京公网安备 11010802034615号
经营许可证编号:京B2-20210330
别让大数据之花自开自落
对于企业来说,那些不被感知的大数据,是不是也如山中花,可以当它不存在呢?
明代大儒王阳明主张“心外更无物”,他与友人有过一段精彩的对话:
先生游南镇,一友指岩中花树问曰:“天下无心外之物,如此花树,在深山中自开自落,于我心亦何相关?”先生曰:“你未看此花时,此花与汝心同归于寂;你来看此花时,此花颜色一时明白起来,便知此花不在你的心外。”
——《传习录·黄省曾录》
后人将这一“山中花”的譬喻与英国大主教乔治 •贝克莱(George Berkeley) “存在就是被感知”这一哲学命题相对照,发现其内在有相通性。
这一命题在哲学界争议很大,但是今天不是要讨论哲学,而是想探讨一个类似的大数据问题:当前,很多企业在生产经营过程中产生和积累了大量的数据。从发展趋势看,不管企业数据处理能力提升到多么强,总是跟不上数据总量增加速度。必然导致的结果就是:很多数据将变成为无人到达的山中静静开放的花朵,美丽,却无人欣赏。因此,对于企业来说,那些不被感知的大数据,是不是也如山中花,可以当它不存在呢?
很可惜的是,与自开自榭的山花不同,对于企业来说,大数据即便不被感知,它也确实地存在着。
原因只有一个:不被感知的数据,与可感知的数据一样在消耗企业大量资源,存在无法忽视的成本。这一成本主要来自三个方面:资金成本、闲置成本,以及注意力成本。
资金成本很好理解,企业必须围绕大数据投入资金自建或租借相应的基础设施,配备技术人员。数据大量收集之后,在不知道哪些有用,哪些没用的情况下,就像企业漫天打广告,至少要浪费一半的钱。考虑到多数企业实际利用的数据只占其少部分,这种浪费可能超过了一半。
闲置成本是指很多数据本是有价值的,但是由于配置不当,不得其位,不能及时到达需要它的地方所导致的成本。它是一种机会成本,就像人们如果把现金都放在家里,所损失的是至少是银行利息一样。
另一个常常被忽视的成本是企业注意力的无谓消耗。当大数据汹涌而来,企业人员的注意力并没有作好准备,大数据会大量消耗企业稀缺的注意力资源。与外部世界的剧烈变化相比,人的进化无疑是停滞不前的。如《浅薄》一书作者尼古拉斯•卡尔认为,随着各类数字化技术,尤其是谷歌的广泛应用,人类的认知力有退化的趋势,人会变得越来越浅薄。
人的注意力存在的阈值包括:一般可以同时聚焦 3-5个关键词;短期记忆7± 2个数字;一个领导最好接受 6个左右下属的汇报;个人交友的“邓巴数字”为 150个以内等等。大量无用的数据分散了人的注意力,直接降低了知识员工的工作效率,成为知识组织的大敌。
今天很多人都同意,数据是企业的一种战略性资产。这句话表面上是说数据可以支撑战略,对于企业战略是重要的。但未能明白表达的意思是:战略性资产很多未必是用于当下,而是为了应对未来的不确定性。更为重要的,战略性资产的配备是有成本的。如果资产的战略性价值长期不能覆盖其成本,那就可能转化为战略性负债。
因此,企业不能只看到事情的一面,还应该关注如何尽量降低以上三大类数据成本——它同样具有战略重要性。以下对此逐个讨论。
随着数据量的增加,对企业数据处理能力的提升要求变得越来越高。企业需要不断提升基础设施的配置水平,配备更强大的技术力量。而当所有企业都认为大数据具有战略重要性,这种技术和人员配备就成为一种竞争必需品。尽管硬件单位成本趋于下降,但是总成本很难节约下来。计算机产业有一个有名的“安迪 -比尔定律”,意思是比尔·盖茨(微软前总裁)要拿走安迪·格鲁夫(英特尔前总裁 )所给的。换句话说,应用程序对硬件升级的需求会抵消硬件成本下降给用户带来的好处。云计算的出现看来也未能改变这一法则,它今天仍然在起作用,只是换了Google和高通等不同主导企业而已。企业在数据基础设施方面的投入只会逐渐升级,此块成本降低显然并非易事。
