京公网安备 11010802034615号
经营许可证编号:京B2-20210330
拨开大数据的迷雾
企业的硬性层面(成本、速度、库存周转率、供应链以及资本效率等)是由可以精确量度的事物组成。硬性层面总能与计算机技术、数据和分析完美契合,这并不令人奇怪。据说,最古老的计算工具是用来算账的巴比伦算盘。罗马人的算盘则造得轻巧灵便、易于携带,为他们打造庞大的帝国起到了帮助。
企业硬性层面和数据分析的结合延续至今。企业是数据分析大师,例如上世纪80年代的沃尔玛(Wal-Mart)、90年代的戴尔(Dell)和如今的亚马逊(Amazon)与网飞(Netflix)。同时,我们所说的企业软性层面(比如设计与审美偏好、团队、信任、领导力、聪明才智和故事)始终存在于各自的领域、神秘世界和直觉里。最优秀的践行者被誉为天才而不是分析师,例如审美嗅觉敏锐的史蒂夫·乔布斯(Steve Jobs)、企业领袖导师杰克·韦尔奇(Jack Welch)、把产品当作故事推销的菲尔·耐特(Phil Knight)和创造激情的理查德·布兰森(Richard Branson)。这些软性品质不易量度,也不是易于传授的必要技能。
我有点夸大了企业硬性与软性层面之间的这种明显差异。最优秀的CEO总是能找到方法弥合这种差异。史蒂夫·乔布斯让精通数据分析的蒂姆·库克(Tim Cook)来管理苹果(Apple)业务经营的硬性层面。库克在这方面确实做得很好。迈克尔·埃斯纳(Michael Eisner)拯救了迪士尼(Disney),但他是在杰出的首席运营官弗兰克·威尔斯(Frank Wells)的辅佐下完成的。谷歌曾严重偏向于数据分析,甚至在其主页上测试了41种蓝色阴影以确定观众的反应。如今,谷歌给其平面设计师留有更多的发挥空间,使谷歌产品的观感得到了提升。
隐藏的惊喜
在大数据这个新时代里,问题已经变成:我们是否应该把软性层面交到直觉性很强的天才手中,或者是否应该利用大数据为软性层面增添严密性和逻辑性?这能做到吗?如果想打造一家成功的企业,就应该重视这些问题。
大数据现在无疑是个被过度使用的词语。我喜欢维克托·迈尔-舍恩伯格(Viktor Mayer-Schönberger)和肯尼斯·库克耶(Kenneth Cukier)在其著作《大数据时代:生活、工作与思维的大变革》(Big Data: A Revolution That Will Transform How We Live, Work, and Think)中对这个词语给出的解释。他们写到,大数据没有边际和结构,笼统但具有预测性,无法显示原因,但能显示关联性。
在这些方面,混乱无序的大数据更像是企业的软性层面而非硬性层面。那么,大数据能否帮助我们设计出更加迷人的产品,打造出优秀的团队和强大的文化,创造出令人难忘的品牌,使我们更具适应性?
这是个新的领域。大数据正在飞速演进,尚不清楚它能在哪些方面提供真正的洞察力,或者在哪个方面它只会造成代价高昂的干扰。大数据已经在信用卡检测等领域里取得明显成功,并有望用病人的少少几滴血就诊断出疾病。但对于想要出售产品或激励团队的企业领导者来说,大数据能干什么呢?
为了了解大数据的应用方式,我在这个夏天与多位CEO、设计师、营销人员和团队建设者进行了交谈,以便弄清楚大数据在哪些方面有用。这些人来自于各行各业大大小小的公司企业。
Nest Labs公司创始人兼CEO托尼·菲德尔(Tony Fadell)说出了他的看法。该公司是硅谷的一家智能恒温器制造商,其产品通过学习并掌握用户的供暖和制冷方式来节约费用。菲德尔曾在大师史蒂夫·乔布斯的麾下学习产品设计,十来年前iPod的问世也有他的一份功劳。
“大数据是否对Nest Labs公司设计其恒温器有所帮助?”我问道。
“没有。”菲德尔说,“好产品来源于好创意。你要为你自己设计它们。你要对数据说你需要的大多数功能说不。史蒂夫乔布斯就非常善于说不。但大数据展现了人们如何以你意想不到的方式来使用你的产品。在如何改进产品软件、如何与客户沟通以及如何建立忠诚度等方面,大数据提供了极好的观察点。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27