京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据落地进行时 从概念化走向价值化_数据分析师考试
过去几年大数据技术很火,经历几年时间的“酝酿”,我们可以看到今天的大数据已经从过去概念阶段逐步走向落地——众多的行业企业开始意识并且开始尝试大数据技术,但是实际上现在的大数据应用还存在争议有观点认为大数据虽然很火但它的实际运用、价值创造方面还有待于观察和发掘。那么,经历几年时间的发展大数据如今的现状究竟是怎样的?在近日召开的2015 SAS中国用户大会暨商业分析领袖峰会(以下简称峰会)上IT168记者有幸采访了SAS公司执行副总裁兼首席营销官Jim Davis、SAS公司大中华区总裁吴辅世、广发银行信用卡中心首席风险官王玉海等行业服务商以及用户听一听他们是如何看待大数据的价值、落地、应用现状的。
服务商、行业用户眼中的大数据
提到大数据,业界有观点称大数据现状是“关注的比投资的多、投资的比做得多、做的比懂得多、真正的懂得人比较少,懂得比赚的多”。在这样的一个现状下,作为大数据服务商如何来看待?对于此,SAS公司执行副总裁兼首席营销官Jim Davis认为,大数据已经开始应用,利用数据可以为企业带来非常大好的好处,企业应该把数据视为一个重要的企业资产跟企业的人员、人才、客户和设备都一样重要,它不仅仅是一个副产品应该高度重视这样的数据资产。现在处于我们处于数据爆炸的时代,各个行业企业以及机构没有选择,必须通过数据做出决定支持自身发展。
SAS公司大中华区总裁吴辅世认为,大数据走到落地实践阶段是必然的趋势,虽然全球都在萌芽阶段,但是发展是很正面积极。从技术层面来看,技术正在越来越成熟比如Hadoop存储过去只是概念而现在已经应用于很多的领域。所以,大数据落地在一步步的往前发展是正面的积极发展。
作为服务商对于大数据的看法是大数据正在逐步发展、积极落地,那么从行业用户的角度来看,他们又是如何来看待大数据的?对于此,广发银行信用卡中心首席风险官王玉海对于大数据持有不同的态度,他认为大数据在不同的行业应用不同但在金融行业大数据呈现“雷声大雨点小,有客观原因也有主观原因”。主观上金融业的企业文化没有改变过来,用产业兴衰的所谓的基因论来衡量,当上一波的产业浪潮获胜者巩固以后,不断地固化他的企业文化、思维模式、运营架构,这些基因不代表在下一波产业浪潮中能获胜,所以很多银行是安于现有组织架构和组织流程,对那些新生的创新性的事物有一个文化上天然的排斥感,所以,当我们说金融业应用大数据应该是最好的领域时,其实金融行业的小数据还没用好,文化上有一个不接受的排斥。
在成本和管理因素方面,不管从人力还是硬件,从数据结构还是数据源还都是传统意义上的这种模式。尤其是大数据要基于生命周期的数据管理方式,其实在目前金融业还是割裂的,碎片化的管理。尤其传统分析方法已经不适合大数据碎片式、非结构性的数据,像影像、图片、音频等非常好,但是一旦接触它很棘手,怎么样把非结构性的传统方法用于大数据管理?实际上从软件、硬件、基础设施上来看都没有完全成熟,成本更高了。现在传统银行每一个部门有它的成本控制,他不敢去冒险投入很多的财力、人力来开发而不能肯定它的回报,这是管理和成本的制约。
在技术方面,传统的数据库都是事物型的而不是分析型的数据库,IT人员习惯于从原数据抓过来,从文本文件变成一个数据仓库,但是分析是另外一个事情,他把分析和仓库割裂起来,由于技术原因和过去的管理机构,需要更大的储存和更强的技术能力,也就是云计算和Hadoop。
在人才方面也是一大挑战。大数据应用不仅仅是需要一些计算机行业的、数学行业的人才,它更需要的是对传统的金融领域和未来发展更了解、更熟悉,同时又有能力作数据搭建储存和分析,这些人才目前在市面上是非常稀缺,虽然每年大量的学统计和金融的大学生,但是他们是割裂的很多人是偏才,所以现在对银行来言,可以轻易给这些有这种能力的员工一百万到两百万的工资,但是仍然不好找。
大数据如何落地?
来自服务商、行业用户对于大数据的现状分析以后,我们可以看出大数据已经从概念开始逐步走向落地应用阶段,那么,对于行业的企业而言该如何借助大数据创造价值?对于此,Jim Davis指出,大数据带给企业的好处要满足四个条件:第一,基础设施;第二,相关人员或者人才,他们需要来理解并且帮助机构以及企业根据事实做出决策,他们需要具备相关的技能来进行数据和分析;第三,相关过程;第三,强有力的文化,在这个文化中愿意变革现在数据和分析不是可有可无的选择,任何企业和机构如果想要继续在前行道路上取得成功必须拥抱数据和数据分析。
王玉海指出,大数据应用的挑战并不等于悲观,虽然金融业应用大数据存在阻力和挑战,但是应用逐渐大数据化是需要一个过程。
SAS推动行业大数据落地
在推进行业企业大数据落的地进程过程中,作为领先的大数据服务商——SAS能够为行业企业提供什么样的服务或者产品支撑?吴辅世指出,过去几年 SAS为中国行业企业提供了优质的产品以及服务为助力大数据落地,比如我们的联想、华为等。正是借助SAS的大数据优质的产品,SAS中国成为在亚太区是以成长速度最快的国家和市场,目前,SAS重点服务四大行业领域的企业:第一,金融服务银行、保险企业;第二,制造业;第三,政府市场;第四,电信市场,除此之外未来在中国市场上SAS还要继续推广发展如医疗等行业,加速大数据落地步伐,促进企业健康成长。
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、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22在数字化运营场景中,用户每一次点击、浏览、交互都构成了行为轨迹,这些轨迹交织成海量的用户行为路径。但并非所有路径都具备业 ...
2026-01-22在数字化时代,企业数据资产的价值持续攀升,数据安全已从“合规底线”升级为“生存红线”。企业数据安全管理方法论以“战略引领 ...
2026-01-22在SQL数据分析与业务查询中,日期数据是高频处理对象——订单创建时间、用户注册日期、数据统计周期等场景,都需对日期进行格式 ...
2026-01-21