京公网安备 11010802034615号
经营许可证编号:京B2-20210330
先有想象力,才能活用大数据_数据分析师
大数据来了,每个人都有机会从中淘金,当然,你的工作内容也将出现大地震!
“巨量数据对个人的影响,可能最令人意想不到。在某些特定领域……,原本的专业知识就变得不足挂齿了。”《大数据》作者维克托·迈尔-舍恩伯格(Viktor Mayer-Schonberger)在书中强调。
要在这个新领域成为赢家,比的不是统计能力,“唯有具备想象力,才能找到大数据真正的创新价值。”维克托·迈尔-舍恩伯格表示。
台湾中研院信息科学研究所副研究员陈升玮解释,这一波大数据趋势有两大重点:“数据重用”与“异类数据结合”。也就是说,把看似不相干的数据,放在一起分析、运用的能力,将越来越重要。
而看似无关的数据结合,靠的就是想象力。不过,想象力到底该如何培养?
“想象力没办法坐在那边想就出来,它是需要练习的。”Google台湾董事总经理简立峰接受《商业周刊》专访时解释。
以下是简立峰独家分享,Google聪明人是怎样从生活、工作中锻炼想象力的摘要。
别光“下指令”,用Data做决策 抛去旧框架,用搜集数据讨论问题
谈到大数据时代,企业主管到一般员工最需要具备的能力是什么,我认为,还是相信data(数据),凡事用data做决策:“show me the data!”决策是基于数据,不是人为个人喜好,是数据告诉我该怎么做。
企业主管必须先相信数据,接着建立数据,才可能有“大数据”。老板要打从心里认同“data driven decision making(数据导向决策)”的重要性,当有一天数据推翻老板看法时,他必须接受,抛去过去的框架、成见,鼓励员工搜集数据来讨论问题,而不是凭自己的意见下指令。
别总是“听说”,用Data找答案 在不疑处充满怀疑,想尽办法求证
提到想象力(为何重要),因为大数据主要是用在创新,开创新的商业模式。
如果你想练习想象力,首先,它就是“think out of box(跳出框架思考)”,无处不怀疑,人家不怀疑的地方,你充满怀疑就对了,而且,懂得怀疑的人,会愿意相信数据,因为他要说服自己不容易,所以得找出数据证明。
我跟我家小孩最喜欢玩的东西,就是看到一件事情,马上去求证它,例如,(有网络消息说)火星上看到一个巨人影像,我们就开始求证是真的还是假的,想尽办法开始搜寻。你可以用图找原始图,找出全世界有多少网站有这张影像,最后,我发现,我要找的链接是NASA网站,(结果)上面就写这是一张假的照片……。这种事情如果养成习惯,你才能有怀疑的能力。
别老“坐着想”,用Data找观点 多讨论,在不同意见中找出最好的
想象力没办法坐在那边想就出来,你还要有分析力,能够把一件事情拆成一百个角度去看,你就有机会刺激想象力,但如果你只有十个角度,你就很难有机会有想象力,想象力是要训练的。
几周前,我们有一个跨部门产品经理的会议,他们都是很有创意的年轻人,大家对土耳其市场搜寻流量突然增加那么多,感到很好奇,现场大概有20个人,马上抛出一百个观点,例如,最近的GDP是否成长?上网的渗透率是否成长?是不是有4G在建设……?接下来大家会很快地debate(辩论),把不合理的因素拿掉,筛出来之后,找出一、两个最有机会的,看要怎么去求证,这就是一个组织展现很强的分析能力。
要如何训练分析力,就是增加大家讨论的机会,美式公司开会表达意见的机会多,意见一旦多,你就要学习从不同意见中找出最好的,如果一个组织是上与下的关系,每次都只有一个人说话,这就培养不成了,越是扁平组织架构,越容易促进大家讨论。
最后,大数据很重要的是求证,Google里面很多数据分析师并不是天马行空地想,相反的,他们都是很严谨的人。
但别把大数据讲成统计学和数学,它只是你会不会懂得观察,生活上很多东西就是大数据的判断,我用搜索引擎也跟统计无关,我觉得用“科学家”这个词就把人吓坏了。大数据真正的用意,就是你重视data,找方法把data转换成价值就可以了,至于“大”(指所谓巨量数据),全世界需要处理大量数据的企业没几个,留给专家处理就好。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17