市场调查：大数据处在一个分裂的世界里
近日， Teradata发布了关于2013年数据驱动市场的调查结果，此次调查对象为全球的2200家企业，受访企业的收入都在1亿美元，其中还有一些企业收入超过100亿美元。对于大数据的投入，企业之间也有较大的差异：有些企业设立了专门的数据科学家职位，而有些企业就连从IT部门获取需要的数据都很难。
【图：大数据的应用】
事实上，对于此次调查的一些结果和趋势是可以预见的。例如，收入较高的企业更愿意设立数据科学家的职位，58%的受访企业表示根据数据做出了更为精确的决策。
其他结果与之相比并不明显，但还是相当有意思：
* 50%的受访企业表示市场营销与IT在企业内部并不是战略合作“伙伴”;
* 40%的受访企业还无法利用数据促进营销;
* 71%的企业计划在未来两年实施大数据分析解决方案;
* 能够系统的使用现有数据的企业不超过10%
还有一些结果却是彻头彻尾的反直觉：
* 企业目前用来刺激营销的大数据类型中，只有38%是传统数据，其中73%的还是人口统计数据;
* 在阻碍企业实现数据驱动营销战略的因素排名中，缺乏资金排名非常靠前，排在第三;
* 在垂直行业中，金融行业在大数据方面走的并不好，甚至连电信和医疗行业都比不上;
* 受访企业中，近三成低收入的企业表示在未来两年会评估或增加数据科学家职位。
在Teradata的调查结果中有一个非常有意思的发现不得不提：75%的受访者表示在数据驱动营销方面的投资回报率ROI上感到很头疼。这还真是一个讽刺的事。
编者语：
从调查的结果来看，大数据还处在一个分裂的世界里。企业开始接受新近的技术来加强营销手段，71%的企业计划未来两年的时间内实施大数据战略，部署大数据解决方案，与此同时75%的企业无法估算大数据的投资回报率，一半的企业直接表示IT还无法在企业营销上提供帮助，这让大数据情何以堪…
好吧，至少这些企业是诚实的，所以这些调查结果还是有价值的。
由此可见，大数据在大企业中的应用并没有我们想象中那么顺利，但从企业对待大数据的态度来看，我们可以想象未来两年大数据的发展无疑是快速的，但目前来看，我们对大数据的期待与现状是分裂的，我们只能一起期待一下大数据的未来吧!
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
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在数字化浪潮中，数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息，又要能将分 ...
2025-10-14在企业数据驱动的实践中，“指标混乱” 是最常见的痛点：运营部门说 “复购率 15%”，产品部门说 “复购率 8%”，实则是两者对 ...
2025-10-14在手游行业，“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度，更直接决定了后续 ...
2025-10-13分库分表，为何而生？ 在信息技术发展的早期阶段，数据量相对较小，业务逻辑也较为简单，单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中，“数据孤岛” 是普遍面临的痛点：用户数据散落在 APP 日志、注册系统、客服记录中，订单数据分散在交易 ...
2025-10-13在数字化时代，用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”，到视频 APP 的 “打开→搜索→观看→收藏”，再到银 ...
2025-10-11在机器学习建模流程中，“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中，未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储，CDA（Certified D ...
2025-10-11在 SQL Server 数据库操作中，“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选，还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中，正交试验（Orthogonal Experiment）因 “用少量试验覆盖多因素多水平组合” 的高效性，成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中，“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”：各部门数据口 ...
2025-10-10在深度学习中，“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术：损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入，拆解两种方法的核心适用条件、场景边界与实战选择逻辑，结合医学、工业、教育领域的案例，让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中，常会遇到这样的困惑：某电商平台 11 月 GMV 同比增长 20%，但究竟是 “长期趋势自然增长”，还 ...
2025-10-09Pandas 选取特定值所在行：6 类核心方法与实战指南 在使用 pandas 处理结构化数据时，“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络（SCNN） 为解决这一痛点，球面卷积神经网络（Spherical Convolutional Neural Network, SCNN） 应运而生。它通 ...
2025-09-30
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
