京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据分析能力与企业市场份额关系
如今,大数据分析到底有多重要?McKinsey Global Institute(位于旧金山,是总部位于纽约的麦肯锡公司的研究机构)的高级合伙人Michael Chui(去年发布的麦肯锡大数据价值研究报告的作者之一)认为,在数据分析方面的能力将决定企业市场份额的得失。而且根据长久以来观察的结果,强者将会逾强(Whoever has will be given more,出自圣经之马太福音)。

“很快,我们就会看到那些领先的公司从中得到收益。”Chui说。海量数据的收集和分析已经在医疗健康领域得到了实际运用,麦肯锡在报告中预计该行业将从大数据中获得多达3000亿美元的收益,其中2000亿来自于相关成本的削减。
James Noga是Partners HealthCare System(位于波士顿的一家非营利性医疗机构)的CIO,他认为医疗行业已经认识到大数据分析能够极大地提升人类健康水平(即便不是最重要的因素)。“在我们这,即使只是基于一个很小的数据集,我们也能够通过分析来发现诸如Vioxx(一种已被发现有重大问题的药物)之类的问题”.
Noga认为尽管医院在大数据分析方面还不够成熟,但是情况正在一天天发生着变化。大量的数据正不断从医疗第一线汇集起来并经过整理和分析。Noga预计,随着人类基因组序列分析的成本降低,总有一天会给公众带来重大的福音。“无数的人正等着这些数据来进行分析利用。”Noga补充到。
数据蕴藏的新价值
Chui和Noga都参加了在马萨诸塞Cambridge举行的MIT斯隆CIO论坛,并作为数据专家阐述了大数据分析的诱人前景和面临的挑战。论坛由纽约时报的技术编辑Quentin Hardy主持,还包括The Corporate Executive Board Co.(CEB,位于华盛顿特区的一家咨询公司)的高级总监Shvetank Shah和Babson College(位于马萨诸塞Wellesley)的管理和信息技术教授Tom Davenport.
数据分析的用武之地绝不仅限于医疗健康领域(已经建立了一套规范的科学方法)或者消费品行业(已经拥有大量的用户数据)。比如,基于物流行业供应链而收集的海量数据也已经开始被用于对经济趋势的分析。
Hardy最近遇到了一个物流公司,其客户占了世界经济总量的3%到5%.该公司所拥有的数据对未来具有重要的指向作用,比如圣诞季的零售业状况和阿拉伯之春后约旦的走向。“我告诉他们,这些信息都可以在华尔街进行交易。”
Davenport是数据分析方面的高产作者,他最近专注在工业界并且预计大数据分析正给振兴美国制造业带来机遇。“通过数据分析,你可以及时发现问题并优化业务。”
流程和产品的数字化为企业开辟了另外一个天地。“我们可以毫无束缚地开始各种创新实践。”Chui说。
CIO在大数据分析中的角色
那么,在大数据分析中CIO应该承担什么样的角色呢?包括Partners Healthcare的Noga在内,至少有两位与会者强烈建议业务端来领衔分析工作。“我们有部分的责任,但分析是实实在在的研发工作,IT只是提供支撑。我们负责基础架构的事情 – 比如什么类型的计算适合放在公有云、私有云或者完全掌控的数据中心里。”Noga解释说:“就我自身来说需要理解分析技术,但是不应该成为责任人。分析事关企业战略,属于研发类型,应该由具备专业素养的人来担当数据科学家(data scientist)。”
这种看法的原因可以从一次相关的讨论结果(大数据和分析法学的挑战:数据聚积和偏好)中看出端倪:大数据时代的成功在于发现能够提升业务决策的模式。而这个过程中需要扎实的数学和技术功底,以及对业务的深刻认识。
Noga的看法得到了Davenport的赞同,后者以通用电子为例来加以说明。通用电子计划在投资超过10亿美元的全球软件中心(位于旧金山)招聘800位数据科学家。这些科学家将受聘于公司的研发部门。另外,惠普公司也在其战略规划团队中增加了数据科学家。“对此,我们给予完全正面的预期。”
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