
大数据催生大批分析公司 数据分析师人才_数据分析师
在美国百货商店购物?监管摄像头可能会监视着你的一举一动,而且并不因为你可能是扒手才这样做。几分钟以后,你走过的过道、你挑选和放下的产品、你购买的东西以及捕捉你表情瞬间的视频将会被发送至印度班加罗尔的一家公司。
数据分析公司Mu Sigma CEO迪拉吉·拉贾拉姆(Dhiraj Rajaram)说:“我们可以对这些数据进行分析,以确定消费者购买商品的倾向性及他们的意图、满意度和情绪等。”Mu Sigma自称是全球最大的专业性数据分析公司之一。
存储、解密和分析非结构化数据(即视频、Facebook更新、Twitter消息、互联网搜索和公共摄像头等)以及海量事实和数字的业务,可以有助于企业提高利润,削减成本,改善服务质量,现已成为全球最热门的行业之一。
这种业务被称为“大数据”(Big Data),虽然部分大数据分析工作在美国进行,但印度在这一市场的影响力日渐增强,重新给增长开始放缓的印度IT行业注入动力。大数据之所以能成为印度IT行业的“下一个大事件”,一个原因是随着像Hadoop这样的云计算和开源软件项目的出现,存储并处理海量数据的成本急剧下滑。
创造无限商机
总部设在班加罗尔的数据分析公司Analytic Edge创始人桑托什·纳尔(Santosh Nair)说:“印度目前有数百家小型数据分析公司,每隔几周,我就听说有朋友创办了自己的数据分析公司。”纳尔四个月前辞去了在一家IT服务提供商的工作,创办了Analytic Edge。这家公司研究医药销售、人口趋势等数据,帮助美国一家殡葬服务公司精准确定发起营销活动的地区。
随着数据存储与处理业务的成本急剧下滑,企业纷纷涉足这一行业,试图从中分得一杯羹。纳尔说:“涉足这一行业并不意味着我需要一台存储容量达到50TB的服务器。云计算技术帮助我可以租用廉价的存储空间。每个月我租用10 TB空间的花费可能只要500美元。这并不是一大笔投资。”
10TB的数据相当于时长约2万小时的CD质量的音乐内容。去年全球的数据输出估计为1.8ZB,即18亿TB,相当于2000亿部全长高清电影。麦肯锡全球研究所去年发布的一份报告显示,摄像头、手机和其他电子设备中安装的数以百万计的联网传感器,以及社交媒体网站不断增加的数据输出,都是促使“数据爆发”的原因所在。
报告称,这种趋势给企业带来了无限商机:“一个创新、提升生产效率、增长的新潮流即将到来,同时竞争与价值捕获的新模式也将出现,这一切的驱动力都是大数据,消费者、企业和各个经济行业都在挖掘它的潜力。”
丧失成本优势
由于印度企业向大数据这种知识密集型服务行业的转型,他们注定会失去一定的成本优势,正是这种优势帮助其主导了业务流程外包行业。业内人士认为,印度在大数据领域的成败将取决于其数量庞大的IT工程师,以及IT行业在过去15年作为世界最大外包目的地所积累的丰富经验。
专注于软件与服务领域的美国私募股权公司Symphony Technology Group合伙人马辛德·马赫拉尼(Mahinder Mathrani)说:“印度的成本优势正在被严重削弱。”他指出,“大数据分析领域与人才资源的关系更加密切。具有丰富的商业头脑、分析技能和技术才能的优秀统计人员的身价并不便宜,即便是在印度。”
印度的人才储备将拥有广阔的市场,过去几年随着大数据时代的到来,全球范围内的数据分析师专家都供不应求。此外,印度企业还相信,他们在服务行业的专长将有助于其获得竞争优势。
班加罗尔软件分析公司Zinnov经理桑达拉拉曼·维斯瓦纳坦(Sundararaman Viswanathan)说:“我们是一个服务型国家。例如,我们拥有互联网,并围绕它打造了外包型行业。我们可是这个领域的专家。我们有能力构建一种新型服务,用于寻找正确的问题,搜集各类意见并反馈给客户。”
发展潜力巨大
印度全国软件与服务企业协会(以下简称“Nasscom”)预计,印度大数据行业规模在三年内将达到12亿美元,是当前规模的六倍,同时还是全球大数据行业平均增长速度的两倍。全球大数据行业的规模预计将在3年内从82.5亿美元增至250亿美元。
班加罗尔数据服务公司Analyttica CEO拉吉夫·巴赫纳(Rajeev Baphna)说:“由于成本、技能、语言和学习能力等原因,印度在大数据行业具有非常强大的优势。印度充分利用自己具备的独特优势,专注于在这个领域打造属于自己的空间。这些优势首先是人才,其次是以更低成本实现强大的流程驱动型交付的能力。”
目前,不仅印度小公司纷纷涉足大数据市场“淘金”,而且就连Infosys和Wipro这样的外包行业巨头也开始进军大数据市场,只不过小企业在这种竞争中可能具有一定的优势。马赫拉尼说:“规模更大、更成熟的企业反倒面临更大的挑战。这些企业的现有业务模式令其难以灵活应变。”
大数据在全球市场的应用非常广泛。IBM拥有一个5000人组成的数据分析团队,帮助石油企业更高效地勘测、开采和炼制石油。通用汽车今年五月表示,将投入15亿美元收购大数据分析公司,以充分挖掘多个数据点,找到有效的途径,延长燃气涡轮、喷气式发动机和其他重型设备的运行时间,同时也不必进行不定期维护。CDA数据分析师官网是专门培训数据分析师,为公司更好的提供帮助。
利润大幅提升
大数据在零售行业的潜力无限。据麦肯锡估计,零售商只要全面采用大数据服务,例如去挖掘Twitter、Facebook等社交媒体的趋势,便可以将运营利润率提升60%以上。大数据在医疗保健、保险、银行业和其他金融服务行业同样大有潜力可挖。
对于印度整个IT行业来说,大数据时代的到来会为他们创造新的增长机遇。Nasscom预计,印度软件和IT服务出口额将在截至2013年3月的当前财年增长11%至14%,达到770亿美元至790亿美元之间,但相比于几年前20%以上的增长幅度,仍然有相当大的差距。
此外,金融行业的外包和离岸服务(占印度外包行业产值30%左右)一直饱受抨击,而在印度离岸业务最近不断曝出丑闻以后,这种服务可能会面临更为严格的监管。这些丑闻包括美国纽约州银行业监管部门8月份指控指控渣打集团涉嫌与伊朗政府“密谋”掩盖了超过2500亿美元的非法交易等等。
然而,在大数据时代,尽管当前营收数字不大,人们仍然对这一市场的前景充满乐观。拉贾拉姆说:“我们认为这只是冰山一角。全球的发展速度只会越来越快,因此会有更多的数据、算法、应用和新技术出现。”他说,成立8年的Mu Sigma发展迅猛,员工人数已达到2000人,平均年龄约为25岁或26岁。
拉贾拉姆最后说:“这就好像是招募了一大批‘托尼·史塔克’(科幻电影《钢铁侠》中的超级英雄),训练他们如何使用钢铁侠装备,然后派他们出去打击犯罪分子。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10