
迷失在大数据中的中国企业如何寻找出路
随着信息技术的发展,大数据出镜率越来越高,几乎遍地开花,而且现在的数据不特指传统的阿拉伯数字,而是囊括了人类生活的各个方面,文字、视频、图片、私密日记、就医记录、交通罚款、购物习惯、天气预报、情绪波动等等,总之,一切能够留下的痕迹都将成为大数据研究的对象。
按照《大数据时代》一书中的描述,大数据风暴正变革着人类生活、工作和思维,且明确定义最大的转变就是:放弃对因果关系的苛求,转而向相关关系进行探索。这种转变颠覆了人类千百年的思维习惯,而且把个别伟人“追求真理”的高尚情操毁灭地不堪入目。不过,笔者倒不认为大数据是神马新鲜的玩意儿。其实,这种技术最大的魅力是通过相关的关系找到规律,之后,较为准确地预测未来。早在6300年前,古埃及人通过观察太阳升起和下落的规律,制作了太阳历,把太阳单向前进的时间换分为365天为一个周期;2200年前,中国人发现了候鸟迁徙和植物发芽有规可循,于是,制作了24节气,也就是说,穿着树叶的那些人,就已经知道了数据应用的妙处了。至于,现在的大数据技术,最大的优势在于移动设备、云存储和数据处理器的无所不能,从而拓宽了研究领域。
如前文所述,中国人制作了24节气,可以说是领先世界开发出了最早的数据App,但遗憾的是,我们没能在现代大数据的应用上取得领先位置。正当全世界的专家各出奇谋地解析大数据时,却只有媒体行业得到了真正实惠,毕竟,写一篇有关大数据的噱头文章,还是能赚来不少眼球经济,但这也正是中国企业,尤其是大型国企的悲哀,我们高喊要冲进大数据时代,却连沾边也算不上,生产效率和营销效率也没因大数据的引用而有显著提高。
噱头将死,中国企业天生不识数?
诚然,经过十几年的努力,我们已经出现了世界级的互联网公司,最著名的大佬无疑是BAT:百度、腾讯、阿里巴巴,出众的技术能力让他们获得了大量的数据,也让他们挖掘出了价值可观的数据宝藏,但这几个金字塔尖的巨头不能掩盖中国整体企业“不识数”的尴尬,连国外的媒体《经济学人》都跑来嘲讽:中国的企业目前远没有实现网络化和数字化,更没有参与云计算和大数据分析等趋势。总之,中国人有钱引领最潮流的消费趋势(iPhone手机除外),却没有能力引领新兴技术潮流,我们已经有很长时间,没有拿得出手的技术思路和技术产品了,反倒是常去国外拷贝一些回来,而且要给人搞得无比畸形。
据国外一些相关机构统计,中国仅有1/5的公司采用了云存储技术,而美国的这一数字是40%;中国企业仅将2%的收入用于研发信息技术,相当于世界平均水平的一半,连中石油和中石化这样日进斗金的企业也没有对大数据相关技术特别的热情,也难怪,他们的收入,除了给国家交税之外,估计都忙着给石油工人发福利了,食用油、面粉、手表、自行车…应有尽有。
此外,中国国企在民众的心中简直就是“效率低”的代名词。传说,这些企业的员工特别喜欢读报纸以及喝茶水,如果把他们读过的报纸连起来,估计能绕地球50圈;他们喝过的茶水,估计也够在北京城市上空下一场连续250天的茶水雨了,这种情况不能简单地归咎于技术能力,而是更关乎制度、人性和文化。或许,国企最亟待解决的不是大数据技术,而是思考如何尽快摘掉官僚主义的紧箍咒。相比之下,有实力的私营企业或者说混合所有制企业,更应该在数据应用方面有所建树,但让人感觉尴尬的是,他们投入了足够的热情,却没有踏踏实实去执行和钻研技术的心态,最终,也只是把大数据作为噱头,让竞争对手惊出一声冷汗罢了。
互联网三巨头BAT风光无限,百度拥有巨大流量、腾讯的用户遍布全球、阿里巴巴的收购随心所欲,哥仨不仅赚得盆满钵满,而且杀气腾腾,他们就像三辆不断扩张的战车,把新兴企业收编完了之后,又让传统企业心有余悸,或自乱阵脚,或者病急乱投医,即便是一些曾经叱咤风云,全国领先的大企业,也常常祭出昏招,而大数据常常是他们最有技术含量的噱头。例如,白家电领域领导者美的空调,前一阵子爆出消息,扬言要斥资150亿元打造智能家居业务,这也是美的第一次搞和互联网有关的事情,她一口气推出四大管家:“空气智慧管家”、“营养智慧管家”、“水健康智慧管家”、“能源安防智慧管家”,构想中的美的智能产品,会整合空调、电扇和空气净化器等产品,会实施地更新天气、空气等信息,另外,厨房管家会定制菜谱,根据消费者体质推荐营养套餐等等。这些管家看起来很美,但几乎全部需要大数据技术作支撑,而且美的的蓝图,似乎有点太过于超前,比Google要超前20年左右。但是,对于一家从未涉及互联网业务的传统家电企业来说,笔者不仅想问:你的数据从哪里来?你的平台从哪里来?难不成要去阿里巴巴买,当心马云把你给收购了…他们的产品说明估计可以直接去出版说印刷成“科幻小说”了。
