
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
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23