
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
在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19