京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据想做驱动多产业发展的“引擎”,还需掌握哪些技巧
早在1980年,著名未来学家托夫勒在其所著的《第三次浪潮》中就将“大数据”称颂为“第三次浪潮的华彩乐章”,到了现在,大数据的热浪已经覆盖了整个时代。
最近几年,资本一直追着大数据跑,大数据也一直在积极赋能众多产业,包括金融、医疗、教育等,有数据显示,到2020年,中国大数据产业规模或达13626亿元的高点。毫无疑问,大数据已经成为了热门投资方向之一。但是喧嚣躁动之下,传闻中的大面积收割却一直没来。这究竟是数据创业的的玩家不行,还是那些大数据全都走错了道?
一:资本加注下的大数据,行业依然是冰火两重天
据不完全统计,2017年上半年,至少有63家大数据创业企业在国内获得了融资,总融资金额超过68亿人民币,其中获得上亿元融资的企业就有17家,获得上千万元融资的大数据公司有41家,占总数的92%。显然,资本对有潜力的大数据创业公司并不吝啬。
(数据及图片来源:大数据频道)
不过大数据行业里也不尽然都是好消息。在资本狂欢之下,“大数据”开始炒概念,不少“伪数据”公司从中“沾光”,进而阻碍了整个行业的发展。除此之外,数创公司本身还面临着两个难题。
1. 离散的数据被藏在科技巨头们的黑箱中
数据收集一直是数创公司的难题,一方面,数据存在禁地,数据安全和隐私是不可逾越的高墙;另一方面,BAT等科技巨头垄断了大量的社交数据、电商数据和行为数据。也就是说,数创公司即使走出了不能被利用的数据禁地,转身就会投入被BAT们垄断的大数据海洋。
庆幸的是,BAT等科技巨头虽然有着绝对优势,但他们自身涉及的产业非常多,包括金融业务、文娱业务等等,难免会和其他机构存在竞争关系。所以,其他企业掌握的筹码是能够与各产业机构进行无间合作。
美国Palantir大数据服务公司最为人称道的一个案例是,协助多家银行追回了纳斯达克前主席麦道夫所隐藏起来的数十亿美元巨款。
而一直对标Palantir的中国企业中译语通,则是将图像识别、语音识别,包括计算机视觉自觉生成的广告、数字精准营销等技术结合到短视频应用中。
由高盛领投的数创公司Crux 主要业务则是建立信息供应链保证各个金融机构的数据隐私,确保他们不被私自售卖和利用。
从中我们可以看出,与大象共舞,数创企业显然不必用数据量和BAT等科技巨头硬碰硬,从细微之处进行创新将是个不错的选择。
2. 数据可视化是企业的薄弱环节
虽然现在数据创业公司颇多,且无论做SaaS还是做外包服务都已相当成熟,但“数据可视化”仍是大数据行业里较为薄弱的环节。
数据可视化有非常多实际运用的场景,有人觉得可视化仅仅是将数据变成图,其实那只是针对静态的数据,如果做实时数据的呈现,那就是动态的,而不同的呈现方式对背后的技术要求也会不一样。所以,数据可视化是一个技术含量高的领域。
因此,许多数创公司在展开业务,亲身接触到不同行业、不同背景客户的可视化需求后,就会发现一技术环节仍旧面临着许多挑战。所以,企业想要打造高效率、标准化、产品化的服务,就必须探究不同场景的技术解决方案,并开发相应的工具。
谷歌曾经参与创建非营利组织Global Fishing Watch,构建了一个透明可视的大数据平台,可以观察全球海上转运船只的动态。数据可视化让我们对全球商业捕鱼有了一个整体性的洞察与监测。
中译语通在2017年就发布了数据可视化应用,结合了知识图谱技术,可以在任何一个场景应用,相当于是大数据监测的部件;数创企业DataHunter也将根据各行业不同的分析理念和思路,计划在通用性的标准化之上再做行业版。
数据的分析和可视化可以说是大数据服务的“最后一公里”,但这并不是所有企业都有能力解决。毫无疑问,只有打通这一环节,数创企业才能获得不同产业的认可。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14