
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
R 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 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29