京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据无疑是未来影响各行各业发展的最受瞩目的技术之一。根据IBM的一项研究,过去两年生成的信息占整个人类历史信息总量的百分之九十。换言之,大数据的体量已经达到了传统数据库管理系统无法有效处理的程度。人们无论是使用手机,还是进行网络购物,都会留下自己的数字足迹。
数据信息的大爆炸,无疑将引发企业的巨大管理变革。“应该说,大数据会让企业更好地理解消费者,同时让决策变得更加有效。当然,它带来的挑战也不容小觑。”埃森哲战略咨询全球董事总经理马克·斯佩尔曼在本届达沃斯论坛上向记者表示,“如果企业忽视了这些数据,将会引发巨大的竞争风险。”
那么,大数据将为商业世界带来怎样的本质性的变化?
掘金大数据
眼下,各个行业都在产生数据,现代社会的数据量正持续地以前所未有的速度增加着。与此同时,数据的类型变得难以计数,包括文本、微博、传感器数据、音频、视频等,各种形式的数据都出现了爆炸性增长。
传统的数据分析,是通过提出假设然后获得相应数据,最后通过数据分析来验证假设。而大数据恰恰相反,它是从收集的海量数据中,通过算法将这些来自不同渠道、格式的数据进行直接分析,从中寻找到数据之间的相关性。简单而言,大数据更偏重于发现,以及猜测、印证的循环逼近过程。
一方面,大数据有助于人们发现事物的个体特性,并针对每一个个体提供差异化的解决方案;另一方面,大数据研究也能帮助人们从大量个体的差异变化中,揭示其中存在的难以察觉的规律。
“打个比方,当一辆高铁在行驶过程中,大数据技术是通过各个外部渠道的实时数据来分析高铁的安全性。在分析的同时,火车仍在行驶,不会停下。”马克·斯佩尔曼表示,“而传统的分析方法,是一定要等出现事故后才进行追溯分析。”
马克同时坦言,驾驭大数据的能力并非那么容易获得。很多时候,传统的商业智能系统与分析软件,在面对视频、图片、文字等非结构化数据时,往往束手无策,缺少有效的分析工具和模型。
“一直以来,大数据技术的难点并非在数据的收集上,而是如何利用这些数据。”马克称,“企业必须去芜存菁,将数据转化为正确的商业决策,才能与竞争对手形成差异化。”
就这一点来说,全球最大的拍卖网站eBay的做法颇为典型。譬如,一位年轻的女性早上10点在星巴克浏览eBay网站,eBay应该推送给她什么样的商品呢?事实上,eBay此前已经研究了各种不同情形下的不同购物模式,它可以从用户以往的浏览记录里推断她想要什么样的商品,也可以从设定的成百上千种情景模型中计算出用户可能的需求;或是对照另一位有着相似特点的女性用户,看她当时买过什么样的商品,从而判断出这位用户潜在的需求。在综合各种考量因素后,eBay的后台往往在短短几秒内将商品页面推送给用户。
变革与挑战
通常情况下,获得的信息越多越有利于企业做出明智的决策。但很多时候,数据量过大、数据模型欠缺,会让分析的结果与真实状况大相径庭。就eBay而言,其基于数据分析后“猜错”的情况非常非常多。
据专家测算,数据分析师的50%~80%的时间都花在了处理数据上。即便如此,数据搜集的偏差、误差积累叠加、假关联性、数据外生性等问题,纷纷“污染”着分析运算的结果。
在此基础上,全球数据目前以每两年翻一番的速度递增,2007年时,全球传感器获取的数据就超过了存储总量。大数据的存储成本很高,而要获取一些新数据,就必须丢掉旧数据。这同样不利于数据的分析与研究。
此外,来自各种传感器、文档、网页、数据库的数据,大多是不同的格式。而这些数据要被软件理解和分析,必须被转换为统一格式。
将各类数据进行格式统一,又是一个严峻的挑战。数据和人类语言一样都具有模糊性,有些数据人们知道是什么意思,计算机却不能识别。于是,很多时候,人们不得不一次又一次地重复数据转化的工作。
相比于大数据带来的技术挑战,更大的难题来自于决策的变化。在信息有限、获取成本高昂且没有被数字化的时代,企业内作重大决策的人往往都是组织的最高层,或是外部拥有专业技能和显赫履历的智囊团。时至今日,高管的决策仍然更多地依赖个人经验和直觉,而不是基于数据。但到了大数据时代,数据分析会直接影响组织怎样做决策、谁来做决策,从而减弱个人的共识性。一个明显例子是,在媒体业,《赫芬顿邮报》和Gawker网站上传播的新闻通常取决于数据,而不再取决于编辑和记者的新闻敏感度。数据比有经验的记者更能揭示出哪些是符合大众口味的新闻。
不过,大多数组织都无法轻松地完成这一转变。在9月10日举办的达沃斯论坛上,普华永道发布报告称,调查显示仅有三分之一高管们表示,他们在上一次制定重大决策时采用了数据和分析。虽然有58%的高管们在决策制定上,还是依据直觉、经验、建议以及在企业中的其他经验,但43%的高管们承认,那些拥有高度数据驱动的企业,在过去两年的决策制定获得了很大的提升。所有高管们都表示,未来两年将优先考虑对高质量数据分析的投入,以更好的制定决策。
“应该说,大数据并不会完全取代个体做决策,即便取代,那也有很长的路要走。”马克指出,“但大数据会改变人们做决策的内容和方向,会对管理者的知识结构和分析能力提出更高要求。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30