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
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01