京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“大数据”和谁有关_数据分析师
和想在大数据时代掘金的人有关,和在金矿附近“卖水”的人有关!
“只听楼梯响,不见人下来。”用这句话来描述很多尚处于萌芽状态的商业机会,真是太合适不过了。
“大数据商机”也正是如此。这个最早由麦肯锡提出,最后由《大数据时代》一书体系化的概念与思潮,近年来一次又一次吸引着人们的眼球,拍打着人们思想的堤岸。相信吧?不知从何下手;不相信吧?又怕落伍于时代!
正是抱着这种矛盾的心情,笔者买来了《大数据时代》一书,想看看它到底讲了什么?在“这个时代”,企业又能用什么新方法赚钱?
说实话,几个小时翻下来,那些道理论述并没有让笔者眼前一亮,倒是书中举的一些例子,让笔者有了一点儿管中窥豹的感觉。
书中写道:一天,美国折扣零售商塔吉特的一家门店来了一个男人,要求经理出来见他。他气愤地说:“我女儿还是高中生,你们却给她邮寄婴儿服和婴儿床的优惠券,你们是在鼓励她怀孕吗?”而当几天之后,商店经理打电话向这个男人道歉时,这个男人的语气变得平和起来。他说:“我和女儿谈过了,她的预产期是8月份。是我完全没有意识到这个事情的发生,应该说抱歉的人是我。”
这个戏剧性的故事为何会发生?难道是误打误撞吗?非也。按书中说法,这和“大数据”有关。原来,这家商店通过分析女性顾客的消费记录,发现女顾客在怀孕第三个月时会买很多无香乳液,几个月后,还会买一些营养品。通过分析,商店最终找出了20多种关联物,并用这些关联物给顾客进行“怀孕趋势”评分,然后在孕期的每个阶段给顾客寄送相应的优惠券!
类似的例子,书中还有一些。于是,笔者隐约明白了:“大数据时代”,企业赚钱的新办法就是对大量的数据进行分析,找出一些要素和商业机会的关联!但如果其应用仅仅是类似上面这样简单的例子,我们也就无需关注那些关于“大数据”的理论了。因为国内的保险公司、礼品公司对此早已驾轻就熟。问题是,如果“大数据”的应用更复杂,比如说一家通信运营商,怎样才能依靠“智慧的分析”,预测到90天内可能发生的客户流失并采取行动?这就远不是这家公司自身能做的到了。这时候,它就需要专业的服务。服务商是谁呢?很可能是IBM!
确实,上述通信运营商问题的解决,靠的就是IBM的服务。在广告里,IBM说帮助这家公司在一年内将客户流失率降低了35%!
也正是IBM这则“从拥有数据,到预判需求,这就是大数据的威力”的广告,让笔者眼前一亮,感到不光“听到楼梯响”,还看到“人下来了”。
让笔者好奇的是,究竟是IBM敏锐地抓住了“大数据”的趋势,还是它一开始就引领了这一趋势,并顺势推出了产品和服务呢?笔者猜测,很可能是后者。因为《大数据时代》第一作者的咨询服务对象就包括IBM。另外资料也显示,IBM从2005年就开始了“大数据”的研究,并陆续收购了多家数据分析公司。日前,IBM又公布了2015年之前支出145亿美元进行收购的计划,并表示:“大数据和分析领域将是IBM未来的利润引擎。”
看来在“大数据时代”,其他企业能掘多少金虽然不确定,但IBM这个“卖水的”,似乎要赚的盆满钵满了!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22