京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02