
五年后,大數(shù)據(jù)會怎樣改變我們的生活
全球大數(shù)據(jù)和數(shù)據(jù)分析領(lǐng)導(dǎo)企業(yè)Teradata天睿公司(紐交所上市公司,2007年從母公司 NCR 公司剝離獨立)每年舉辦一次全球用戶大會(Teradata Partners),我們討論大數(shù)據(jù)不過三五年的事情,但是這場業(yè)內(nèi)規(guī)模最大的數(shù)據(jù)分析峰會已經(jīng)開了30年了。你能想到想不到的最資深的行業(yè)、商業(yè)智能、數(shù)據(jù)倉庫和大數(shù)據(jù)專家,而且全球大名鼎鼎的數(shù)據(jù)驅(qū)動型企業(yè)的用戶代表也都在這兒了。
會議間隙,記者采訪了Teradata天睿公司首席執(zhí)行官兼總裁Mike Koehler、首席技術(shù)官Stephen Brobst,以及大中華區(qū)首席執(zhí)行官辛兒倫(Aaron Hsin),他們從不同方面分享了大數(shù)據(jù)是怎樣改變和即將改變我們的生活,尤其是商業(yè)生活。
記者:中國公司已經(jīng)開始從大數(shù)據(jù)中獲得立竿見影的商業(yè)收益嗎?
辛兒倫:其實,不管是立竿見影,還是潛移默化,就像本屆大會的主題Breaking Big所闡述的一樣,我們要積極擁抱大數(shù)據(jù),在應(yīng)用中要“打破束縛和限制”,不管是企業(yè)還是個人應(yīng)該探索和追求“創(chuàng)新、差異化、勇氣、重大進(jìn)展和卓越表現(xiàn)?!?/span>
所以,企業(yè)要在大數(shù)據(jù)上獲得收益,就必須堅持創(chuàng)新和追求創(chuàng)新,不管在技術(shù)上尋找突破,還是從業(yè)務(wù)流程、組織架構(gòu)、企業(yè)的分析文化上,都要進(jìn)行積極的創(chuàng)新。在國內(nèi),有十多個行業(yè)的客戶選擇Teradata做了很多創(chuàng)新的項目,包含政府與公共服務(wù)、地鐵、交通運(yùn)輸、航空、通信行業(yè)、銀行、保險、證券、物流、快遞行業(yè)、制造行業(yè)、汽車、零售、電子商務(wù)、電力能源等行業(yè)。
比如在國內(nèi)的快遞行業(yè),我們幫助一家領(lǐng)先的快遞公司建立其數(shù)據(jù)收集和分析系統(tǒng),協(xié)助完善其業(yè)務(wù)流程。通過找到它們業(yè)務(wù)流程中的“跑冒滴漏”環(huán)節(jié),將業(yè)務(wù)環(huán)節(jié)的各種數(shù)據(jù),例如掃描數(shù)據(jù)、車隊的運(yùn)營數(shù)據(jù)等跨部門的數(shù)據(jù)整合起來,改善計費(fèi)流程系統(tǒng),實現(xiàn)關(guān)聯(lián)分析等高級分析功能,杜絕了以前流失的收入。據(jù)這家快遞公司測算,在項目結(jié)束的第一年,如果假設(shè)部署Teradata解決方案和服務(wù)的費(fèi)用為1塊錢,那客戶由此帶來的收益就達(dá)到80塊錢,這就是非常顯著的改變。
在保險行業(yè),大部分保險公司都以為客戶會在周末查詢有關(guān)保險的相關(guān)信息,所以投放網(wǎng)絡(luò)廣告都選擇周末時段。其實,通過我們的大數(shù)據(jù)分析證明,其實應(yīng)該是周一!就是大家最忙的工作日的第一天。所以,通過大數(shù)據(jù)分析,將廣告資源投放在適合的時間、適合的人群就是幫助企業(yè)獲得真正的受益。
針對營銷方面,我們經(jīng)常會接到各種“騷擾”的推銷電話,其實這就是在不正確的時間、不正確的地點、用不正確的方式來提供給不恰當(dāng)?shù)娜?。企業(yè)應(yīng)該基于客戶的數(shù)據(jù)分析,用更加智能的方式來服務(wù),我認(rèn)為這種不精確的服務(wù)應(yīng)該會越來越少。
