京公网安备 11010802034615号
经营许可证编号:京B2-20210330
《大数据的关键思考》:大数据关键七问_数据分析师
本文为《大数据的关键思考》一书作者车品觉针对台湾企业运用大数据时可能遇到的问题,所提出的看法与建议。
问:对很多人来说,大数据只是个流行词,谁会需要大数据?
答:任何可以成为流行词的东西,肯定是社会对它充满巨大的期望和想像。大数据也不例外。建议企业在考虑使用大数据之前要从当前的问题着手,然后思考:
1. 理解业务中有没有一些决策做得不好,使用数据可以解决吗?
2. 在营运的工作流程中,有没有错误可以利用数据快速纠正呢?
3. 数据是否有可能帮助提升产品或服务的品质?甚至直接成为创新的元素?
以上几个问题,是希望大家明白大数据的运用和你对业务是否有深入理解相关。从这个角度去看,数据化营运无孔不入,跟谁都有关系。然而在使用数据之前,企业还要关注一些基本功,数据平台的软、硬体支援、如何做好数据的加工准备(包括新旧数据整合)、提炼数据到解决问题的能力。如是,才有资格谈大数据。所以,中小企业都应该用数据去认知自己哪些做得好或者不好(数据化营运),数据作为一个工具,可以帮助中小企业去了解自己,也可以优化业务。但是经营的本质还是取决于创始人的方向与管理,大家不能本末倒置,一昧期待透过大数据就能解决企业的所有挑战。
问:台湾的中小企业可以如何应用大数据?
答:大数据的力量来自分享、整合和产品化。例如,Google地图之所以能告诉你前面的路塞车,其实是有赖于每个使用 Google地图的位置分享。所以我认为政府的推动,可以让小企业减少得到数据的门槛、增加业界的数据共用,这样就更有利于让小企业也享受到大数据的科技。从产业链来看,小公司联盟,把数据统一,用数据来解决一些业内彼此都不能解决的问题。
问:台湾大多是中小企业,相较于大公司,中小企业做大数据的方式、思维有何不同?
答:不管是中小企业还是大企业,在运用任何一种新科技的时候必然要量力而为。而中小企业和大企业的区别,在于中小企业的资源肯定没有大企业那么多,所以,中小企业不容易像大公司一样有庞大的数据团队。因此,中小企业在运用数据的时候一定要有更稳妥的方法,注重使用数据的效益,可以尝试从小专案着手再逐步拓展。
问:在资讯泛滥的环境,数据愈来愈容易收集,但也代表「噪音」愈多。企业该如何找到核心数据并成功应用?
答:根据过去的经验,我认为初期不要贸然就开始一个非常大的大数据项目,而应该是要从小处开始。数据比较适合以小、具体、容易评估效果作为起点的专案,以此锻链自己收集、加工、使用数据来做决策,以及衡量这个数据价值的能力,即以小知大。从小的场景开始,用数据在商业场景中不断优化。
问:您曾提到大数据的应用讲求跨界和创新,在实践大数据的过程中,最困难的地方为何?
答:大数据应用讲求跨界和创新,更准确地说,大数据的价值来自可以从多角度来看同一件事,全景观察可以减少误差及创造新的机会。但并不是要求你能够认知到全部外面的世界,而是能让其他人的数据为你所用。大数据实践中最困难的地方在于你对自身的理解,再加上,隔行如隔山,外部整合回来的数据可能很有价值但同时也有很多噪音,大家并不完全清楚数据的来源和定义。
问:成为一名杰出的数据部门主管应具备哪些关键能力?
答:据我的观察,目前非常缺乏一种数据管理人才:对业务要有足够的理解、明白数据能为业务起什么作用、了解技术更新对价值产生的关系、数据收集到加工、新数据与历史的整合、使用数据的便利性等等。其中,对业务和商业的理解,绝对是成为数据主管所需要的基本条件,但若是想达到杰出的程度,肯定要懂得如何在人才匮乏的大数据行业中吸引和保留住人才的眼光和能力了。
问:如何培养对大数据的敏锐度?
答:当在公司遇到业务问题时,问问自己:现在拥有的数据能帮我解决问题吗?假定所有数据可以获取,我需要什么数据来解决问题?要怎么做才能更容易获取需要的数据呢?举例来说,我过去看到路上的交通状况时曾经想过,大城市里的计程车服务会不会有可能改善?我那时想着,如果计程车上有个灯能显示过去客户对他的评价,那么司机为了保持住好评价,应该会提供更好的服务水准,这就是数据可能解决的一个简单例子,下一步才是如何设计一个容易的方法让顾客去评价,而现在的叫车软体就是一个很好的实现案例。这是训练数据敏感度的好方法,也是过去10年我个人一直在用的方法──透过周遭事物训练数据敏感度,让数字「说话」。
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】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02