京公网安备 11010802034615号
经营许可证编号:京B2-20210330
脱掉大数据外衣 走出大数据困境 _数据分析师
如果要评选最近两年出现在媒体上的十大热词,大数据毫无意外会入选其中。
然而,似乎所有人都意识到大数据的能力,但却找不到运用大数据的方法。不管是企业、政府或者其他社团组织,大数据离他们那么近,却那么远。
大数据成了人们竞相议论的热词,但鲜有人提及这场巨大变革中人们需要具备的能力,无数的企业及个人忘‘数’兴叹。
作为阿里巴巴集团商业智能部副总裁、国内大数据实践的先行者和数据观察家,拥有十几年丰富的数据实战经验的车品觉,或许是国内对于如何利用大数据这个问题最有话语权的那个人。
未来是大数据的时代,未来的竞争就是数据的竞争,也许,我们早该忘掉那些华而不实的喧嚣,让大数据真正从‘看’到‘用’,真正地活起来。
为了能让更多的人学会怎么用大数据,车品觉写作了《决战大数据》一书。在该书中,他试图呈现出自己所理解的大数据的本质以及如何才能让企业走出用大数据的困境。
作为一个跟数据打了十几年交道的人,我深深地知道,从‘看’到‘用’,再从‘用’到‘养’运营数据,本身就是一个复杂的过程。目前我们最应该做的,就是暂且忘记大数据的概念。
我希望从一个实用的角度来拨开大数据的‘迷雾’,告诉每个人大数据的具体运作应该是什么样的;我们要的不是数据的量,而是有‘质’的量,这正是我写作本书的重要目的。
脱掉大数据外衣
研究、实践大数据多年的车品觉,对于大数据有着自己独特的看法。在他看来,大数据就像是国王的新衣:每个人都在说着动听的话,却没有人看到那件衣服。
网络上有很多人在谈大数据,但是他们只会谈,不会做。那些所谓的大数据专家,根本就没有做过。
对于为何没有好的办法去做,车品觉《决战大数据》一书称:用数据的人不知道大数据从哪里来,做数据的人不知道大数据如何用。
用的人不敢用,因为大数据的真实性;做的人不知道怎么用,因为大数据的复杂性。这一问题造成的结果就是,数据量变得越来越大,而且越来越无法有效地被使用。
大数据从来不是免费的午餐,伴随着大数据热潮的到来,关于大数据的一些问题也会层出不穷大数据会夹杂着虚假信息;大数据的来源是多种渠道的,偏倚、随机的误差总是存在
除了上述问题,人才的断层,才是大数据所面临的最严重的问题。
现在,收集数据的人并不清楚未来使用数据的人要做什么,这是目前大数据的一大命门。
车品觉解释,在使用大数据时,我们通常的做法是先把数据收集起来,因为这些数据在未来可能有用。不过,未来可能有用就注定会引发一个问题收集数据的人不知道未来使用数据的人要做什么。
这时候,如果你再问收集数据的人如何才能更好地收集数据,那么,数据的使用就会陷入一个死循环。
在书中,车品觉举了搜索感冒药的例子,来佐证自己的这一论断,他写道:比如我在搜索引擎里面发现某个地方搜索感冒药的频率非常高,于是,我就断定这个地方可能出现了流行性感冒。但是,这样是否就是正确地使用大数据呢?
