
企业必须避免的三个大数据错误
如果企业改变它对大数据的想法,大数据会改变企业的思路。这听起来有些像禅宗心印 (Zen Koan)。不过,这是获得突破性见解的关键:你的眼光必须超越思想的限制,思考和询问你希望从拥有的数据中得到什么。
尽管如此,许多机构出人意料地没有把这种新的思想应用到自己的大数据计划中,结果导致严重的计划失败。
错误的想法,也就是“大数据的错误”,有三个主要方面。如果不解决这些错误想法,这些错误将直接导致一些欠考虑的计划,不能提供有意义的商业价值。
错误1:从害怕失去机会的角度作出反应。由于害怕失去机会,许多机构仓促地实施大数据基础设施项目,以避免落后。麻省理工学院《史隆管理评论》(MIT Sloan Management Review)发表的一篇调查报告指出,大数据的迅速流行导致一些大型企业的执行委员会向管理人员发出如下指令:“我们不知道大数据是什么,但是,我们最好立即解决大数据的问题。”
这种下意识的反应已经导致出现一些无法实现的计划,如盲目地建造Hadoop(分布式计算)集群,含糊的目标是用12至24个月的时间,没有考虑如何帮助提高收入、节省成本或者提高竞争力的实际应用案例。这种仓促的决定显然会使大数据计划失败。
错误2:把重点主要放在数量方面。本文作者Attivio公司产品营销主管Mike Urbonas的同事Randy McLaughlin最近发现“大数据”这个词汇有许多竞争的定义,这些定义限制了这个词汇的实用性。例如,早些时候的定义让“大”等于“量”。这个定义是不完善的,并且仍然在坚持。许多人仍然错误地认为大数据是Hadoop的同义词。
这是一个问题,因为把重点放在量的方面将导致大错误。这是《哈佛商业评论》最近发表的一篇题为“更大的数据会导致更好的决策吗?”的博客文章提出的警告。这篇文章的作者引述长期的研究结果称,决策者经常为了提升自我或者证明现有的想法而有选择地使用和解释信息。仅仅增加数据量不会对目前常规的企业想法构成挑战。
这也许是许多企业设法利用庞大的数据量,只有少数企业真正取得成功的原因。这个问题的解决方案不是重新制定一个决策过程,而是重新制定一个机构的战略,不是把量作为主要技术重点,而是把管理多样性作为重点!
错误3:没有把重点放在信息的多样性方面。《哈佛商业评论》那篇文章的作者还指出,“大量”实际上过时了;金融服务公司几十年以来一直有大量的数据。目前真正新的东西是信息资源的多样性。这些资源将产生新的商业见识。
这篇文章指出,多样性的商业团队比单一的商业团队更有创造力;多种数据合并在一起会产生同样的好处。因此,我们不能说数量大的数据会导致更好的决策,而是把使用新技术、处理过程和技能的许多点连接起来的多样性的数据会导致更好的决策。通过一个统一信息接入平台,这些点的连接会迅速完成。
设想一下,把相关的和分析交易数据库与客户在社交媒体、网站、电子邮件、即时消息聊天和呼叫中心记录等地方发表的喜欢或不喜欢的意见组合在一起,其结果是一个对客户解决方案的真正的全方位的看法。这个客户解决方案提供新的可执行的见解,在最大限度提升客户服务、忠诚度以及成功的追加销售和交叉销售的同时减少客户流失。这是大数据多样性的业务转型的力量。
重要的是需要指出,越来越多的证据表明,开始获得真正的改变游戏规则的回报的机构认识到,这是通过管理多样化的信息实现的。例如,上述大数据调查报告指出,受访的大企业都谈到管理各种数据和集成多种来源的信息。这是企业使用大数据的重点。这包括使用非结构化数据。
因此,如果你的机构还没有探索把管理多样性数据作为大数据商业价值的主要推动因素和技术重点,你的机构现在要在竞争对手采取行动之前把这个工作摆正优先的位置。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01