
“大数据”和谁有关_数据分析师
和想在大数据时代掘金的人有关,和在金矿附近“卖水”的人有关!
“只听楼梯响,不见人下来。”用这句话来描述很多尚处于萌芽状态的商业机会,真是太合适不过了。
“大数据商机”也正是如此。这个最早由麦肯锡提出,最后由《大数据时代》一书体系化的概念与思潮,近年来一次又一次吸引着人们的眼球,拍打着人们思想的堤岸。相信吧?不知从何下手;不相信吧?又怕落伍于时代!
正是抱着这种矛盾的心情,笔者买来了《大数据时代》一书,想看看它到底讲了什么?在“这个时代”,企业又能用什么新方法赚钱?
说实话,几个小时翻下来,那些道理论述并没有让笔者眼前一亮,倒是书中举的一些例子,让笔者有了一点儿管中窥豹的感觉。
书中写道:一天,美国折扣零售商塔吉特的一家门店来了一个男人,要求经理出来见他。他气愤地说:“我女儿还是高中生,你们却给她邮寄婴儿服和婴儿床的优惠券,你们是在鼓励她怀孕吗?”而当几天之后,商店经理打电话向这个男人道歉时,这个男人的语气变得平和起来。他说:“我和女儿谈过了,她的预产期是8月份。是我完全没有意识到这个事情的发生,应该说抱歉的人是我。”
这个戏剧性的故事为何会发生?难道是误打误撞吗?非也。按书中说法,这和“大数据”有关。原来,这家商店通过分析女性顾客的消费记录,发现女顾客在怀孕第三个月时会买很多无香乳液,几个月后,还会买一些营养品。通过分析,商店最终找出了20多种关联物,并用这些关联物给顾客进行“怀孕趋势”评分,然后在孕期的每个阶段给顾客寄送相应的优惠券!
类似的例子,书中还有一些。于是,笔者隐约明白了:“大数据时代”,企业赚钱的新办法就是对大量的数据进行分析,找出一些要素和商业机会的关联!但如果其应用仅仅是类似上面这样简单的例子,我们也就无需关注那些关于“大数据”的理论了。因为国内的保险公司、礼品公司对此早已驾轻就熟。问题是,如果“大数据”的应用更复杂,比如说一家通信运营商,怎样才能依靠“智慧的分析”,预测到90天内可能发生的客户流失并采取行动?这就远不是这家公司自身能做的到了。这时候,它就需要专业的服务。服务商是谁呢?很可能是IBM!
确实,上述通信运营商问题的解决,靠的就是IBM的服务。在广告里,IBM说帮助这家公司在一年内将客户流失率降低了35%!
也正是IBM这则“从拥有数据,到预判需求,这就是大数据的威力”的广告,让笔者眼前一亮,感到不光“听到楼梯响”,还看到“人下来了”。
让笔者好奇的是,究竟是IBM敏锐地抓住了“大数据”的趋势,还是它一开始就引领了这一趋势,并顺势推出了产品和服务呢?笔者猜测,很可能是后者。因为《大数据时代》第一作者的咨询服务对象就包括IBM。另外资料也显示,IBM从2005年就开始了“大数据”的研究,并陆续收购了多家数据分析公司。日前,IBM又公布了2015年之前支出145亿美元进行收购的计划,并表示:“大数据和分析领域将是IBM未来的利润引擎。”
看来在“大数据时代”,其他企业能掘多少金虽然不确定,但IBM这个“卖水的”,似乎要赚的盆满钵满了!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 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在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23