京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在政界,大家忙着测自己的亚斯伯格指数。 在商界,老板忙着问员工,你有没有大数据思维。 回答前Amazon大数据首席科学家的四个问题,测测自己有没有大数据思维吧!
「数据是『新石油』,」亚马逊前首席科学家韦斯岸( Andreas Weigend)为时下热议的大数据(Big Data)做出注解。
任教于美国史丹佛大学、柏克莱加州大学的韦斯岸,专精大数据、行动社群等技术,研究人类行为和他们所创造的数据,20多年来担任全球知名企业顾问,包括阿里巴巴、Best Buy、SAP、路透等。 韦斯岸近期受功典资讯之邀,来台进行短期参访,拆解大数据时代企业与个人将面临的改变。
他提出几个问题,大家不妨自问,自己有没有大数据思维。
问题一:你分得清公司真正的大数据问题吗?
韦斯岸提到九年前在阿里巴巴交流的经验。 他提到,在一场实作坊之中,有一位不认识的主管出席,当时现场有人发问,「我们不清楚那些资料」。 这位主管立刻反问,「你说不清楚是什么意思?你是不清楚是否有那些资料?还是不清楚资料是否正确?两者大不相同,还是不清楚如何解读资料?这又是另一种问题」。
这位主管正是现任阿里巴巴集团执行副主席、来自台湾的蔡崇信。 韦斯岸推崇,蔡崇信能问出这样的问题,表示阿里巴巴的资料识读能力很强。
「公司有那些资料」、「资料是否正确」、「如何解读资料」等,都是资料识读的一环。 但多数人分不清层次,所以第一步必须先有识读能力,才知道「公司大数据」的问题是什么。
问题二:从数据中,你可以看到那些层次?
韦斯岸提到,多数人接受的统计教育很差,加上之前资料不足。 所以,大家看到销售数据,通常只停留在第一个层次,譬如:那个产品最畅销、最重要。
但大数据时代,搜集资料不再困难,从数据中,应该看出的是「关联性」。 看到产品畅销,提出的问题应该是:是不是因为A因素,让产品畅销。
韦斯岸强调,在学校教育期间,大学生学习回答问题,研究生则是学习提出问题,在企业组织工作,重点则在于问对的问题,因为有数据,所以回答时常很简单。
问题三:客服人员是成本,还是价值?
韦斯岸说,在大数据时代,每个业务环节都有大量的数据,每个环节都可以改善,把成本变成利润。 在亚马逊任职期间,韦斯岸与Amazon创办人贝佐斯花了约50小时,写下亚马逊事业方程式,那时争论的问题是:人力导向的电话客服中心是成本吗? 因为如果客服过程顺利,顾客会觉得:亚马逊真是间好公司,那么客服就从成本转换为公司利益。
韦斯岸举的另一个例子是:Zappos,这家以销售鞋子为主的网站,最著名的服务是顾客买一双鞋,将会收到该款3双不同尺码的鞋,供顾客试穿,不合的另2双鞋免邮资退还。 邮资看似是成本,但只要消费者将拥有一双非常合脚的鞋子,就会转告亲友。 这就是把企业最讨厌的退货率,转化成一种行销利益。
问题四:你愿意跟数据分析人员说话吗?
韦斯岸提醒,在大数据时代,大家都要培养吃资料寿司(Data Sushi)的意愿与好奇心。 过去,多数上班族只喜欢看已经被处理过的资料。 但未来,大家可能得学着吃「比较生」的数据材料。 即使是管理者也必须跟数据分析人员对话,真正了解资料涵义。
他指出,资料科学是新兴热门词汇,必须结合多项技能,第一项技能是「好奇心」,第二项是「处理资料的意愿」,愿意正视资料,无论规格大小或内容对错,都不会逃避,也不要求先清理资料,否则就等于在处理加工品。
第三项则在于「合作的意愿」,行销人员必须与数据分析人员对话,真正了解资料涵义。 第四项,才是「说出资料的故事」。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06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