京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在政界,大家忙着测自己的亚斯伯格指数。 在商界,老板忙着问员工,你有没有大数据思维。 回答前Amazon大数据首席科学家的四个问题,测测自己有没有大数据思维吧!
「数据是『新石油』,」亚马逊前首席科学家韦斯岸( Andreas Weigend)为时下热议的大数据(Big Data)做出注解。
任教于美国史丹佛大学、柏克莱加州大学的韦斯岸,专精大数据、行动社群等技术,研究人类行为和他们所创造的数据,20多年来担任全球知名企业顾问,包括阿里巴巴、Best Buy、SAP、路透等。 韦斯岸近期受功典资讯之邀,来台进行短期参访,拆解大数据时代企业与个人将面临的改变。
他提出几个问题,大家不妨自问,自己有没有大数据思维。
问题一:你分得清公司真正的大数据问题吗?
韦斯岸提到九年前在阿里巴巴交流的经验。 他提到,在一场实作坊之中,有一位不认识的主管出席,当时现场有人发问,「我们不清楚那些资料」。 这位主管立刻反问,「你说不清楚是什么意思?你是不清楚是否有那些资料?还是不清楚资料是否正确?两者大不相同,还是不清楚如何解读资料?这又是另一种问题」。
这位主管正是现任阿里巴巴集团执行副主席、来自台湾的蔡崇信。 韦斯岸推崇,蔡崇信能问出这样的问题,表示阿里巴巴的资料识读能力很强。
「公司有那些资料」、「资料是否正确」、「如何解读资料」等,都是资料识读的一环。 但多数人分不清层次,所以第一步必须先有识读能力,才知道「公司大数据」的问题是什么。
问题二:从数据中,你可以看到那些层次?
韦斯岸提到,多数人接受的统计教育很差,加上之前资料不足。 所以,大家看到销售数据,通常只停留在第一个层次,譬如:那个产品最畅销、最重要。
但大数据时代,搜集资料不再困难,从数据中,应该看出的是「关联性」。 看到产品畅销,提出的问题应该是:是不是因为A因素,让产品畅销。
韦斯岸强调,在学校教育期间,大学生学习回答问题,研究生则是学习提出问题,在企业组织工作,重点则在于问对的问题,因为有数据,所以回答时常很简单。
问题三:客服人员是成本,还是价值?
韦斯岸说,在大数据时代,每个业务环节都有大量的数据,每个环节都可以改善,把成本变成利润。 在亚马逊任职期间,韦斯岸与Amazon创办人贝佐斯花了约50小时,写下亚马逊事业方程式,那时争论的问题是:人力导向的电话客服中心是成本吗? 因为如果客服过程顺利,顾客会觉得:亚马逊真是间好公司,那么客服就从成本转换为公司利益。
韦斯岸举的另一个例子是:Zappos,这家以销售鞋子为主的网站,最著名的服务是顾客买一双鞋,将会收到该款3双不同尺码的鞋,供顾客试穿,不合的另2双鞋免邮资退还。 邮资看似是成本,但只要消费者将拥有一双非常合脚的鞋子,就会转告亲友。 这就是把企业最讨厌的退货率,转化成一种行销利益。
问题四:你愿意跟数据分析人员说话吗?
韦斯岸提醒,在大数据时代,大家都要培养吃资料寿司(Data Sushi)的意愿与好奇心。 过去,多数上班族只喜欢看已经被处理过的资料。 但未来,大家可能得学着吃「比较生」的数据材料。 即使是管理者也必须跟数据分析人员对话,真正了解资料涵义。
他指出,资料科学是新兴热门词汇,必须结合多项技能,第一项技能是「好奇心」,第二项是「处理资料的意愿」,愿意正视资料,无论规格大小或内容对错,都不会逃避,也不要求先清理资料,否则就等于在处理加工品。
第三项则在于「合作的意愿」,行销人员必须与数据分析人员对话,真正了解资料涵义。 第四项,才是「说出资料的故事」。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 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 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 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 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 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 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 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 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11