
“大数据”和谁有关_数据分析师
和想在大数据时代掘金的人有关,和在金矿附近“卖水”的人有关!
“只听楼梯响,不见人下来。”用这句话来描述很多尚处于萌芽状态的商业机会,真是太合适不过了。
“大数据商机”也正是如此。这个最早由麦肯锡提出,最后由《大数据时代》一书体系化的概念与思潮,近年来一次又一次吸引着人们的眼球,拍打着人们思想的堤岸。相信吧?不知从何下手;不相信吧?又怕落伍于时代!
正是抱着这种矛盾的心情,笔者买来了《大数据时代》一书,想看看它到底讲了什么?在“这个时代”,企业又能用什么新方法赚钱?
说实话,几个小时翻下来,那些道理论述并没有让笔者眼前一亮,倒是书中举的一些例子,让笔者有了一点儿管中窥豹的感觉。
书中写道:一天,美国折扣零售商塔吉特的一家门店来了一个男人,要求经理出来见他。他气愤地说:“我女儿还是高中生,你们却给她邮寄婴儿服和婴儿床的优惠券,你们是在鼓励她怀孕吗?”而当几天之后,商店经理打电话向这个男人道歉时,这个男人的语气变得平和起来。他说:“我和女儿谈过了,她的预产期是8月份。是我完全没有意识到这个事情的发生,应该说抱歉的人是我。”
这个戏剧性的故事为何会发生?难道是误打误撞吗?非也。按书中说法,这和“大数据”有关。原来,这家商店通过分析女性顾客的消费记录,发现女顾客在怀孕第三个月时会买很多无香乳液,几个月后,还会买一些营养品。通过分析,商店最终找出了20多种关联物,并用这些关联物给顾客进行“怀孕趋势”评分,然后在孕期的每个阶段给顾客寄送相应的优惠券!
类似的例子,书中还有一些。于是,笔者隐约明白了:“大数据时代”,企业赚钱的新办法就是对大量的数据进行分析,找出一些要素和商业机会的关联!但如果其应用仅仅是类似上面这样简单的例子,我们也就无需关注那些关于“大数据”的理论了。因为国内的保险公司、礼品公司对此早已驾轻就熟。问题是,如果“大数据”的应用更复杂,比如说一家通信运营商,怎样才能依靠“智慧的分析”,预测到90天内可能发生的客户流失并采取行动?这就远不是这家公司自身能做的到了。这时候,它就需要专业的服务。服务商是谁呢?很可能是IBM!
确实,上述通信运营商问题的解决,靠的就是IBM的服务。在广告里,IBM说帮助这家公司在一年内将客户流失率降低了35%!
也正是IBM这则“从拥有数据,到预判需求,这就是大数据的威力”的广告,让笔者眼前一亮,感到不光“听到楼梯响”,还看到“人下来了”。
让笔者好奇的是,究竟是IBM敏锐地抓住了“大数据”的趋势,还是它一开始就引领了这一趋势,并顺势推出了产品和服务呢?笔者猜测,很可能是后者。因为《大数据时代》第一作者的咨询服务对象就包括IBM。另外资料也显示,IBM从2005年就开始了“大数据”的研究,并陆续收购了多家数据分析公司。日前,IBM又公布了2015年之前支出145亿美元进行收购的计划,并表示:“大数据和分析领域将是IBM未来的利润引擎。”
看来在“大数据时代”,其他企业能掘多少金虽然不确定,但IBM这个“卖水的”,似乎要赚的盆满钵满了!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16