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MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22CDA数据分析师 出品 作者:李诗怡 1. 金字塔原理 定义: 一种“先总后分、先结论后原因”的思考和表达方式。顶层为核心观点,中 ...
2026-09-22数据收集是数据分析、数据挖掘与数字化运营的源头工作,数据收集的完整性、准确性、时效性直接决定后续数据分析结果的可信度与业 ...
2026-09-21箱线图是数据分析中用于识别数据分布、判断离散程度、筛查异常值的核心图表。相比于直方图、趋势图,箱线图可以精准区分正常数据 ...
2026-09-21 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-09-21在数据库数据查询与数据分析工作中,日期时间是最常用的数据类型之一。原始数据库中存储的日期格式多为标准时间戳、年月日时分秒 ...
2026-09-20在时序数据分析中,增长率是衡量数据涨跌幅度、研判发展趋势、识别周期波动的核心指标,主要分为环比增长率与同比增长率。传统Ex ...
2026-09-20 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-09-20CDA数据分析师 出品 作者:李诗怡 STP模型(营销战略三步法) 定义: 现代营销战略核心框架,通过市场细分(S)、目标市场选择( ...
2026-09-18在互联网产品迭代、运营优化、界面改版与策略升级过程中,主观经验判断容易造成决策偏差、盲目改版、资源浪费等问题。AB实验(AB ...
2026-09-18