京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据公司该如何从大数据中获取价值?
大数据是近些年来一直被热炒的话题,而它也的确对未来发展有着颠覆革新的力量。然而,如何从大数据上获取价值,却是一个很让人头疼的问题。对于这个问题,我们还需深入思考。
在人们意料之中,大数据产业在今天上升到了很高的地位!
8月6日,工信部的消息显示,大数据产业十三五规划编制工作已正式启动,日前已在工信部信息化和软件服务业司组织下,召开了规划编制第一次工作会议,成立了规划编制小组,讨论了规划编制工作方案、规划草案、任务分工、近期工作安排等。
大数据产业的未来,越来越值得人们期待。但如何从大数据上获取价值,却是一个很让人头疼的问题。
就在前几天,笔者读到一段很“不合潮流”的话。在一次演讲中,华为轮值CEO徐直军表示:“华为不是一个数据公司,不经营数据,永远不从数据上获取价值。而是与更多和合作伙伴一起来保护我们客户的数据,使客户数据更安全,解决客户面向未来的问题,使客户真正实现信息化!”
对于他的说法,我是持怀疑态度的,甚至感到他说的很不严谨。如果从文字上细细琢磨的话,对客户数据的保护其实也是一种对大数据的利用,保护大数据带来的价值,也是大数据的变现。大数据时代的安全防护,难道不也是一种产业分支吗?在别人利用客户大数据发广告的时候,你保护了这些大数据,除非你是免费的,否则怎么会没有价值产生?即便是360的免费杀毒,也在别的地方产生价值了。华为的大数据,又怎么能独善其身?
很显然,没有人可以游离于大数据的价值之外。不再搞一些文字方面的纠缠了,其实我举徐直军这段话的目的,无非是想说明这一点:“大数据,不经意间就会产生价值。”于是,再回到一开始那个问题:“大数据公司该如何从大数据上获取价值?”
对于这个问题,一直以来我个人的观点是这样的:“第一,大数据必须要利用,否则就是浪费,同时弃之不用也对我们的发展不利。第二,大数据的利用要遵循三个原则,一是不能以影响用户体验为代价,二是不要采取非法手段去牟利,三是应该确保大数据的利用是在绝对安全的前提之下,或者最大限度的安全之下。第三,大数据要有公众监督,不能暗箱操作,要有透明性。”
我之所以持有这样的观点,是因为这几个问题是目前外界对大数据比较关注但也很容易被忽视的问题。目前,人们纠结于利用或不利用大数据,却忽略了怎么用,怎么好好的用,怎么用好。虽然目前大数据还没有做到真正的商业化,但之前一些关于大数据的“警报”却必须引起我们的重视,比如社保信息泄露,比如某些电商的信息泄露等等。
对于我的问题,以及这几个观点,笔者向大数据解决方案提供商成都数之联科技CEO周涛请教。周涛是这样回答我的。
关于大数据本身,他认为,“大数据”是“数据化”趋势下的必然产物。数据化最核心的理念是:“一切都被记录,一切都被数字化”。
对于这个观点,我是赞同的,因为这就是大数据的本质。“天空没有留下翅膀的痕迹,但我已经飞过”,这只是诗歌,不是现实。
对于如何从大数据上获取价值,周涛认为:“对此,我们要做得是1,解决‘信息过载’的问题,即通过自动化、规模化的方式为每一个用户找到他感兴趣或者需要的信息;2、从非结构化的数据中挖掘出价值,甚至在尽可能少损失有价值信息的前提下将其结构化; 3、在数据隐私和安全得以保障的前提下,从关联的数据中挖掘出‘一加一远大于二’的价值。”
周涛的观点,应该是从企业角度来说的。按我理解,应该是这样三个应用步骤:“一,如何提取大数据;二,如何优化大数据;三,如何合理利用大数据。”说的虽然简单,但很清晰。尤其是“一加一远大于二”的说法,很有启发性。
不过,对此我还有几点疑问:“第一,提取大数据的方法有了,但大数据的主人是否愿意让企业提取呢?比如,我购买商品,留下了我的信息、地址甚至电话,这些我是不愿意让别人提取的。第二,大数据优化的过程中,有价值的信息留下了,但那些在商家眼里无价值的信息怎么处理?一旦所谓无价值的信息被遗弃,最终落入别有用心的人手里,那会怎么样呢?”同时,我还有一个宽泛一点的问题,大数据的安全该如何保证呢?
真正的物联网时代还没有到来,但已经近在咫尺,大数据公司该如何从大数据上获取价值,这是个必须要思考的问题。对于我的问题和忧虑,我很希望周涛或者是其他的行业人士能给我一个解答。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 很多数据分析师精通Excel函数和透视表,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是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18