
大数据的下一个前沿是什么_数据分析师
MGI(麦肯锡全球研究院)和麦肯锡商业技术办公室的报告显示,当今世界的信息量已呈爆炸式增长态势,大型分析数据集即所谓的大数据,将成为引发新一轮生产力增长、创新及竞争的关键基础之一。
多媒体的崛起,社交媒体及物联网所捕捉到的、与日俱增的信息量,将会使数据在可预见的未来呈指数性增长。
麦肯锡研究了五大领域的大数据美国医疗保健、欧洲公共部门、美国零售业、美国制造业及全球个人位置数据。对于每个领域,大数据都能创造价值。
例如,如果充分利用大数据技术,零售商就能使其营业利润率提高约60%以上。大数据在公共领域也有较大潜力可挖掘,如果美国医疗保健行业能够创造性地、有效地利用大数据以提升其效率及质量,那么每年就能创造出3000多亿美元的产值。欧洲的发达国家使用大数据后,政府管理人员仅在提升操作效率方面,就节省了至少约1000亿欧元(约合1490亿美元)的成本,这还不包括使用大数据减少舞弊和错误等。
此外,利用个人位置数据所提供服务的用户还可创造6000亿美元的消费者剩余。该研究提出了七大关键观点:
1.数据已深入各个行业及企业功能,目前已成为除劳动力和资本以外的又一重要的生产力因素。据估计,到2009年,美国所有行业中具有1000名以上员工的公司都至少拥有一个平均200兆字节的存储数据(是1999年美国零售商沃尔玛数据库规模的两倍)。
2.以下5种使用大数据的方法可创造价值。第一,大数据可通过信息透明化及更高效的数据利用,来释放巨大的价值。第二,随着组织以数据的形式创建并存储更多的交易数据,他们能从产品库存中收集每件产品更为准确详细的性能信息,从而发现可改善之处并提高其性能。一些骨干企业正使用数据收集和分析开展控制实验,以便能做出更好的管理决策。其他企业则正利用大数据进行低频预测及高频短时预测,以便及时调整经营杠杆。第三,大数据能更加细分用户群,从而定制更为准确的产品或服务。第四,复杂的分析能大幅改善决策的制定。第五,利用大数据可改善下一代产品和服务。例如,生产商可利用产品中嵌入的传感器获得的数据,创造更有新意的售后服务,如主动维护(指故障发生前或意识到会发生故障前所采取的预防性措施)。
3.大数据的使用将成为个人公司提升竞争力、促进增长的一个关键基础。从竞争力及获得潜在价值的角度来看,所有公司都应认真对待大数据。在大多数行业,类似的竞争对手及新市场进入者将利用数据驱动策略进行创新、竞争,并从深层次及实时信息中获取价值。
4.大数据的使用,将引发新一轮的生产力增长及消费者剩余。例如,我们预估,充分利用大数据的零售商能使其营业利润率提高约60%以上。大数据能为消费者、公司及组织带来可观的收益。比如,利用个人位置数据所提供服务的用户还可创造6000亿美元的经济剩余。
5.尽管大数据可跨部门使用,但我们将美国部门的历史生产力与这些部门从大数据中获得的潜在价值进行了对比(使用索引结合一些量化指标),结果发现机遇与挑战会因部门而异。计算机电子产品和信息部门、金融保险和政府,能从大数据的使用中获得更大的好处。
6.有些组织会缺少相应的会利用大数据的必备人才。到2018年,仅美国就会缺乏14万~19万数据分析专家,以及150万深知该如何利用大数据分析进行有效决策的管理人员和分析师。
7.想要完全挖掘大数据的潜力,就必须要解决一些问题。在大数据的世界需要建立有关隐私、安全、知识产权、甚至法律责任方面的政策。组织不仅需要将合适的人才与技术安排在合适的位置上,还需要构建工作流程及激励措施将来自数据源(经常来自第三方)的信息汇聚到一起。此外,激励措施也必须到位,以确保能实现这一点。
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