京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据1.1时代: 从认知到应用
在刚刚过去的十一黄金周里,国内各大景点游人如织,不少景点甚至出现了因为参观游览人数超过其最大承载量而实施限流的现象。相比于国内游,海外游的热度也毫不示弱,中国游客“买爆”日本、韩国等国的新闻也比比皆是。在浏览黄金周游客出行相关报道时,我们不难发现,“大数据”的曝光率非常高,借助大数据分析,我们可以了解黄金周游客出游的距离、高峰、人均费用和消费行为等信息,基于大数据分析而进行的黄金周出游情况分析,已成为人们了解和认知中国黄金周旅游特征的重要手段之一。
实际上,大数据的应用远远不止于此,各行各业都能见到它的影子。在其起步阶段,互联网和电商等与IT技术关联度较大的领域最先了解和使用了大数据,随着大数据逐渐被社会各界认知,越来越多的行业包括大量传统行业在内,都开始了解和应用大数据。大数据对人们的生活究竟产生了怎样的影响?为此,《经济》记者专访了中国商业联合会数据分析专业委员会会长邹东生,与他就大数据的相关问题进行了深入探讨。
从1.0向2.0时代过渡
邹东生认为,当前中国正处于大数据1.1时代,是以认知为特征的大数据1.0时代向以应用为特征的大数据2.0时代的过渡阶段。“尽管大数据的概念在21世纪初就传入中国,但是在2010年前后才开始被中国的社会各界广泛认知。”邹东生向记者解释,“过去的四五年是大数据在中国的普及阶段,政府、企业,特别是一些原本做数据建设和信息技术的公司,开始主动认为大数据是一个趋势。国家前后出台了很多大数据领域的相关规划和推动大数据发展的政策,一些大数据交易平台和交易所陆续成立,越来越多的大数据相关会议也在中国举办”。总结和展望大数据概念在我国的普及和发展过程,邹东生认为主要可以分为3个阶段,“第一阶段是2010年前后大数据的1.0认知阶段,这是社会各界对大数据概念产生初步认知的时期,政府部门和企业界对大数据的理解千差万别,各不相同;第二阶段就是当前,是大数据1.1阶段,是认知大数据向应用大数据的过渡时期;第三阶段是不远的将来大数据2.0应用阶段,未来几年,大数据的相关项目将陆续落地,产生实用性价值,大数据将进入应用和产生价值的阶段。”
在划分大数据时代的不同阶段和阐释相应特征的基础上,邹东生向《经济》记者概括了当前我国大数据发展的主要特征,他认为主要可以从大数据的认知、应用和人才培养角度出发,分为3个方面。第一,从认知大数据的角度出发,企业开始探索大数据能为自己带来什么。“最初,人们对大数据的求知欲仅仅停留在‘我希望了解什么是大数据’,而现在,越来越多的企业希望了解大数据能给自己带来什么和大数据项目如何落地。”第二,从应用大数据的角度出发,企业对大数据的关注不仅仅停留在技术层面,更多向分析数据和研究数据发展。“前几年大数据相关会议和活动的主角是技术公司,只要一说大数据,他们就必提一些技术的新名词,从而导致很多人误认为大数据就是一种技术。这其实是大数据1.0时代的一种特殊认知。因为在那一阶段,很多企业还没有构建自己的数据平台,缺乏数据基础,企业开始接触和应用大数据分析的第一步就是数据化,离不开对于技术的接触。但是技术仅仅是大数据的底层,不是大数据的核心。未来,随着技术的逐渐开源,越来越多先进技术门槛的降低,越来越多的人会明白大数据最具价值的部分不是通过数据搭建的技术平台,不是数据本身的储存,而是它的分析过程,是通过对数据进行的深层次应用,帮助企业提高决策决心,降低运营风险。”第三,从人才培养的角度,企业越来越重视大数据人才的价值。大数据人才即将迎来井喷阶段,“以各企业对数据分析人才的需求为例,前两年相关的人才需求比较零散,而现在的需求十分旺盛,甚至一天之内就可能出现几万个岗位空缺,有些职位也对应着高额的薪水,目前大数据人才仍处于井喷的前期,并未迎来真正的繁荣。未来,越来越多的企业会认识到自己的核心竞争力应该是人才储备,而不是技术储备,越来越多的企业会将数据分析人才当成自己的标配人才,因为不论是营销还是企业管理岗位,都需要数据分析能力。那时才是大数据人才需求和供给的大繁荣阶段,大数据人才才能变为最有价值的人才。”
