京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据正在改变经济意义
微软CEO比尔·盖茨说过:“信息流是企业的命脉,数字神经系统会使你以思考的速度经营商务,这是在21世纪成功的关键。”确如其言,21世纪的企业发展越来越凸显信息的重要性。如今的情形,并非是没有信息或者信息不够,而是经常表现为“到处是水却没有一滴水可以喝”。柯勒律治这句诗歌,正好用来形容如同宇宙大爆炸般飞速扩张的“数字世界”。建立在云计算基础上的大数据分析,成为了企业竞争和决策行为的焦点。
根据一项估计,人类历史上90%的数据都在过去两年中产生。2014年,国际数据公司预测,数据世界已增至4.4亿万亿字节。如果将如此庞大的信息量存储在苹果平板电脑ipad中,叠加起来的ipad的厚度可达到地球至月球距离的2/3。这预示着我们已经进入了大数据时代。
当传统的葡萄酒业遇上大数据,嘉露酒庄和IBM实现了双赢互惠。IBM有好几个智慧地球项目与水资源保护、城市超本地化天气预报有关,这些先进技术被运用到了农业经济学中,研究人员根据葡萄园在地温、种植方式、土壤类型等方面的差异实施积极有效的个性化管理,试点项目取得了令人鼓舞的效果。嘉露-IBM实验的成功,为数据收集与分析提供了灵感,并转化为行动,带来了可观的效益。大数据主义时代已经来临。
美国《纽约时报》资深撰稿人,媒体记者史蒂夫·洛尔,在其新著《大数据主义》中选择IBM作为书的主角之一,重点介绍该公司在大数据领域的发展历程。IBM通过推广“智慧的地球”实现了企业转型,在商业与技术的交汇处找到用武之地。IBM的成功表明,人们真的在利用数据引导决策活动,大数据正在改变经济的意义。在作者看来,大数据不仅是技术革新,而且将引发管理革命,大数据不再执着于因果关系,而是强调“万物皆有关联”。从数据中寻找相关关系,通过这种关系对未来做出预测,是大数据方法论的核心思想。大数据无疑为人类认识世界、解决问题提供了比传统更全面、更周密的视角,可以帮助人们更容易看清事物的复杂性,并通过分析采取更高效的行动。
作者提出,煤、铁和石油是推动工业革命进程的三大生产性资产,而信息经济时代的主要原材料则是大数据。《大数据主义》有见地的解释了大数据技术如何引发一场新的革命,并促进新一轮经济效率的提高和创新。互联网规模的海量数据集将被用于几乎各个领域、行业和企业,探索、预测和提高效益。作者还进一步探讨了新技术革命如何改变人类决策方式——人们更加依赖于数据和分析,而不是直觉和经验;同样,大数据还将改变领导力和管理的本质。
史蒂夫·洛尔的日常工作包括负责撰写《纽约时报》的科技博客Bits,因此他的文风通俗平易,十分适合大众阅读。他围绕自己长年任职编辑、记者期间采访的代表性人物和知名公司,通过突出典型、以点带面的样本分析方式,清楚地传达了“大数据主义”理念。该书主角除了IBM,还有一位年轻人——杰夫·哈梅巴赫。《大数据主义》既像一部大数据代表人物杰夫?哈梅巴赫的成长史,又像一本关于大数据进军不同领域的评论著作。作为大数据主义思想的典型代表,通过哈梅巴赫在脸谱网、Cloudera等公司以及医疗领域职业生涯的变迁,不难看出数据技术与方法不断发展的步伐。哈梅巴赫率领的团队,帮助企业使用Hadoop分析庞大的数据,并宣称“把数据给我们,我们来管理”。史蒂夫·洛尔通过IBM和哈梅巴赫两个典型案例以及书中涉及的微软、乔布斯、谷歌等企业情况,运用流畅的语言生动揭示了大数据对于企业发展的特殊意义。
本书的更大亮点是,强调了大数据的主题是决策行为。信息资源的价值在于充分利用,而如何利用又取决于人的决定。这个观点将本书作者从“唯技术论”中解脱出来。作者提醒了计量方法可能存在的局限性。声音过于嘈杂,容易让人致聋。那么,到底哪些数据是有意义的?计量必要性与计量短视性间会产生冲突和矛盾。作者并不讳言数据分析可能导致的失败。例如,金融领域采用数学模型的危险性在次贷危机中已经暴露无遗。作者认为,虽然决策活动对数据与分析的倚重与日俱增是大势所趋,但同时,我们还要让常识发挥应有的作用,经验与直觉仍然在决策中占有一席之地,而好的直觉又往往建立在大量数据的综合基础之上。此外,还必须时刻警惕,云系统并非多数人想象得那么可靠,一旦其脆弱和不稳定性导致事故,就可能像病毒迅速扩散,难以挽救。而且,企业收集信息过程中,对个人隐私的侵犯以及道德伦理上的各种争论,仍然是大数据经常被诟病支出。奇虎360公司董事长周鸿祎提醒道,“大数据时代带来一个非常重要的挑战,就是安全的挑战。平衡好大数据应用与用户隐私之间的关系,应该成为企业关注的焦点。本书在向我们展示大数据的商业前景和经济潜力的同时,也提醒我们警惕伴随大数据而产生的隐私"黑洞"”。
思路决定出路,眼光影响成败。如何应对迎面而来的大数据时代,企业需要考虑很多问题:数据采集的渠道够广吗?数据关联能不能找到规律?决策方向是不是正确?企业行为有没有到达公众容忍边界?企业能不能在实现个体利益的同时做到普惠大众?在可预计的未来,这些都将很快成为普遍的企业生存法则。
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,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA(Certified Data Analyst)数据分析师的能力体系中,线性回归是连接描述性统计与预测性分析的关键桥梁,也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA(Certified Data Analyst)数据分析师的全流程工作中,无论是前期的数据探索、影响因素排查,还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23