京公网安备 11010802034615号
经营许可证编号:京B2-20210330
如何将大数据进行到底
“大数据”这个词可以说是已经完全把“云计算”的风头盖了下去,现在各种行业会议仿佛不提大数据就跟不上时代。而Gartner近日有报告显示,虽然全球范围内各大企业用户都加强了对大数据(Big Data)业务的投资力度,但有6成企业对大数据投资额的回报产生质疑。是什么原因让企业对这个趋之若鹜的技术产生了怀疑?
60%企业认为谈回报率为时尚早
Gartner报告显示,2012年全球各大企业用于大数据业务的投资总额达到43亿美元,其中绝大部分投资是针对公司服务器上运行的软件。预计2013年期间,这个投资总额将增至340亿美元。
但是,尽管企业加大了对大数据业务的投资,大部分企业未能确信这些投资将有良好回报。通过对800多名商业和IT主管的调查显示,60%的受访者表示,目前判断大数据投资能够带来良好回报还为时过早。
大数据光鲜背后
什么是大数据?到现在对于 “大数据”还没有标准的定义。维基百科上有人对大数据作了如下描述:数据增长如此之快,以至于难以使用现有的数据库管理工具来驾驭,困难存在于数据的获取,存储,搜索,共享,分析和可视化等方面。
作为未来发展的必然趋势,毫无疑问大数据对于企业有着极为深远的意义。近两年来,包括IBM、惠普等在内的存储厂商在追捧“大数据”的概念,他们提出除了为客户提供基础的存储解决方案外,还向企业推广一系列针对“大数据”的分析解决方案,挖掘数据背后的价值。
但在各种文章铺天盖地描述大数据的美好前景的同时,却鲜有大数据项目实施的实际效果的相关报道。
能够引起企业对回报率的质疑,首先我们必须看到的是,“回报率”在有些行业并不是显而易见。在金融服务领域,大数据能够促使服务更好、更有效,从而实现更有利的经营策略。媒体公司可以销售更多的广告版面。电子商务公司可卖出更多产品。
但是这些公司拥有一般企业经营公司不具备的一个共同点:投资回报率显而易见,足以使这些公司排除进入障碍进入大数据领域。而对于大多数企业,大数据是否具有足够的吸引力?很可能不会。大数据价值必须非常高、便宜而且足够成熟,才能吸引企业购买。
如何将大数据进行到底
有业内人士指出,制约大数据发展的因素主要有两个:第一,能够发掘大数据的技术还没有成熟;第二,成本太高。做大数据的时候,存储应该非常便宜,虽然存储比很多年前便宜很多,但还是很高。
非结构数据的快速增长加大了数据处理的难度。同时,许多公司仍处于大数据的研发阶段。也因此,在很多企业内心增加了很多不确定性。大数据技术必须更加容易,项目管理技能更广泛,大数据方可真正成为主流。
从具体技术上来看,数据投资回报是数据价值除以数据成本,首先,我们需要降低数据成本,提升数据价值。降低数据成本的方法很多,最重要的是把低活跃度的数据转移到低成本的存贮器上去。而增加数据的价值则要收集更多、更全面的数据,最近比较火的社交化软件正可以在此发挥作用。其次,要针对数据质量有一个数据治理的队伍和流程。最后,要有很好的数据分析的能力,“数据可视化”是当前的大趋势。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22