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
在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16在游戏行业“存量竞争”的当下,玩家留存率直接决定游戏的生命周期与商业价值。一款游戏即便拥有出色的画面与玩法,若无法精准识 ...
2026-01-16为配合CDA考试中心的 2025 版 CDA Level III 认证新大纲落地,CDA 网校正式推出新大纲更新后的第一套官方模拟题。该模拟题严格遵 ...
2026-01-16在数据驱动决策的时代,数据分析已成为企业运营、产品优化、业务增长的核心工具。但实际工作中,很多数据分析项目看似流程完整, ...
2026-01-15在CDA(Certified Data Analyst)数据分析师的日常工作中,“高维数据处理”是高频痛点——比如用户画像包含“浏览次数、停留时 ...
2026-01-15在教育测量与评价领域,百分制考试成绩的分布规律是评估教学效果、优化命题设计的核心依据,而正态分布则是其中最具代表性的分布 ...
2026-01-15在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08