
大數(shù)據(jù)還是太多信息
移動(dòng)互聯(lián)網(wǎng)時(shí)代的數(shù)據(jù)正在瘋長(zhǎng),大數(shù)據(jù)是現(xiàn)在技術(shù)界最熱的流行語(yǔ)之一。一種普遍的觀點(diǎn)認(rèn)為掌握實(shí)時(shí)數(shù)據(jù)分析與決策能力者必能占得先機(jī),但也有人認(rèn)為數(shù)據(jù)再多也無(wú)法幫助我們預(yù)測(cè)未來(lái),我們把這兩種觀點(diǎn)編譯如下,也請(qǐng)大家談?wù)勛约旱目捶ā?/span>
我們都知道現(xiàn)在地球上的信息太多,但是怎么多法,沒(méi)有人知道。
IBM負(fù)責(zé)超級(jí)計(jì)算機(jī)研發(fā)的Dave Turek給了我們一個(gè)答案,根據(jù)IBM的估算,人類自有史以來(lái)至2003年所創(chuàng)造的信息量為5艾字節(jié)(50億GB),而到了去年,人類每?jī)商炀彤a(chǎn)生了如此多的信息量。據(jù)Turek的預(yù)測(cè),到明年的時(shí)候,我們生成這樣規(guī)模的信息量只需要10分鐘!
這怎么可能?!數(shù)據(jù)為何濫生到了這種地步?這么說(shuō)吧,每次你的手機(jī)發(fā)送其GPS位置,每次你在網(wǎng)上買東西,每次你點(diǎn)擊社交網(wǎng)絡(luò)上的“喜歡”,你就給數(shù)字信息的海洋奉獻(xiàn)了一個(gè)水滴?,F(xiàn)在這片海洋大部分已經(jīng)為此類數(shù)據(jù)所覆蓋。
短信、客戶記錄、ATM交易、監(jiān)控?cái)z像……這條清單可以列得很長(zhǎng)。我們有一個(gè)流行語(yǔ)總結(jié)這些東西:“大數(shù)據(jù)”,盡管這個(gè)詞難以表述我們所創(chuàng)造的這個(gè)怪物的規(guī)模。
這是技術(shù)超出我們使用能力的一個(gè)最新例子。在這個(gè)例子里,我們還沒(méi)能跟上自己捕捉信息的能力,所以這段時(shí)間管理大師總喜歡說(shuō)未來(lái)屬于能善用自己所收集數(shù)據(jù)的公司,尤其是具備實(shí)時(shí)利用能力者。
對(duì)于企業(yè)來(lái)說(shuō),能夠解析自己客戶的每一個(gè)數(shù)字化的蛛絲馬跡者必將擁有領(lǐng)先優(yōu)勢(shì),這種能力不僅僅在于能夠了解過(guò)去幾個(gè)小時(shí)里誰(shuí)在哪里買了什么東西,而且還能夠知悉他們是否對(duì)此發(fā)表了微博、有沒(méi)有在社交網(wǎng)絡(luò)上發(fā)過(guò)相關(guān)相片。
城市亦是如此。能夠收集成千上萬(wàn)個(gè)傳感器的數(shù)據(jù),然后描繪出都市的數(shù)字化地圖,并能夠?qū)⒊鞘猩畹漠惓?/span>行為(如交通流量)變成科學(xué)的一定能夠脫穎而出。
不奇怪的是,政治運(yùn)動(dòng)也已經(jīng)開始這樣的嘗試,發(fā)瘋地挖掘數(shù)據(jù)已經(jīng)成為政客聚焦“納米定位(nanotargeting)”選民策略的一部分,這樣才能夠精準(zhǔn)地知道如何才能撈到選票。
尋求對(duì)零碎數(shù)據(jù)進(jìn)行解釋的狂熱解釋了Google上周為什么要開始銷售一款名為BigQuery的產(chǎn)品,該軟件可以在數(shù)秒鐘之內(nèi)掃描幾TB的信息。也正因?yàn)榇?,?shù)據(jù)分析初創(chuàng)公司Splunk上市首日的股價(jià)即飆升了90%。
數(shù)據(jù)科學(xué)家的崛起
但是,哪怕你擁有最好的數(shù)據(jù)解密工具也不能保證就能擁有大智慧。很少有公司擁有專門受訓(xùn)的員工,缺乏評(píng)估堆積如山的數(shù)據(jù)(包括數(shù)百萬(wàn)社交網(wǎng)絡(luò)頁(yè)面、智能手機(jī)上的非結(jié)構(gòu)數(shù)據(jù))的能力,更不用說(shuō)對(duì)此做些什么。
去年麥肯錫發(fā)布了一份報(bào)告,把“大數(shù)據(jù)”形容為“創(chuàng)新的下一個(gè)前沿陣地”,但該機(jī)構(gòu)同時(shí)也預(yù)測(cè)說(shuō)到2018年,美國(guó)公司在這方面將會(huì)出現(xiàn)嚴(yán)重的人才短缺,具備必要的分析技能的人才缺口多達(dá)19萬(wàn)之巨。同時(shí)還認(rèn)為美國(guó)具備數(shù)據(jù)知識(shí)的經(jīng)理的需求將會(huì)超過(guò)150萬(wàn)(中國(guó)呢?)。
信息超載?
盡管如此,并非所有人都相信大數(shù)據(jù)的魔力。沃頓商學(xué)院的Peter Fader教授并不認(rèn)為數(shù)據(jù)越多越好。同時(shí)他也不認(rèn)為企業(yè)應(yīng)該竭盡所能去了解自己的客戶。他認(rèn)為現(xiàn)在對(duì)數(shù)據(jù)聚合的關(guān)注太多了,而實(shí)際上,只有圍繞著真正的分析進(jìn)行的數(shù)據(jù)收集量才有意義。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過(guò)程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語(yǔ)言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)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(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、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(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11