
关于大数据的七个观点_数据分析师
在第八届网上零售年会上,阿里巴巴集团数据委员会会长车品觉表示,对于企业而言,数据一定要“从看到用”,如果所掌握的数据没有到运用的阶段,那就算不上“大数据”。
车品觉指出,在数据运用上非常重要的一点是要用在核心的决策点上,这样企业才能得到大数据的价值。“比如在广告领域,我们要给一个价。‘在什么时间点给予什么价,可以得到最好的回报’就是一个核心的决策点,大数据就要放在这个地方。”
以下是车品觉关于大数据的几个重要观点。
第一,只有两种方法可以得到大数据。一种是在自身企业外的数据,当你拿到这些数据时可以更精准提炼自己的东西。另一种是把自己的数据提供给别人,别人可以用我的数据产生更大的价值。
第二,大数据是“一把手”工程,需要企业的最高层直接负责、下达命令。这是因为,一方面,公司内部可能对于大数据本身没有信心;另一方面,数据安全性是大多数人最担心的问题。“事实上,很多企业分公司与分公司之间,大家都不一定能够相互信任。你要把我的数据给另外一个分公司,拿着我的数据,我不放心。”
第三,大数据的成本是非常大的,所以企业要首先判断哪些数据是重要的,需要被优先使用。车品觉表示,大数据出成绩的时候很美,但事实上,企业做大数据的成本是极高的,且错误率非常高。数据备份的成本、人才的培养及挖掘等都需要很大的成本。
第四:行为数据的搜集有一个时间点,可以抛弃一些过往数据,以降低成本。“行为数据是基于整个网站的设计,当整个网站设计产生了非常大的变动之后,你也没有办法还原过来的话,这个数据就开始不要了。”
第五,无线数据非常重要,已经影响到企业的底层数据,是大数据的未来。且无线数据与PC数据有很大的不同。比如无线端的数据来自于APP、WAP和HTML5,这三个渠道,每个渠道的数据源和特性都存在很大的不同。“比如无线APP是没有cookie的,也没有点击数据这一说。” 从人才的角度来讲,要把数据的人提炼成更多的商业的感觉。
第六,大数据人才的培养的重点在于培养数据中间层,这个中间层用以连接研究数据和使用数据的两方人。从人才培养的角度来说,就是要培养数据人的商业感觉。
“我们发现做大数据的人中没有很多人想用这些数据;但是想用数据的人,但是我不知道数据从哪里来。所以比较有经验的人希望能有一个数据中间层出来,让用的人可以理解有什么数据可用,让做数据的人集合经验能成为一个中间者。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24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 ...
2025-09-23