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
在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 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 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 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, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23