京公网安备 11010802034615号
经营许可证编号:京B2-20210330
进行大数据管理的四类公司
在大数据时代,大数据使不同规模公司变得如此迫切的原因在于公司间有效管理数据的程度导致了竞争差距。据经济学人智能单元(Economist Intelligence Unit)调查表明,就大数据管理,公司可以划分为四类,它们是:战略数据管理者,渴望数据管理者;数据收集者和数据闲弃者。经济学人智能单元根据回馈信息总结了各类公司的个性特点。

一、 战略数据管理者
战略数据管理者在各类公司中以其最为成熟的能力位居大数据管理者的最先进的小组。这些公司大都属于制造业企业、金融服务或技术公司。战略数据管理者首先明确了与公司战略目标一致的专项计量和数据项目。其他特点包括:
1. 它们选取最为适当的数据制定决策,它们收集数据的利用率高;
2. 公司高管人士负责数据运作;
3. 它们对数据管理实施全面重点投资,确保数据的准确、全面和可靠;
4. 它们挖掘新兴数据的潜在价值。
二、 渴望数据管理者
这类公司所占数量最大。它们完全认可大数据对公司未来的重要性。它们允许大数据用于战略决策,对其投资甚为积极。但它们依然落后于先行者。这类公司大都分布在通讯和零售业。其他特点包括:
1. 它们的CEO 不大负责数据战略;
2. 它们现在偏重于从数据中学习更多关于内部业务操作的内容,但希望把更多数据面向顾客应用;
3. 不同于战略数据管理者,它们依然纠缠于全面清理和调适数据;
4. 它们中66%的公司仅将有效数据的二分之一进行了恰当应用;
5. 它们很喜欢抱怨太多数据,但资源不足。
三、 数据收集者
这些公司认识到了数据的重要性,但除了储存数据,它们缺乏资源对数据有所作为。它们被数据湮没。这些公司分布于医疗护理和专业服务行业。其他特点包括:
1. 它们极有可能由一名IT 管理者负责数据战略;
2. 它们受损于IT 部门与业务部门之间差强人意的联合。它们中近1/4 认为IT 部门不理解数据的重要性,另外有1/4 认为业务部门不清楚数据的重要性;
3. 它们疲于大多数数据的质量、准确性和一致性;
4. 它们数据管理的努力大多源于满足规定的要求;
5. 除了技能投资,它们对数据管理的几乎所有方面投资都不足;
6. 对于数据的恰当治理它们没有任何正规流程。
四、 数据闲弃者
坦率地讲,30%的数据闲弃者不注重数据收集。另外70%收集数据,依然严重地应用不足。这些公司经营惨淡,遍布各行各业。它们受害于业务部门和IT 部门之间的不良配合,它们大都安排一名中层经理负责数据战略。其他特点包括:
1. 它们更关心改善内部操作,特别关注内部报告;
2. 它们劳神于几乎数据管理的方方面面(除了数据安全);
3. 在数据管理投资上落后于其他公司;
4. 它们至今奋力于维持充足的数据管理技能。
上述分类刻画了围绕数据管理的竞争态势。随着大数据的演进,各组的特点可能会发生变化。但就当前而言,上述分类有助于公司对号入座,更好地理解发展的机遇和面临的挑战。大数据应用的趋势不可逆转。大数据将永久作为公司决策的工具,其作用会变得越来越重要。任何公司若不围绕大数据发展竞争优势就会落伍。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27