友?我可以说,‘你怎么将冰箱贴放在冰箱上?’,你你怎么看待你的鞋子?你可以把那些看似不重要的观察细节与大数据结合起来”,就会产生客户想要和需要的不同寻常的见解。
例如,林德斯特罗通过向岳母学习整理衣柜的习惯到如何设计一个早餐麦片的包装。通过汽车为中心的文化来了解北卡罗莱纳州农村和城市郊区文化相互隔离的的情况。
任何企业家可以从小数据中受益,林德斯特罗姆表示开始注意这一切。而越来越多的人低着头,眼睛紧盯着他们的智能手机,我们错过了我们周围的世界的关键信息。“随着时间的推移,这让我更加细心,更加善于观察,因为别人已经变得不那么敏锐,”他说。“我喜欢走相反的路。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02