核心价值
进入21世纪以来,互联网对人们的生产生活产生了巨大影响,在极大程度上推动了各行各业的创新和进步,互联网自身也在不断的发展中改变和获得突破。时至今日,传统互联网技术在融合了云计算和云存储等新概念的基础上,已进入了大数据时代。对于传统互联网和大数据间的差异,邹东生认为:“传统的互联网是一种服务于各行各业的工具,致力于为人们带来直接的便捷,企业在前期需要进行充分的互联网相关技术搭建,但这一过程并不一定能带来快速和直接的盈利。所以对于互联网企业而言,‘走得早,不一定走得好’。而大数据则不同,在大数据领域,越早使用大数据和相关技术、理念分析处理问题,就能越早获益。”
为什么大数据企业“走得早”,就能“走得好”?邹东生告诉记者,这是由大数据的核心价值决定的。“大数据能够帮助企业进行精准分析,从而提高企业的决策效率,帮助企业获取更多的收益,降低成本。换言之,大数据能够给企业带来看得见、摸得着的收益。”除了帮助企业精准决策,在解决“数据孤岛”问题上,大数据也将发挥巨大作用。他认为大数据的出现是解决“数据破碎化问题”的钥匙,“大数据能够通过构建数据沟通平台将‘数据孤岛’打通,最大程度地使得原本不关联的东西相互关联”。邹东生同时强调如果使用不当,大数据技术非但不能解决,甚至可能加剧数据的破碎化,他说:“如果缺乏对大数据分析过程的深度理解和正确认知,搭建平台前没有充分的研究,大数据的使用将无法打通数据间的‘孤岛’,甚至可能会产生越来越多的数据碎片和信息流失”。
那么,如何挖掘大数据的核心价值?邹东生为有意向应用大数据的企业提出了“三步走”的建议。第一步,从企业自身角度出发,“企业越早信息化,未来数据分析的‘弹药’就越充足。企业首先需要将自己的数据保存起来,在此基础上,有目的、有计划地收集外部数据,通过外部数据和内部数据的整合,形成足够大的数据体量”。第二步,从企业和大数据平台间的合作角度出发,“利用数据平台帮忙整合数据”。第三步,从对大数据分析的角度出发,“在结合行业和数据特征的基础上,设计算法,提供科学的量化、引导和分析,使大数据成为帮助企业更好提高决策效率和降低风险的分析工具”。
在大数据概念如火如荼的背景下,应用大数据开展精准决策的例子不断涌现。电商可以借助大数据向潜在客户进行产品推荐,医院可以借助大数据分析患者治疗情况以提升自身的运维效率,传统百货商场和超市可以借助大数据进行动态定价等。从浅层次的数据收集和汇总,到深层次的分析和研究,对于大数据的应用遍布了各行各业。邹东生向《经济》记者举例:“假设某家企业目前记录到了大量的消费者数据,就可以研究其目标人群的特征,与数据库中的数据进行对比。如果能准确地‘画出’该企业的客户‘画像’,即找到精准的客户人群,那么就可以不花费分文广告费进行精准营销。”
从电商到医疗行业,从美国硅谷到中国上海,大数据正在逐步改变着各行各业,在世界上越来越多的角落产生影响。我们身处的这个时代,正在被冠以“大数据”的名称,未来,随着数据化的深入发展,越来越多的领域将借助数据进行记录和表征。
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