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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09