
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
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14