再来看看数据资源闲置成本,这一成本来源于内部流程和数据共享的不畅,需要企业建立端到端的业务流程,同时将数据尽可能加以共享。数据共享与流程优化之间存在互动的关系,二者相辅相成。
一方面,数据共享可以改造和优化流程。孤立的数据资源基本上是没有价值的,只有将其连成一片,才可能形成对企业有用的信息和知识,这些知识可以促进流程优化。另一方面,如果能从业务流程的优化和畅通着手,对不同环节的数据需求进行分析,也可以对组织进一步共享数据形成强大的推动力。
如果说前两方面成本的节约仍然是着眼于运营层面,注意力成本的节约需要企业上升到战略层面。如前所述,相对于数据量的增长,企业的注意力资源总是相对稀缺的。这构成了企业大数据管理中一对核心的矛盾。要解开这一矛盾,必须从两个方面着力:
一是尽量提升企业的数据处理能力。这正是前述技术和流程两方面的工作重点。二是努力降低数据处理需求,这需要通过战略的引领和注意力聚焦,让大量数据处理变得不必要。在大数据战略指引下,企业将注意力聚焦于有限的数据范围,通过收集特定种类的数据,降低大数据所导致的注意力成本。同时也能让数据各就其位,减少数据收集和闲置成本。
从战略层面着手的方法无疑更加巧妙,但是并不轻松。它需要企业在当前剧变环境中,探索出一条相对明确的发展路径。在此基础上,将其转化为企业的数据战略。从而企业可以从被动接受外部数据“灌输”上升到主动地“养数据”(车品觉语)。将企业从数据的汪洋大海中解救出来,实现数据的“精兵简政”,连线成面,使之个个能战斗。只有这样,大数据才真正成为了企业的战略性资产。
正因为不被感知的大数据具有以上三类不可忽视的成本,所以它不完全是王阳明所说心外的“山中花”。为了降低成本,企业首先要建构一个相对精简而聚焦的数据战略,任它漫山遍野,只顾聚焦于特定山坡的几种花,如百合,杜鹃等,定向栽培。更辅之以知识和智慧之光的烛照,让大数据之花的颜色变得“明白起来”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12在数字化转型深度渗透的今天,企业管理已从“经验驱动”全面转向“数据驱动”,数据思维成为企业高质量发展的核心竞争力,而CDA ...
2026-03-12在数字经济飞速发展的今天,数据分析已从“辅助工具”升级为“核心竞争力”,渗透到商业、科技、民生、金融等各个领域。无论是全 ...
2026-03-11上市公司财务报表是反映企业经营状况、盈利能力、偿债能力的核心数据载体,是投资者决策、研究者分析、从业者复盘的重要依据。16 ...
2026-03-11数字化浪潮下,数据已成为企业生存发展的核心资产,而数据思维,正是CDA(Certified Data Analyst)数据分析师解锁数据价值、赋 ...
2026-03-11线性回归是数据分析中最常用的预测与关联分析方法,广泛应用于销售额预测、风险评估、趋势分析等场景(如前文销售额预测中的多元 ...
2026-03-10在SQL Server安装与配置的实操中,“服务名无效”是最令初学者头疼的高频问题之一。无论是在命令行执行net start启动服务、通过S ...
2026-03-10在数据驱动业务的当下,CDA(Certified Data Analyst)数据分析师的核心价值,不仅在于解读数据,更在于搭建一套科学、可落地的 ...
2026-03-10在企业经营决策中,销售额预测是核心环节之一——无论是库存备货、营销预算制定、产能规划,还是战略布局,都需要基于精准的销售 ...
2026-03-09金融数据分析的核心价值,是通过挖掘数据规律、识别风险、捕捉机会,为投资决策、风险控制、业务优化提供精准支撑——而这一切的 ...
2026-03-09