京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代分析变革即将来临
日前,Teradata首席分析官Bill Franks在北京与部分业内媒体记者举行了一次关于大数据分析的圆桌会议,在这次会议上,Bill Franks带来了他的新书《数据分析变革》,并就大数据分析的最新发展趋势发表了精辟见解。
Bill Franks表示,经常会有人问这样的问题,大数据是不是存在泡沫,这种泡沫会不会破裂?比如,前段时间一个记者问我,说他们估计差不多一年半之后,大数据泡沫就会破裂。他当时问我大数据是否有泡沫的时候,我的答案是这样的,从某种方式来说是有泡沫,从另一种方式来说没有泡沫。
为什么说有泡沫呢?确实现在市场上有一些过多的炒作,认为通过大数据能够获得所需要的一切。如果不能实现这些目标,有可能标志着大数据泡沫会破裂。如果不是泡沫的话,再过多少年之后进行回顾,会觉得当时对大数据的看法是非常滑稽的。
我们所经历的真正的互联网泡沫,是大家非常熟悉的,从1999年到2000年。当时并不是说互联网本身缺少价值,而是认为这种价值的获得太容易、太快速,所以造成了当时的泡沫。但是看一下目前的情况,互联网已经深入到社会的方方面面,给人们的工作、生活带来了非常深远的影响。目前,大数据也是这种情况,现在大数据的发展非常艰难,人们有各种各样的说法。如果再过五年或者十年,我们会看到大数据可以带来非常好的影响。过去大数据都是在企业里面,各个领域都有大数据。前几年,Teradata提出企业级数据仓库,就是如何把这些数据源整合在一起,来挖掘企业内部的数据价值。
Franks说,我们要避免重蹈覆辙,目前看到在企业里有很多单独的大数据部门,大数据分散在各个地方,这些数据也由不同的人员加以管理。我们应该避免过去传统数据管理问题,要把数据都统一集中在一起。我们会提供相关的工具、技术、专业服务,帮助客户更多地挖掘数据价值。我们能够帮助挖掘客户的业务问题所在,给他们找到具体方法,能够提供具体的工具和技术,更大地发挥大数据的作用。一方面我们能够在前端帮助客户发现数据的价值,另一方面在后台也能进行跟踪,给它进行量化,发现数据价值所在。
Bill Franks认为,我们现在面对着数据分析的变革,通过一种“手工定制”的办法,针对企业具体的问题,做一些大数据的分析,给他们提供定制化的解决方案。这里涉及高价值的问题或者低价值的问题,一般都要探索哪些是属于高价值的问题,需要有一些定制的或者深层的分析。对于那些低价值的问题,可以部署一些业务流程等进行解决。企业可以在技术、业务流程里,嵌入一些解决方案的数据分析,能够自动实施,不需要太多的人工参与就能实现。
谈到电信领域的高级分析,Bill Franks说,从电信商运营的角度来说,也需要大量的高级分析,比如一些无线的基站和铁塔,什么时候会出现问题。包括一些网络上传送的速率情况,都传输什么内容,是电子邮件还是什么?这些分析与传统的分析是不一样的。传统的分析是这个电话是谁打给谁的,而现在的分析更多一些,包括基础设施、网络、基站等,很多环节都需要这样的高级分析。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07