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
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