
数据分析将变为CDO工作的核心部分
日前,第三届麻省理工学院首席数据官论坛在美国麻省理工学院斯隆商学院隆重举行,此次论坛主要谈论了CDO在现代企业机构中日益明显的重要性,来自各行业的参与者分享了他们在数据方面的策略、挑战以及经验。美国军火巨头LockheedMartin公司的高级研究员及信息数据构筑师WillaPickering就数据管理、分析、质量控制和风险等方面的重要问题进行了讨论。 Pickering表示,对于那些钟情于数据的人来说,新的问题是如何才能快速处理大量的数据。Pickering早期的一个工作涉及到管理存储在硬盘上的数据。处理LockheedMartin公司所有数据的所需的存储容量至此已经有了巨大的变化。
非结构化数据的管理已经成为企业的重要问题。现在的目标是更深入地研究语义、语境和意义。她说,人们已经习惯了实时数据,就是像一打开智能手机使用,就能接收到的数据那样的。因此,速度也是数据讨论中的一个重要部分。 Gillin对所获得的实时数据的准确性提出了问题。Pickering强调了在这种情况下数据质量以及准确性的重要性。Pickering回答说,由于有大量数据,能否将“信号与噪声分离开”是非常重要的。 同时,人们也必须要谨慎对待坏数据。
鉴于人们一般在数据基础上制定商业决策,她建议管理者必须要考虑这个问题:“使用实时数据会有什么样的风险?” 由于首席数据官(CDO)的工作已越来越被人们所接受,Vellante提问道,“围绕这一策略制定的战略协调工作是应该由一个人来单独完成呢?还是应该分散开,由多个人完成?”Pickering承认,CDO职责所包含的具体内容不仅没有确定,反而是在不断变化的。 在一般情况下,CDO的作用是查看业务的相关数据,并决定怎样才能更好地获取和应用这些数据。Pickering将数据分析的工作作为CDO工作最重要的部分,因为“这就是价值增加的部分,是必须要做出的决定的部分。”
Gillin引用了一个很好的例子,即IBM的沃森,其聚合了大量的数据,并使得这些数据易于理解。他询问Pickering是否也发现了这种能提供数据分析的类似技术的发展。Pickering对于这些所有的技术并不是很确定,但她预计在不久的将来,我们将会使用更多的技术。她表示这些技术在用于分析上下文来帮助解读时会很有效。 Vellante询问了开源对数据质量的影响。Pickering指出,这点非常重要,因为公开数据,往往对质量是有风险的。
另一方面,它提供了新的分析的可能性。就像是虽然是审查官在你车上,但他说不定也能影响到你怎么买保险。数据管理和治理话题在CDO论坛里讨论地很火热。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01