京公网安备 11010802034615号
经营许可证编号:京B2-20210330
中国企业需要怎么来面对大数据时代的来临
显然,大数据这一变革并非一蹴而就,而仍处在稳定的量变阶段。某种意义上,Teradata天睿公司的业绩本身就能证明这一行业确实正在增长,截至 2012年12月31日,Teradata天睿公司第四季度营收为7.4亿美元,同比增长10%。2012年全年营收为26.65亿美元,同比增长 13%。
Bill Franks认为,对企业来说最困难的事情不在于怎么来做选择、来实施大数据分析,大数据与传统的数据相比,需要去改变企业流程与文化,先行者将会保持领先,而跟随着将会错失机会。现在大数据的炒作确实已经到了顶峰了,但炒作的下面也有数据价值的存在,企业应该敏感地抓住这一机遇。
大数据的泡沫与真实价值
不知不觉间,大数据热潮席卷了整个IT产业,与其他种种风潮一样,大数据也存在着商业性的夸大和炒作。2011年惠普出价是103亿美元收购了Autonomy,最终这笔投入被视为非常失败的收购。对于这种现象,Bill Franks表示,大数据泡沫的破裂是一件好事。
他表示,现在大数据的炒作确实已经到了顶峰了,但炒作的下面也有数据价值的存在。炒作的泡沫破裂是一件好事,以上世纪90年代的互联网泡沫破裂为例,当时大量的人力和资金被投入互联网领域,此番景象就像今天的现在大数据。但随着互联网泡沫破裂,产业有了一些动荡,但泡沫破灭后真实的价值体现出来,互联网最终还是改变各个行业或者每个人。
大数据热潮也是一样,即使话题的炒作会冷却,但是大数据分析的价值会继续下去,重点是如何采取正确的策略、流程和方法去从大数据分析中获得价值。应该更多地专注一些建设的东西,比如需要哪些投资,需要培养哪种技能去实施大数据应用等。
他认为,大数据领域确实有些收购有估值过高的情况,但并不意味这种收购就没有任何价值。几乎所有的数据都有其递增的价值。尽管数据的价值有时被高估了,但就大数据整体而言,它会给我们带来极大的影响。
大数据的核心并不仅仅是技术
Bill Franks对诸多大数据的宣传中刻意强调技术门槛并不满意,他认为,90%以上的企业可以用他们90%的现有需求和技术、工具来解决现在的大数据问题。大数据真正可以解决的问题不是技术问题,而是人、文化、流程或者基础设施。
他强调一点,自己撰写《驾驭大数据》这本书不是为了对Teradata进行推广,主要是希望帮助人们去面对这种大数据时代,是面向整个行业、大众的一本书,也不是要通过这本书要来关注Teradata自己的业务流程或者具体产品,而是提供一种针对整体大数据的做法和想法。
他介绍,最困难的事情不在于你怎么来做选择、来实施大数据分析,而是决定采用什么样的方法来更好地发挥大数据的价值,而且能够改变它的流程。与那些传统的数据相比,大数据需要去改变流程与文化,很多企业不愿意去改变传统的方式,但竞争对手可能就领先一步去做,几年之后再去跟上去做的话,就会错失很多机会。
据悉,在《驾驭大数据》一书里,Bill Franks刻意强调了文化和理念,并提出一个分析创新中心的概念。他认为,依靠创新中心,企业拿出少量预算、人力资源、技术资源等做一些存在一定风险和结果尚未确定的小实验,可以用最小的代价实现文化的转变,进而适应大数据时代的节奏。
给中国企业的忠告
对刚刚涉入大数据浪潮的中国企业,Bill Franks举了一个冲浪的例子来加以忠告:
过去30年我可能在同一个海滩上,同样的浪潮进行冲浪了。后来,我换一个新的海滩,面对一些新的浪潮的时候,我就需要用一种新的方式去冲浪,需要使用新的冲浪板,但由于我过去30年的经验,很快就能适应新的浪潮。对人员的培训也是这样的,过去有一些数据分析经验的人才,只需增加一些新的对大数据分析的培训也能很快上手。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-05-18【专访摘要】本次CDA持证专访邀请到拥有丰富物流供应链数据分析经验的赖尧,他结合自身在京东、华莱士、兰格赛等企业的从业经历 ...
2026-05-15在数字化时代,企业的每一次业务优化、每一项技术迭代,都需要回答一个核心问题:这个动作到底能带来多少价值?是提升了用户转化 ...
2026-05-15在数据仓库建设中,事实表与维度表是两大核心组件,二者相互关联、缺一不可,共同构成数据仓库的基础架构。事实表聚焦“发生了什 ...
2026-05-15 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-05-15【核心关键词】互联网、机会、运营、关键词、账户、数字化、后台、客户、成本、网络、数据分析、底层逻辑、市场推广、数据反馈 ...
2026-05-14在Python数据分析中,Pandas作为核心工具库,凭借简洁高效的数据处理能力,成为数据分析从业者的必备技能。其中,基于两列(或多 ...
2026-05-14 很多人把统计学理解为“一堆公式和计算”,却忽略了它的本质——一门让数据“开口说话”的科学。真正的数据分析高手,不是会 ...
2026-05-14在零售行业存量竞争日趋激烈的当下,客户流失已成为侵蚀企业利润的“隐形杀手”——据行业数据显示,零售企业平均客户流失率高达 ...
2026-05-13