京公网安备 11010802034615号
经营许可证编号:京B2-20210330
谁能用大数据写出那个神秘的小纸条
前两年有一部叫做《点球成金》的电影非常成功,我是在从香港飞往纽约的飞机上观看的。这部由真实事件改变的影片,讲述了全美职棒大联盟的球队奥克兰绿帽队,在经理比恩的带领下,发挥出了超乎想象的实力,最终以弱胜强的故事。这个故事中的传奇经理比恩,重用了数据分析天才布兰德。通过大量的数据分析,挖掘了一批其貌不扬,但是却能够在球队里各司其职的边缘球员。而这种看似神奇的案例,在大数据时代的背景下是完全可能被复制的。实际上比恩和布兰德所运用的分析手段以及数据量,并没有达到大数据的标准。而促使他们成功的关键,却是他们对于数据的解读和认知。那么在今天我们拥有了难以计数的大数据的情况下,怎样能够复制并超越比恩的成功,就成为了所有企业和所有人成败的关键。
英国有一家十分成功的大数据分析公司叫做OPTA。这家大数据公司从收集及分析英超足球比赛数据开始,几年之间将自己的业务扩展到了NBA、网球、高尔夫等几十项体育项目,覆盖了几乎全球所有的主流体育赛事。以足球为例,OPTA为每场比赛提供超过200项数据的收集以及分析服务。球员在场上的每一次触球、每一次跑动、每一次有意识或无意识的动作,都会被OPTA专业的软件记录下来。假设每一场比赛首发加替补,两队一共出场了25名球员,那么OPTA将为这场比赛提供至少5000项球员数据。算上球队数据,每场比赛OPTA就能为球队经理们提供一个十分庞大的数据量。那么如果球队经理们能够正确地运用这些数据,复制比恩的传奇将成为可能。
在2006年世界杯四分之一决赛的点球决战时刻,德国队的守门员莱曼在阿根廷队球员罚点球之前,接到了来自教练组的一张神秘小纸条。凭借这张小纸条,莱曼精准地预判到了阿根廷队多名球员的罚球方向,并扑出了两名阿根廷队球员的点球。而这个神秘的小纸条,正是运用了数据分析,准确地预测了阿根廷球员的罚球方向及角度。这神秘的小纸条就如同芝麻开门的钥匙,能够将大数据这座大山点石成金。
实际上,我们中国自古就有利用数据来分析并作出预测的实例。三国时期,诸葛亮夜观天象,通过对天文数据的收集及分析,准确地预测出了风向,从而赢得了赤壁之战。这样的例子在中国古代还有很多。虽然诸葛亮、比恩和德国队的教练团队并没有真正地使用大数据,但是他们运用的这种分析方式以及对数据作用的理解,非常值得我们学习。
在这个大数据爆炸的时代,收集数据的方式在日益革新。然而,我们所能获取的数据量,已经远远超过了我们能够分析的上限。依据现有的分析手段以及思考方式,其实根本无法将大数据这座大山整个点石成金。我在美国接触过的所有大数据分析公司所能做的,也不过就是将这山上的微小石子变成金子而已。我们每天面对着2940亿封邮件、200万个帖子,到底能够运用多少?数据的单位已经从TB上升到PB、从PB上升到EB、又从EB上升到了ZB。再向上,还有YB、BB、NB、DB,数据只会随着信息技术的发展不断地爆炸式地增长。
那么问题就是,我们应该用这庞大的数据库来做些什么呢?
这个问题,即使是最尖端的美国信息技术学家也无法准确地给出答案。实际上单从商业来讲,美国管理学大师彼得德鲁克也许给我们指出了一些方向。作为现代管理学之父,德鲁克的思想深深地影响着一代又一代的美国营 销管理专家。在与前Saks Fifth Avenue(萨克斯第五大道精品百货)的营 销顾问John O’Malley(约翰奥麦利)的交流中,他反复提到了德鲁克的思想对于现在商业的深刻影响。我们共同认为,德鲁克的思想,即使放在这个大数据的时代依然是超前的。德鲁克认为不论是B2B还是B2C的商业模式,所有企业都需要清楚地认识到,我们到底在哪一个行业里以及我们到底能够为顾客提供什么?这看似简单的问题,却难倒了全球百分之九十以上的公司。大数据的出现,为我们回答这两个问题提供了工具。
那么有了趁手的工具,我们该怎么去运用呢?
德鲁克的思想贯穿了整个商业社会的所有经济行为,而从这之中延展开的却是对行行业业、对整个社会现象的思考和总结。实际上这种思考和总结与中国优秀的传统思想具有很多暗合之处。我在2014年曾经写过一篇论文,专门探讨了德鲁克的思想与中国传统思想的契合。在文章中我提到,这种人类伟大的智慧,是对于整个人类社会的运行规律的探究。不论是西方亦或是东方的优秀思想,均是沿着对宇宙、社会、人生的规律进行探究。大数据的出现和发展,为整个人类带来的财富远远超越了商业价值。而我们生存在这个大数据时代,想要真正的理解并运用大数据,不去对人类最高的智慧进行探究,是必定无法驾驭这庞大的数据的。
中国传统思想讲格物致知。对大数据的研究分析即是格物。这种格物的层次,已经远远地突破了人类世界发展几千年的总和。那么,对于大数据的应用即是致知。这种致知的程度,也会比大数据出现之前更加准确、细微。然而操作分析大数据的人所拥有的智慧,将是决定这种格物致知是否能够产生最大效用的关键。
格大数据之物,致点石成金之知。笔已经放在这里,只看你能否写出那包藏财富的神秘的小纸条。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22