京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据如何贡献大价值
一切的现象都在告诉人们,一个新的科技时代似乎正在来临。有些IT职业追潮人士甚至激动地认为“人类历史上第三次科技革命”即将到来。
大数据之惑
问题在于,什么是大数据?为什么人人言必称大数据?
“很大很大的数据”就是大数据。对“大”的定义在不断刷新。10年前1GB数据已经很大了,今天,1000GB并不算太大。
问题其实不在于大,而在价值。“大数据”再大仍旧只是数据,没有足够有效的分析与应用,一切数据都是垃圾。纽约时报专栏作家David
Brooks认为,缺乏足够有效的分析是大数据的最大问题:越来越多的数据,带来越来越多的相关性;其实很多相关性都是没有意义的,这种欺骗性质的数据关联会把数据管理者和使用者引入歧途,浪费大量的人力物力去管理、分析这些数据。
除了传统意义上人们认为的那些有行有列有数值或者文字的数据表单之外,IT技术还帮助人们收集了越来越多的其他类型的资料,比如视频,语音,图片,文档等。这些被称为“非结构化数据”。
结构化与非结构化数据每天都在成倍的增加。以道路视频监控为例,全上海的摄像头有10多万个,每一刻都在记录图片与视频。一旦发生案件或者事件,这些记录在硬盘库里的资料就成为侦察与审判环节的重要证据。尽管目前技术尚不支持,业界仍然期望未来能在TB乃至于PB级的视频数据里搜到一张特定身影或者脸孔。这类搜索/分析技术未来将是启动视频类大数据应用的引擎。
同样,基于语音、照片或者文本的分析与数据挖掘同样可以给人类对数据的理解带来革命性的突破。问题在于,这类技术仍停留在实验室阶段。
尽管没有足够的应用,大数据仍然不可阻挡地火热了起来。不扯上大数据似乎就要落伍了一样,大数据满天飞的日子来到了。至于这股潮流到底会演变成象。com一样的泡沫,还是第三次产业革命,在华威先生们眼里,已经根本不重要了。业界,数据库/存储等领域供应商当然乐见其成,而企业的IT经理们则又多了一个申请预算的借口。
数据的价值及企业数据战略
数据的获取与存储仍然是IT建设的基础架构。一旦决定启动“大数据战略”,对资源源源不断的占用使得这一工作黑洞化。如何规避这种大数据黑洞?结合全球主要行业领导企业以及部分小而强的欧洲企业的成功案例,我认为,应该以应用(分析及业务决策)为中心建立相应的数据战略,并且随之建立相应的从收集数据、管理数据到最终业务决策的一整套流程。而不是为数据而数据——首先要建立以应用为中心的数据战略。说到应用,银行、保险、汽车、化工等几乎所有行业都在开展以数据分析为基础的各种应用,以JMP软件全球行业案例库里面的部分典型客户为例:
电商在分析顾客采购行为数据,以进行促销和相关货品推荐(交叉/提升销售)
航空公司在调查旅客反馈,以改进空中服务(客户挽留)
药厂在对临床实验数据进行分析,以判断新药的安全性和有效性(研发新产品)
汽车厂商在对维修信息进行分析,以改进汽车整车和关键零部件的可靠性以提升客户满意度(挽留及获取客户)、降低客户拥有成本和车厂的保修成本(降低成本)
手机公司在对手机销售量进行预测,以合理排产与优化库存(运营优化)
卫生管理部门在运用数据模型对流行病趋势进行描述、监控与预测
银行在对客户服务流程进行优化与改善,以提升客户满意度
电脑厂商在利用客户对不同配置组合进行市场调查,以进行定价
保险公司在根据保单出险情况进行保单定价的动态调整,以确保该产品基本盈利能力
半导体企业在对制造全流程数据进行分析/建模/优化,以改善工艺,提升良率,从而实现成本降低与利润提升
食品公司在利用数据分析和市场调查手段,研发本地客户最喜好的口味
快速食品行业在利用JMP地图分析工具与人口统计学相结合,以进行门店选址,客户获取及供应链优化
只有足够有效的应用,方可获取数据的价值。企业只有在战略层面确立了数据分析的重要性,方可持续改善。以GE为例,六西格玛及相应的数据分析流程已经成为GE的全球战略与文化。不仅如何,GE还持续不懈地推动基于数据分析的持续改善工作。在高端航空发动机研发及GE能源系统业务领域方面,GE也与时俱进,导入JMP所代表的业界最高水平的实验设计(DOE)方法,以进一步提升其研发水平。
其次,一切都离不开人。与这股指数级增长的数据分析需求相对应,统计、分析类人才正成为职场上的稀缺品种和抢手货。3月初华尔街日报刊登了“全美最抢手职业排名”,数据分析类职位高居榜单第二位。这是美国。对中国来说,或许排名更高,因为稀缺。
最后,建立一整套以数据分析及决策流程,以取代传统的拍脑袋决策体系。这一点对于中国企业来说尤其需要强调。这不仅仅是对战略的有效执行,更需要企业拿出“改变”的决心和勇气,在制度层面体现出对“改变”的鼓励和包容。
在这个应用为王的年代,对于企业来说,不论是搭建基础架构还是应用软件,要不要投入,如何投入,其实是个老话题了,无外乎价值与价格。大数据/云计算,不论名字如何变化,逻辑依旧。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
一、问题:为什么 ID 会"断号" 很多刚接触 MySQL 的同学都会有一个困惑:表里的主键 ID 是自增的,删了中间几行数据之后,ID 变 ...
