
大数据不能“光大”,还要“深发展”
自从深发展银行推出那条知性的广告语“只想与你深发展”后,银行业内人士又自编出了更知性的姊妹篇:“光大是不行的”。算作一种调侃,偶尔娱乐一下也就作罢。然而如果用到对大数据的描述,这句话也恰到好处,大数据“量”上的比拼意义已不大,光大是不行的,只有深发展深层次挖掘分析后才能释放出应有的价值。
《大数据》一书的作者、信息管理专家涂子沛定义大数据时讲到大数据之“大”,并不仅仅在于“容量之大”,更大的意义在于:通过对海量数据的交换、整合和分析,发现新的知识,创造新的价值,带来“大知识”、“大科技”、“大利润”和“大发展”。
大数据持续升温
大数据又被称为巨量资料,指所涉及的资料量规模巨大到无法透过目前主流软件工具,在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。
国家统计局总工程师郑京平说‘大数据战略’将成为下一个‘石油战略’;美国数据科学家维克托·迈尔·舍恩伯格表示,大数据已成为21世纪的决定性资源,是“新的黄金”。
在百度谷歌上搜索“大数据”关键词,IBM、微软、英特尔等巨头公司的竞价排名广告赫然出现,搜索引擎中的相关结果也早已超过1亿条。
上到政府机关、巨头公司,下到创业公司、互联网从业人员,从各个角度都能看出对大数据的重视程度,也都瞄准了大数据的前景和钱景,“大数据”已成为2013年使用频率最高的技术热词之一,而即将到来的2014年,大数据势头依旧不减。
大数据应用案例丰富,商业化前景广阔
大数据掀起的风暴已经席卷各个拥有海量数据的行业。其中一个有趣的案例被津津乐道:微软公司通过大数据分析处理,对新一届奥斯卡金像奖作出“预言”,结果除“最佳导演”外,其余13项大奖全部命中。
此外,大数据在其他领域也发挥着其威力。微软必应搜索通过集成以往的飞机票价画出未来票价走势;谷歌利用用户搜索记录判断出美国流感疫情的现状,并 比疾控中心快一两周;对冲基金通过剖析社交网络推特的数据信息来预测股市的表现;亚马逊和网络影视光盘租赁公司根据用户在其网站上的类似查询来进行产品推 荐……当然,同样的技术也可以运用到疾病诊断、推荐治疗措施,甚至是识别潜在犯罪分子上。
全球零售业的巨头沃尔玛也通过大数据获益。公司在对消费者购物行为进行分析时发现,男性顾客在购买婴儿尿片时,常常会顺便搭配几瓶啤酒来犒劳自己,于是推出了将啤酒和尿布捆绑销售的促销手段。如今,这一“啤酒尿布”的数据分析成果也成了大数据技术应用的经典案例。
随着各行业对大数据领域的研究、分析和商业化应用,在不久的将来,大数据的应用案例将会越来越多。
大数据太大的挑战
1 TB = 1,024 GB = 1,048,576 MB
1 PB = 1,024 TB = 1,048,576 GB
1 EB = 1,024 PB = 1,048,576 TB
1 ZB = 1,024 EB = 1,048,576 PB …….
网络上每一笔输入、每一笔搜索、网站上每一笔交易都是数据,每个人都是数据的创造者和贡献者,在经历了KB、MB、GB的小时代,TB、PB、EB甚至 DB的大时代也如期而至。数据的规模、速度和种类在2014年将会继续呈指数级发展。
当数据大到不能用简单的大来形容时,就会成为非常难以制服的老虎。管控大数据技术跟不上数据增长速度将会拖延其实用性演进的进程;收集到的数据不足以转换成有意义的洞察力,将会让数据的价值不能完全体现;数据过渡集成对用户隐私造成的干扰都将成为大数据时代前行的门槛。
身处大数据时代,让数据更大,让数据研究往纵深发展 ,枯燥的数据便会成为指引决策的依据,大数据的价值会逐步释放,到时候我们可以说大数据不仅可以取之于民,更可以用之于民。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23