京公网安备 11010802034615号
经营许可证编号:京B2-20210330
解决七大问题释放大数据力量
要充分发挥大数据的潜力,必须解决几个问题。
数据政策。随着数量越来越多的数据被数字化,在跨越组织边界而流动着,一系列政策问题将会越来越重要,这包括但不限于隐私、安全、知识产权和责任。显然,随着大数据的价值愈加明显,隐私是个重要性(尤其是对消费者来说)不断提高的问题。个人数据(例如健康和财务记录)经常能够提供最重要的人类福利,例如,帮助准确确定适当的医疗或者最恰当的金融产品。然而,消费者也将这些类别的数据视为最敏感的。显然,个人和其生活所在的社会将不得不努力在数据隐私和数据的功用之间权衡取舍。
另一个密切相关的担忧是数据安全--例如,如何保护竞争方面敏感的数据或者应该保持隐私的其他数据。最近的例子表明,数据被盗不仅暴露消费者个人信息和企业保密信息,甚至还会暴露国家安全秘密。鉴于严重的数据被盗事件有增无减,通过技术和政策工具解决数据安全问题将成为关键。
大数据日益提高的经济意义也提出了一系列法律问题,尤其是当与如下事实联系起来时:数据与许多其他资产具有根本性的差异。数据可以与其他数据结合起来完美而轻松地复制。同样一份数据可以由多个人同时使用。这些是数据与实体资产相比的独有特征。有关数据所附带的知识产权的问题不容回避:何人“拥有”某份数据,某一数据集附带着何种权利?数据的“公平使用”的定义是什么?此外,还有与责任相关的问题:当一份不准确的数据导致负面结果时谁应负责?要充分发挥大数据的潜力,此类法律问题需要澄清,也许会随着时间的推移逐步澄清。
技术和技能。要通过大数据获取价值,组织将不得不部署新的技术(例如存储、计算和分析软件)和技能(也就是新的分析类型)。技术难题的范围以及解决它们的优先次序将因机构的数据成熟度而异。以前遗留下来的旧系统和不兼容的标准和格式也常常会妨碍数据与能够通过大数据创造价值更尖端分析工具的整合。新的问题和不断提高的计算能力将刺激新型分析技能的开发。另外,人们还需要(技术和技能方面的)持续创新,以帮助个人和组织整合、分析、可视化和消费不断扩大的数据洪流。
组织变革和人才。组织领导往往对大数据蕴含的价值以及如何释放这一价值缺乏了解。在竞争性部门中,这对某些企业来说可能是阿喀琉斯之踵,因为它们那些站住阵脚的竞争对手(以及新进入者)可能会利用大数据与之竞争。正如我们指出的那样,许多组织没有现成的人才从大数据中获得洞察。此外,当前许多组织并没有适当构建工作流和激励措施以便优化大数据的使用,从而做出更好的决策并采取更有根据的行动。
使用大数据将成为现有企业的一个关键竞争领域,并将会创造新的竞争对手,它们能够吸引具备大数据世界关键技能的人才。
数据访问权。为了促成变革性的机遇,各企业将越来越需要整合来自多个数据源的信息。有些情况下,组织能够购买数据访问权。而另外有些情况下,第三方数据访问权往往并非能够轻易获得。第三方数据来源也许并未考虑分享这些数据。有时,经济激励措施并未协调一致以鼓励利益相关方分享数据。持有某一数据集的利益相关方也许将其视为一种竞争优势的来源,因此不愿意与其他利益相关方分享。其他利益相关方必须找到适当方式,向有价值数据的持有者提供富有说服力的价值主张。
行业结构。竞争强度和业绩透明度相对缺乏的部门,以及利润池高度集中的行业,在充分把握大数据的益处方面,可能步伐较慢。例如,在公共部门,由于缺乏竞争压力,效率和生产率受到限制;由此,该部门在通过运用大数据获取价值时面临着比其他部门更困难的障碍。美国医疗卫生是另一个例子,说明了行业结构可如何影响通过大数据获取价值的难易程度。该部门不仅缺乏成本和质量方面的业绩透明度,而且缺乏一种让参与者通过使用临床数据获得收益的行业结构(减少在不必要的治疗方面的支出)。然而,费用支付者取得的收益要由提供者来承受代价(收费的医疗活动减少),支付者又不得不从提供者那里获取临床数据。正如这些例子所表明的,组织领导和政策制定者将不得不考虑在大数据世界中行业结构应如何演变,以确定如何在单个公司、部门以及整个经济体的层次上优化价值创造过程。
有效使用大数据有可能改变经济格局,带来新一波的生产率增长和消费者剩余价值创造。使用大数据将成为现有企业的关键竞争基础,并将会创造能够吸引具备大数据世界关键技能的雇员的新竞争对手。组织领导需要认识到大数据所带来的潜在机会以及战略威胁。然后,他们应评估并弥补其目前的IT能力和数据战略与把握相关数据机会所需要的能力及战略之间的差距。领导者在决定可以将哪些数据池组合起来以创造价值和如何获得这些数据池的访问权时,以及在解决安全和隐私问题时,应具有创造性和前瞻性。就隐私和安全这一主题,当前的问题可包括帮助消费者了解使用大数据的收益和风险。同时,企业要在数据方面做到更为明智,需要招募并留住能够进行深入分析的人才,并留住自己的分析师和管理人员,建立一种在决策过程中重视大数据的使用并予以奖励的文化。
政策制定者需要认识到利用大数据释放其经济的下一波增长这一潜力。他们需要提供相应的制度框架,以便企业能够轻松通过数据创造价值,同时又可保护公民隐私并提供数据安全。他们还可以在通过教育和移民政策帮助缓解人才短缺方面,以及落实技术推动因素(包括诸如通信网络等基础设施)方面,发挥重要作用。此外,政策制定者必须确保加速进行选定领域(包括先进分析工具)的研究以及创造能够鼓励创新的知识产权框架。能够协调激励措施的创造性解决方案也是必需的--比如,包括要求分享某些数据以推动公共福利。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27