
大数据如何创造商业价值_数据分析师
互联网行业的发展是否为大数据时代到来提供了更多有利条件?这些数据有什么新的特点?
石现升(中国互联网协会副秘书长):从目前整个互联网行业发展来看,前一段时间我们做了一个预测,关于到2020年国际互联网环境和整个发展规模的预测。到2020全球网民预计达到52亿人,每秒钟增长7.9人,未来七年互联网网民增长主要来自于亚洲和非洲地区,人口预计到2020年到80亿,所以网民普及率达到65%。从目前增长的趋势来看是比较平缓,很难再有互联网初期爆炸式增长的时代。全球网站数量预计2020年将到17亿,目前网站数量是6.4亿,预计到2020年,平均3个网民将拥有一个网站,这些将是大数据时代数据的主要来源。
大数据时代到来的特点是群体和个体交互方式发生了改变,我们可以看出,从社交网站、电子商务平均、视频、游戏、旅游、人力资源、彩票等各方面对整个大数据的利用平均非常的明显。第二个特点是移动设备的数据交换分享增长迅猛,从固定互联网到移动互联网,到物联网的时代可以看出,在终端层是90年代开始固定互联网时代,到2007年以后的移动互联网,到物联网时代都经历了迅猛的增长。
信息成为新的商务核心,从量上来看,未来十年内将增加44倍的数据和内容,其中80%的数据为非结构化的数据,传统是以结构化数据为主。同时信息处于新一轮数据发展的核心,交互数据是移动通讯记录、社交网络、社交媒体等。传感数据包括环境监控、位置数据、视频监控,从交易数据包括企业ERP、POS系统、网上支付系统等。大数据时代的数据特征分析,包括海量化、多样化、快速化和价值化。
科技日报:把大数据应用到商业层面,能不能举些具体的例子?有哪些特点?
石现升:以腾讯对大数据的合理使用情况来说,以视频行业为例,主要了解消费者的使用习惯、网络广告、视频广告的形式,哪种投放形式是用户最容易接受,包括多媒体内容产生的模式。通过大数据的形式可以建立智能化的平台,实行个性化的营销行为,对消费者进行具体的精准的分析。通过大数据的价值提升腾讯视频的用户体验。目前的效果是月度覆盖用户2.755亿,年增长率高达250%—300%。
我们从大数据业务特征来看,数据爆炸增长,结构类型复杂,用户行为丰富,Web社群关系复杂。需求分析方面利用大数据分析提升用户体验,增加用户黏性。具体应用方面是社交网络广告精准投放。
大数据的价值如何提升企业信息管理能力,包括可以优化归档成本,以前是海量的信息,经过大数据时代用户行为模式的分析,可以做到最有价值的信息进行归档保存,精简合并任务、信息即服务、丰富数据内容、信息追踪机制、公司治理过程,还有面向大数据的企业管理方面,可以提升公司的治理效果。
同时大数据的价值可以改进企业商业决策,传统做法是结构化、可分析,逻辑性。新的路径是提高了创造性和整体思维能力,以及提高用户的知觉。
传统做法是数据仓库来自于事物数据、内部应用数据、主机数据和ERP数据,到大数据时代做到非结构化数据和迭代新的数据来源。
科技日报:面对采集上来的大量信息,该如何合理安全的使用?有没有这方面的规划?
石现升:关于合理使用,目前随着互联网的普及度提高,用户越来越关注个人信息安全和使用网络的安全,包括交易行为的安全等。社会行业应该形成严谨的处理,利用个人信息的氛围形成行业规范,使得公众敢于放心提供个人真实信息,形成公众对大数据的社会信任感。企业、社会组织的力量从规范制度到规范贯彻实行,从宣传层面到从技术层面共同努力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 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 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02