
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
在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20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