京公网安备 11010802034615号
经营许可证编号:京B2-20210330
近年大数据(Big Data)成为一项相当热门的名词,几乎所有跟网络有关系的企业,包括政府都在谈大数据,但是台湾目前却很少看到真正有运用大数据的企业,真正利用大数据创造出价值。
大数据价值来自数据
台湾大数据科学家蒋居裕分析指出,经过3年的分析与观察,发现大数据的基本核心价值,最主要还是数据本身,这也是大数据中最有价值的地方,代表大数据时代就是一个「数据为王」的时代。
所有的大数据分析工具与相关产品,没有数据是动不起来的,有人曾用21世纪的石油比喻当前许多数据,蒋居裕指出,这个论点中有一个错误,因为石油是用了就没有了,但是数据只要产生了,就能无限次的使用,且越用价值越高。
其次,要创造大数据的价值,行业市场以及终端对终端(End to End)方案也相当重要,蒋居裕说,并非所有的行业都有利用大数据的需求,但是像电信、零售或是电子商务厂商这样的行业,对于大数据的运用就相当重要。
蒋居裕说,终端对终端方案之所以重要,是因为客户目前往往有钱但没有人,所以这些企业必须仰赖服务供应商去分析数据,完成数据的运用,因此服务提供商不仅要提供解决方案,更需要提供服务。
整体来说,蒋居裕以大自然比喻整个资讯科技(IT)市场,在大数据的时代,数据就像阳光、空气、水一样,是资讯与通信科技(ICT)与所有科学的基础,因此数据本身并不是一个产业,但却是许多产业的价值基础。
数据产品应运而生
当数据产生,有了大数据的价值基础之后,要创造出价值,就衍生出许多数据产品。蒋居裕指出,数据产品就是将一种或数种数据经过分析之后,以软体系统、报表、视觉化图表、决策辅助、云端服务等形式交付给客户。
以社群网站脸书(Facebook)来说,取得了使用者的数据,提供关键字广告或是提供开放的应用程式介面(API),让开发者可以使用这些数据,这都是属于数据产品的一种。
而要发展数据产品,蒋居裕说,必须有团队、数据、区域、工法与心法五大要素,其中最重要的就是团队,因为数据分析毕竟还是需要人,人才看得懂数据,有人有数据之后,对需要的数据区域利用工具、技能等进行分析(工法)。
人才能创造数据价值
除了如何去分析数据的工法之外,蒋居裕强调,对于数据分析运用的心法也相当重要,这包括了对数据运用的信念与知识等等。也因为如此,要创造大数据的价值,不单单是IT人员或是部门的问题,是企业管理的问题。
据国外分析发现,大数据的数据专案超过半数(55%)都会失败,但是一般IT的专案计画的失败率仅25%,中间差了叁成,蒋居裕分析,这样的差距来自于企业对于大数据的眼界不够清楚,对于数据的需求与用途都看不清楚,加上企业缺乏跨部门的协作,造成了这样失败率差距。
蒋居裕说,数据在企业内部是会流动的,通常数据收集部门、储存部门与使用部门都是不同的单位,因此要完成一个数据的专案,企业内部就要跨部门协调,了解该如何运用数据,以及想要达到什么目的。因此需要一个能够整合跨部门资源的人,站在够高的高度才有可能达成。
数据分析投资渐增
而专攻于网络储存的厂商日立数据系统(HDS)指出,巨量数据已成为企业在竞争激烈的产业中求生存的重要营运策略。以银行和其他金融服务公司为例,这些企业都开始对内部数据进行深度分析,以根据消费行为来评估贷款人风险、客户流失率,以及交叉销售或向上销售的机会。
经济学人智库和HDS合作的最新调查报告「资讯长(CIO)的未来:如何步步高陞?」发现,有10%的亚太地区企业在2014年投资了数据分析,而且2015年的投资比例将会增加到12%。
HDS也说,次世代的巨量数据解决方案还必须具备即时分析数据的能力,硬体部分,必须紧密整合可横向扩充的基础架构,以及具备机器学习能力和商务应用软体,才能让布署作业既迅速又在掌控之中,同时达到最佳作业效能。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30