
大数据热中的冷思考_大数据培训
大数据(Big Data)正在成为公共服务与治理的新边疆。面对私营部门大数据项目的成功案例,各国政府正面临日益增大的压力:如何整合分散的数据源,如何建构有效的数据挖掘和分析能力,以及如何最终走向数据驱动(data-driven)的决策制定过程。但政府别无选择,因为大数据蕴含着提升政府效率和增加公民参与的巨大潜力。接下来的问题是:政府该如何做才能真正实现大数据的美好愿望?美国亚利桑那州立大学(Arizona State University)的公共事务教授 Kevin Desouza基于美国政府的经验尝试对这一问题进行回答。
Desouza教授在2013年历时一年对美国联邦、州、及地方政府的首席信息官(CIO)进行了广泛而深入的访谈,形成了一份研究报告,题为《实现大数据的愿望:实施大数据项目》。该报告由IBM“政府事务中心”(Center for The Business of Government)资助并出版。Desouza教授不仅在报告中清晰而富有启发性地介绍了大数据的概念(“大数据”这个术语虽然受到了极大关注,但到目前为止还是缺乏一个广泛接受的定义),还分析了公共部门与私营部门在使用大数据方面的不同。最后,该报告详实描述了美国各级政府大数据的使用情况,例子包括美国国内税务局、马萨诸塞州和纽约市商业诚信委员会(New York City Business Integrity Commission)等。
报告用5个V帮助理解大数据的概念,共例举了10个发现,以及对美国政府实施大数据项目的17个步骤(3阶段)的政策建议。5个V分别是Volume(量度),Velocity( 速度),Variety(广度),Viscosity( 粘度), Variability( 变异度),以及 Veracity(信度)。10大发现依次为:
1. 政府机构的大数据努力还处于早期试水阶段
2. 许多CIO正努力说服大家大数据不是一个昙花一现的概念
3. 大多数的CIO的当务之急是管理大批量的数据,整合不同数据库的数据,以及建构数据挖据的能力
4. CIO们报告说一些大数据项目的主要关注点在于优化业务流程
5. CIO们预期近期不会因为大数据项目而显著增加技术的投资
6. CIO们报告说他们迫切需要改善人力资本,包括数据分析能力
7. CIO们目前正在着力探索数据治理(data governance)的新模式
8. CIO们不建议由IT部门作为大数据项目的牵头人
9. CIO们认为协作式的领导力(Collaborative Leadership)对于大数据项目的成功至关重要,并建议创造工作组来监督项目进展
10. CIO们正在成为分析学和证据驱动的政策制定的拥护者
报告认为,可以用3个C 来概括17个步骤中最关键的成功因素:详尽的规划(careful planning), 充分的沟通(communication),以及无缝隙的协作(ccollaboration).
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10