
駕馭大數(shù)據(jù):先學會取舍 后做分析
關于大數(shù)據(jù)曾經(jīng)轟動一時的案例大概是某超市通過分析一位女顧客的購物數(shù)據(jù),根據(jù)分析結果給這名十七歲的女孩寄來了孕嬰童試用品,盡管這一舉動讓該女顧客的父親非常生氣,但這確實是通過對其購買記錄進行分析而形成的真實案例。對此,我們不禁感嘆,大數(shù)據(jù)有時像是一個偵探家,能夠撥開重重迷霧,獲得”別有洞天”的大價值。而這關鍵在于,你是否真正懂得如何去駕馭大數(shù)據(jù),讓它為我們服務。
面對如此浩瀚的數(shù)據(jù)海洋中,企業(yè)該怎樣駕馭?在Teradata天睿公司全球合作伙伴計劃首席分析官Bill Franks所撰寫的《Taming the Big Data Tidal Wave》中可以找到答案。
有效駕馭大數(shù)據(jù)
該書英文版于2012年4月出版,成為美國亞馬遜的大數(shù)據(jù)主題圖書中銷量最好的新書,而它的中文版《駕馭大數(shù)據(jù)》也已由人民郵電出版社在今年年初出版發(fā)行,在國內各大網(wǎng)絡書店和新華書店等熱銷。
目前,市面上有很多關于大數(shù)據(jù)的書籍都是側重于大數(shù)據(jù)管理,如何將大數(shù)據(jù)存儲到數(shù)據(jù)庫或者數(shù)據(jù)倉庫中,或如何將非結構化數(shù)據(jù)進行結構化和分類等,而《駕馭大數(shù)據(jù)》這本書的側重點卻有所不同,它主要是關于大數(shù)據(jù)的有效分析,而不是大數(shù)據(jù)管理本身,它從數(shù)據(jù)開始,所有的內容均圍繞如何做整體決策,如何構建卓越的數(shù)據(jù)分析中心,以及如何構建數(shù)據(jù)分析文化等主題。
大數(shù)據(jù)的價值不在數(shù)據(jù)本身,而是如何通過數(shù)據(jù)的整合、探索,從而轉化為行動,最終為業(yè)務服務帶來價值。在新書發(fā)布會上,Bill Franks表示,“我認為有必要撰寫一本以業(yè)務為中心的大數(shù)據(jù)著作,將大數(shù)據(jù)相關的重要議題集納在一起,其形式應該讓業(yè)務人員和分析專家都容易理解。我希望通過本書中提供相關的洞見,同時輔以行之有效的建議和行動步驟,讓大數(shù)據(jù)源和大數(shù)據(jù)分析為企業(yè)服務?!?
加工增值大數(shù)據(jù)
大數(shù)據(jù)的意義不在于掌握龐大的數(shù)據(jù)信息,而在于對這些含有價值的數(shù)據(jù)進行處理,通過數(shù)據(jù)的“加工”實現(xiàn)數(shù)據(jù)的“增值”。隨著大數(shù)據(jù)的到來,Hadoop、MapReduce等技術也被廣泛被使用,曾有業(yè)界專家表示,任何一個單一的產(chǎn)品不能完整解決用戶所面臨的大數(shù)據(jù)問題和挑戰(zhàn)。的確,大數(shù)據(jù)的復雜程度難以想象,Bill Franks介紹道,大數(shù)據(jù)之所以錯綜復雜是由四個因素造成的,即大數(shù)據(jù)通常由機器自動生成,而且通常是全新的數(shù)據(jù)源,假設會有格式設計,這些格式根本也不友好,大數(shù)據(jù)中很大部分可能并沒有多大的價值。
Teradata天睿公司全球合作伙伴計劃首席分析官Bill Franks
由于大數(shù)據(jù)的復雜性,企業(yè)在做數(shù)據(jù)分析、數(shù)據(jù)挖掘時就要制定相應的策略,在《駕馭大數(shù)據(jù)》整本書中,Bill Franks指出:許多大數(shù)據(jù)其實并沒有用,如何過濾掉無效的數(shù)據(jù)才是真正重要的。他在采訪時也表示,“在處理大數(shù)據(jù)時,應該有所取舍,拋棄大部分數(shù)據(jù),將其減少到能夠駕馭的數(shù)據(jù)規(guī)模,以便能夠快速取得大數(shù)據(jù)分析成果,至于哪些數(shù)據(jù)需要拋棄取決于公司自身的需求?!?
Bill Franks還建議,處理大數(shù)據(jù)需要改變流程和文化,能夠實現(xiàn)文化的轉變,允許拿出少量的預算、人力資源、技術資源等做試點,做一些存在一定風險和結果尚未確定的小實驗。“駕馭大數(shù)據(jù)最困難的事情不是技術手段的盤點,而是取決于采用什么樣的方法來更好的發(fā)揮大數(shù)據(jù)的價值,并且能夠改變它的流程。”
泡沫時代之后的大數(shù)據(jù)
研究表明,“大數(shù)據(jù)”炒作已經(jīng)接近預期最高值,“大數(shù)據(jù)泡沫”即將破滅。在Bill Franks看來,大數(shù)據(jù)的炒作確實已經(jīng)到了頂峰,但是要關注的是在炒作背后的數(shù)據(jù)價值。正如上世紀九十年代的互聯(lián)網(wǎng)泡沫一樣,待互聯(lián)網(wǎng)泡沫破裂后,還是會有很多有價值的企業(yè)影響著各個行業(yè),使得經(jīng)濟快速發(fā)展。“話題的炒作會冷卻,但是大數(shù)據(jù)分析的價值會繼續(xù)下去,重點是如何采取正確的策略、流程和方法去從大數(shù)據(jù)分析中獲得價值?!?
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10