京公网安备 11010802034615号
经营许可证编号:京B2-20210330
中国企业需要怎么来面对大数据时代的来临
显然,大数据这一变革并非一蹴而就,而仍处在稳定的量变阶段。某种意义上,Teradata天睿公司的业绩本身就能证明这一行业确实正在增长,截至 2012年12月31日,Teradata天睿公司第四季度营收为7.4亿美元,同比增长10%。2012年全年营收为26.65亿美元,同比增长 13%。
Bill Franks认为,对企业来说最困难的事情不在于怎么来做选择、来实施大数据分析,大数据与传统的数据相比,需要去改变企业流程与文化,先行者将会保持领先,而跟随着将会错失机会。现在大数据的炒作确实已经到了顶峰了,但炒作的下面也有数据价值的存在,企业应该敏感地抓住这一机遇。
大数据的泡沫与真实价值
不知不觉间,大数据热潮席卷了整个IT产业,与其他种种风潮一样,大数据也存在着商业性的夸大和炒作。2011年惠普出价是103亿美元收购了Autonomy,最终这笔投入被视为非常失败的收购。对于这种现象,Bill Franks表示,大数据泡沫的破裂是一件好事。
他表示,现在大数据的炒作确实已经到了顶峰了,但炒作的下面也有数据价值的存在。炒作的泡沫破裂是一件好事,以上世纪90年代的互联网泡沫破裂为例,当时大量的人力和资金被投入互联网领域,此番景象就像今天的现在大数据。但随着互联网泡沫破裂,产业有了一些动荡,但泡沫破灭后真实的价值体现出来,互联网最终还是改变各个行业或者每个人。
大数据热潮也是一样,即使话题的炒作会冷却,但是大数据分析的价值会继续下去,重点是如何采取正确的策略、流程和方法去从大数据分析中获得价值。应该更多地专注一些建设的东西,比如需要哪些投资,需要培养哪种技能去实施大数据应用等。
他认为,大数据领域确实有些收购有估值过高的情况,但并不意味这种收购就没有任何价值。几乎所有的数据都有其递增的价值。尽管数据的价值有时被高估了,但就大数据整体而言,它会给我们带来极大的影响。
大数据的核心并不仅仅是技术
Bill Franks对诸多大数据的宣传中刻意强调技术门槛并不满意,他认为,90%以上的企业可以用他们90%的现有需求和技术、工具来解决现在的大数据问题。大数据真正可以解决的问题不是技术问题,而是人、文化、流程或者基础设施。
他强调一点,自己撰写《驾驭大数据》这本书不是为了对Teradata进行推广,主要是希望帮助人们去面对这种大数据时代,是面向整个行业、大众的一本书,也不是要通过这本书要来关注Teradata自己的业务流程或者具体产品,而是提供一种针对整体大数据的做法和想法。
他介绍,最困难的事情不在于你怎么来做选择、来实施大数据分析,而是决定采用什么样的方法来更好地发挥大数据的价值,而且能够改变它的流程。与那些传统的数据相比,大数据需要去改变流程与文化,很多企业不愿意去改变传统的方式,但竞争对手可能就领先一步去做,几年之后再去跟上去做的话,就会错失很多机会。
据悉,在《驾驭大数据》一书里,Bill Franks刻意强调了文化和理念,并提出一个分析创新中心的概念。他认为,依靠创新中心,企业拿出少量预算、人力资源、技术资源等做一些存在一定风险和结果尚未确定的小实验,可以用最小的代价实现文化的转变,进而适应大数据时代的节奏。
给中国企业的忠告
对刚刚涉入大数据浪潮的中国企业,Bill Franks举了一个冲浪的例子来加以忠告:
过去30年我可能在同一个海滩上,同样的浪潮进行冲浪了。后来,我换一个新的海滩,面对一些新的浪潮的时候,我就需要用一种新的方式去冲浪,需要使用新的冲浪板,但由于我过去30年的经验,很快就能适应新的浪潮。对人员的培训也是这样的,过去有一些数据分析经验的人才,只需增加一些新的对大数据分析的培训也能很快上手。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 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 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-11AB实验是互联网产品迭代、营销优化、功能升级的核心科学验证手段,通过流量随机分组、对照组与实验组对比,科学验证策略、功能、 ...
2026-08-10在MySQL数据库优化中,索引是提升查询效率、降低数据库IO开销、优化系统性能的核心手段。普通单列索引仅适配简单查询场景,面对 ...
2026-08-10