京公网安备 11010802034615号
经营许可证编号:京B2-20210330
拨开大数据的迷雾
企业的硬性层面(成本、速度、库存周转率、供应链以及资本效率等)是由可以精确量度的事物组成。硬性层面总能与计算机技术、数据和分析完美契合,这并不令人奇怪。据说,最古老的计算工具是用来算账的巴比伦算盘。罗马人的算盘则造得轻巧灵便、易于携带,为他们打造庞大的帝国起到了帮助。
企业硬性层面和数据分析的结合延续至今。企业是数据分析大师,例如上世纪80年代的沃尔玛(Wal-Mart)、90年代的戴尔(Dell)和如今的亚马逊(Amazon)与网飞(Netflix)。同时,我们所说的企业软性层面(比如设计与审美偏好、团队、信任、领导力、聪明才智和故事)始终存在于各自的领域、神秘世界和直觉里。最优秀的践行者被誉为天才而不是分析师,例如审美嗅觉敏锐的史蒂夫·乔布斯(Steve Jobs)、企业领袖导师杰克·韦尔奇(Jack Welch)、把产品当作故事推销的菲尔·耐特(Phil Knight)和创造激情的理查德·布兰森(Richard Branson)。这些软性品质不易量度,也不是易于传授的必要技能。
我有点夸大了企业硬性与软性层面之间的这种明显差异。最优秀的CEO总是能找到方法弥合这种差异。史蒂夫·乔布斯让精通数据分析的蒂姆·库克(Tim Cook)来管理苹果(Apple)业务经营的硬性层面。库克在这方面确实做得很好。迈克尔·埃斯纳(Michael Eisner)拯救了迪士尼(Disney),但他是在杰出的首席运营官弗兰克·威尔斯(Frank Wells)的辅佐下完成的。谷歌曾严重偏向于数据分析,甚至在其主页上测试了41种蓝色阴影以确定观众的反应。如今,谷歌给其平面设计师留有更多的发挥空间,使谷歌产品的观感得到了提升。
隐藏的惊喜
在大数据这个新时代里,问题已经变成:我们是否应该把软性层面交到直觉性很强的天才手中,或者是否应该利用大数据为软性层面增添严密性和逻辑性?这能做到吗?如果想打造一家成功的企业,就应该重视这些问题。
大数据现在无疑是个被过度使用的词语。我喜欢维克托·迈尔-舍恩伯格(Viktor Mayer-Schönberger)和肯尼斯·库克耶(Kenneth Cukier)在其著作《大数据时代:生活、工作与思维的大变革》(Big Data: A Revolution That Will Transform How We Live, Work, and Think)中对这个词语给出的解释。他们写到,大数据没有边际和结构,笼统但具有预测性,无法显示原因,但能显示关联性。
在这些方面,混乱无序的大数据更像是企业的软性层面而非硬性层面。那么,大数据能否帮助我们设计出更加迷人的产品,打造出优秀的团队和强大的文化,创造出令人难忘的品牌,使我们更具适应性?
这是个新的领域。大数据正在飞速演进,尚不清楚它能在哪些方面提供真正的洞察力,或者在哪个方面它只会造成代价高昂的干扰。大数据已经在信用卡检测等领域里取得明显成功,并有望用病人的少少几滴血就诊断出疾病。但对于想要出售产品或激励团队的企业领导者来说,大数据能干什么呢?
为了了解大数据的应用方式,我在这个夏天与多位CEO、设计师、营销人员和团队建设者进行了交谈,以便弄清楚大数据在哪些方面有用。这些人来自于各行各业大大小小的公司企业。
Nest Labs公司创始人兼CEO托尼·菲德尔(Tony Fadell)说出了他的看法。该公司是硅谷的一家智能恒温器制造商,其产品通过学习并掌握用户的供暖和制冷方式来节约费用。菲德尔曾在大师史蒂夫·乔布斯的麾下学习产品设计,十来年前iPod的问世也有他的一份功劳。
“大数据是否对Nest Labs公司设计其恒温器有所帮助?”我问道。
“没有。”菲德尔说,“好产品来源于好创意。你要为你自己设计它们。你要对数据说你需要的大多数功能说不。史蒂夫乔布斯就非常善于说不。但大数据展现了人们如何以你意想不到的方式来使用你的产品。在如何改进产品软件、如何与客户沟通以及如何建立忠诚度等方面,大数据提供了极好的观察点。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22 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 ...
2026-07-22在金融风控、企业运营、行业研究等数据分析场景中,大量数据以面板数据形态存在:例如多家分支机构连续多个季度的风险指标、多位 ...
2026-07-21 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-07-21