京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据:仅仅是传统商业智能的花哨标签
根据所有主要分析公司的分析,大数据应该是各大公司议程的首要主题之一。但是,到底什么是大数据?它和传统的数据管理和商业智能有什么不同之处呢?
“思考这个问题的一种方法是考虑汽车行业”,甲骨文公司数据库服务器技术高级总裁Andy Mendelsohn建议到。他指出:“100年前,Henry Ford 发明了T型车。现在,Ford仍然在制造汽车,这些车拥有更好的引擎、全面的传感器和计算机系统。但是在今天结束时,它们的本质仍然是汽车,尽管在过去的100年里,汽车已经改变了很多。人们应当以同样的方式看待大数据。”
“今天,我们拥有基于商业智能的信息系统,人们称它们为数据超市和数据仓库,它们正在从我们的事务处理系统(比如E-Business Suite和其他应用程序提供商)中加载所有的事务信息。而这些有关事务数据的信息是具有真正的价值,它们是公司皇冠上的宝石,它们也不会消失。”
但是,Mendohlson认为,人们现在想利用大数据做的事情只是捕捉各种新型的信息,用以增强和丰富他们目前正在使用的事务信息。“例如,如果你是一个零售商,你可能想到Facebook上,从愿意和你做朋友的客户的Facebook页面中提取信息。其中的大部分的信息都是毫无价值的,是这样吗?所有的婴儿和家庭图片以及类似的东西对你来说都是无用的,你不想把它们保存在你的关系数据库中。但事实上,那些刚刚有了婴儿的人正是零售商所感兴趣的,对不对?零售商可以使用这些信息向上销售婴儿奶瓶、婴儿玩具等一切和婴儿有关的东西。”
因此,对于大数据最重要的是要理解:大数据中存在很多这样的数据,它们中的大部分都是毫无价商业值的,但是同样存在一些宝石,一些有价值的信息,就像上面提到的客户刚刚生了一个孩子的信息一样。你希望得到那些有用的信息,把它们集成到现有的数据仓库的事务数据中并且使用它们做出更好的决策,使公司赚更多的钱。
实践中的大数据
理论上就是这样。然而这在实践中会和客户产生共鸣吗?Mendelsohn列举了三个客户良好的进行实践的例子,他表示这些例子表明确实如此,即客户产生了共鸣。
第一个客户是一家保险公司。“保险是一个我们都很了解的行业。我们都有汽车保险”,他表示:“这种特殊的客户已经有了一个Exadata数据仓库,他们已经捕获了所有与他们顾客相关的事务保险信息:顾客的意外,顾客的政策信息等等。”
他们希望做的是用新的类型的数据增强Exadata,这些新类型的数据可以从汽车获得。现在的汽车上面都装有传感器,可以捕捉你的每一个动作,这种信息被称作汽车远程信息处理数据。他们希望做的是使用该信息实际学习顾客的实际驾驶行为并利用这些数据更好的理解顾客的保险率应该是多少,顾客有什么驾驶习惯,甚至可以帮助顾客更好的驾驶汽车。这实际上是一个非常经典的使用案例。因此他们对用BDA、大数据应用扩展他们的Exadata很感兴趣。
下一个客户是一家旅游公司。“该公司运营着帮助客户查找各种各样旅行信息的网站”,Mendelsohn解释道:“当然,今天他们已经捕捉了他们的客户的所有事务信息,客户选择了哪些行程等。”
“他们希望做的是扩充记录了网站上发生了什么事情的信息。他们希望捕获网络日志,得到社会媒体的数据,用来更好的了解客户的取向,了解客户期待着哪些可能正在进行的旅行,并且合并这些信息和现有的以往的客户事务信息,然后使用它们做出更好的优惠政策,实现业务的增长。”
最后一个客户是一家游戏公司。“游戏产业正成为一个巨大的产业”,Mendelsohn表示:“这家公司的业务是出售各种游戏机和网络游戏,而且他们已经有了一个很大的Exadata数据仓库并且已经分析了其中的信息。他们正在寻求使用BDA扩充Exadata数据仓库,他们还希望使用这些数据了解顾客的期望:更好的了解顾客在游戏中的行为。”
“他们希望了解顾客之间的关系。在游戏中真正有趣的事情之一是人们在一块玩游戏。你会想了解人们在其中相互互动的社交网络,因为当网络中的某个人想做某件事情时,别人可能会做同样的事情。这样游戏公司就可以利用这些信息带来更好的关于游戏的向上销售信息。”
所以整体而言,Mendelsohn的结论是,游戏行业存在着很多利害关系。“这是一个真正的发展了的技术”他指出:“客户拥有现有的属于他们自己的大型BI信息系统,数据仓库、数据超市,真正令他们兴奋地是使用这些大数据扩充他们的业务数据,以帮助他们实现业务增长。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28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