
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
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03