京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据分析的重点不是数据,而是问题
大数据分析最关键的不是数据,而是找到需要解决的问题,邓白氏高级副总裁、首席数据官安东尼·斯克里费加诺(Anthony Scriffignano)认为,任何一个拥有大量数据的公司, 不能随便就找个数据公司来分析,而是找到自己需要解决的问题 。
“ 他们可以告诉你很多事情。但是不解决任何问题。 ”2015年 12月24日,斯克里费加诺接受财新记者采访时表示,作为国际上最著名、历史最悠久的企业资信和金融分析公司,邓白氏已经和数据打了174年交道,虽然在大数据这一概念之初他们就开始使用这个工具,但是现在面临的最大困难还是,如何用适当的方式解决合适的问题。
1841年成立于美国新泽西州的邓白氏公司一直不断通过技术创新开拓信用评估市场,分拆上市前的穆迪公司、美国最著名的黄页广告公司丹尼雷公司和美国最大的市场调查公司尼尔森公司,都是其子公司。邓白氏的客户中,不仅包括全球最大的、最成功的企业,也有中等规模的和刚刚成立的小公司。
大数据分析,则是目前邓白氏所提供的万千种产品之一。斯克里费加诺说,现在全世界的数据中, 85%的数据是非结构化的 ,而我们过去重点分析的结构化数据,只是其中的15%,只是基于这些数据做出决策已经不合时宜。而通过大量非结构数据,不仅可以挖掘新的商业信息,也可以找到新的商业模式,这在10-15年前是完全不可能的,那时甚至没法描述这些数据。
他举例说,通过大数据分析,可以帮助客户找到新的合作伙伴,找到服务的重点,找到新的顾客。很多时候,他们不仅需要客户提供的数据,还要参考自己手头所掌握的数据,来做出正确的分析。“这项工作几乎永远没有终点, 你要想比竞争对手领先一步,永远都是一个挑战 ……虽然我们没法掌握地球上所有企业的信息,但是我们掌握的数据肯定比地球上任何企业都多。”斯克里费加诺说。
在乌镇的世界互联网大会上,斯克里费加诺碰到许多中国的同行,虽然他们并不都是从事大数据分析服务的公司,但也都在使用大数据,所面临的挑战也是相似的。例如,如何面对新的数据形式,如何面对高度动态化的数据等,“大家关心的主题是云计算,如何使用新的分析工具,但是很少人讨论 我们所面临的挑战究竟是什么,应该解决的问题是什么 ,” 斯克里费加诺说。
对于正在或者希望投入大数据行业的同行们,斯克里费加诺有三个建议。首先就是,最重要的不是数据,而是问题。“ 这里有一大堆数据,我们来分析一下有什么意义 ”,这样是不可取的。要从数据中发现,是否有新的商业行为,要知道自己希望解决什么问题,应该是“ 有没有可能发现新的商业行为 ,能帮助我们了解什么样的企业在增长,什么样的企业在走下坡路”。
第二是需要找到正确的人,他们拥有合适的技能,现在很多人都以数据专家自居,都在谈大数据分析,其实他们 只是给自己加了一个新的标签 ,他们未必拥有把大量繁杂的数据放在一个平台上分析的能力。
第三是领导者的能力要随时更新。现在行业变化太快,现在能够生存,不证明5-10年后能生存。当电视机从CRT过渡到液晶电视的时候,很多的企业主对后者的技术是一无所知的,所以就像恐龙一样消失了。所以领导者要避免自己变成恐龙,就需要不断了解新的技术,提出新的问题,因为这个行业变化太快了。
在这次世界互联网大会上,斯克里费加诺曾经表示,应对海量信息的挑战,需要创新,不仅是做新的事情,也可以 用新的方式来做以前的事情 。有很多没有解决的问题,需要 把它们分解 ,虽然可能还没有解决,但是问题已经变小了,这也是邓白氏现在正在从事的工作。
例如很多小微企业,通过大数据征信报告,成功在银行获得了无抵押贷款。而在迅速变化的时代,银行业本身存在的必要性也受到了挑战。斯克里费加诺说,他曾经问一个同行,10年以后会不会有银行,这位同行的答案是,除非他们做出改变。而在斯克里费加诺看来,银行当然会继续存在,但是 银行业也必须做出改变 。同样,征信行业也需要改变,甚至人们对于信用的理解也需要改变。
大数据带来的也并不都是好处,斯克里费加诺也提醒说,必须要意识到有一些居心不良的人躲在互联网的技术后面,如果不采取措施的话,这些居心不良的人他们能够有更多的进行网上诈骗、网上盗窃的非法行为会更加猖獗。我们会看到更多的问题,所以我们现在必须要进行很好地观察,而且也是要意识到在 网络上还是有很多问题的 ,这也是我们所面临的挑战。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22