京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代分析变革即将来临
日前,Teradata首席分析官Bill Franks在北京与部分业内媒体记者举行了一次关于大数据分析的圆桌会议,在这次会议上,Bill Franks带来了他的新书《数据分析变革》,并就大数据分析的最新发展趋势发表了精辟见解。
Bill Franks表示,经常会有人问这样的问题,大数据是不是存在泡沫,这种泡沫会不会破裂?比如,前段时间一个记者问我,说他们估计差不多一年半之后,大数据泡沫就会破裂。他当时问我大数据是否有泡沫的时候,我的答案是这样的,从某种方式来说是有泡沫,从另一种方式来说没有泡沫。
为什么说有泡沫呢?确实现在市场上有一些过多的炒作,认为通过大数据能够获得所需要的一切。如果不能实现这些目标,有可能标志着大数据泡沫会破裂。如果不是泡沫的话,再过多少年之后进行回顾,会觉得当时对大数据的看法是非常滑稽的。
我们所经历的真正的互联网泡沫,是大家非常熟悉的,从1999年到2000年。当时并不是说互联网本身缺少价值,而是认为这种价值的获得太容易、太快速,所以造成了当时的泡沫。但是看一下目前的情况,互联网已经深入到社会的方方面面,给人们的工作、生活带来了非常深远的影响。目前,大数据也是这种情况,现在大数据的发展非常艰难,人们有各种各样的说法。如果再过五年或者十年,我们会看到大数据可以带来非常好的影响。过去大数据都是在企业里面,各个领域都有大数据。前几年,Teradata提出企业级数据仓库,就是如何把这些数据源整合在一起,来挖掘企业内部的数据价值。
Franks说,我们要避免重蹈覆辙,目前看到在企业里有很多单独的大数据部门,大数据分散在各个地方,这些数据也由不同的人员加以管理。我们应该避免过去传统数据管理问题,要把数据都统一集中在一起。我们会提供相关的工具、技术、专业服务,帮助客户更多地挖掘数据价值。我们能够帮助挖掘客户的业务问题所在,给他们找到具体方法,能够提供具体的工具和技术,更大地发挥大数据的作用。一方面我们能够在前端帮助客户发现数据的价值,另一方面在后台也能进行跟踪,给它进行量化,发现数据价值所在。
Bill Franks认为,我们现在面对着数据分析的变革,通过一种“手工定制”的办法,针对企业具体的问题,做一些大数据的分析,给他们提供定制化的解决方案。这里涉及高价值的问题或者低价值的问题,一般都要探索哪些是属于高价值的问题,需要有一些定制的或者深层的分析。对于那些低价值的问题,可以部署一些业务流程等进行解决。企业可以在技术、业务流程里,嵌入一些解决方案的数据分析,能够自动实施,不需要太多的人工参与就能实现。
谈到电信领域的高级分析,Bill Franks说,从电信商运营的角度来说,也需要大量的高级分析,比如一些无线的基站和铁塔,什么时候会出现问题。包括一些网络上传送的速率情况,都传输什么内容,是电子邮件还是什么?这些分析与传统的分析是不一样的。传统的分析是这个电话是谁打给谁的,而现在的分析更多一些,包括基础设施、网络、基站等,很多环节都需要这样的高级分析。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20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