其實,不管是已經(jīng)在駕馭大數(shù)據(jù)中受益的企業(yè),還是那些剛剛開始征程的組織,很多企業(yè)曾經(jīng)面對大數(shù)據(jù)項目的投資時都出現(xiàn)過猶豫、徘徊。當(dāng)然,這就需要更大的勇氣支持。Teradata以及廣大客戶的調(diào)查已經(jīng)看到,我們是時候積極行動了。我們也理解,文化上的轉(zhuǎn)變可能比技術(shù)和分析流程上的轉(zhuǎn)變歷時更久,但是我們一直強(qiáng)調(diào),大數(shù)據(jù)從小做起,相信企業(yè)也能很快看到大數(shù)據(jù)的價值,看到數(shù)據(jù)分析在商業(yè)變革中帶來的不可替代的驅(qū)動力。
記者:大數(shù)據(jù)在技術(shù)層面的發(fā)展已經(jīng)有了很大的突破,到底有哪些因素影響到大數(shù)據(jù)的技術(shù)進(jìn)步真正投入到應(yīng)用當(dāng)中去?
Stephen Brobst:人們只是假裝熱愛技術(shù)進(jìn)步,哈哈!實際上,人類希望看到的是一步步的改變,而不是翻天覆地的變化。
比如,像無人駕駛汽車技術(shù)早已存在,但是,現(xiàn)在直接讓大眾接受無人駕駛還是困難的,改變將會是循序漸進(jìn)的。現(xiàn)在的汽車已經(jīng)實現(xiàn)了自動泊車功能,這就是邁出了無人駕駛的第一步。無人駕駛更多是因為法規(guī)、監(jiān)管、保險公司、律師之間存在的問題,現(xiàn)在還沒有很快大規(guī)模應(yīng)用。
另外,盡管人的生命非常珍貴,但你的汽車上的傳感器數(shù)量比人身上的可穿戴傳感器多的多。通過佩戴傳感器,大數(shù)據(jù)可以提供很多健康方面的數(shù)據(jù)分析。例如根據(jù)你個人的基因狀況,提供個性化的藥物和治療方案。這也是未來的一個發(fā)展趨勢。但是很多人害怕,因為個人隱私的原因,不希望把自己的基因組數(shù)據(jù)放在大數(shù)據(jù)庫里面。
在大數(shù)據(jù)領(lǐng)域,目前發(fā)展非常迅速而且想象前景最為豐富可能是物聯(lián)網(wǎng)數(shù)據(jù)。Teradata公司認(rèn)為大數(shù)據(jù)分析的未來圖景就是“萬物皆可分析”(Analytics of Everything)。此外,在Gartner公司的分析預(yù)測中,發(fā)布了2016 年可能影響企業(yè)的十大技術(shù)趨勢,其中萬物信息化以及物聯(lián)網(wǎng)等技術(shù)入選。
其實,這些預(yù)測正是技術(shù)發(fā)展現(xiàn)實的寫照。實現(xiàn)萬物皆聯(lián)網(wǎng)或者萬物皆可分析,最主要的是靠傳感器技術(shù)。在我們目前生活的時代,傳感器技術(shù)結(jié)合大規(guī)模并行處理能力,使我們能夠測量并整體分析幾乎所有現(xiàn)象。先進(jìn)的儀器使我們能夠跟蹤萬物的變化,例如天氣變化模式、汽車駕駛習(xí)慣、乃至快餐店冰箱的溫度、醫(yī)院里(或家里)病人的生命體征。將這些數(shù)據(jù)采集至數(shù)據(jù)庫,并運(yùn)用廣泛的統(tǒng)計、分析及可視化工具對這些數(shù)據(jù)進(jìn)行細(xì)致的分析。
正是由于這些傳感器,我們的生活、工作中產(chǎn)生了新的數(shù)據(jù)源。例如,通過射頻識別讀取器,我們能夠進(jìn)行零售庫存跟蹤與控制、醫(yī)療測試采樣跟蹤、預(yù)防欺詐行為等;通過GPS定位跟蹤器,能夠進(jìn)行車隊管理和交通運(yùn)輸和貨運(yùn)管理;通過數(shù)據(jù)采集傳感器,我們就能在制造業(yè)、環(huán)境保護(hù)、交通運(yùn)輸系統(tǒng)中采集到實時的數(shù)據(jù)用于分析。
但是,物聯(lián)網(wǎng)之所以沒有快速發(fā)展起來主要有三個原因:第一,我們還需要更加廉價的傳感器。第二,物聯(lián)網(wǎng)需要一個統(tǒng)一的標(biāo)準(zhǔn),這點非常關(guān)鍵。例如,針對物聯(lián)網(wǎng)數(shù)據(jù)的分析,我們發(fā)布了Teradata Listener軟件,就是為了解決數(shù)據(jù)規(guī)格和實時分析的難度。第三,安全因素。物和物之間的聯(lián)網(wǎng)涉及安全,如果有不良數(shù)據(jù)傳送,比如說飛機(jī)、汽車、油泵等被黑掉就會造成事故,必須慎重。
記者:在您看來,五年之后大數(shù)據(jù)會讓我們的日常生活發(fā)生哪些改變?
