京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据不仅是新科技,还是种革命性的概念
当世界卫生组织(WHO)在2014年10月公布伊波拉病毒(Ebola)在全球有8,997个感染病例,并夺走4,493条人命的警讯时,加拿大的Bio Diaspora公司运用地理资讯系统(GIS)结合大数据(big data),发布了一张动态全球病毒地图,预测下一个可能引爆伊波拉病毒的地区。
Bio Diaspora分析全球航班资讯、人口移动、温度、湿度变化等资讯,建立模型,找出下一个可能爆发感染的传染途径。就像2008年Google推出流感预测趋势(Google Flu Trends),透过分析使用者在各地区搜寻流感相关的关键字,来预测流感会爆发的地区。这些帮助人类“未卜先知”的工程,就是大数据的魅力。
与其说大数据是新科技,更正确地说,它是种革命性的概念。随着数位化、网络化,数据累积的速度超乎想像。举例来说,在Facebook上每10秒有 5,000多万则以上贴文、Apple Store每分鐘有5万个App被下载、Google每分鐘有400万笔关键字搜寻,这些惊人数字的背后,隐藏了巨大的商机、预测性以及决策的影响力。
根据国际数据资讯(IDC)预测,大数据技术与服务市场的年复合成长率为31.8%,市场规模至2016年将达到238亿美元(约新台币7,500亿元)。随着大数据成为显学,人力市场对相关人才的需求强烈,IT研究及顾问公司Gartner指出,全球至2015年因大数据所产生的IT技术职务,将有 440万个。麦肯锡(McKinsey)更预测,至2018年,单在美国就有14~18万的专业数据分析师职务需求量。
让数据个性化,推动服务升级
事实上,每个人随时随地都在被搜集数据。只要透过有系统地整理、运算与分析,就能解读顾客在想什么、需要什么,这些资讯将成为洞察使用者的最佳线索。
例如,澳洲的老牌酵母咸味酱Vegemite在2009年销售量大幅下滑,为了重新掌握消费者,委託IBM进行数据调查分析,包括部落格、论坛、网络新闻等等,总共蒐集了超过30种以上语言、50万笔数据,从中发现消费者对酱料的创新用法。于是Vegemite发动新的社群行销活动,让市佔率起死回升。这就是大数据的魔力,难怪美国政府将其定义为“未来的新石油”。
各行各业因大数据应用而成功预测结果、或力挽狂澜的案例不胜枚举。因成功切入市场而声名大噪,功典资讯总经理夏雨农分析,大数据是种“服务升级”,透过“个性化”数据,让塬始数据产生意义,再藉此赢得商机。以往空有数据,却无法区分“杂音”与“关键数据”,往往出现企业满手好牌却胡乱出招的状况。
目标是应用大数据的核心,例如是针对顶级客户推出更高单价商品、还是扩大客群与市佔率,这两个目标所设定的数据分析与解读面向就非常不同。
21世纪最性感的职业
至于因应大数据潮流所造就的新职种中,最具代表性的,莫过于数据科学家(data scientist),能透过电脑演算分析数据、解读意义,难怪《哈佛商业评论》(Harvard Business Review)将它称为“21世纪最性感的职业”。
而进入这一行,需要哪些能力?需具备统计学、数学、电脑演算程式技能。另外,因为数据来自企业各部门,更要有横向跨部门索求数据的沟通力,汇整数据的整合力,对于数据的好奇与洞察力。
毕竟,大数据的价值不在数据本身,而是如何从巨量数据中萃取出洞见。谁有这样的本领,谁就是当红炸子鸡!
Hot Job!
★数据科学家:
具备统计学、数学等专业,能将大量资讯运用电脑演算,转换成具有商业价值的数据,并具备优秀的沟通力,能分析、解释数据,影响企业决策。
★数据视觉化分析师:
将大量数据经过演算、建立预测模型, 再透过如Tableau、QlikView、Spotfire等工具,进行视觉化转换,强化数据的易读性。
★商业智慧分析师:
具备Hadoop、Hive及HBase等软体使用经验,能分析企业数据仓储的各种不同类型数据,从中洞察客户行为、市场趋势,进而拟定策略。
★数据管理师:
企业内所有数据的“进”与“出”,都需要经过他认证与管理。也必须确保数据的安全性,甚至具备数据备援的专业技能。
★数据工程师:
需懂数据库、数据结构、自然语言处理、数据採矿、数据模型等技术,协助建构大数据的数据平台架构。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30