京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代:就是一个数据为王的时代
近年大数据(Big Data)成为一项相当热门的名词,几乎所有跟网络有关系的企业,包括政府都在谈大数据,但是台湾目前却很少看到真正有运用大数据的企业,真正利用大数据创造出价值。
大数据价值来自数据
台湾大数据科学家蒋居裕分析指出,经过3年的分析与观察,发现大数据的基本核心价值,最主要还是数据本身,这也是大数据中最有价值的地方,代表大数据时代就是一个「数据为王」的时代。
所有的大数据分析工具与相关产品,没有数据是动不起来的,有人曾用21世纪的石油比喻当前许多数据,蒋居裕指出,这个论点中有一个错误,因为石油是用了就没有了,但是数据只要产生了,就能无限次的使用,且越用价值越高。
其次,要创造大数据的价值,行业市场以及终端对终端(End to End)方案也相当重要,蒋居裕说,并非所有的行业都有利用大数据的需求,但是像电信、零售或是电子商务厂商这样的行业,对于大数据的运用就相当重要。
蒋居裕说,终端对终端方案之所以重要,是因为客户目前往往有钱但没有人,所以这些企业必须仰赖服务供应商去分析数据,完成数据的运用,因此服务提供商不仅要提供解决方案,更需要提供服务。
整体来说,蒋居裕以大自然比喻整个资讯科技(IT)市场,在大数据的时代,数据就像阳光、空气、水一样,是资讯与通信科技(ICT)与所有科学的基础,因此数据本身并不是一个产业,但却是许多产业的价值基础。
数据产品应运而生
当数据产生,有了大数据的价值基础之后,要创造出价值,就衍生出许多数据产品。蒋居裕指出,数据产品就是将一种或数种数据经过分析之后,以软体系统、报表、视觉化图表、决策辅助、云端服务等形式交付给客户。
以社群网站脸书(Facebook)来说,取得了使用者的数据,提供关键字广告或是提供开放的应用程式介面(API),让开发者可以使用这些数据,这都是属于数据产品的一种。
而要发展数据产品,蒋居裕说,必须有团队、数据、区域、工法与心法五大要素,其中最重要的就是团队,因为数据分析毕竟还是需要人,人才看得懂数据,有人有数据之后,对需要的数据区域利用工具、技能等进行分析(工法)。
人才能创造数据价值
除了如何去分析数据的工法之外,蒋居裕强调,对于数据分析运用的心法也相当重要,这包括了对数据运用的信念与知识等等。也因为如此,要创造大数据的价值,不单单是IT人员或是部门的问题,是企业管理的问题。
据国外分析发现,大数据的数据专案超过半数(55%)都会失败,但是一般IT的专案计画的失败率仅25%,中间差了叁成,蒋居裕分析,这样的差距来自于企业对于大数据的眼界不够清楚,对于数据的需求与用途都看不清楚,加上企业缺乏跨部门的协作,造成了这样失败率差距。
蒋居裕说,数据在企业内部是会流动的,通常数据收集部门、储存部门与使用部门都是不同的单位,因此要完成一个数据的专案,企业内部就要跨部门协调,了解该如何运用数据,以及想要达到什么目的。因此需要一个能够整合跨部门资源的人,站在够高的高度才有可能达成。
数据分析投资渐增
巨量数据已成为企业在竞争激烈的产业中求生存的重要营运策略。以银行和其他金融服务公司为例,这些企业都开始对内部数据进行深度分析,以根据消费行为来评估贷款人风险、客户流失率,以及交叉销售或向上销售的机会。
最新调查报告发现,有10%的亚太地区企业在2014年投资了数据分析,而且2015年的投资比例将会增加到12%。
是的,次世代的巨量数据解决方案还必须具备即时分析数据的能力,硬体部分,必须紧密整合可横向扩充的基础架构,以及具备机器学习能力和商务应用软体,才能让布署作业既迅速又在掌控之中,同时达到最佳作业效能。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22