
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
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08