京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据观念:决策当摒弃经验与直觉
据统计,人类历史上90%的数据,都在过去的两年中产生;今天,数据世界已经增至4.4亿万亿字节,如果将这些庞大的信息量存储在苹果iPad平板电脑中,叠加起来的iPad平板电脑,其厚度相当于地球到月球距离的2/3,这或可意味着人类已进入大数据时代。
蒸汽机的发明,使煤、石油成为推动工业革命的重要原材料;现在,计算机的发明和联网,将使大数据成为推动信息革命的重要原材料。美国作者史蒂夫·洛尔在《大数据主义》一书中,解释了大数据技术将如何引发一场新的革命,并告诉我们:大数据将在哪些领域大放异彩,又在哪些领域需要保持警惕,以及大数据将把我们带向何方?
让大数据大放异彩的领域
大数据应用于很多领域、行业,同时,它还会改变人类的决策方式。大数据主义者认为,所有决策,都应当逐渐摒弃经验与直觉,并且加大对数据分析的倚重。
让我们来看一下美国的药品销售企业麦克森公司的案例:在经营活动中,麦克森公司产生了庞大的数据,IBM公司利用这些数据,为麦克森公司建立了决策模拟模型。借助这个模型,麦克森公司可以完成更精准的预测和更高明的决策。麦克森公司经营的一些药品如抗癌药品和专用抗生素等,价格极高,需求极不稳定,麦克森公司以前的做法是:靠“猜测法”在几个分销中心都储备这类药品,再根据需要调货。通过IBM建立的决策模拟模型得知,尽管空运成本是卡车运送成本的10倍,但如果把这些药品全部储存在孟菲斯郊区的中心仓库,再空运给客户,这些昂贵药品的库存会降低1/2,节省的成本,用于支付高昂的空运费还有结余,并且这些药品的按时送达率,会由以前的80%上升到99%。最终,麦克森公司通过对大数据的应用,将库存成本降低了10亿美元,效率提高了约13%。
大数据在商品零售业也有光明的前景。世界零售业巨头沃尔玛,通过大数据统计与分析,发现男性顾客在购买婴儿尿片时,常常会顺便买上几瓶啤酒,于是,他们推出将啤酒和尿片捆绑销售的促销活动,非常有效地提高了啤酒销量。另外,沃尔玛在挖掘历史采购数据时发现,在预报有飓风通过的地区,消费者购买草莓果酱馅饼的数量是平时的7倍,而飓风到来之前,最畅销的商品是啤酒。于是,他们在飓风警报到来时,已经储备下足够的草莓果酱馅饼和啤酒,这样既充分满足了顾客需要,又获得了较好的销售业绩。
《大数据主义》一书中诸多案例告诉我们,现在及将来,那些价格越来越低廉的电脑与软件,再加上越来越开放、高效的网络,将意味着更多的企业参与到应用大数据的方法中来,提高效益或制定战略。
大数据的“黑洞”
当然,大数据在带给人们便利的同时,也隐藏着一个巨大的“黑洞”——安全问题。例如,美国最大的数据代理商,是总部位于阿肯色州小石城的安客诚公司,该公司已搜集了数亿名消费者的数据。该公司宣称,他们通过官方档案、购物数据、网上浏览习惯等渠道,归纳了消费者的大量信息,从而得出大多数美国成年人的相关数据,比如人们的年龄、种族、性别、党派、对度假的期望等,其深入细致程度是美国政府和其他互联网企业所无法比拟的。安客诚是向企业提供消费者信息的杰出供应商,也同时成为隐私权倡导者们最讨厌的对象之一。通过技术获取最大利益的同时,如何保护好人们的隐私权?怎样找到合适的平衡点?这是需要人类认真思考的重大问题。
到目前为止,“怎样才能将隐私方面的风险降至最低?”还没有明确的答案,但已形成了两个泾渭分明的阵营。一个自称“开明商业群体”的阵营认为:数据是一种资产,是信息经济的流通货币,因此数据像钱一样,只有自由流通才能创造最大的价值;他们主张,在制定保护隐私的规则时,关注点应该是“数据的使用”,而不是“数据的收集”。但是,“消费者与隐私权倡导者”阵营对仅通过限制数据使用来保护隐私权,表示怀疑和反对。
阿莱克斯·彭特兰,是麻省理工学院媒体实验室的一个团队负责人,目前,他的团队正在开展隐私权项目的研究和实验。他竭力主张“新型数据交易”,其中包含三个基本原则:“你有权拥有你自己的数据,有权管控这些数据的使用,有权选择你认为合适的方式销毁或发布这些数据。”2014年,奥巴马政府的大数据报告也再次呼吁,应当按照彭特兰提议的原则,加强对消费者数据的管控。与此同时,开发应用于数据管理的隐私保护工具,也成为一个重大的商机。
该书作者还从更宏大的视角,来观察大数据。他深刻地指出:如同宇宙大爆炸般飞速扩张的“数据世界”,不仅日益成为外在客观物质的“镜像”,而且正越来越多地包含人类自身行为的追踪和记录,成为人类观察和认识自我的一面“大镜子”。在大数据的帮助下,我们将会越来越清晰地看到这个世界的本来面目,也会越来越清晰地认识人类自身
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18