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
写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22