京公网安备 11010802034615号
经营许可证编号:京B2-20210330
如今,大数据分析到底有多重要?McKinsey Global Institute(位于旧金山,是总部位于纽约的麦肯锡公司的研究机构)的高级合伙人Michael Chui(去年发布的麦肯锡大数据价值研究报告的作者之一)认为,在数据分析方面的能力将决定企业市场份额的得失。而且根据长久以来观察的结果,强者将会逾强(Whoever has will be given more,出自圣经之马太福音)。
“很快,我们就会看到那些领先的公司从中得到收益。”Chui说。海量数据的收集和分析已经在医疗健康领域得到了实际运用,麦肯锡在报告中预计该行业将从大数据中获得多达3000亿美元的收益,其中2000亿来自于相关成本的削减。
James Noga是Partners HealthCare System(位于波士顿的一家非营利性医疗机构)的CIO,他认为医疗行业已经认识到大数据分析能够极大地提升人类健康水平(即便不是最重要的因素)。“在我们这,即使只是基于一个很小的数据集,我们也能够通过分析来发现诸如Vioxx(一种已被发现有重大问题的药物)之类的问题”.
Noga认为尽管医院在大数据分析方面还不够成熟,但是情况正在一天天发生着变化。大量的数据正不断从医疗第一线汇集起来并经过整理和分析。Noga预计,随着人类基因组序列分析的成本降低,总有一天会给公众带来重大的福音。“无数的人正等着这些数据来进行分析利用。”Noga补充到。
数据蕴藏的新价值
Chui和Noga都参加了在马萨诸塞Cambridge举行的MIT斯隆CIO论坛,并作为数据专家阐述了大数据分析的诱人前景和面临的挑战。论坛由纽约时报的技术编辑Quentin
Hardy主持,还包括The Corporate Executive Board
Co.(CEB,位于华盛顿特区的一家咨询公司)的高级总监Shvetank Shah和Babson
College(位于马萨诸塞Wellesley)的管理和信息技术教授Tom Davenport.
数据分析的用武之地绝不仅限于医疗健康领域(已经建立了一套规范的科学方法)或者消费品行业(已经拥有大量的用户数据)。比如,基于物流行业供应链而收集的海量数据也已经开始被用于对经济趋势的分析。[page]
Hardy最近遇到了一个物流公司,其客户占了世界经济总量的3%到5%.该公司所拥有的数据对未来具有重要的指向作用,比如圣诞季的零售业状况和阿拉伯之春后约旦的走向。“我告诉他们,这些信息都可以在华尔街进行交易。”
Davenport是数据分析方面的高产作者,他最近专注在工业界并且预计大数据分析正给振兴美国制造业带来机遇。“通过数据分析,你可以及时发现问题并优化业务。”
流程和产品的数字化为企业开辟了另外一个天地。“我们可以毫无束缚地开始各种创新实践。”Chui说。
CIO在大数据分析中的角色
那么,在大数据分析中CIO应该承担什么样的角色呢?包括Partners
Healthcare的Noga在内,至少有两位与会者强烈建议业务端来领衔分析工作。“我们有部分的责任,但分析是实实在在的研发工作,IT只是提供支撑。我们负责基础架构的事情
–
比如什么类型的计算适合放在公有云、私有云或者完全掌控的数据中心里。”Noga解释说:“就我自身来说需要理解分析技术,但是不应该成为责任人。分析事关企业战略,属于研发类型,应该由具备专业素养的人来担当数据科学家(data
scientist)。”
这种看法的原因可以从一次相关的讨论结果(大数据和分析法学的挑战:数据聚积和偏好)中看出端倪:大数据时代的成功在于发现能够提升业务决策的模式。而这个过程中需要扎实的数学和技术功底,以及对业务的深刻认识。
Noga的看法得到了Davenport的赞同,后者以通用电子为例来加以说明。通用电子计划在投资超过10亿美元的全球软件中心(位于旧金山)招聘800位数据科学家。这些科学家将受聘于公司的研发部门。另外,惠普公司也在其战略规划团队中增加了数据科学家。“对此,我们给予完全正面的预期。”Davenport表示。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-05-18【专访摘要】本次CDA持证专访邀请到拥有丰富物流供应链数据分析经验的赖尧,他结合自身在京东、华莱士、兰格赛等企业的从业经历 ...
2026-05-15在数字化时代,企业的每一次业务优化、每一项技术迭代,都需要回答一个核心问题:这个动作到底能带来多少价值?是提升了用户转化 ...
2026-05-15在数据仓库建设中,事实表与维度表是两大核心组件,二者相互关联、缺一不可,共同构成数据仓库的基础架构。事实表聚焦“发生了什 ...
2026-05-15 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-05-15【核心关键词】互联网、机会、运营、关键词、账户、数字化、后台、客户、成本、网络、数据分析、底层逻辑、市场推广、数据反馈 ...
2026-05-14在Python数据分析中,Pandas作为核心工具库,凭借简洁高效的数据处理能力,成为数据分析从业者的必备技能。其中,基于两列(或多 ...
2026-05-14 很多人把统计学理解为“一堆公式和计算”,却忽略了它的本质——一门让数据“开口说话”的科学。真正的数据分析高手,不是会 ...
2026-05-14在零售行业存量竞争日趋激烈的当下,客户流失已成为侵蚀企业利润的“隐形杀手”——据行业数据显示,零售企业平均客户流失率高达 ...
2026-05-13