京公网安备 11010802034615号
经营许可证编号:京B2-20210330
如何挖掘大数据巨大隐藏价值 听听他们怎么说
21世纪,大数据释放出的巨大价值,吸引了巨大眼光,政府利用大数据让政务更加公开透明,企业利用大数据分析用户消费习惯,创造更大的商业价值。据国家金融信息中心指数研究院在第十三届中国国际软交会期间发布的《新华(大连)软件和信息技术服务业发展指数报告(2015)》显示,2014年,全球大数据市场规模达到285亿美元,同比增长53.2%。
大数据发展速度迅猛,快于整个信息和通讯技术市场增长速度,成为IT市场的新增长点。以IBM为例,其已在大数据与分析领域投入250亿美金。事实证明,IBM的大数据策略是正确的。据了解,作为IBM转型的核心战略,去年其大数据业务增长了7%,营收达170亿美元。
那么要如何通过大数据提升企业的价值呢?这是当下许多企业困扰的问题。
每个行业都将受益于数据
来自上海纽约大学的专家去年发表评论:“大数据现在是谈的比投的多,投就是投资,投的比做的多,做的比懂得多,真正的懂得人比较少,懂得比赚的多,就是你赚到的钱。”,这说明了,大家都非常重视大数据,但是大数据真正转变为商业价值还是很少,大家都持观望态度。
SAS公司执行副总裁兼首席营销官JimDavis则表示,大数据已经不是空谈概念,已经开始应用了。任何一个行业都可以从数据中获益,如制造业,通过数据可以优化制造流程、监控制造流程,预测某地一个时间点具体需求;如通信行业,通过数据可以研究整个通信网络的负荷,提供合理的资费方案等;如政府机构,通过数据可以收集税收相关的信息。
“因此,我们处在数据爆炸的时代,大家都没得选择,必须做出决定,用数据来支持自己的发展。”JimDavis说道。
大数据应用有机遇更有挑战
广发银行信用卡中心首席风险官王玉海认为,虽然说数据的爆发,影响每一个行业,为行业的发展带来支撑,但就目前而言,各行业应用大数据的情况并不乐观。广发银行信用卡中心首席风险官王玉海表示:“虽然大数据应用已经势不可挡,但是仅就金融领域来看,我们仍然觉得雷声大雨点小。”他分析,主要有几大原因:
一是,金融业的企业文化没有改变过来,很多银行安于现有组织架构和组织流程,对新生的创新性事物有文化上天然的排斥感。“都说金融业应用大数据应该是最好的领域,但是其实我们小数据还没有用好,文化上有一个不接受的排斥。”王玉海表示;
二是,成本和管理因素,不管从实际硬件、数据结构、还是数据源,银行都还是传统意义上的模式,但是大数据是要基于生命周期的数据管理方式,所以银行从软件、硬件、基础设施上来看都没有完全成熟。传统银行每个部门都有成本控制,不敢冒险去投入很多财力、人力来开发,这是管理和成本的制约。
三是,技术的挑战,从技术层面讲,大数据应用需要更大的存储和更强的技术能力;
四是,人才的挑战,大数据分析不仅仅需要计算机、数学行业的人才,更需要对传统金融领域和未来发展了解和熟悉同时又有能力作搭建数据存储和分析,这样的人才并不好找。
大数据应用不仅仅是采用新的技术,对于企业来说,她是一场不小的变革。不过王玉海表示:“清楚我们大数据应用的挑战并不等于我们悲观,我认为我们还是非常有信心的,因为它需要一个过程。”
大数据成功应用案例
目前,全球各地已有很多的大数据应用成功案例。SAS与联合国合作,对全球贸易数据做了梳理、挖掘和利用。SAS公司执行副总裁兼首席营销官JimDavis介绍,联合国利用数据对全球的经济发展、卫生医疗都可以做出一些决策。还如,菲律宾出现超强台风海燕,使用相关的技术来分析哪些是最需要紧急救助的人士,可以把整个救灾力量和资源有限分配。
另外一个案例,联想与SAS合作,把大数据运用到让客户参与从设计开始到制造端整个流程的改造中。联想有很多的数据源,包括社交媒体、消费者满意度、消费者情感,通过这些大量的数据可以主动预防出现一些大的质量或者产品问题,来避免影响整个公司的品牌和形象。
平安直通是平安集团的数据管理的公司,它与SAS合作针,对客户的消费的行为特性,舆情等非结构数据进行分析,体察市场的变化,客户新的趋势,预测客户的偏好去向,在最需要的时间通过最有效的渠道,推荐最适合的产品。
更多大数据应用成功案例的出现,也给了企业更多的参考和信心,我们有理由相信,大数据出现应用会不断增多。真正的大数据时代即将到来,你准备好了吗?
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-05-18【专访摘要】本次CDA持证专访邀请到拥有丰富物流供应链数据分析经验的赖尧,他结合自身在京东、华莱士、兰格赛等企业的从业经历 ...
2026-05-15在数字化时代,企业的每一次业务优化、每一项技术迭代,都需要回答一个核心问题:这个动作到底能带来多少价值?是提升了用户转化 ...
2026-05-15在数据仓库建设中,事实表与维度表是两大核心组件,二者相互关联、缺一不可,共同构成数据仓库的基础架构。事实表聚焦“发生了什 ...
2026-05-15 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-05-15【核心关键词】互联网、机会、运营、关键词、账户、数字化、后台、客户、成本、网络、数据分析、底层逻辑、市场推广、数据反馈 ...
2026-05-14在Python数据分析中,Pandas作为核心工具库,凭借简洁高效的数据处理能力,成为数据分析从业者的必备技能。其中,基于两列(或多 ...
2026-05-14 很多人把统计学理解为“一堆公式和计算”,却忽略了它的本质——一门让数据“开口说话”的科学。真正的数据分析高手,不是会 ...
2026-05-14在零售行业存量竞争日趋激烈的当下,客户流失已成为侵蚀企业利润的“隐形杀手”——据行业数据显示,零售企业平均客户流失率高达 ...
2026-05-13