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
【核心关键词】软件、洞察力、大数据、产品、经验、硬件、流量、创新、决策、数据安全、网络安全、数据分析、决策制定、数据挖 ...
2026-06-18在方案选型、效果复盘、产品评估、供应商筛选等各类业务决策场景中,仅凭单一指标下结论往往会陷入 “以偏概全” 的误区。多维度 ...
2026-06-18 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-06-18在数据分析、用户运营与业务增长的工作体系中,漏斗拆解是最基础也最高频的问题定位方法。很多业务场景下,我们只能看到最终的转 ...
2026-06-17在数据库开发、数据清洗与报表统计场景中,数值类型转换为日期是高频刚需操作。业务系统常以 Unix 时间戳、整型日期(如20240617 ...
2026-06-17 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-06-17【核心关键词】数据库、电商、知识、产品、数据产品、监管业务、产品经理、业务系统、用户行为分析、用户分析、数据分析、电商 ...
2026-06-16在 Python 动态类型与面向对象的编程体系中,变量定义与类实例化是构建代码逻辑的两大核心基石。变量是数据存储、传递与运算的基 ...
2026-06-16 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据和表结构数据有什么区别”“数据类型误判会引发哪些分析错误” ...
2026-06-16在 MySQL 查询性能优化体系中,索引是降低查询耗时、提升数据库吞吐的核心手段。其中联合索引与覆盖索引是实际开发中最高频的两 ...
2026-06-15在数据仓库建设与商业智能分析体系中,维度建模是应用最广泛的建模方法论,而事实表与维度表是维度建模的两大核心构件,共同构成 ...
2026-06-15 很多数据分析师能熟练计算指标,但当被问到“这家企业的核心业务目标是什么”“如何把模糊的战略目标拆解为可量化的指标”“ ...
2026-06-15在数据分析、业务监控、运营复盘等场景中,列值趋势计算是核心需求之一。无论是分析销售额的月度增长、用户活跃的变化趋势、库存 ...
2026-06-12在数字经济深度渗透的当下,消费者的购买行为已从过去的 “被动接受” 转变为 “主动决策”。流量红利消退、获客成本攀升、用户 ...
2026-06-12CDA三级认证是三个级别中的塔尖,全面考察数据战略、团队领导和复杂项目的综合能力。它所对应的《敏捷数据挖掘》教材,不再局限 ...
2026-06-12在游戏产业的商业逻辑中,付费玩家是支撑游戏生存与发展的核心支柱。行业普遍遵循 “二八定律”:20% 的付费玩家贡献了游戏 80% ...
2026-06-11【核心关键词】企业、定位、传统、产品、互联网、可视化、业务侧、数字化、结构化、数据分析、传统制造业、市场状态、发展空间 ...
2026-06-11 解读《CDA二级教材:量化策略分析(2025)》的全景结构与学习逻辑 ” CDA二级认证是企业招聘数据分析师时最常提及的证书门槛 ...
2026-06-11【核心关键词】药企、可视化、营销、分类、数据分析师、销售数据、业务人员、指导方向、分析报告、营销数据、营销医生 【专访摘 ...
2026-06-10在统计学分析、问卷调研、实验验证、业务复盘等场景中,卡方检验与 T 检验是应用最广泛的两类基础假设检验方法。前者专门处理分 ...
2026-06-10