
如何将大数据进行到底
“大数据”这个词可以说是已经完全把“云计算”的风头盖了下去,现在各种行业会议仿佛不提大数据就跟不上时代。而Gartner近日有报告显示,虽然全球范围内各大企业用户都加强了对大数据(Big Data)业务的投资力度,但有6成企业对大数据投资额的回报产生质疑。是什么原因让企业对这个趋之若鹜的技术产生了怀疑?
60%企业认为谈回报率为时尚早
Gartner报告显示,2012年全球各大企业用于大数据业务的投资总额达到43亿美元,其中绝大部分投资是针对公司服务器上运行的软件。预计2013年期间,这个投资总额将增至340亿美元。
但是,尽管企业加大了对大数据业务的投资,大部分企业未能确信这些投资将有良好回报。通过对800多名商业和IT主管的调查显示,60%的受访者表示,目前判断大数据投资能够带来良好回报还为时过早。
大数据光鲜背后
什么是大数据?到现在对于 “大数据”还没有标准的定义。维基百科上有人对大数据作了如下描述:数据增长如此之快,以至于难以使用现有的数据库管理工具来驾驭,困难存在于数据的获取,存储,搜索,共享,分析和可视化等方面。
作为未来发展的必然趋势,毫无疑问大数据对于企业有着极为深远的意义。近两年来,包括IBM、惠普等在内的存储厂商在追捧“大数据”的概念,他们提出除了为客户提供基础的存储解决方案外,还向企业推广一系列针对“大数据”的分析解决方案,挖掘数据背后的价值。
但在各种文章铺天盖地描述大数据的美好前景的同时,却鲜有大数据项目实施的实际效果的相关报道。
能够引起企业对回报率的质疑,首先我们必须看到的是,“回报率”在有些行业并不是显而易见。在金融服务领域,大数据能够促使服务更好、更有效,从而实现更有利的经营策略。媒体公司可以销售更多的广告版面。电子商务公司可卖出更多产品。
但是这些公司拥有一般企业经营公司不具备的一个共同点:投资回报率显而易见,足以使这些公司排除进入障碍进入大数据领域。而对于大多数企业,大数据是否具有足够的吸引力?很可能不会。大数据价值必须非常高、便宜而且足够成熟,才能吸引企业购买。
如何将大数据进行到底
有业内人士指出,制约大数据发展的因素主要有两个:第一,能够发掘大数据的技术还没有成熟;第二,成本太高。做大数据的时候,存储应该非常便宜,虽然存储比很多年前便宜很多,但还是很高。
非结构数据的快速增长加大了数据处理的难度。同时,许多公司仍处于大数据的研发阶段。也因此,在很多企业内心增加了很多不确定性。大数据技术必须更加容易,项目管理技能更广泛,大数据方可真正成为主流。
从具体技术上来看,数据投资回报是数据价值除以数据成本,首先,我们需要降低数据成本,提升数据价值。降低数据成本的方法很多,最重要的是把低活跃度的数据转移到低成本的存贮器上去。而增加数据的价值则要收集更多、更全面的数据,最近比较火的社交化软件正可以在此发挥作用。其次,要针对数据质量有一个数据治理的队伍和流程。最后,要有很好的数据分析的能力,“数据可视化”是当前的大趋势。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16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