大数据:全新机遇还是一纸空谈
目前,人们对大数据及其价值的认知各有不同。一部分人认为大数据的价值在于帮助企业各部门获得新的洞察力并付诸行动;另一部分人认为大数据不过是天花乱坠的宣传而已。这两种观点都有可取之处,而有趣的是,这两种观点都成立。尽管外界对大数据大肆宣传,人们还是很快了解到大数据真正价值与空谈之间的区别。
弄清这种区别将非常有助于了解大数据价值(最好考虑投资大数据)并认清仍对大多数企业发展构成主要阻碍的挑战。姑且假设未来相关技术将逐渐成熟,并能通过释放其潜力创造价值。这种预测已在以往多种技术上都得到证实,大数据技术应该也不例外。制约大数据技术发展的主要瓶颈在于它自身的问题:人们会忽略大数据的严重依赖性,或认为这种依赖性仅仅是我们为创造价值而必须接受的前提。
这种依赖性是指用户认为在创造价值前,必须保持数据一致性,或在数据库等持久保存数据的系统内实现数据标准化,这需要企业大张旗鼓,投入数十亿美元,却导致效率低下和重复劳动。因此,在没有创造任何价值前,企业的项目投入已达到70%,用于数据识别、采集、迁移、存储及优化。虽然过去十年间分析技术已取得多次重大突破,而分析技术终端及平台数量激增,但与过去30年相比,企业分析解决方案开发及部署模式仍未发生变化。
令人关注的是,在利用大数据技术真正创造价值的行业内,大数据市场正呈现出不断细分的趋势,且这一趋势已逐渐明朗。我们最好从这些细分市场入手,深入了解大数据价值与空谈之间的区别。
能够体现大数据价值的领域
大数据技术在数据探索、趋势分析、调整机会分析等领域已获得成功应用。这看上去毋庸置疑,而以下两个共同点却不明显,但大数据技术在符合这些共同点的领域内已具有切实的可行性,并已站稳脚跟。
·全新的海量交互信息:基于Web的购物与数字化零售、移动端活动、社交媒体互动信息及互联网搜索条件。换言之就是全新的海量同类数据。
·重视营销机会:为产品销售提升潜在客户识别成功率,这种技术应用通常由大众化营销与媒体费用承担。
无法体现大数据价值的领域
随着数据同类性降低,导致获得洞察力的成本相应增长,大数据的价值开始降低,而对于大数据综合价值因素的炒作也导入歧途。在谈到典型的企业问题时,大数据鲜有成功案例。原因何在?
·业务问题已是老生常谈。这已经无需再议,可能在过去5-10年内使用“新型”数据是大数据技术顺利部署的成功因素之一。
·解决方案使用不同类型的组件。企业数据面临的挑战是它广泛分布在各种不同的技术和数据平台上。例如,数字化零售、电信业及社交媒体使用结构化数据,其表现形式相似;而企业数据则分布在主机、ETL(提取、转换和加载)工具、虚拟层、关系数据库、商业智能(BI)数据库、交易数据库以及数百种其它组件中,这些技术在过去30年中已不断发展。更糟糕的是,每种应用程序使用不同的数据模型,导致数据与其相关技术平台整合越来越复杂,因此,利用当前大数据工具访问企业数据,难以创造直接的价值。
这就是企业大部分业务问题与大数据无关的原因。这些业务问题实际上是分布式数据问题:在这种模型下,信息、数据、价值和分析广泛分布在不同的位置、技术平台和数据源内。但我们仍继续使用与以往相同的集中式模型来解决这一日趋严重的分布式问题。当用户能够通过常见的界面外观稳定地访问数据时,这些集中式模型能够发挥很大的作用,这在社交媒体、数字化零售等行业新的成功案例中屡见不鲜。但集中式模型却无法解决银行、保险、医疗行业及其它广泛的业务问题。
目前,企业实现大数据价值需对多种不同数据及功能体系进行数据整合及标准化规划。如不改变现有数据管理机制,那么企业解决方案采用越多的分布式组件,项目回报率越低。
大数据技术促进深度分析及分析性能取得技术突破,其价值毋庸置疑。但这种价值却被数据提取和/或整合成本破坏,导致价值/炒作的底线被轻易冲破。目前,市场在数据价值上多少存在一些分歧,其中一部分行业尚处于初创时期,可保持技术一致性,因此,这些行业可以暂时解决分布式数据的问题。
由于技术孤岛仍将持续存在,且数据仍保存在不同的位置,Gartner公司分析师Doug Laney预计到2017年,90%的大数据项目仍无法发挥它们的作用。Doug最近总结到,虽然数据复杂性、企业内外部数据的分布和离散度不断提升,但也不会因为大数据技术作出的各种承诺而承认系统及数据大规模整合项目的合理性,它们只是大数据价值的体现。
我们只有意识到大数据技术虽已占有一席之地,但仍受到分布式数据源的直接影响,才能尽早通过真正具有成本效益的途径,根据数据复杂度和分布情况,充分利用数据价值。
大多数企业可灵活使用双重数据策略:运用大数据技术对大量同类数据进行深入分析及机会辨别;或运用分布式数据应对运营、风险、管理等复杂但已为人所了解的挑战。人们将能够接受这种双重数据管理策略,充分发现、挖掘并管理大数据技术的价值,并在行业内实现不断灵活创新。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14