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
在零售行业从“流量争夺”转向“价值深耕”的演进中,塔吉特百货(Target)以两场标志性实践树立了行业标杆——2000年后的孕妇精 ...
2025-12-15在统计学领域,二项分布与卡方检验是两个高频出现的概念,二者都常用于处理离散数据,因此常被初学者混淆。但本质上,二项分布是 ...
2025-12-15在CDA(Certified Data Analyst)数据分析师的工作链路中,“标签加工”是连接原始数据与业务应用的关键环节。企业积累的用户行 ...
2025-12-15在Python开发中,HTTP请求是与外部服务交互的核心场景——调用第三方API、对接微服务、爬取数据等都离不开它。虽然requests库已 ...
2025-12-12在数据驱动决策中,“数据波动大不大”是高频问题——零售店长关心日销售额是否稳定,工厂管理者关注产品尺寸偏差是否可控,基金 ...
2025-12-12在CDA(Certified Data Analyst)数据分析师的能力矩阵中,数据查询语言(SQL)是贯穿工作全流程的“核心工具”。无论是从数据库 ...
2025-12-12很多小伙伴都在问CDA考试的问题,以下是结合 2025 年最新政策与行业动态更新的 CDA 数据分析师认证考试 Q&A,覆盖考试内容、报考 ...
2025-12-11在Excel数据可视化中,柱形图因直观展示数据差异的优势被广泛使用,而背景色设置绝非简单的“换颜色”——合理的背景色能突出核 ...
2025-12-11在科研实验、商业分析或医学研究中,我们常需要判断“两组数据的差异是真实存在,还是偶然波动”——比如“新降压药的效果是否优 ...
2025-12-11在CDA(Certified Data Analyst)数据分析师的工作体系中,数据库就像“数据仓库的核心骨架”——所有业务数据的存储、组织与提 ...
2025-12-11在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02