
四大原则 把握“大数据”机遇
岁末年初,尽管各种各样的关键词不断出现在国内国外有关商业、技术趋势预测的文章中, “大数据”却无一例外地受到关注。企业已经在努力学习通过利用大规模采集及分析数据来制定战略,这有力地体现出大数据的巨大潜力。大数据的采集及分析正在迅速成为企业获取差异化竞争优势的新争夺领域。Amazon.com、谷歌和Netflix等公司在这方面表现抢眼,其他公司则紧追不舍。事实上,近几个月来,制药、零售、电信、保险等各行业都在大数据战略上锐意进取。它们的大手笔表明业界正在针对大数据制定全新战略,对CEO等高管们而言,面临着阻挠大数据举措的挑战。根据相关经验,我们总结出四大原则,希望对企业高管捕捉大数据发展潜力有所帮助。
1. 测算的机会和挑战
企业高管如果能够意识到应对行业盈利挑战的迫切性时,往往就能促成其大数据战略。以AstraZeneca公司为例,企业高管看到了现实数据的威力,比如医药费包销的数据,让制药公司的客户能够评估药品的有效程度 (参阅副文“AstraZeneca的“大数据”合作)。
在我们研究过的一个零售商案例中,大数据是夺取市场份额的艰难一役。该公司战略一向侧重于应对竞争对手的重大挑战,但一种来自网络的竞争威胁正在侵蚀公司的收入及利润。这种威胁的核心来自于竞争对手有能力收集和分析消费心理,且能够为数百万客户提供建议,而这种能力让该零售商的销售能力大打折扣。与此同时,该竞争对手正在形成一种平台,供应商可在这个平台上利用行业汇总的公开价格数据销售多余库存,以此帮助供应商确定折扣幅度。为此,该零售商董事会希望知道是否也可以利用自身的信息资源应对这些挑战。
数据带来的挑战及机会可能会更加微妙。例如,欧洲某电信商采用创新产品绑定的手段提高了市场份额后,大数据分析就被视作公司振兴的里程碑。该公司高管相信,如果能精确找到通过销售带动效益的点,并通过研究消费者行为发现哪些因素决定了其品牌或产品取舍,就可以形成公司新的优势。这就需要有能力解读两种大规模且不断增长的信息:网络搜寻数据和实时信息,即消费者在社交工具和其他网络渠道上分享的关于该公司产品和服务的评价。
2. 确定大数据源头及差距
制定大数据战略,当然需要研究企业究竟需要哪些类型的信息及需要哪些能力。在现阶段,企业高管应彻底评估所有相关的内外部数据。审计人员还应考虑分析型人才的可获得性以及可能有助于填补不足的潜在合作关系。这类审计不仅能真实认识企业能力和需求,而且会激发灵感—例如,某高管发现了隐藏在某些业务部门的“数据宝石”,或认识到通过正确合作创造价值的重要意义。
零售商的审计侧重于公司内部数据,它们往往还有未被完全开发的利用价值。这类数据包括产品返回率、许可证及客户投诉,是涵盖客户消费习惯及偏好的宝贵信息。该审计还发现了一处阻碍因素:没有与客户身份认证数据相结合的数据,或是标准化后足以供公司内外部共享的数据。因此,该类信息很少被用于营销分析,也不可能支持销售代表与客户互动,或是供应链高管服务于供应商。所幸的是,审计发现有一个团队可以帮助解决这些问题:内部数据分析员,该团队的独立工作尚未得到充分利用。
就欧洲电信商而言,问题集中在如何利用消费者对公司及其产品的网上讨论信息,包括数百万相关微博发帖、社交媒体互动、搜索关键词、品牌直接比较,以及张贴在网站上的客户反馈。该电信公司的CEO认识到这一工作的重要性,并发现公司缺乏数量经济学及分析技术,于是聘任了具备相关资质的外部分析师领导组建了一个“集思广益”团队。
3. 就战略选择达成共识
一旦发现了可资利用的机会及资源,很多企业就会立即进入实施规划阶段,但这是错误的。数据战略与企业整体战略密不可分,在确定所需资源投入时需要精心规划才能取得预期效果。这需要一线人员能够使用高级数据分析工具,或者需要收集数据和招聘分析人才,以获得先发优势。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28