京公网安备 11010802034615号
经营许可证编号:京B2-20210330
如何衡量大数据时代真正到来_数据分析师
互联网时代,新概念层出不穷,人们刚刚接受了大数据、物联网、云计算,更新的词汇已经迫不及待地涌现,比如小数据、条数据,以及本文所述的块数据。
块数据一词出自《块数据——大数据时代真正到来的标志》一书。这本书是根据贵阳市委书记陈刚提出的块数据概念及其理论,由大数据战略重点实验室组织课题组完成。所谓“块数据”,就是一个物理空间或者行政区域内形成的涉及人、事、物的各类数据的总和。“块数据”比“条数据”的“4V”即 Volume(大量)、Variety(多样)、Value(价值)、Velocity(高速)的特征更为明显。它如同一个计算机的主板,建立起了一个开放、共享、连接的数据基地,各个行业和部门的“条数据”就如同一个个可插拔的板卡,它们只有融合并集成到主板上,才能发挥数据资产真正的功效。块数据实践应用所形成的全产业链、全服务链和全治理链,将更大程度地驱动产业升级、服务改善民生、推进城市转型和倒逼政府改革。
例如,在社区,通过智慧社区建设,建立起社区居民、家庭和居委会的数据采集和社交网络平台,它能够采集居民、家庭、楼宇的基本数据,也能够汇集物业、民政、医疗、养老、公安、文化、教育等各个领域的数据,还能够聚合社区金融、超市、农产品供应等商务数据,就会形成一个共享、开放的社区块数据。
在城市中,通过铺设高速光纤宽带网络,搭建高速移动宽带基站,建设无缝衔接的wi-fi接入节点,将使得整个城市的网络“高速公路”更加畅通,数据将被更加快捷地传输和连接。这会有力地推动各类社会企业和个人数据集聚在一起。通过建设城市基础数据库、数据交换共享平台和跨部门协同应用,能够将人口、法人、地理信息、宏观经济等数据开放、共享并连接起来;通过公共数据平台和应用系统,逐步将各个部门的数据汇集起来,进一步整合城市网络平台上采集的企业和个人的行为数据,将逐步形成城市块。
然而,当今互联网产业发展的一个重要问题,就是商业模式不清晰,尚未找到恰当的盈利模式,以致行业中真正赚钱的并不多。因此,块数据理论,也不能绕过商业模式这一关。
《块数据——大数据时代真正到来的标志》作者团队对此似乎胸有成竹,认为其商业模式看起来潜力巨大。原因是,块数据将以往那些分散化、碎片化的行业数据、领域数据连接起来,就可以分析出个人的消费喜好、生活需求、收入水平等商业要素。特别是精确找准那些高度个性化、长尾化的市场需求,孕育产生出全新的商业模式。
首先,围绕数据分析本身,就能形成新的商业模式。大数据提供者和服务提供者通过这种商业模式服务于数据的采集、存储、标准化、计算和可视化。从数据量上来看,非机构化数据占总数据的85%以上,任何一个种类的非结构化数据处理技术都可能成为重要赢利点,如网络日志数据、流数据、语音数据、图像数据、视频数据、空间数据等的分析和处理,都会产生行业新的领军企业。比如华为即是基于IT基础设施领域在存储和计算的优势,提供整体大数据解决方案。
再者,通过颠覆或注入新元素的方法,再造传统商业模式。大数据新兴服务的提供者是基于数据思维的创新公司,应该善于挖掘传统行业的数据价值。这类商业模式的服务提供者有两种,一种是应用服务提供者,另一种是咨询服务提供者。前者是基于大数据技术,直接提供数据应用服务;后者提供服务支持、技术咨询,或者为企业提供类似数据科学家的咨询服务。
当然,最直接的商业模式,无非是可以直接买卖数据。也就是数据拥有者通过对数据进行加工分析,以报告、数据包等方式销售数据。
然而,块数据更大的价值,还在于其在社会领域应用前景广泛,并且能促进政府职能发生深刻转变。大数据时代,政府的服务内容和服务方式发生了质的变化,老百姓对政府的期待越来越高,从“能办事就好”到“简单利落地把事办好”再到“办不好给差评求退货”,民众正在通过网络享受到的衣食住行的各种优质体验迁移到政府服务领域。而政府,也正在借助这股技术和民众的力量,在整个政府运转中形成倒逼机制,推动各个职能部门更好地服务社会。
对于块数据理论和这本书,作者团队的态度坚定又谦逊。一方面,他们认为,“大数据对经济发展的推动已经超出了所有最伟大的预言家的预测,而《块数据——大数据时代真正到来的标志》一书把大数据对社会发展的推动描绘为一个史诗般的剧目,这出剧的序幕正准备拉开或者说刚刚拉开,拉开序幕的推手正是块数据。”另一方面也坦陈,“大数据是新生事物,不存在真正意义的专家”。
或许马云的评价更中肯一些:这本书对于块数据、条数据的认知,对于块数据之于未来经济和社会变革的影响分析,对于云计算领域的预判和布局,是极具前瞻性的,站在了时代的最前沿。科学技术的发展和进步是日新月异的,也许过不了多久,块数据理论就会过时。但是,技术人员的辛勤探索和创新精神,是最为可贵、永不过时的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06