
大数据如何创造商业价值_数据分析师
互联网行业的发展是否为大数据时代到来提供了更多有利条件?这些数据有什么新的特点?
石现升(中国互联网协会副秘书长):从目前整个互联网行业发展来看,前一段时间我们做了一个预测,关于到2020年国际互联网环境和整个发展规模的预测。到2020全球网民预计达到52亿人,每秒钟增长7.9人,未来七年互联网网民增长主要来自于亚洲和非洲地区,人口预计到2020年到80亿,所以网民普及率达到65%。从目前增长的趋势来看是比较平缓,很难再有互联网初期爆炸式增长的时代。全球网站数量预计2020年将到17亿,目前网站数量是6.4亿,预计到2020年,平均3个网民将拥有一个网站,这些将是大数据时代数据的主要来源。
大数据时代到来的特点是群体和个体交互方式发生了改变,我们可以看出,从社交网站、电子商务平均、视频、游戏、旅游、人力资源、彩票等各方面对整个大数据的利用平均非常的明显。第二个特点是移动设备的数据交换分享增长迅猛,从固定互联网到移动互联网,到物联网的时代可以看出,在终端层是90年代开始固定互联网时代,到2007年以后的移动互联网,到物联网时代都经历了迅猛的增长。
信息成为新的商务核心,从量上来看,未来十年内将增加44倍的数据和内容,其中80%的数据为非结构化的数据,传统是以结构化数据为主。同时信息处于新一轮数据发展的核心,交互数据是移动通讯记录、社交网络、社交媒体等。传感数据包括环境监控、位置数据、视频监控,从交易数据包括企业ERP、POS系统、网上支付系统等。大数据时代的数据特征分析,包括海量化、多样化、快速化和价值化。
科技日报:把大数据应用到商业层面,能不能举些具体的例子?有哪些特点?
石现升:以腾讯对大数据的合理使用情况来说,以视频行业为例,主要了解消费者的使用习惯、网络广告、视频广告的形式,哪种投放形式是用户最容易接受,包括多媒体内容产生的模式。通过大数据的形式可以建立智能化的平台,实行个性化的营销行为,对消费者进行具体的精准的分析。通过大数据的价值提升腾讯视频的用户体验。目前的效果是月度覆盖用户2.755亿,年增长率高达250%—300%。
我们从大数据业务特征来看,数据爆炸增长,结构类型复杂,用户行为丰富,Web社群关系复杂。需求分析方面利用大数据分析提升用户体验,增加用户黏性。具体应用方面是社交网络广告精准投放。
大数据的价值如何提升企业信息管理能力,包括可以优化归档成本,以前是海量的信息,经过大数据时代用户行为模式的分析,可以做到最有价值的信息进行归档保存,精简合并任务、信息即服务、丰富数据内容、信息追踪机制、公司治理过程,还有面向大数据的企业管理方面,可以提升公司的治理效果。
同时大数据的价值可以改进企业商业决策,传统做法是结构化、可分析,逻辑性。新的路径是提高了创造性和整体思维能力,以及提高用户的知觉。
传统做法是数据仓库来自于事物数据、内部应用数据、主机数据和ERP数据,到大数据时代做到非结构化数据和迭代新的数据来源。
科技日报:面对采集上来的大量信息,该如何合理安全的使用?有没有这方面的规划?
石现升:关于合理使用,目前随着互联网的普及度提高,用户越来越关注个人信息安全和使用网络的安全,包括交易行为的安全等。社会行业应该形成严谨的处理,利用个人信息的氛围形成行业规范,使得公众敢于放心提供个人真实信息,形成公众对大数据的社会信任感。企业、社会组织的力量从规范制度到规范贯彻实行,从宣传层面到从技术层面共同努力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15