
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
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01