京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据分析影响力报告揭秘投资回报率与未来趋势
全球领先的大数据分析和营销应用服务供应商Teradata天睿公司(Teradata Corporation,纽交所:TDC)日前发布全球性报告,揭秘六大行业大数据分析计划当前实施状况。该报告由Teradata天睿公司与麦肯锡公司(McKinsey)联合赞助,采用《福布斯观察》(Forbes Insights)设计的调查问卷,面向全球领先企业的316位数据及IT高级决策者展开调研。该报告展现出大数据计划对企业文化与实践的影响,揭示该大数据计划所面临的挑战,并肯定了大数据投资的商业价值。
报告特别指出,大多数受访者对大数据分析不仅进行重大投资,而且从中获得显著的投资回报率。在所有投资类型中,约90%的企业的投资达到中高级,而约三分之一的企业认为他们的投资“非常重要”。此外,约三分之二的受访者认为大数据及分析计划已对营收产生重大的实质性影响。
Teradata天睿公司产品与服务营销副总裁Chris Twogood表示:“运用大数据技术的企业正在逐步实现大数据项目的影响力,这令人非常兴奋。企业不仅致力于投资大数据分析技术,大多数企业还能使这些投资产生实质性的影响。约五分之一(21%)的受访者一致认为,大数据分析是企业获得竞争优势最重要的一条途径,而38%的受访者则认为是其企业首要考虑的五大议题之一。”
Twogood还表示,通过包括数据仓库在内的分析生态系统并结合开源技术部署大数据分析能力,能够整合多种不同类型的系统,可进一步增强竞争优势。
在受调查的六大行业中,企业高层认为大数据具有不同的价值潜力;零售业受访者最看好大数据技术,认为大数据与分析能力是该行业获得竞争优势的重要途径。
调查显示,大数据技术正在改变未来,并通过以下三种重要方式为创新开拓机遇:创造新的商业模式(占受访者54%);开发新的产品促销方式(占受访者52%)以及向外部公司进行数据变现(占受访者40%)。
大数据取得成功的最重要动力 —— 企业高层的支持
那些处于技术前沿、更重视大数据与分析技术的企业表示,管理层的支持至关重要。具体而言:
报告还显示,特别是在企业文化、战略与运营方面,企业仍存在许多障碍。超过一半的受访者表示,接受数据驱动型企业文化是其中最大的障碍,也就是说数据驱动型方式的运营观念目前仍未获得普遍认可。报告还强调,对运用数据进行奖励,以及针对数据进行实验与创造力的培养亦是对该企业文化的重大挑战。
麦肯锡公司消费者营销部门首席营运官Matt Ariker表示:“尽管报告称大数据技术已有所进展,企业虽已充分利用大数据资源,但仍存在极大的提升空间。这些企业文化挑战将在方方面面阻碍大数据计划的实施。但好消息是,这些挑战同时也是一把双刃剑:改善企业文化和思维方式的培养方式,鼓励运用数据实验能力将有助于数据与分析计划获得良好的发展势头和影响力。”
依托大数据计划获得最显著增长势头的企业并未将目光局限于交易型数据,他们正在探索多种数据类型。超过一半的受访者认为,最令人关注的是位置数据(用于识别电子设备的物理位置),紧随其后的是文本数据(电子邮件消息、幻灯片、Word文档、即时消息等非结构化数据)。除探索这些全新数据类型外,领先企业还在分析生态系统中选择性地整合结构化与多结构化数据集,以发现推动新技术创新的分析洞察力。
大数据分析影响力报告简介
本调查由Teradata天睿公司和麦肯锡公司联合赞助,《福布斯观察》执行调查了企业资深领导,包括企业高管层、执行副总裁、资深副总裁或者相当级别领导,以及执行领导团队,包括副总裁、总监、数据科学家或分析师等。受访对象涵盖广泛的行业,包括金融服务、技术和电信、医疗和零售等。从地域分布看,50%受访对象来自北美,25%位于欧洲、中东和非洲,而另外25%来自亚太地区。所有受访对象均在年营收超过5亿美元的公司任职。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27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