京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据:仅仅是传统商业智能的花哨标签
根据所有主要分析公司的分析,大数据应该是各大公司议程的首要主题之一。但是,到底什么是大数据?它和传统的数据管理和商业智能有什么不同之处呢?
“思考这个问题的一种方法是考虑汽车行业”,甲骨文公司数据库服务器技术高级总裁Andy Mendelsohn建议到。他指出:“100年前,Henry Ford 发明了T型车。现在,Ford仍然在制造汽车,这些车拥有更好的引擎、全面的传感器和计算机系统。但是在今天结束时,它们的本质仍然是汽车,尽管在过去的100年里,汽车已经改变了很多。人们应当以同样的方式看待大数据。”
“今天,我们拥有基于商业智能的信息系统,人们称它们为数据超市和数据仓库,它们正在从我们的事务处理系统(比如E-Business Suite和其他应用程序提供商)中加载所有的事务信息。而这些有关事务数据的信息是具有真正的价值,它们是公司皇冠上的宝石,它们也不会消失。”
但是,Mendohlson认为,人们现在想利用大数据做的事情只是捕捉各种新型的信息,用以增强和丰富他们目前正在使用的事务信息。“例如,如果你是一个零售商,你可能想到Facebook上,从愿意和你做朋友的客户的Facebook页面中提取信息。其中的大部分的信息都是毫无价值的,是这样吗?所有的婴儿和家庭图片以及类似的东西对你来说都是无用的,你不想把它们保存在你的关系数据库中。但事实上,那些刚刚有了婴儿的人正是零售商所感兴趣的,对不对?零售商可以使用这些信息向上销售婴儿奶瓶、婴儿玩具等一切和婴儿有关的东西。”
因此,对于大数据最重要的是要理解:大数据中存在很多这样的数据,它们中的大部分都是毫无价商业值的,但是同样存在一些宝石,一些有价值的信息,就像上面提到的客户刚刚生了一个孩子的信息一样。你希望得到那些有用的信息,把它们集成到现有的数据仓库的事务数据中并且使用它们做出更好的决策,使公司赚更多的钱。
实践中的大数据
理论上就是这样。然而这在实践中会和客户产生共鸣吗?Mendelsohn列举了三个客户良好的进行实践的例子,他表示这些例子表明确实如此,即客户产生了共鸣。
第一个客户是一家保险公司。“保险是一个我们都很了解的行业。我们都有汽车保险”,他表示:“这种特殊的客户已经有了一个Exadata数据仓库,他们已经捕获了所有与他们顾客相关的事务保险信息:顾客的意外,顾客的政策信息等等。”
他们希望做的是用新的类型的数据增强Exadata,这些新类型的数据可以从汽车获得。现在的汽车上面都装有传感器,可以捕捉你的每一个动作,这种信息被称作汽车远程信息处理数据。他们希望做的是使用该信息实际学习顾客的实际驾驶行为并利用这些数据更好的理解顾客的保险率应该是多少,顾客有什么驾驶习惯,甚至可以帮助顾客更好的驾驶汽车。这实际上是一个非常经典的使用案例。因此他们对用BDA、大数据应用扩展他们的Exadata很感兴趣。
下一个客户是一家旅游公司。“该公司运营着帮助客户查找各种各样旅行信息的网站”,Mendelsohn解释道:“当然,今天他们已经捕捉了他们的客户的所有事务信息,客户选择了哪些行程等。”
“他们希望做的是扩充记录了网站上发生了什么事情的信息。他们希望捕获网络日志,得到社会媒体的数据,用来更好的了解客户的取向,了解客户期待着哪些可能正在进行的旅行,并且合并这些信息和现有的以往的客户事务信息,然后使用它们做出更好的优惠政策,实现业务的增长。”
最后一个客户是一家游戏公司。“游戏产业正成为一个巨大的产业”,Mendelsohn表示:“这家公司的业务是出售各种游戏机和网络游戏,而且他们已经有了一个很大的Exadata数据仓库并且已经分析了其中的信息。他们正在寻求使用BDA扩充Exadata数据仓库,他们还希望使用这些数据了解顾客的期望:更好的了解顾客在游戏中的行为。”
“他们希望了解顾客之间的关系。在游戏中真正有趣的事情之一是人们在一块玩游戏。你会想了解人们在其中相互互动的社交网络,因为当网络中的某个人想做某件事情时,别人可能会做同样的事情。这样游戏公司就可以利用这些信息带来更好的关于游戏的向上销售信息。”
所以整体而言,Mendelsohn的结论是,游戏行业存在着很多利害关系。“这是一个真正的发展了的技术”他指出:“客户拥有现有的属于他们自己的大型BI信息系统,数据仓库、数据超市,真正令他们兴奋地是使用这些大数据扩充他们的业务数据,以帮助他们实现业务增长。”
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