京公网安备 11010802034615号
经营许可证编号:京B2-20210330
如今,大数据分析到底有多重要?McKinsey Global Institute(位于旧金山,是总部位于纽约的麦肯锡公司的研究机构)的高级合伙人Michael Chui(去年发布的麦肯锡大数据价值研究报告的作者之一)认为,在数据分析方面的能力将决定企业市场份额的得失。而且根据长久以来观察的结果,强者将会逾强(Whoever has will be given more,出自圣经之马太福音)。
“很快,我们就会看到那些领先的公司从中得到收益。”Chui说。海量数据的收集和分析已经在医疗健康领域得到了实际运用,麦肯锡在报告中预计该行业将从大数据中获得多达3000亿美元的收益,其中2000亿来自于相关成本的削减。
James Noga是Partners HealthCare System(位于波士顿的一家非营利性医疗机构)的CIO,他认为医疗行业已经认识到大数据分析能够极大地提升人类健康水平(即便不是最重要的因素)。“在我们这,即使只是基于一个很小的数据集,我们也能够通过分析来发现诸如Vioxx(一种已被发现有重大问题的药物)之类的问题”.
Noga认为尽管医院在大数据分析方面还不够成熟,但是情况正在一天天发生着变化。大量的数据正不断从医疗第一线汇集起来并经过整理和分析。Noga预计,随着人类基因组序列分析的成本降低,总有一天会给公众带来重大的福音。“无数的人正等着这些数据来进行分析利用。”Noga补充到。
数据蕴藏的新价值
Chui和Noga都参加了在马萨诸塞Cambridge举行的MIT斯隆CIO论坛,并作为数据专家阐述了大数据分析的诱人前景和面临的挑战。论坛由纽约时报的技术编辑Quentin
Hardy主持,还包括The Corporate Executive Board
Co.(CEB,位于华盛顿特区的一家咨询公司)的高级总监Shvetank Shah和Babson
College(位于马萨诸塞Wellesley)的管理和信息技术教授Tom Davenport.
数据分析的用武之地绝不仅限于医疗健康领域(已经建立了一套规范的科学方法)或者消费品行业(已经拥有大量的用户数据)。比如,基于物流行业供应链而收集的海量数据也已经开始被用于对经济趋势的分析。[page]
Hardy最近遇到了一个物流公司,其客户占了世界经济总量的3%到5%.该公司所拥有的数据对未来具有重要的指向作用,比如圣诞季的零售业状况和阿拉伯之春后约旦的走向。“我告诉他们,这些信息都可以在华尔街进行交易。”
Davenport是数据分析方面的高产作者,他最近专注在工业界并且预计大数据分析正给振兴美国制造业带来机遇。“通过数据分析,你可以及时发现问题并优化业务。”
流程和产品的数字化为企业开辟了另外一个天地。“我们可以毫无束缚地开始各种创新实践。”Chui说。
CIO在大数据分析中的角色
那么,在大数据分析中CIO应该承担什么样的角色呢?包括Partners
Healthcare的Noga在内,至少有两位与会者强烈建议业务端来领衔分析工作。“我们有部分的责任,但分析是实实在在的研发工作,IT只是提供支撑。我们负责基础架构的事情
–
比如什么类型的计算适合放在公有云、私有云或者完全掌控的数据中心里。”Noga解释说:“就我自身来说需要理解分析技术,但是不应该成为责任人。分析事关企业战略,属于研发类型,应该由具备专业素养的人来担当数据科学家(data
scientist)。”
这种看法的原因可以从一次相关的讨论结果(大数据和分析法学的挑战:数据聚积和偏好)中看出端倪:大数据时代的成功在于发现能够提升业务决策的模式。而这个过程中需要扎实的数学和技术功底,以及对业务的深刻认识。
Noga的看法得到了Davenport的赞同,后者以通用电子为例来加以说明。通用电子计划在投资超过10亿美元的全球软件中心(位于旧金山)招聘800位数据科学家。这些科学家将受聘于公司的研发部门。另外,惠普公司也在其战略规划团队中增加了数据科学家。“对此,我们给予完全正面的预期。”Davenport表示。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18