京公网安备 11010802034615号
经营许可证编号:京B2-20210330
怎样才能发挥大数据的潜能
大数据可以产生巨大的经济价值。比如大数据为美国医疗领域每年创造3000亿美元的价值,将年生产力增长约0.7%;为欧洲公共部门管理每年创造2500亿欧元的价值,将年生产力增长约0.5%;为全球个人定位服务供应商每年创造超过1000亿美元的收益,对最终用户的价值高达7000亿美元;将美国零售业的净利润增加可能超过60%,并保持0.5%-1.0%的年均生产率增长;将生产制造业在产品开发、装配成本上开销减少高达50%,流动资金减少高达7%。
这听起来不错,少花钱还多办了事。然而要充分利用大数据,则需要处理相当多的挑战。那么如何有效利用大数据呢?或者说要发挥大数据的全部潜能,我们首先要解决的问题是什么呢?
人才,人才,人才。重要的事情说三遍。人才短缺是利用大数据首先要解决的问题。特别是缺少在统计和机器学习上有精深的专业知识的人,以及有眼光知道如何利用大数据经营公司的经理和分析师,会妨碍数据的有效利用。根据调查,仅在美国就面临着15-19万深度分析技能的人才,以及150万分析大数据与决策的经理和分析师缺口。
缺少人才仅仅是个开端。其他挑战包括:建造合理的基础设施,合理激励和竞争持续创新,可以被使用者、组织和经济体恰当理解的经济效益,合理处理公众有关大数据担忧的保护措施。
另外,要充分发挥大数据潜能,还必须要解决以下几个问题。
数据政策
当空前规模的数据被数字化并跨越组织边界进行传播时,有一系列政策问题将变得越来越重要,包括但不限于隐私、安全、知识产权和责任。显然,隐私问题的重要性,特别是对消费者,随着大数据的价值增加而增加。
个人数据,比如医疗和金融记录,往往能提供最重要的信息以实现价值,如帮助找出正确的医疗手段或最优的金融产品。然而,消费者也把这些类别的数据看作是最敏感的。显然,个体和他们所生活的社会将不得不在隐私和实用性之间取舍。
另一个紧密相关的担忧是数据安全,如怎样保护竞争中的敏感数据或其他应保密的数据。最近的例子已经证明,数据泄露不仅会暴露消费者个人信息和企业机密信息,也包括国家安全秘密。随着严重破坏的上升,通过技术和政策工具解决数据安全将成为关键。
大数据不断增加的经济重要性也引起了若干法律问题,尤其加上数据从根本上不同于许多其他资产的事实。数据可以完美复制,很容易与其他数据相结合。相同的数据可由多人同时使用。与有形资产相比,所有这些都是数据的独特特征。关于数据的知识产权问题也来了:谁“拥有”某条数据,与数据相关的权利有哪些?怎么定义数据的“公平使用”?还有与责任有关的问题:谁来负责一条不准确的数据导致的负面后果?为了充分发挥大数据的潜能,这些类型的法律问题迟早将需要解决。
技术和方法
为了从海量数据中获取价值,组织将不得不部署新的技术(如,存储、计算和分析软件)和方法(如,新类型的分析)。技术挑战的范围和为解决它们而安排的优先级,取决于机构的数据成熟度。新的问题和日益增长的计算能力将刺激新的分析方法的发展。还需不断的技术和方法创新,来帮助个人和组织集成、分析、具化和消化大数据增长形成的洪流。
组织变革和人才
组织领导者往往缺乏对大数据价值的理解以及如何开启这个价值。在竞争性强的行业,这可能是某些公司的致命弱点,因为他们的竞争对手以及新入行者可能会利用大数据跟他们竞争。而且,正如上面已经讨论过,许多组织没有合适的人才从大数据中获得见解。另外,今天许多组织没有系统安排流程和鼓励措施,来优化使用大数据和做出更好的决定,并采取更明智的行动。
访问数据
