
大数据想做驱动多产业发展的“引擎”,还需掌握哪些技巧
早在1980年,著名未来学家托夫勒在其所著的《第三次浪潮》中就将“大数据”称颂为“第三次浪潮的华彩乐章”,到了现在,大数据的热浪已经覆盖了整个时代。
最近几年,资本一直追着大数据跑,大数据也一直在积极赋能众多产业,包括金融、医疗、教育等,有数据显示,到2020年,中国大数据产业规模或达13626亿元的高点。毫无疑问,大数据已经成为了热门投资方向之一。但是喧嚣躁动之下,传闻中的大面积收割却一直没来。这究竟是数据创业的的玩家不行,还是那些大数据全都走错了道?
一:资本加注下的大数据,行业依然是冰火两重天
据不完全统计,2017年上半年,至少有63家大数据创业企业在国内获得了融资,总融资金额超过68亿人民币,其中获得上亿元融资的企业就有17家,获得上千万元融资的大数据公司有41家,占总数的92%。显然,资本对有潜力的大数据创业公司并不吝啬。
(数据及图片来源:大数据频道)
不过大数据行业里也不尽然都是好消息。在资本狂欢之下,“大数据”开始炒概念,不少“伪数据”公司从中“沾光”,进而阻碍了整个行业的发展。除此之外,数创公司本身还面临着两个难题。
1. 离散的数据被藏在科技巨头们的黑箱中
数据收集一直是数创公司的难题,一方面,数据存在禁地,数据安全和隐私是不可逾越的高墙;另一方面,BAT等科技巨头垄断了大量的社交数据、电商数据和行为数据。也就是说,数创公司即使走出了不能被利用的数据禁地,转身就会投入被BAT们垄断的大数据海洋。
庆幸的是,BAT等科技巨头虽然有着绝对优势,但他们自身涉及的产业非常多,包括金融业务、文娱业务等等,难免会和其他机构存在竞争关系。所以,其他企业掌握的筹码是能够与各产业机构进行无间合作。
美国Palantir大数据服务公司最为人称道的一个案例是,协助多家银行追回了纳斯达克前主席麦道夫所隐藏起来的数十亿美元巨款。
而一直对标Palantir的中国企业中译语通,则是将图像识别、语音识别,包括计算机视觉自觉生成的广告、数字精准营销等技术结合到短视频应用中。
由高盛领投的数创公司Crux 主要业务则是建立信息供应链保证各个金融机构的数据隐私,确保他们不被私自售卖和利用。
从中我们可以看出,与大象共舞,数创企业显然不必用数据量和BAT等科技巨头硬碰硬,从细微之处进行创新将是个不错的选择。
2. 数据可视化是企业的薄弱环节
虽然现在数据创业公司颇多,且无论做SaaS还是做外包服务都已相当成熟,但“数据可视化”仍是大数据行业里较为薄弱的环节。
数据可视化有非常多实际运用的场景,有人觉得可视化仅仅是将数据变成图,其实那只是针对静态的数据,如果做实时数据的呈现,那就是动态的,而不同的呈现方式对背后的技术要求也会不一样。所以,数据可视化是一个技术含量高的领域。
因此,许多数创公司在展开业务,亲身接触到不同行业、不同背景客户的可视化需求后,就会发现一技术环节仍旧面临着许多挑战。所以,企业想要打造高效率、标准化、产品化的服务,就必须探究不同场景的技术解决方案,并开发相应的工具。
谷歌曾经参与创建非营利组织Global Fishing Watch,构建了一个透明可视的大数据平台,可以观察全球海上转运船只的动态。数据可视化让我们对全球商业捕鱼有了一个整体性的洞察与监测。
中译语通在2017年就发布了数据可视化应用,结合了知识图谱技术,可以在任何一个场景应用,相当于是大数据监测的部件;数创企业DataHunter也将根据各行业不同的分析理念和思路,计划在通用性的标准化之上再做行业版。
数据的分析和可视化可以说是大数据服务的“最后一公里”,但这并不是所有企业都有能力解决。毫无疑问,只有打通这一环节,数创企业才能获得不同产业的认可。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18