此外,TCL、创维、海信、海尔、长虹这些早早布局互联网市场的传统家电巨头,也没能摸准大数据时代的脉搏,强悍如海尔,虽然每天都有新的商业理论产生,但它给笔者印象最深的大数据技术应用是“于非洲的第三世界,进行了一些非常完美的市场调查”,至于说,其他领域的一些大企业,例如湘粤情好端端地也要转型大数据,但从其之前先后转战旅游、环保、影视的经历来看,这要么是噱头,要么是作死,总之,目前中国企业基本不识数。
思维变革,数是人类进步的阶梯
事实上,不单中国企业有“不识数”的特色,这几乎就是中国人的特色,我们似乎对数字有种天然的排斥感,大多数的中国人更喜欢用玄幻来押注未来,或者希望观音菩萨突然就温柔地说出下一期七星彩的中奖号码…中国历史上,算命先生、大法师的地位曾一度高于数学家和程序员。
好比,《人民日报》表述姚明时,常说:他是一位非常优秀的运动员,为我国篮球事业的发展作出了杰出贡献,值得中国全体同胞学习;而美国媒体则惯用量化的标准:姚明全勤的一个赛季,共出场82次,他在场的时候,火箭队每100个回合的进攻中,可以多得5.6分,防守中,则会少丢5.4分,这总计11分的影响,在NBA所有球员中排名第七,于是,莫雷给了他5年7500万的合同。双方的论述,都是在表达姚明的优秀,但显然,美国的报道给人的感觉更加清晰,也更具体,这就是数字的魅力,也体现了中美媒体之间的思维差异。当然,中国的个别领域也装模作样地玩了一些大数据:2009年,国家统计局称,全国70个大中城市房屋售价同比上涨1.5%,或者,每个月的CPI总是上涨一点点,偏偏煮鸡蛋就从1元了涨到1.5元了,就连小米去台湾抢购时,也敢于少了30台,不知道大陆的数据会不会少一些呢?简而言之,美国人迷恋数字是为了发现真相,而中国人贪恋数字,则是为了掩盖真相。
笔者认为,大数据是一座待开发的金矿,它能够促使中国制造、电子商务、经济、体育的发展,但前提是,我们需要静下新来学习技术,变革思维,还有最重要的:态度要虔诚。
星星之火,数中自有黄金屋
当然,我们也没有必要妄自菲薄,在中国企业整体的数据荒原中,依然有些企业走到了前列,大概有25%左右的企业采用互联网营销,如前文提到的BAT,还有一些欧美企业的代工厂,也耳濡目染地开始了大数据的探索:
阿里巴巴旗下的淘宝网拥有上百万的商家,消费者的购物清单,每天都会源源不断地向马“云”服务器发送数据,而对这些数据的分析,会很容易知悉消费者的购买欲望、购物需求,于是,中国消费只要打开逛淘宝页面,就会非常巧合地看到自己想要的东西,一个篮球,或者一盒避孕套;腾讯获批民营银行执照,估计主要会面向小微企业的贷款,而QQ、微信,乃至财付通上的海量信息,也会帮助其不断累计数据,从而更准确评估贷款企业资质,最大限度的规避风险;至于,百度搜索就更不用赘述,消费者每一次使用放大镜,都会留下痕迹。此外,一些与欧美企业合作的代工厂,也会受惠于大数据浪潮,一些以效率为生命的企业,会在组装线上架设上百条网线,通过扫描枪和测试设备来收集数据,监控良率,高管们只要呆在会议室里就会知道产线的情况,黄发垂髫、怡然自得!
正可谓,星星之火可以燎原,希望这些前沿企业能够引领中国走进大数据时代,事实上,我们的企业需要摧枯拉朽的变革,需要透明度,需要逐步降低对廉价劳动力依赖。或许,在寻找新技术支持的过程中,大数据技术将会成为中国企业的好伙伴,最起码,大学先开设这门课程吧!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02