为了使机遇转化为可能,公司将越来越多地需要集成来自多个数据源的信息。在某些情况下,组织将能购买到数据的访问权。然而在其他情况下,获得第三方数据往往不简单。第三方数据的来源可能没有考虑分享它。有时候,经济收益不足以鼓励利益相关者共享数据。拥有某些数据集的利益相关者,可能认为数据集是一个重要的竞争优势的来源,因此不愿意与其他利益相关者共享。其他利益相关者必须设法提供令人信服的价值主张给有数据价值的持有人。
产业结构
相对缺乏竞争强度和绩效公开的行业,和利润池高度集中的行业,充分利用大数据的进度很可能是缓慢的。例如,在公共行业,往往缺乏限制效率和生产力的竞争压力;因此,该行业在使用大数据获得潜在价值的道路上,比其他行业面临更多困难的障碍。
美国医疗保健,是产业结构影响从海量数据中获得价值的容易程度的另一个例子。这是一个不仅缺乏成本和质量绩效公开的行业,也是一个付款人从临床数据的使用中获利(减少不必要的治疗支出)。然而,付款人收益的增加,意味着医疗机构收益的减少(不必要的治疗将减少)。正如这些例子所示,组织领导者和政策制定者如果要确定在个人企业、行业和经济体作为一个整体的水平上如何优化价值创造,他们将不得不考虑产业结构如何能够在大数据的世界中演化。
有效利用数据有可能会转变大经济体,提供新一波生产力增长和消费者剩余。组织领导者需要认识到潜在的机会以及大数据所带来的战略威胁,并结合成功抓住大数据机遇的必要因素,评估和改进他们当前的IT功能与数据策略。他们将需要创造性和主动地确定哪些数据池他们能够组合创造价值,并如何获得这些池的访问权,以及解决安全和隐私问题。关于隐私和安全问题,一项重要任务是帮助消费者了解,存在风险的同时使用大数据能提供什么好处。同时,公司需要招聘和留住深度分析人才,并培训他们的分析师和管理队伍,变得更加具有数据头脑,建立一种在决策中看重和奖励使用大数据的文化。
政策制定者需要认识到利用大数据来释放下一波经济增长的潜力。他们需要提供体制框架,在保护公民的隐私和保障数据安全的同时,允许公司能够轻松从数据中创造价值。他们还可以在通过教育和移民政策帮助缓解人才短缺;在建立包括通信网络等合适的基础设施技术促动要素;在包括先进分析的选定地区加快研究;在创造鼓励创新的知识产权框架中发挥着重要作用。协调利益的创造性的解决方案也可能是必要的,例如,要求相关机构分享某些数据以促进公共福利。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python开发中,HTTP请求是与外部服务交互的核心场景——调用第三方API、对接微服务、爬取数据等都离不开它。虽然requests库已 ...
2025-12-12在数据驱动决策中,“数据波动大不大”是高频问题——零售店长关心日销售额是否稳定,工厂管理者关注产品尺寸偏差是否可控,基金 ...
2025-12-12在CDA(Certified Data Analyst)数据分析师的能力矩阵中,数据查询语言(SQL)是贯穿工作全流程的“核心工具”。无论是从数据库 ...
2025-12-12很多小伙伴都在问CDA考试的问题,以下是结合 2025 年最新政策与行业动态更新的 CDA 数据分析师认证考试 Q&A,覆盖考试内容、报考 ...
2025-12-11在Excel数据可视化中,柱形图因直观展示数据差异的优势被广泛使用,而背景色设置绝非简单的“换颜色”——合理的背景色能突出核 ...
2025-12-11在科研实验、商业分析或医学研究中,我们常需要判断“两组数据的差异是真实存在,还是偶然波动”——比如“新降压药的效果是否优 ...
2025-12-11在CDA(Certified Data Analyst)数据分析师的工作体系中,数据库就像“数据仓库的核心骨架”——所有业务数据的存储、组织与提 ...
2025-12-11在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01