京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据分析价值尚需深入挖掘 _数据分析师培训
纽约麦肯锡公司合伙人Sastry Chilukuri做了一个针对技术人员的调查:请他们列出在个人生活和职业生涯中分别使用的最重要的五个IT工具。结果,他们在个人生活中会依赖Skype那样的IT工具。但在他们的职业生涯中呢?他说,“依然还是Excel,PowerPoint”那些职场中的经典程序们。
在美国马萨诸塞州技术领导委员会( MassTLC )主办的题为“下一代大数据”的研讨会,Chilukuri上分享了上面这个故事。座谈中,小组成员们没有惊讶于调查对象们还依恋于跟过去一样的旧办公应用程序。而马萨诸塞州切姆斯福德的数据可视化软件提供商DATAWATCH公司副总裁Jon Pilkington,表示,甚至想要得到大型COGNOS或者SAP安装启用的统一视图都是一场战斗,更不用说整个企业的了。那最经常被使用的解决方案?你猜。“还是是Excel!”.
但企业与Excel的“恋情”不可能永远持续下去。随着系统的成长和数据存储的多样化以及企业数据策略变得更加成熟,企业将需要更好的,更复杂的方式来整合数据,Pilkington如是说。特别是如果他们希望能取得大数据分析的胜利。
年轻的公司已被证明比那些早年成立的企业更擅长结合不同的数据流,小组成员,马萨诸塞州沃尔瑟姆的数据库创业公司Paradigm4公司联合创始人兼首席执行官Marilyn Matz认为,这并不仅仅是因为他们避开了转换遗留系统至大数据经济的麻烦,同时他们也不会受到传统商业智能和分析方法的影响。
为什么人才会短缺?
随着企业进入分析时代,统计就显得至关重要了,Chilukuri说,“但人才却总是不足,要追根溯源的话,高中教育缺乏统计课程学生最多也就修一两门相关课程(尽管已经开始有进步了),但是要想真正理解相关性的真正含义,这还远远不够。培训将有助于弥补这一差距。”
业务正更深层次的与大数据和高级分析相结合,统计却并不能解决所有的人才问题, Chilukuri补充道。他们必然将需要数据科学家,但也同样急需“数据翻译”.他们是能够横跨IT,分析和业务的实践者,想要 “创造商业价值,他们还有漫漫长路要走。”
数据特许权使用费?
数据的价格是多少?“每个人都有他们愿意放弃和不愿意放弃的数据”,小组成员,马萨诸塞州韦克菲尔德的营销公司Epsilon高级产品副总裁Bob Zurek说。所以,当人们能主理自己的数据,并有能力向想要分享的人分享他们的数据时,会发生什么?有商家愿意为这方面的信息付钱吗 – 不是用会员卡折扣或优惠券的方式,而是更类似于特许权使用费那样的经济赔偿?“我们已经在企业家团体内听到了这样的谈论”, Zurek说。
开拓创新
下面是首席信息官们面对的一个挑战:设法简化交流想法的过程。这是Epsilon星火计划背后的考虑。在Epsilon,一个想法可能很容易就碰了壁或消失在传递过程中,“因为每个人都很忙”, Zurek说。 “因此,我们退后一步,说我们需要为此建立渠道和流程。”通过星火计划,Epsilon的员工正式递交上的想法都会随之被考察是否有注资必要。 Zurek希望该计划最终能被扩大化。“我想向我们所有的客户开放这个项目”,他说。
突破大数据的迷雾
大数据技术市场现在已经饱和,这使得首席信息官们想要找出真正的需求,确定投资方向变得越来越困难。而且,“供应商不会解释工具能做什么不能做什么”,Paradigm4的Matz说。为了不受各种噪音的影响, 首席信息官们应该“关注已有案例”,她说。
测量数据的温度
DATAWATCH的Pilkington看到越来越多的“对数据或冷或热的用途。”最热的数据包括实时或性能监控分析,他说内存技术在此发挥了很大的作用。 “暖”数据则被搁置在关系数据存储中。那“冷”数据呢?“企业都在使用Hadoop来归档和存储大量的数据集,”他说,从而使得企业可以调用多年历史数据来观察如行为随时间变化之类的东西。
众包再众包?
众包评论平台Yelp公司,最近宣布了其针对最新的学生的Yelp数据集挑战题目。该公司开放了大凤凰城地区包括来自超过70,000的用户超过30万条评论的数据。拿出“精辟,独特和引人注目的”数据模型的学生,可以赢得5000美元的奖金--如研究被发表,则奖金更多。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16