京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据无疑是未来影响各行各业发展的最受瞩目的技术之一。根据IBM的一项研究,过去两年生成的信息占整个人类历史信息总量的百分之九十。换言之,大数据的体量已经达到了传统数据库管理系统无法有效处理的程度。人们无论是使用手机,还是进行网络购物,都会留下自己的数字足迹。
数据信息的大爆炸,无疑将引发企业的巨大管理变革。“应该说,大数据会让企业更好地理解消费者,同时让决策变得更加有效。当然,它带来的挑战也不容小觑。”埃森哲战略咨询全球董事总经理马克·斯佩尔曼在本届达沃斯论坛上向记者表示,“如果企业忽视了这些数据,将会引发巨大的竞争风险。”
那么,大数据将为商业世界带来怎样的本质性的变化?
掘金大数据
眼下,各个行业都在产生数据,现代社会的数据量正持续地以前所未有的速度增加着。与此同时,数据的类型变得难以计数,包括文本、微博、传感器数据、音频、视频等,各种形式的数据都出现了爆炸性增长。
传统的数据分析,是通过提出假设然后获得相应数据,最后通过数据分析来验证假设。而大数据恰恰相反,它是从收集的海量数据中,通过算法将这些来自不同渠道、格式的数据进行直接分析,从中寻找到数据之间的相关性。简单而言,大数据更偏重于发现,以及猜测、印证的循环逼近过程。
一方面,大数据有助于人们发现事物的个体特性,并针对每一个个体提供差异化的解决方案;另一方面,大数据研究也能帮助人们从大量个体的差异变化中,揭示其中存在的难以察觉的规律。
“打个比方,当一辆高铁在行驶过程中,大数据技术是通过各个外部渠道的实时数据来分析高铁的安全性。在分析的同时,火车仍在行驶,不会停下。”马克·斯佩尔曼表示,“而传统的分析方法,是一定要等出现事故后才进行追溯分析。”
马克同时坦言,驾驭大数据的能力并非那么容易获得。很多时候,传统的商业智能系统与分析软件,在面对视频、图片、文字等非结构化数据时,往往束手无策,缺少有效的分析工具和模型。
“一直以来,大数据技术的难点并非在数据的收集上,而是如何利用这些数据。”马克称,“企业必须去芜存菁,将数据转化为正确的商业决策,才能与竞争对手形成差异化。”
就这一点来说,全球最大的拍卖网站eBay的做法颇为典型。譬如,一位年轻的女性早上10点在星巴克浏览eBay网站,eBay应该推送给她什么样的商品呢?事实上,eBay此前已经研究了各种不同情形下的不同购物模式,它可以从用户以往的浏览记录里推断她想要什么样的商品,也可以从设定的成百上千种情景模型中计算出用户可能的需求;或是对照另一位有着相似特点的女性用户,看她当时买过什么样的商品,从而判断出这位用户潜在的需求。在综合各种考量因素后,eBay的后台往往在短短几秒内将商品页面推送给用户。
变革与挑战
通常情况下,获得的信息越多越有利于企业做出明智的决策。但很多时候,数据量过大、数据模型欠缺,会让分析的结果与真实状况大相径庭。就eBay而言,其基于数据分析后“猜错”的情况非常非常多。
据专家测算,数据分析师的50%~80%的时间都花在了处理数据上。即便如此,数据搜集的偏差、误差积累叠加、假关联性、数据外生性等问题,纷纷“污染”着分析运算的结果。
在此基础上,全球数据目前以每两年翻一番的速度递增,2007年时,全球传感器获取的数据就超过了存储总量。大数据的存储成本很高,而要获取一些新数据,就必须丢掉旧数据。这同样不利于数据的分析与研究。
此外,来自各种传感器、文档、网页、数据库的数据,大多是不同的格式。而这些数据要被软件理解和分析,必须被转换为统一格式。
将各类数据进行格式统一,又是一个严峻的挑战。数据和人类语言一样都具有模糊性,有些数据人们知道是什么意思,计算机却不能识别。于是,很多时候,人们不得不一次又一次地重复数据转化的工作。
相比于大数据带来的技术挑战,更大的难题来自于决策的变化。在信息有限、获取成本高昂且没有被数字化的时代,企业内作重大决策的人往往都是组织的最高层,或是外部拥有专业技能和显赫履历的智囊团。时至今日,高管的决策仍然更多地依赖个人经验和直觉,而不是基于数据。但到了大数据时代,数据分析会直接影响组织怎样做决策、谁来做决策,从而减弱个人的共识性。一个明显例子是,在媒体业,《赫芬顿邮报》和Gawker网站上传播的新闻通常取决于数据,而不再取决于编辑和记者的新闻敏感度。数据比有经验的记者更能揭示出哪些是符合大众口味的新闻。
不过,大多数组织都无法轻松地完成这一转变。在9月10日举办的达沃斯论坛上,普华永道发布报告称,调查显示仅有三分之一高管们表示,他们在上一次制定重大决策时采用了数据和分析。虽然有58%的高管们在决策制定上,还是依据直觉、经验、建议以及在企业中的其他经验,但43%的高管们承认,那些拥有高度数据驱动的企业,在过去两年的决策制定获得了很大的提升。所有高管们都表示,未来两年将优先考虑对高质量数据分析的投入,以更好的制定决策。
“应该说,大数据并不会完全取代个体做决策,即便取代,那也有很长的路要走。”马克指出,“但大数据会改变人们做决策的内容和方向,会对管理者的知识结构和分析能力提出更高要求。”
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数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-09-10在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02