
大数据: 企业创新的原动力
创新史上由于偶然或意外发现的产物和进程俯拾皆是。举例来说,微波炉,X光机,盘尼西林等等,都不是一纸设计的产物,而是极具视野、动力十足的革新者们将眼前之物应用于更广泛层面的产物。
数字世界中也是如此,这里技术的进步大大依赖于横向视角和开发现有技术和信息潜在功能的开阔视野。
在大数据世界中,信息来源种类以日新月异的速度变得日益繁杂,带来的信息量越来越大,给创建和整理信息的人们带来了恼人的挑战,即要充分重视手头数据集更广泛的应用。其实,现实是创造和整理数据的人们并不是决定其最广泛应用的最佳人选。
在这种背景下,宝马的市场总监最近向北美国际汽车展透漏的消息就不那么令人吃惊了,宝马收到了大量按车辆排序的数据使用请求,而且这种请求一般都遭到了婉拒。这一现象似乎是出于对隐私的关心和无意识状态下为第三方提供获取顾客数据的途径所带来的可能后果,因为这会造成易受攻击的状态,或者带来不必要的信息暴露。宝马并不会是唯一一家持此观点的企业。
发挥数据的价值
但是我们并不应该简单粗暴地拒绝支持数据在企业外部的更广泛使用,而要鼓励向第三方开放数据,因为第三方可能对数据的应用有更广阔的视野,这样才能发挥数据的真正价值。
虽然在处理顾客数据时,隐私毫无疑问是一项重要因素,但是零售商基于隐私风险考虑而拒绝扩大数据使用权限,就忽视了这些数据对于革新者的内在价值。当然,应当记住只有在涉及个人数据或信息时,才会有隐私方面的考虑。
因此,企业应该将其注意力放在捕捉到的数据的性质和质量上。从一开始就应该评估是否有必要对涉及个人信息的数据进行整理。无论企业考虑将其数据商业化与否,都适用这一基础问题。
个人信息管理
假设要整理个人数据,是否有必要保留这一数据的个人信息?如果没有,就没有理由保留。简单来说,无意中将个人数据捕捉并保留可能会给企业带来不必要的问题,因此应该尽一切可能避免这种状况的发生。
即使有必要捕捉并保留个人数据,企业也应当尽可能早的将数据做适当匿名化处理,才能进行收集和保留。
当数据需要在现场环境中进行展示或共享时,需要确保数据输入端、API或者入口的安全——这样能够保证数据的安全转移,防止企业后门的出现。
对于这些问题的关注能够抵消,或者最少能将对隐私的担心最小化,使数据商业化顺利进行。
投入更广泛的应用
我们目前关注的是两方面的良好平衡,一方面是企业发挥日益丰富的数据集的商业化需求,另一反面是企业认识到自身并非发挥数据更广用途的最佳人选,而且未来这会带来数据的暴露。
汽车制造商的大数据能够为顾客带来更多便利,更舒适安全的享受,但这些数据还可能有更广泛的应用。企业不应当陷入猜测应当怎样使用数据激发技术创新的漩涡中,而应当拥抱大数据的商业化;另外,当在动态环境中使用数据时,应当采用安全措施防止暴露核心系统通道。
盘尼西林的发现与抗细菌真菌在废弃污染的有盖培养皿中的生长有关。那么如果企业解放数据,会出现什么创新呢?我们可以拭目以待.
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 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) ...
2025-09-26