2026-10-22一、问题场景:为什么会重复 JOIN 同一个子查询 在写复杂 SQL 时,经常遇到这种需求:同一张表或同一个聚合子查询,要和主表关联 ...
2026-10-22人力资源专员是HR体系的执行入口。招聘信息发布、简历初筛、面试安排、考勤汇总、入离职手续、劳动合同与档案管理,大多由这个岗 ...
2026-10-22人力资源经理问“必学技巧”,真正要解决的不是知识清单不够长,而是时间有限、业务催得紧,学完却用不上。更有效的路径是:先用 ...
2026-10-22内容营销岗位的核心任务,不是“把文案写得更漂亮”,而是围绕目标受众,用持续的内容供给影响认知、推动转化并沉淀复购。它至少 ...
2026-10-22理财经理培训课程很多,难的是判断“先学什么、后学什么、学完能做什么”。与其按课程名称罗列,不如先看岗位任务:客户分层与维 ...
2026-10-22理财经理的知识结构,可以先用一句话概括:合规与产品知识决定“不出错”,客户经营与资产配置决定“够不够专业”,市场研判与数 ...
2026-10-22经济学背景做数据分析,优势不在工具,而在问题意识:供需如何相互作用、成本与收益如何权衡、变量之间是相关还是因果。真正的缺 ...
2026-10-22需要,但要把“需要”理解准确。经济学本身就在处理数据:GDP、物价、就业、企业营收、问卷调研,都是经济分析的原料。真正的区 ...
2026-10-22经济学分析能力不是单一技能,它至少由三层构成:把现实问题转成可检验假设的理论框架能力、用数据与统计方法验证假设的工具能力 ...
2026-10-22金融分析师的知识提升,先补的不是更多模型,而是让结论可复核的底层能力。按任务顺序,大致是四层:财务与业务理解、指标口径管 ...
2026-10-22金融分析师的“通用技能”,指换到不同机构、不同行业组仍用得上的底层能力,而非某家公司内部系统的操作经验。按任务拆,日常要 ...
2026-10-22先给结论:数据分析证书不是金融分析师的准入条件,招聘方也不会因为一张证书就直接判断你能做分析。要不要考,取决于你当前任务 ...
2026-10-22金融分析师的核心技能,不是“会看K线”或“会讲宏观”,而是能把一家公司、一个行业或一类资产,转化为可核查的数据判断与书面 ...
2026-10-22产品经理的知识提升,不是把需求文档、原型、SQL、数据分析、项目管理都学一遍,而是先对准目标岗位的真实任务,找出自己最缺的 ...
2026-10-22产品专员提升工作知识,最有效的方式不是先囤课程,而是围绕日常交付的四件事来补:需求调研与优先级判断、原型与PRD表达、竞品 ...
2026-10-22产品运营专员提升个人能力,常见误区是先把Excel、SQL、Python列成一张学习清单,然后从第一个工具开始学。更有效的做法是先回答 ...
2026-10-22产品运营的能力提升,最怕从“课程目录”出发:今天学增长模型,明天背SQL语法,学完却说不清自己负责的功能为什么激活率低。更 ...
2026-10-22产品经理的技能和影响力不是两条分开的赛道。技能决定你能不能把问题分析清楚、把方案设计对;影响力决定你的判断能否被团队接受 ...
2026-10-22产品经理要学的数据分析能力,不是“会写SQL”或“会用BI工具”这么简单。更准确地说,是围绕需求评估、功能迭代、指标监控、实 ...
2026-10-22