京公网安备 11010802034615号
经营许可证编号:京B2-20210330
如何面对“大数据”
面对大数据,必须拿出鲜明的态度。我们不能做一个事不关己的旁观者,至今没有关于大数据的相关规划甚至明确定义。当“大数据时代已经来临”的论调日渐喧嚣时,我们不能只进行概念炒作,使这一仍然朦胧的产业“未富先老”。
对于大数据的描述,没有比阿尔文·托夫勒更浪漫的了:大数据是“第三次浪潮”的华彩乐章。作为一名颇有成就的未来学家,早在上世纪80年代他就作出了这样的预言。然而,大数据真正凸显自身价值,却是在互联网大行其道以后,再准确一点说,也就是这两年,大数据才在全球范围内“火”了起来。
与智能手机、3D打印这些可以亲身体验的划时代产品相比,大数据显得虚无缥缈、难以捉摸,但从未来前景预测,大数据给这个世界带来的改变,或许会更大、更难以想象。
大数据的横空出世,有赖于短短几年出现的海量数据。据统计,互联网上的数据每两年翻一番,而目前世界上90%以上的数据都是最近几年才产生的。当然,这些海量数据仅仅是“大数据”概念的一部分,只有具备4个“V”,也就是Volume(海量)、Velocity(高速)、Variety(多样)、Value(价值),关于大数据的定义才算眉清目楚,而最后一个“V”大数据在具体应用中实现怎样的价值,恰恰是决定其未来走向的关键。
在大数据发端的美国,一些大型企业已经在利用数据赚取利润。沃尔玛存储着数千家连锁店在65周内每一笔销售的详细记录,通过分析购买行为了解客户;eBay通过购买网页搜索的关键字,精确计算出每一个关键字为eBay带来的投资回报,五年内广告费用降低99%。在国内,一些互联网企业也在主动拥抱大数据,凡客诚品将自己定位为一家“数据公司”,专门成立了数据中心;百合网分析注册用户的年龄、地域、学历等数据,形成独有的商业模型。
那么,此情此景是否真的表明,大数据时代已经到来?这恐怕是一个过于乐观的判断。
目前涉及大数据的企业,多是在数据利用上单打独斗,而大数据时代到来的重要标志,应该是大批专业级“数据买卖商”的出现,以及围绕数据买卖形成的,贯穿于收集、整理、分析、应用整个流程的产业链条。
至少从目前来看,要从大数据这个藏量巨大的金矿中淘到金子,并没那么容易。但一个令人振奋的事实是,经过一些先行者的不懈探索,大数据这一“华彩乐章”正发出日益恢宏的回响。
IBM、甲骨文、SAP近年纷纷斥巨资收购数据管理和分析公司,这些互联网巨头这么做的原因只有一个:唯有将海量数据进行有效处理和分析,才能向客户提供有价值的东西。在它们带动下,数据分析技术将日渐成熟,从而围绕大数据逐步形成一个极其庞大的新市场。
巧妇难为无米之炊,掘金大数据的首要一点,还是谁拥有更多、更有价值的数据。社交网络、移动互联网、信息化企业都是海量数据的制造者,脸谱公司手中掌握着8.5亿用户,淘宝注册用户超过3.7亿,腾讯的微信用户突破3亿,这些庞大用户群所提供的数据,正在等待时机释放出巨大商业能量。
由此可见,在必然到来的大数据时代,有两种企业将在“大数据产业链”中处于重要地位,一是掌握海量有效数据的企业,一是有着强大数据分析能力的企业。
我们完全可以预测,在不久的将来,脸谱、腾讯等海量数据持有者要么自我延伸成为数据分析提供商,要么与IBM等企业密切对接成为上下游合作企业,大数据产业链将在某个爆发时点到来之际,以令人惊讶的速度成长壮大。
实际上,大数据不只互联网企业在唱独角戏,制造、销售等各领域企业都将受到大数据深远影响,先知先觉者已主动融入其中,例如海尔就利用阿里巴巴的数据分析用户喜好,实现电器个性化定制。我们毫不怀疑,大数据将对现有商业思维进行新一轮颠覆,未来企业最为核心的竞争力,或许不是人才,不是商业模式,而是对大数据的掌控分析能力。
面对大数据,必须拿出鲜明的态度。当美国奥巴马政府已将其上升到国家战略时,我们不能做一个事不关己的旁观者,至今没有关于大数据的相关规划甚至明确定义。当“大数据时代已经来临”的论调日渐喧嚣时,我们不能故伎重演,大肆进行概念炒作,使这一仍然朦胧的产业“未富先老”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01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