京公网安备 11010802034615号
经营许可证编号:京B2-20210330
谁才是大数据时代真正的赢家_数据分析师
我的一个老板跟我讲了一个道理。他在谷歌还很小的时候加入的。为什么?他说,1930年的时候,挣了钱的人都买银行股票,股票跌得很惨。后来经济危机以后,你为什么还敢买银行股票?他说很简单,因为世界上的钱都在他们那里面。
美国互联网泡沫的时候,他在2001年加入谷歌。他说很简单,因为数据都在他那里。
所以说,将来拥有大量数据的公司是最大受益者!这些公司不只是我们知道的,谷歌和脸谱,还有很多很多。我举一个例子,一个中国的上市公司叫京风,做风能发电的,现在全球市场份额第二,他有很多发电站,每个发电机上都安有传感器,传感器将所有数据搜集起来,就能够优化他的运营,使他整体效益增加。
大数据加云计算,至少在美国一个产业的变革,每年差不多在全世界上万亿的规模,因为现在把所有的新的东西重新做一遍,整个将来服务是上万亿,这将带来最大的好处。
所以,有数据的企业会得益。所谓有数据不是天然具备了很多数据,你即使是传统行业,能够采集到多少数据决定了你受益有多大。
大数据来了统计学将死
更重要的是,大数据在某种程度上颠覆了统计学的做法。我讲一个故事,罗斯福竞选总统事件,一家公司采用抽样统计的方法,打电话问谁能当总统,做了几十万份问卷,得出结论是罗斯福要输了。但是,最后罗斯福赢了。
当时有一个小伙子,他说我预测罗斯福赢。我只需用三千个人的信息,因为我知道美国的人口收入的分配,男女的分配,各个年龄的分配,我采样了三千份数据推算出罗斯福会赢。这个人就是乔治·盖洛普,也因此一夜成名。(乔治·盖洛普是美国数学家,抽样调查方法的创始人、民意调查的组织者,他几乎是民意调查活动的代名词。)很多人研究统计学的采样,大数据来了告诉我们,不通过直接的数据采集方式,而是通过各种间接的形式,复员各种信息,准确性要比直接数据来源要准确得多!
大数据时代下的择业,创业和转型
现在是移动互联网时代,如果办公司,直接在手机、Pad上办。我们过去分科技企业,传统企业,但以后界限会越来越不明显。我举一个例子,万达广场。阿里巴巴的一个高管给他们做了一个系统,帮他们把很多零售东西搬到网上去了,增加5%的客流量和8%的利润。稍微改造了一下就由传统行业跨入互联网了。我想五年以后,可能某种程度上来讲,互联网将进入所有行业。
此外,我在投资方面有两种观点和看法。一种是建一个恐龙一样的公司。恐龙是架子搭得很大很好,什么东西来了我都不怕。另一种是建一个变色龙一样的公司,互联网的公司很多是变色龙,我开始想做A件事,最后变成B。
在60年代的时候,美国最大的公司,也是全球最大的公司是通用汽车公司,他们大概在美国雇了60万人,在全球大概雇了100万人,都是传统阶级。到了2012年有一家公司创造人类历史上整个股市的峰值,就是苹果公司,到6000亿美元。但是在那个时代,苹果在全球只雇了6万人,美国只雇了4万人,大概相当于通用汽车在60年代雇的人数的1/15,也就是说他的财富更多了。
Google推出了自动驾驶,司机就失业了。苹果只雇用了4万人就创造了人类历史上整个股市的峰值,相当于以前美国最大公司通用汽车在60年代雇的人数的1/15。那么剩下的56万人怎么办?未来医生律师都要被消化掉,这非常棘手。
所以,我个人觉得大数据时代会带来一个问题:我们一辈子可能需要不只一个职业或者一次创业。一是我们生命太长,行业持续的时间未必比我们活的长。二是因为技术变得太快,我们也要跟着变。总体来讲,学习是一辈子的事情。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22