京公网安备 11010802034615号
经营许可证编号:京B2-20210330
改变企业业务方式的10个大数据趋势
大数据虽然发展缓慢但却坚决地在改变着企业做业务的方式。“在每个行业都有不同的使用案例,”大数据咨询公司Think Big的CEO兼创始人Ron Bodkin说。“大数据释放出一种利用数据工作的能力,这种能力长期受到了压制。现在终于有了大量被压抑的需求被释放了出来。”
下面就是正在塑造大数据和企业未来的十大趋势。
1、机器数据和物联网将占据中心舞台
虽说情绪分析和点击流数据分析仍将是大数据领域中的重要事情,但是及其数据的重要性将会越来越大。从RFID标签和工业仪器,到喷气发动机和消费电器,整个世界正在生产着越来越庞大的数据量。
企业开始使用这些数据来改进产品、提高效率、寻找缺陷,同时增强安全性。
2、各类组合应用利用大数据创造价值
公共的和私人领域数据的新聚合,正在为我们提供一个新的机遇,那就是聚合多个大数据集所获得的新的洞察力要远远超出单一大数据集所获得的洞察力。“大数据的最大价值就在于把多个大数据集集合在一起,”Bodkin说。例如种子与农作物保护提供商Land O’Lakes’WinField就综合利用了多个大数据集,包括天气数据、土壤湿度数据、土壤类型数据、种子数据和其他数据,帮助其种植者收获最高的产量。
3、内置于开源大数据工具中的创新力大爆发
借助一个开源核心。企业正在开发一系列的大数据平台技术、工具和组件。“大数据的开源核心持续成为一个行动的源头,”Bodkin称。“大数据基本上是由开源模式推动的,由此而引发的组织的创新也在推动着企业向前发展。”
有很多厂商在提供各种工具,简化大数据解决方实施的难度,这些厂商包括通用电气,提供帮助制造商治理其数据的工具;包括微软,正与Hadoop发行商Hortonworks密切合作,帮助企业用户通过Excel分析大数据集。
4、采用前瞻性方法确认大数据在哪里发挥作用
很多初期的大数据项目基本都是专案团队项目,意在证明大数据的价值,但这一状况正在发生变化。“我们看到了成功案例的病毒式传播,”Bodkin说。“但我们认为会有一种更好的方法,不必只依赖专案团队的创新。这就是要采用一种更具前瞻性的方法去确认大数据实际可能在哪里发挥作用。我们认为重要的是要有一个经过验证的测试案例,当然,管理者的支持能让你更快地获得结果。”
5、实际生产用大数据项目越来越多
在过去几年中,大数据行业的多数项目都是试验性项目,但是这段时间以来,实际生产项目越来越多,Bodkin说。他说,这些项目大多都是实现数据的可扩展性和成本控制,就像在造一个数据湖,但是初期就已起步的一些创新者们现在开始把注意力转向了利用新的分析功能实现企业转型。“他们在收集数据上花费的时间很少,而在实际分析数据并回答各种问题上的时间则越来越多,”Bodkin说。
6、大企业开始加速采用大数据
大型企业开始采用大数据,是2012年的一大趋势。在Tata咨询服务(TCS)该年所做的一次全球大企业研究报告中,1217家大企业中有53%开始采用大数据创新。而且对自己的创新有很大的信心,约43%的大企业预计大数据的投资回报率会超过25%。
7、大多数企业的大数据支出很少,少数企业支出很大
大多数企业不会在其大数据创新方面投入很多,但有些企业则会重金投入。Tata咨询服务调查发现,采用大数据创新的大企业在投入上为中值,平均为1000万美元。25%的大企业2012年在这方面的投入普遍低于250万美元。
但是在另一头,TCS所调查的大企业中有15%在大数据支出方面,2012年超过了1亿美元;7%的企业支出超过5亿美元。TCS还发现,电信、旅游、高科技和银行业的企业支出最多,而生命科学、零售和能源领域的企业支出最少。
8、大数据投资面向创收和持续收入
根据Tata咨询服务的调查,在企业采用大数据创新时,能够创收并维持收入的业务功能获得了最多的投资,这一点毫不奇怪。实际上,55%的支出投在了四大业务功能上:销售(15.2%)、市场营销(15%)、客户服务(13.3%)和研发/新品开发(11.3%)。不能直接创收的业务功能则获得的投资较少:IT(11.1%)、财务(7.7%)和人力资源(5%)。
9、大数据的最高回报率来自后勤和财务
虽然像销售和市场营销等可创收的功能获得了最大一块投资(两者加起来达到了大数据预算的30.2%),但TCS发现,后勤和财务(仅占大数据投资的14.4%)等功能预期能获得更高的投资回报率。
事实上,TCS在8项可能受益于大数据创新的业务功能中,要求企业对其中的75项活动进行重要性排名,结果受调查的全球大企业中有很多企业把诸多后勤活动与销售活动一起列在了前25位之中。
10、最大的挑战来自企业文化和技术
尽管不少企业仍然在应对大数据的技术挑战,但是也有企业告诉TCS说,在大数据创新上要想成功,最大的障碍是让各BU能够跳出部门藩篱与其他部门共享信息。当然,在处理数据时,容量、速度和类型众多方面的技术挑战排名也很靠前,占据首位的是数据分析。同时,企业还要努力搞清楚哪些数据可用于做出更好的决策。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在MySQL数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-09-10在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02