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
在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 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 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 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, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 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”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-07-22在金融风控、企业运营、行业研究等数据分析场景中,大量数据以面板数据形态存在:例如多家分支机构连续多个季度的风险指标、多位 ...
2026-07-21 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-07-21