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
在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29