答案是否定的。因此,车品觉说,生产数据的人,并没有给使用者这个数据的人一些参数,而使用者在其使用之后如果效果不好,就会面临损失。而这样的信息不对称,最终受到损害的是那些使用数据的人。
问题就是答案
在车品觉看来,企业如果想要真正用好大数据,需要看清楚大数据能给企业带来怎样的价值,以及它的本质到底是什么。
当回归到这个问题时,如果你自己都没有弄清楚,那么就算给你再多的数据,你也只会手足无措。
那么,大数据究竟能给企业带来怎样的价值呢?大数据的本质又是什么呢?在《决战大数据》一书中,车品觉给出了自己的理解:大数据能让企业合理地分配资源,以及带来更好的用户体验,而大数据的本质则在于还原用户的真实需求。
数据收集实现的是企业资源的合理分配,例如,把推荐系统做得更好,让更多的用户可以有更高的概率找到他们想要的商品,这样就能提高商品的购买率,为企业创造更大的经济效益;数据收集实现的也是顾客体验的提升,例如,便捷的搜索引擎可以使顾客更容易地找到他们所需要的商品,为他们创造更加优质的购物体验。
而关于大数据本质的判断,车品觉则在书中作出了如下论断:数据的本质就是还原,这是收集元数据的关键方法,如果没有这个概念,你就不知道未来你需要什么数据,就更不懂得什么是重要的数据,到最后只会产生越来越多的无从辨别的数据。
在车品觉看来,数据的这一还原功能,就像是一个瞄准器,瞄准消费者的购物行为,并且以数据的形式记录下来。
如何更好地理解用户在各个不同场景下表现出来的不同需求,如何更好地理解数据融合后产生的价值,将是未来商业中每一个企业都必须考虑的问题。
阿里巴巴的秘诀
作为阿里巴巴集团副总裁和数据委员会会长,车品觉是少数几个对阿里巴巴从IT战略转型到DT战略(大数据战略)享有发言权的人之一。在《决战大数据》一书中,他总结了阿里巴巴在践行DT战略中的经验分享给后来者。
当谈到阿里巴巴的数据化运营时,我首先想到的就是‘人’,我们太多的时间都在讨论我们应该做什么,却很少会反过来想如果让数据化运营落地首先要从‘人’做起。
因此,在《决战大数据》一书中,车品觉首先跟读者分享的,便是阿里巴巴数据化运营的内功混、通、晒这三板斧。
所谓的混,是指数据分析师要跟管理业务部门的人打成一片。车品觉认为,作为数据分析师,如果不和业务部门混在一起,就不会知道业务部门在做什么,商业敏感是要靠‘混’出来的,它并不会凭空出现在你的面前。
只有具备商业敏感的数据分析师,才会懂得使用什么数据来驱动公司实现经营目标,现在在公司里,我最不希望看到数据分析师长时间坐在自己的位置上埋头苦干,我更愿意看到他们和业务人员混成一片。
而车品觉所谓的通,则是指企业判断数据是否有价值的一种能力,如果做到了这一点,就做到了通。
坚持带着业务问题来观察数据或者带着数据来观察业务,兼备二者的敏感,就是做到了‘通’,有些人在很短的时间里就能判断出数据是否有价值,就是因为‘混通’了。
但是,想要打通数据,并不容易。在书中,车品觉提出了打通数据的三个关键点:首先是要做好数据安全工作,以保证公司内部不同职位的员工可以查看不同的数据;然后,统一不同部门的数据标准,使公司内部数据有统一的接口,避免混乱;最后,关联不同部门的数据,创造机会让数据的运营可以扩散至部门之外。
在打通数据之后,阿里巴巴所做的便是晒数据。在‘晒’数据层面上,通常是通过数据来回答这几个问题:业务好还是不好;数据如何改变可以让业务更好;如何利用数据帮助业务发现机会,甚至产生出新的商业价值。
混、通、晒这三板斧,是阿里巴巴在实施大数据战略时的核心法宝,车品觉说:它们其实是配合了数据方法论与人的修炼,能做到借事修人,让用数据的人在数据中成长,循序渐进地让每个人成为数据分析师。
当然,这三板斧只是阿里巴巴大数据战略的内核部分。在书中,车品觉还提到了实施大数据战略所需要的外延策略,而要了解大数据的最佳实现方式,无疑是直接阅读他所撰写的《决战大数据》一书。
数据的5大价值
01.识别和串联价值
能够辨别关系和身份的数据是最重要的,这些数据应该是有多少存多少,永远不要放弃。在大数据时代,越能够还原用户真实身份和真实行为的数据,就越能够让企业在大数据竞争中保持战略优势。
02.描述价值
描述业务的数据包括成交额、成交用户数、网站的流量、网站详细页的流量、成交的卖家数等等,我们可以通过数据对业务的描述来观察交易活动是否正常。
03.时间价值
数据的时间价值是大数据运用最直接的体现,通过对时间的分析,能够很好地归纳出一个用户对于一种场景的偏好。
04.预测价值
数据的预测价值分成两个部分,第一是对于某一个单品进行预测,第二是数据对于经营状况的预测,即对公司的整体经营进行预测,并能够用预测的结论指导公司的经营策略。
05.产出数据的价值
从数据的价值来说,很多数据本身并没有特别的含义,但是在几个数据组合在一起或者对部分数据进行整合之后,就产生了新的价值。文章来自:CDA数据分析师培训官网
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 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30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