京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代的变革思维
信息时代,数据深刻影响着银行的未来发展。在全球庞大的人群和应用市场下,探索以大数据为基础的解决方案,深入洞察复杂且充满变化的市场成为了企业提高自身竞争力的重要手段。仅凭直观感受,任何人都能感觉到大数据时代已经来了。
维克托 迈尔舍恩伯格——《大数据时代》一书作者,牛津大学网络学院互联网研究所治理与监管专业教授,英国新闻周刊《经济学人》曾经将维克托迈尔-舍恩伯格定义为大数据领域最受人尊敬的权威发言人之一。2010年,维克托 迈尔舍恩伯格就已经开始对该领域进行了系统而深入的研究,并在《经济学人》上和数据编辑肯尼思库克耶一起,发表了长达14页的大数据专题文章,成为最早洞见大数据时代发展趋势的数据科学家之一。
大数据时代的思维变换
维克托 迈尔舍恩伯格在《大数据时代》中最具洞见之处在于,他明确指出,大数据时代最大的转变就是,放弃对因果关系的渴求,而取而代之关注相关关系。也就是说只要知道“是什么”,而不需要知道“为什么”。这颠覆了千百年来人类的思维惯例,对人类的认知和与世界交流的方式提出了全新的挑战。
这本书的价值体现在三个方面:第一,关于大数据的思维变换,重在大数据变革时代的价值与观念变化;第二,关于大数据影响商业变革的三个要素:即数据、技术与创新思维之间的互动;第三,是关于大数据泛化下的治理与隐私。
与中国企业相比,美国企业知道大数据价值并且能挖掘大数据的隐藏价值,从而获得最大利益,可以说他们已经建立了大数据思维,从而促使他们不断创新挖掘更好的数据。“美国收集的数据要比我们多得多,他们不光搜集可以理解的数据,他们也收集不能理解的数据,并且会花大量资源来存储这些数据,让数据一直有价值。”在维克托迈尔舍恩伯格看来,大多数企业还把大数据作为一种在市场营销手段,但是大数据还可以帮助人们改变商业模式以及盈利模式,这才是大数据最大的价值所在。“美国与中国相比,最不同一点就在于他们有大数据思维,懂得如何利用大数据的价值,但这并不代表中国无法逾越美国,中国的优势在于掌握数据量比较大,而在大数据时代‘大’也是非常重要的。”
城市的发展需要大数据,没有数据的辅佐城市就不会得到最优化的发展方案,大数据能帮助政府领导者进行更好的决策,尤其是公共政策的决策。城市需要知道如何建立基础设施来收集数据,同时要利用大数据开拓思路,让数据来说话,并且借助多方力量,即便是大数据方面的专家,但是并不一定有最正确的决定或最有效的方法来利用大数据,所以政府在这方面需要多听取私人企业或机构的意见,大数据时代合作、沟通、广泛吸纳意见是非常重要的。
维克托 迈尔舍恩伯格以伦敦为例谈道:“伦敦政府其实是从一家私人企业买了关于人们交通模式的数据,让政府惊讶的是人们的行动路线跟他们想象的完全不一样,所以在这一方面的帮助他们更好的优化交通,包括高速公路、停车场,以减少城市拥堵。”
谁是大数据“赢家”?
大数据所面临困境并不在技术方面,而是在数据流动方面。大数据时代,一个人的智慧不能帮助我们更好的利用大数据价值,所以要让数据流动起来,让不同的部门和不同的公司都参与进来,进而优化数据。
“更多的人会认为大数据只是用在企业营销方面,但是如果让他们知道大数据可以帮助孩子更好的学习、更好的生活居住条件,以及能够解决城市交通、居住等问题,他们慢慢发现大数据的好处,他们就会关心大数据。”维克托迈尔舍恩伯格谈道,“一方面,人们要信任大数据,不要害怕大数据暴露隐私,需要建立完善的大数据保护。不信任就导致人们不愿意让其他机构知道数据,如果不能使用这些数据就更谈不上大数据的价值。所以只有让他们信任数据,才能挖掘大数据价值。另一方面,一定要接受大数据使用限制问题,不要赋予大数据过多的意义。”
维克托 迈尔舍恩伯格理解的大数据赢家,并不是指本来就已经很成功而且在大数据时代同样成功的的公司,“我认为大数据的最大赢家应该是一些默默无闻的公司,因为大数据而发生飞跃性的变化,所以大数据时代最大赢家不可能是那些已经掌握大量数据的大公司,而是新兴创业、年轻人来工作的小公司,帮助他们在大数据时代成为非常有竞争力的企业。所以数据好比一座金山,但是数据在那里放着,这座金山就不会属于你,我们需要做的是了解并挖掘这些‘金子’,成为大数据的赢家。”维克托迈尔 舍恩伯格如是说。
大数据是看待现实的新角度,不仅改变了市场营销、生产制造,同时也改变了商业模式。数据本身就是价值来源,这也就意味着新的商业机会,没有哪一个行业能对大数据产生“免疫能力”,适应大数据才能在这场变革中继续生存下去。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25