京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据如何成为企业未来的商业资产
大数据管理与分析从此走进人们的视野,大数据就如同给我开启了一条隧道,连接着我们的过去,通向未来。
1. “大数据”时代的“小企业”
通过对历史数据的研究分析和展示,我们可以预测出未来的趋势和发展变化,从而影响我们决策,提前做好准备和改变,大数据还可以发掘新的市场机会、发展潜力以及风险,帮助我们设计和开发新的产品。一时间“大数据”成了为企业管理者长期以来梦寐以求的灵丹妙药,让人趋之若鹜。
然而当不少企业开始实践的时候却发现对于大多数企业来讲或许大数据及其分析的这个设想和概念并不适用。
当我们习惯讨论大数据的时候总是以5个V来阐述:Volume、Velocity、Variety、Value,暨大量的,高速产生的,多样的和有价值的。但对于传统企业来讲,由于信息化程度不高,业务开展模式与互联网粘度不强,产品结构及流程复杂,无论如何都不能称之为“大”的概念。有限的资源、产品类型、交易信息……受制于数据量、数据处理技术和数据人才的缺失,实施大数据管理开发和应用现实是不太现实这一切都显示着现实企业在大数据银幕下的渺小。
同时大数据本身作为新生事物,其发展形态和发展趋势也并不清晰。那这是否就意味着传统企业无法享受大数据的红利,分享大数据时代的一杯羹呢?
2. 数据可视化——小数据的大应用
据统计我们为适应大数据所收集的数据中:59%的数据是无效和没有意义的;70%-85%数据类型、产生过于复杂,我们尚且没有很好的理论和分析主题去驾驭;同时85%的企业数据架构无法适应爆炸性的数据增长和复杂性增长需求,也就意味着作为企业我们根本无法捕获我们想象中的数据;最重要的是98%的企业无法及时掌握事实信息并作出反应。
惨淡的数字将我们从梦想拉回现实……对于企业已有信息和知识应用,我们做的还远远不够。
如果说是企业无法享受大数据时代的红利是因为数据量不够大的话,那对于数据无法有效、高效的处理就不得不是我们必须正视的问题。
大数据的根本在于对数据的处理和加工,其实对于数据处理和加工,并指导企业决策的理论早在1996年就有著名的市场调查咨询公司加特纳Gartner Group提出,并定义为商务智能。随着20年的发展,在市场上逐渐形成了以IBM、甲骨文公司为代表的巨无霸bi套件和以SAP水晶F报表、MicroStrategy的TABLEAU为代表的纯粹的商业智能解决方案。
对比后我们不难发现,对于品类众多,风格各异的商务智能软件和解决方案来讲,可视化是众多产品的统一特性。如何将报表中的数据相互关联,并直观的展示出来,更好地让人理解和发现其中的秘密成为关键。可视化的图表展示,动态的形象化展示不仅仅可以提供给我们更直观,更丰富的知识信息,同时还可以超越我们思维的局限为我们思考问题,发现问题提供新的思路。因此数据的可视化将是数据价值发挥的关键,也一直是困扰企业决策者和软件开发者思考和研究的课题。
3. 突破“中国特色”困局,打开数据价值的钥匙
值得提出的是,多年来国际巨头一直试图进军国内市场,但商务智能市场始终无法获得突破性进展,以国外著名软件巨头为背景的咨询公司频频动作却始终却始终无法将商务智能的慧种播向“中国特色”这块肥沃的土壤。笔者观点,原因无非三个:特色的中国式报表制度、特色的中国互联网发展模式及特色的中国式管理。
国内企业互联网化明显呈现两极分化的局面:以电商主导的互联网技术公司始终走在信息技术的前列,而传统或一般企业则在互联网背景下显示明显的疲态和脱节。加之传统企业业务流程复杂、经济过程复杂,催生了独具中国特色的报表体系(以中国会计制度为例,企业上市往往意味着相当长的一段时间内企业财务数据混乱的局面),各式各样的表单,业务关联复杂,逻辑关联困难。因此要释放企业数据价值,首先需要释放出干净的、价值密度高的、准确的和及时的企业经济表单。IBM、SAP、Spotview、tableau等商务智能解决方案和公司也如同帆软软件一样开发了针对不同数据类型和数据源接口,但并没有从根本上解决“中国特色”的报表本省。
同时互联网在中国的发展可谓是跳跃式的,据中国网信数据,中国网民数量移动端远远高于客户端数量,这代表着我国互联网的发展早已实现了PC互联网到移动互联网的转变,或者说:我国的互联网发展是有移动端倒逼PC端发展。这也为企业管理者、软件开发者和产品经理极大的挑战:我们的数据可能并不是由计算机产生,同样我们的需求也不仅仅局限于PC机。原来越多的人喜欢通过手机、平板等通信设备处理工作,查阅自己所需要的信息。作为企业工作和决策的支持工具,商务智能不能仅仅局限于PC机的时代,多元数据采集,多场景多终端的业务支持是关键。
这也直接导致了大部分企业在商务智能面前望而却步,哪怕有极少的公司开展相关的工作也仅仅作为高层的决策支持。随着人人经济的到来,我们更愿意相信,商务智能将会像互联网一样,随着我们的手机、电脑、QQ、微信等一切设备和终端软件开启“人人时代”。苹果早在2012年就宣布世界500强企业中多数企业都在使用iPad办公,互联网在向移动互联网转型的同时也使的连接的两端处于对等的位置,无论是企业决策者还是方案制定者,抑或第一线的执行人员,对于知识的了解、分析的需求都是同样的。这也就预示着商务智能或所谓的数据分析不应该仅仅局限服务企业高层决策者,同样应该根据一线操作人员的具体需求提供服务。按需定制、无壁垒的使用操作无疑是未来商务智能软件的一大考验,点击便可实现图标可视化分析的工具……无疑对企业在未来的竞争中提供了有力武器。
再次反观大数据和商务智能,如果说大数据为我们打开了一扇窗,让我们觉察到数据天空的魅力,那商务智能则给我们提供了一架梯子,让我们对数据价值的云朵触手可及。正如2000年的世界经济论坛中所说:“数据就像货币和黄金一样,成为新的经济资产。”而我们说正是由于以商务智能软件(解决方案)为代表的分析工具给我们提供了一把钥匙,让我们在应对复杂报表,数据有限的情况下依旧可以深入挖掘出知识和信息,打开企业财富,将数据转化为企业的商业资产。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 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 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21