京公网安备 11010802034615号
经营许可证编号:京B2-20210330
谁才是大数据时代真正的赢家_数据分析师
我的一个老板跟我讲了一个道理。他在谷歌还很小的时候加入的。为什么?他说,1930年的时候,挣了钱的人都买银行股票,股票跌得很惨。后来经济危机以后,你为什么还敢买银行股票?他说很简单,因为世界上的钱都在他们那里面。
美国互联网泡沫的时候,他在2001年加入谷歌。他说很简单,因为数据都在他那里。
所以说,将来拥有大量数据的公司是最大受益者!这些公司不只是我们知道的,谷歌和脸谱,还有很多很多。我举一个例子,一个中国的上市公司叫京风,做风能发电的,现在全球市场份额第二,他有很多发电站,每个发电机上都安有传感器,传感器将所有数据搜集起来,就能够优化他的运营,使他整体效益增加。
大数据加云计算,至少在美国一个产业的变革,每年差不多在全世界上万亿的规模,因为现在把所有的新的东西重新做一遍,整个将来服务是上万亿,这将带来最大的好处。
所以,有数据的企业会得益。所谓有数据不是天然具备了很多数据,你即使是传统行业,能够采集到多少数据决定了你受益有多大。
大数据来了统计学将死
更重要的是,大数据在某种程度上颠覆了统计学的做法。我讲一个故事,罗斯福竞选总统事件,一家公司采用抽样统计的方法,打电话问谁能当总统,做了几十万份问卷,得出结论是罗斯福要输了。但是,最后罗斯福赢了。
当时有一个小伙子,他说我预测罗斯福赢。我只需用三千个人的信息,因为我知道美国的人口收入的分配,男女的分配,各个年龄的分配,我采样了三千份数据推算出罗斯福会赢。这个人就是乔治·盖洛普,也因此一夜成名。(乔治·盖洛普是美国数学家,抽样调查方法的创始人、民意调查的组织者,他几乎是民意调查活动的代名词。)很多人研究统计学的采样,大数据来了告诉我们,不通过直接的数据采集方式,而是通过各种间接的形式,复员各种信息,准确性要比直接数据来源要准确得多!
大数据时代下的择业,创业和转型
现在是移动互联网时代,如果办公司,直接在手机、Pad上办。我们过去分科技企业,传统企业,但以后界限会越来越不明显。我举一个例子,万达广场。阿里巴巴的一个高管给他们做了一个系统,帮他们把很多零售东西搬到网上去了,增加5%的客流量和8%的利润。稍微改造了一下就由传统行业跨入互联网了。我想五年以后,可能某种程度上来讲,互联网将进入所有行业。
此外,我在投资方面有两种观点和看法。一种是建一个恐龙一样的公司。恐龙是架子搭得很大很好,什么东西来了我都不怕。另一种是建一个变色龙一样的公司,互联网的公司很多是变色龙,我开始想做A件事,最后变成B。
在60年代的时候,美国最大的公司,也是全球最大的公司是通用汽车公司,他们大概在美国雇了60万人,在全球大概雇了100万人,都是传统阶级。到了2012年有一家公司创造人类历史上整个股市的峰值,就是苹果公司,到6000亿美元。但是在那个时代,苹果在全球只雇了6万人,美国只雇了4万人,大概相当于通用汽车在60年代雇的人数的1/15,也就是说他的财富更多了。
Google推出了自动驾驶,司机就失业了。苹果只雇用了4万人就创造了人类历史上整个股市的峰值,相当于以前美国最大公司通用汽车在60年代雇的人数的1/15。那么剩下的56万人怎么办?未来医生律师都要被消化掉,这非常棘手。
所以,我个人觉得大数据时代会带来一个问题:我们一辈子可能需要不只一个职业或者一次创业。一是我们生命太长,行业持续的时间未必比我们活的长。二是因为技术变得太快,我们也要跟着变。总体来讲,学习是一辈子的事情。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 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 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,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是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21