京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据公司该如何从大数据中获取价值?
大数据是近些年来一直被热炒的话题,而它也的确对未来发展有着颠覆革新的力量。然而,如何从大数据上获取价值,却是一个很让人头疼的问题。对于这个问题,我们还需深入思考。
在人们意料之中,大数据产业在今天上升到了很高的地位!
8月6日,工信部的消息显示,大数据产业十三五规划编制工作已正式启动,日前已在工信部信息化和软件服务业司组织下,召开了规划编制第一次工作会议,成立了规划编制小组,讨论了规划编制工作方案、规划草案、任务分工、近期工作安排等。
大数据产业的未来,越来越值得人们期待。但如何从大数据上获取价值,却是一个很让人头疼的问题。
就在前几天,笔者读到一段很“不合潮流”的话。在一次演讲中,华为轮值CEO徐直军表示:“华为不是一个数据公司,不经营数据,永远不从数据上获取价值。而是与更多和合作伙伴一起来保护我们客户的数据,使客户数据更安全,解决客户面向未来的问题,使客户真正实现信息化!”
对于他的说法,我是持怀疑态度的,甚至感到他说的很不严谨。如果从文字上细细琢磨的话,对客户数据的保护其实也是一种对大数据的利用,保护大数据带来的价值,也是大数据的变现。大数据时代的安全防护,难道不也是一种产业分支吗?在别人利用客户大数据发广告的时候,你保护了这些大数据,除非你是免费的,否则怎么会没有价值产生?即便是360的免费杀毒,也在别的地方产生价值了。华为的大数据,又怎么能独善其身?
很显然,没有人可以游离于大数据的价值之外。不再搞一些文字方面的纠缠了,其实我举徐直军这段话的目的,无非是想说明这一点:“大数据,不经意间就会产生价值。”于是,再回到一开始那个问题:“大数据公司该如何从大数据上获取价值?”
对于这个问题,一直以来我个人的观点是这样的:“第一,大数据必须要利用,否则就是浪费,同时弃之不用也对我们的发展不利。第二,大数据的利用要遵循三个原则,一是不能以影响用户体验为代价,二是不要采取非法手段去牟利,三是应该确保大数据的利用是在绝对安全的前提之下,或者最大限度的安全之下。第三,大数据要有公众监督,不能暗箱操作,要有透明性。”
我之所以持有这样的观点,是因为这几个问题是目前外界对大数据比较关注但也很容易被忽视的问题。目前,人们纠结于利用或不利用大数据,却忽略了怎么用,怎么好好的用,怎么用好。虽然目前大数据还没有做到真正的商业化,但之前一些关于大数据的“警报”却必须引起我们的重视,比如社保信息泄露,比如某些电商的信息泄露等等。
对于我的问题,以及这几个观点,笔者向大数据解决方案提供商成都数之联科技CEO周涛请教。周涛是这样回答我的。
关于大数据本身,他认为,“大数据”是“数据化”趋势下的必然产物。数据化最核心的理念是:“一切都被记录,一切都被数字化”。
对于这个观点,我是赞同的,因为这就是大数据的本质。“天空没有留下翅膀的痕迹,但我已经飞过”,这只是诗歌,不是现实。
对于如何从大数据上获取价值,周涛认为:“对此,我们要做得是1,解决‘信息过载’的问题,即通过自动化、规模化的方式为每一个用户找到他感兴趣或者需要的信息;2、从非结构化的数据中挖掘出价值,甚至在尽可能少损失有价值信息的前提下将其结构化; 3、在数据隐私和安全得以保障的前提下,从关联的数据中挖掘出‘一加一远大于二’的价值。”
周涛的观点,应该是从企业角度来说的。按我理解,应该是这样三个应用步骤:“一,如何提取大数据;二,如何优化大数据;三,如何合理利用大数据。”说的虽然简单,但很清晰。尤其是“一加一远大于二”的说法,很有启发性。
不过,对此我还有几点疑问:“第一,提取大数据的方法有了,但大数据的主人是否愿意让企业提取呢?比如,我购买商品,留下了我的信息、地址甚至电话,这些我是不愿意让别人提取的。第二,大数据优化的过程中,有价值的信息留下了,但那些在商家眼里无价值的信息怎么处理?一旦所谓无价值的信息被遗弃,最终落入别有用心的人手里,那会怎么样呢?”同时,我还有一个宽泛一点的问题,大数据的安全该如何保证呢?
真正的物联网时代还没有到来,但已经近在咫尺,大数据公司该如何从大数据上获取价值,这是个必须要思考的问题。对于我的问题和忧虑,我很希望周涛或者是其他的行业人士能给我一个解答。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA(Certified Data Analyst)数据分析师的能力体系中,线性回归是连接描述性统计与预测性分析的关键桥梁,也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA(Certified Data Analyst)数据分析师的全流程工作中,无论是前期的数据探索、影响因素排查,还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19