Mike Koehler:根據(jù)IDC最新的報告,全球聯(lián)網(wǎng)設(shè)備的數(shù)量在2014年是103億,發(fā)展到2020年將會增長到295億。這將帶來社會和人類生活的巨大變化。我們不會像分析師一樣去預(yù)測未來,但是可以分享幾個大數(shù)據(jù)應(yīng)用的非常實在的例子。
未來五年,雖然有很多東西已經(jīng)實現(xiàn)了互聯(lián),但是將還有更多的物品被連接到一起,導(dǎo)致新的大數(shù)據(jù)源不斷涌現(xiàn),同時帶來新的洞察和前所未有的機(jī)遇。例如,在農(nóng)業(yè)領(lǐng)域,大數(shù)據(jù)可以幫助葡萄酒莊酒莊,讓他們自動控制給葡萄澆水、施肥的時間,甚至進(jìn)行針對性的管理。
我們的每架飛機(jī)、每列火車和地鐵、每輛車輛、甚至騎行的自行車等,都能夠通過傳感器實現(xiàn)互聯(lián),我們可以實時地了解到知道它們潛在的問題在哪里,解決方案是什么,怎樣去進(jìn)行維修等。
對當(dāng)前和未來發(fā)展,大家雖然都認(rèn)識到大數(shù)據(jù)的價值或者帶來的改變,但是我更要強(qiáng)調(diào)大數(shù)據(jù)分析的價值!在一定程度上說,只是擁有數(shù)據(jù)并不能成為企業(yè)真正的競爭力,只擁有數(shù)據(jù)并不能給你的日常生活帶來太多便利。Teradata公司的客戶,美國全國保險公司客戶管理副總裁Kathy Koontz 女士指出:"重要的不是數(shù)據(jù),而是如何使用數(shù)據(jù)。企業(yè)必須改變它們的經(jīng)營方式,學(xué)會從數(shù)據(jù)中洞察事實并做出反應(yīng),否則數(shù)據(jù)整理得再有條理,也沒什么價值。"
通用電氣公司首席執(zhí)行官Jeff Immelt曾說,“今天,數(shù)據(jù)分析時代已經(jīng)來臨,數(shù)據(jù)分析不再是未來愿景。每家實業(yè)公司都將圍繞數(shù)據(jù)與分析技術(shù)以某種方式進(jìn)行變革?!彼?,我們可以看出,數(shù)據(jù)和分析正在徹底改變各個行業(yè),徹底改變消費(fèi)者,并帶來新的競爭對手,但更重要的是,數(shù)據(jù)和數(shù)據(jù)分析使得我們的社會開始了前所未有的轉(zhuǎn)型。
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
訓(xùn)練與驗證損失驟升: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)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 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)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)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(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(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” 存儲的結(jié)構(gòu)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(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(jìn)行 HTTP 網(wǎng)絡(luò)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(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 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(diào)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(xué)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(xué)計數(shù)法問題 ...
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(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)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(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11