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
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26