京公网安备 11010802034615号
经营许可证编号:京B2-20210330
什么是大数据?其实我们每天都在贡献大数据
什么叫大数据?这个问题似乎离我们的工作生活有点远,但事实上真的远吗?要回答这个问题,我们首先要搞明白什么叫大数据。不去找什么百度知道,不去查什么维基百科,我们用最简单通俗的言词来描述:所谓大数据,不过就是体量达到我们难以想象的那样大的一大堆数据。这些数据的贡献者不是别人,正是我们自己,它们被存放在我们看不见、摸不着的云端。即便如此,却在无时无刻影响着我们的工作和生活。
大数据对企业来说是巨大的金矿
当你清楚地知道全世界智能手机用户喜欢哪些App,当你知道全世界PC用户用Google、用百度怎么搜索、搜索什么的时候,当你掌握了用户在PC端与移动端的使用习惯有什么差别之后,你是否能意识到这些资源对于移动互联网的价值有多么巨大呢?
全球单中国市场,手机的普及程度就已经达到了人手至少一部的程度,可以想象智能手机的市场是多么庞大。拥有一部智能手机只是一个开始,人们使用智能手机的数据收集才是关键,每个人每天至少会启动哪几个App,在每一个App内是如何进行搜索的,每个人在安装了某个App之后是否会卸载掉之前的同类App,等等这一切不光是证明大数据的“大”,同时也是展现了大数据的变化之“快”。
看到这里,你可能已经若有所思,如果掌握这些大数据的人是你,你会如何利用这些资源?于是,一个新的问题来了,当面对大到难以想象的大数据时,你是否具备分析处理它们的能力。谁都不能一口吃个胖子,即便都能塞得进嘴里,能不能咽得下去还的看你有没有那个本事。
这些看似难以想象的高科技玩意,会不会只是大数据分析的结果呢?
如果一家公司如果掌握了大数据,并且同时具备分析处理大数据的能力,那么市场对于这个公司来说就是透明的。但如果是聪明的公司,在这个基础上还会做什么呢?如果用Facebook来做参照物,就会意识到社交所带来的数据交叉性的价值所在,这也是大数据的另一处魅力所在。
简单总结一下,大数据应该具备规模巨大、数据增速快、数据之间交叉性强三大特征。垂涎大数据的公司,需要具备分析处理、有逻辑性提炼的能力。需要指出的是,并不是所有企业都拥有大数据,能够挖掘大数据价值的公司才具备生存的核心竞争力。
大数据对于消费者来说是笑面虎
说了这么多“废话”,可能大家已经不耐烦了,这和我们平时用手机到底有关系吗?答案是肯定的,当然有关系,而且关系还不是一般的大,只是还没有一个契机让我们感受到大数据的存在而已。
我们用手机的行为习惯只是大数据中的一种,也是和我们最密切相关的一类大数据。无论从体量大小、信息量增速快慢、数据间的交叉性哪一个角度来说,我们都在无时无刻地为大数据做着贡献。而这些数据,大多被搜索引擎、以及各种“云”上传到我们看不到的空间保存起来,接着被进行各种分析。从某种程度上来说,用户对于互联网来说,就是不折不扣的“肉鸡”。
没有人愿意做“肉鸡”,但我们又确实是不折不扣的“肉鸡”
无论你是用Android手机、苹果iPhone、诺基亚Windows Phone手机,还是各种大大小小的非主流系统,接入互联网无非就是浏览器和App两种主要途径。要不是“棱镜”事件,我们可能永远也想象不到原来大家其实都在裸奔,毫无隐私可言。
具体到智能手机,纵使Android体验再不如iOS,背后有谷歌搜索、Google+等等撑腰也秒杀一切。微软Bing(必应)搜索做的再烂,微软也始终不离不弃,同样说明大数据对于未来十几年、二十几年的重要性。苹果以2亿美元收购社交媒体数据分析公司Topsy(主要是分析Twitter),重点不在于社交本身、而在于社交所产生数据的价值。从这个层面来说,iPhone也仅仅是体验优秀的终端,未来依旧掌握在“大数据玩家”的手里。
当了解过大数据之后,背后有没有一丝凉意呢?
智能移动终端市场的全球性增长,中国4G终于在2013年底上马,预示着从2014年开始,大数据与云存储必将成为资本家争抢的香饽饽。既然作为“肉鸡”的我们无法逃避,那么至少在消费、使用的时候,能够保持清醒的分析与自我保护能力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23