京公网安备 11010802034615号
经营许可证编号:京B2-20210330
进行大数据管理的四类公司
在大数据时代,大数据使不同规模公司变得如此迫切的原因在于公司间有效管理数据的程度导致了竞争差距。据经济学人智能单元(Economist Intelligence Unit)调查表明,就大数据管理,公司可以划分为四类,它们是:战略数据管理者,渴望数据管理者;数据收集者和数据闲弃者。经济学人智能单元根据回馈信息总结了各类公司的个性特点。

一、 战略数据管理者
战略数据管理者在各类公司中以其最为成熟的能力位居大数据管理者的最先进的小组。这些公司大都属于制造业企业、金融服务或技术公司。战略数据管理者首先明确了与公司战略目标一致的专项计量和数据项目。其他特点包括:
1. 它们选取最为适当的数据制定决策,它们收集数据的利用率高;
2. 公司高管人士负责数据运作;
3. 它们对数据管理实施全面重点投资,确保数据的准确、全面和可靠;
4. 它们挖掘新兴数据的潜在价值。
二、 渴望数据管理者
这类公司所占数量最大。它们完全认可大数据对公司未来的重要性。它们允许大数据用于战略决策,对其投资甚为积极。但它们依然落后于先行者。这类公司大都分布在通讯和零售业。其他特点包括:
1. 它们的CEO 不大负责数据战略;
2. 它们现在偏重于从数据中学习更多关于内部业务操作的内容,但希望把更多数据面向顾客应用;
3. 不同于战略数据管理者,它们依然纠缠于全面清理和调适数据;
4. 它们中66%的公司仅将有效数据的二分之一进行了恰当应用;
5. 它们很喜欢抱怨太多数据,但资源不足。
三、 数据收集者
这些公司认识到了数据的重要性,但除了储存数据,它们缺乏资源对数据有所作为。它们被数据湮没。这些公司分布于医疗护理和专业服务行业。其他特点包括:
1. 它们极有可能由一名IT 管理者负责数据战略;
2. 它们受损于IT 部门与业务部门之间差强人意的联合。它们中近1/4 认为IT 部门不理解数据的重要性,另外有1/4 认为业务部门不清楚数据的重要性;
3. 它们疲于大多数数据的质量、准确性和一致性;
4. 它们数据管理的努力大多源于满足规定的要求;
5. 除了技能投资,它们对数据管理的几乎所有方面投资都不足;
6. 对于数据的恰当治理它们没有任何正规流程。
四、 数据闲弃者
坦率地讲,30%的数据闲弃者不注重数据收集。另外70%收集数据,依然严重地应用不足。这些公司经营惨淡,遍布各行各业。它们受害于业务部门和IT 部门之间的不良配合,它们大都安排一名中层经理负责数据战略。其他特点包括:
1. 它们更关心改善内部操作,特别关注内部报告;
2. 它们劳神于几乎数据管理的方方面面(除了数据安全);
3. 在数据管理投资上落后于其他公司;
4. 它们至今奋力于维持充足的数据管理技能。
上述分类刻画了围绕数据管理的竞争态势。随着大数据的演进,各组的特点可能会发生变化。但就当前而言,上述分类有助于公司对号入座,更好地理解发展的机遇和面临的挑战。大数据应用的趋势不可逆转。大数据将永久作为公司决策的工具,其作用会变得越来越重要。任何公司若不围绕大数据发展竞争优势就会落伍。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11