京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据关键七问_数据分析师
对很多人来说,大数据只是个流行词,谁会需要大数据?
答:任何可以成为流行词的东西,肯定是社会对它充满巨大的期望和想像。大数据也不例外。建议企业在考虑使用大数据之前要从当前的问题着手,然后思考:
1. 理解业务中有没有一些决策做得不好,使用数据可以解决吗?
2. 在营运的工作流程中,有没有错误可以利用数据快速纠正呢?
3. 数据是否有可能帮助提升产品或服务的品质?甚至直接成为创新的元素?
以上几个问题,是希望大家明白大数据的运用和你对业务是否有深入理解相关。从这个角度去看,数据化营运无孔不入,跟谁都有关系。然而在使用数据之前,企业还要关注一些基本功,数据平台的软、硬体支援、如何做好数据的加工准备(包括新旧数据整合)、提炼数据到解决问题的能力。如是,才有资格谈大数据。所以,中小企业都应该用数据去认知自己哪些做得好或者不好(数据化营运),数据作为一个工具,可以帮助中小企业去了解自己,也可以优化业务。但是经营的本质还是取决于创始人的方向与管理,大家不能本末倒置,一昧期待透过大数据就能解决企业的所有挑战。
问:台湾的中小企业可以如何应用大数据?
答:大数据的力量来自分享、整合和产品化。例如,Google地图之所以能告诉你前面的路塞车,其实是有赖于每个使用 Google地图的位置分享。所以我认为政府的推动,可以让小企业减少得到数据的门槛、增加业界的数据共用,这样就更有利于让小企业也享受到大数据的科技。从产业链来看,小公司联盟,把数据统一,用数据来解决一些业内彼此都不能解决的问题。
问:台湾大多是中小企业,相较于大公司,中小企业做大数据的方式、思维有何不同?
答:不管是中小企业还是大企业,在运用任何一种新科技的时候必然要量力而为。而中小企业和大企业的区别,在于中小企业的资源肯定没有大企业那么多,所以,中小企业不容易像大公司一样有庞大的数据团队。因此,中小企业在运用数据的时候一定要有更稳妥的方法,注重使用数据的效益,可以尝试从小专案着手再逐步拓展。
问:在资讯泛滥的环境,数据愈来愈容易收集,但也代表「噪音」愈多。企业该如何找到核心数据并成功应用?
答:根据过去的经验,我认为初期不要贸然就开始一个非常大的大数据项目,而应该是要从小处开始。数据比较适合以小、具体、容易评估效果作为起点的专案,以此锻链自己收集、加工、使用数据来做决策,以及衡量这个数据价值的能力,即以小知大。从小的场景开始,用数据在商业场景中不断优化。
问:您曾提到大数据的应用讲求跨界和创新,在实践大数据的过程中,最困难的地方为何?
答:大数据应用讲求跨界和创新,更准确地说,大数据的价值来自可以从多角度来看同一件事,全景观察可以减少误差及创造新的机会。但并不是要求你能够认知到全部外面的世界,而是能让其他人的数据为你所用。大数据实践中最困难的地方在于你对自身的理解,再加上,隔行如隔山,外部整合回来的数据可能很有价值但同时也有很多噪音,大家并不完全清楚数据的来源和定义。
问:成为一名杰出的数据部门主管应具备哪些关键能力?
答:据我的观察,目前非常缺乏一种数据管理人才:对业务要有足够的理解、明白数据能为业务起什么作用、了解技术更新对价值产生的关系、数据收集到加工、新数据与历史的整合、使用数据的便利性等等。其中,对业务和商业的理解,绝对是成为数据主管所需要的基本条件,但若是想达到杰出的程度,肯定要懂得如何在人才匮乏的大数据行业中吸引和保留住人才的眼光和能力了。
问:如何培养对大数据的敏锐度?
答:当在公司遇到业务问题时,问问自己:现在拥有的数据能帮我解决问题吗?假定所有数据可以获取,我需要什么数据来解决问题?要怎么做才能更容易获取需要的数据呢?举例来说,我过去看到路上的交通状况时曾经想过,大城市里的计程车服务会不会有可能改善?我那时想着,如果计程车上有个灯能显示过去客户对他的评价,那么司机为了保持住好评价,应该会提供更好的服务水准,这就是数据可能解决的一个简单例子,下一步才是如何设计一个容易的方法让顾客去评价,而现在的叫车软体就是一个很好的实现案例。这是训练数据敏感度的好方法,也是过去10年我个人一直在用的方法──透过周遭事物训练数据敏感度,让数字「说话」。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,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是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18