京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据分析的重点不是数据,而是问题
大数据分析最关键的不是数据,而是找到需要解决的问题,邓白氏高级副总裁、首席数据官安东尼·斯克里费加诺(Anthony Scriffignano)认为,任何一个拥有大量数据的公司, 不能随便就找个数据公司来分析,而是找到自己需要解决的问题 。
“ 他们可以告诉你很多事情。但是不解决任何问题。 ”2015年 12月24日,斯克里费加诺接受财新记者采访时表示,作为国际上最著名、历史最悠久的企业资信和金融分析公司,邓白氏已经和数据打了174年交道,虽然在大数据这一概念之初他们就开始使用这个工具,但是现在面临的最大困难还是,如何用适当的方式解决合适的问题。
1841年成立于美国新泽西州的邓白氏公司一直不断通过技术创新开拓信用评估市场,分拆上市前的穆迪公司、美国最著名的黄页广告公司丹尼雷公司和美国最大的市场调查公司尼尔森公司,都是其子公司。邓白氏的客户中,不仅包括全球最大的、最成功的企业,也有中等规模的和刚刚成立的小公司。
大数据分析,则是目前邓白氏所提供的万千种产品之一。斯克里费加诺说,现在全世界的数据中, 85%的数据是非结构化的 ,而我们过去重点分析的结构化数据,只是其中的15%,只是基于这些数据做出决策已经不合时宜。而通过大量非结构数据,不仅可以挖掘新的商业信息,也可以找到新的商业模式,这在10-15年前是完全不可能的,那时甚至没法描述这些数据。
他举例说,通过大数据分析,可以帮助客户找到新的合作伙伴,找到服务的重点,找到新的顾客。很多时候,他们不仅需要客户提供的数据,还要参考自己手头所掌握的数据,来做出正确的分析。“这项工作几乎永远没有终点, 你要想比竞争对手领先一步,永远都是一个挑战 ……虽然我们没法掌握地球上所有企业的信息,但是我们掌握的数据肯定比地球上任何企业都多。”斯克里费加诺说。
在乌镇的世界互联网大会上,斯克里费加诺碰到许多中国的同行,虽然他们并不都是从事大数据分析服务的公司,但也都在使用大数据,所面临的挑战也是相似的。例如,如何面对新的数据形式,如何面对高度动态化的数据等,“大家关心的主题是云计算,如何使用新的分析工具,但是很少人讨论 我们所面临的挑战究竟是什么,应该解决的问题是什么 ,” 斯克里费加诺说。
对于正在或者希望投入大数据行业的同行们,斯克里费加诺有三个建议。首先就是,最重要的不是数据,而是问题。“ 这里有一大堆数据,我们来分析一下有什么意义 ”,这样是不可取的。要从数据中发现,是否有新的商业行为,要知道自己希望解决什么问题,应该是“ 有没有可能发现新的商业行为 ,能帮助我们了解什么样的企业在增长,什么样的企业在走下坡路”。
第二是需要找到正确的人,他们拥有合适的技能,现在很多人都以数据专家自居,都在谈大数据分析,其实他们 只是给自己加了一个新的标签 ,他们未必拥有把大量繁杂的数据放在一个平台上分析的能力。
第三是领导者的能力要随时更新。现在行业变化太快,现在能够生存,不证明5-10年后能生存。当电视机从CRT过渡到液晶电视的时候,很多的企业主对后者的技术是一无所知的,所以就像恐龙一样消失了。所以领导者要避免自己变成恐龙,就需要不断了解新的技术,提出新的问题,因为这个行业变化太快了。
在这次世界互联网大会上,斯克里费加诺曾经表示,应对海量信息的挑战,需要创新,不仅是做新的事情,也可以 用新的方式来做以前的事情 。有很多没有解决的问题,需要 把它们分解 ,虽然可能还没有解决,但是问题已经变小了,这也是邓白氏现在正在从事的工作。
例如很多小微企业,通过大数据征信报告,成功在银行获得了无抵押贷款。而在迅速变化的时代,银行业本身存在的必要性也受到了挑战。斯克里费加诺说,他曾经问一个同行,10年以后会不会有银行,这位同行的答案是,除非他们做出改变。而在斯克里费加诺看来,银行当然会继续存在,但是 银行业也必须做出改变 。同样,征信行业也需要改变,甚至人们对于信用的理解也需要改变。
大数据带来的也并不都是好处,斯克里费加诺也提醒说,必须要意识到有一些居心不良的人躲在互联网的技术后面,如果不采取措施的话,这些居心不良的人他们能够有更多的进行网上诈骗、网上盗窃的非法行为会更加猖獗。我们会看到更多的问题,所以我们现在必须要进行很好地观察,而且也是要意识到在 网络上还是有很多问题的 ,这也是我们所面临的挑战。
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在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12