
大數(shù)據(jù)時代進行時
百度百科顯示,大數(shù)據(jù)(big data),或稱巨量資料,指的是所涉及的資料量規(guī)模巨大到無法透過目前主流軟件工具,在合理時間內擷取、管理、處理并整理成為對企業(yè)經(jīng)營決策起到幫助的資料。2013年,大數(shù)據(jù)這一前瞻性的詞匯被廣泛提及,并被普遍認為是創(chuàng)新和生產力提升的下一個前沿。2012年,美國學者維克托出版了《大數(shù)據(jù)時代》一書,維克多也被認為是“大數(shù)據(jù)商業(yè)應用研究的第一人”,而他提到的“大數(shù)據(jù)已經(jīng)成為了新發(fā)明和新服務的源泉”也在商業(yè)模式的應用中得到驗證。
營銷從流量購買轉向人群購買,具備數(shù)據(jù)挖掘能力的公司卻倍受資本青睞;在移動互聯(lián)網(wǎng)領域,公司從開發(fā)者角度找到數(shù)據(jù)挖掘的方向,通過提供免費的技術服務,幫助開發(fā)者了解應用狀況:大數(shù)據(jù)也是資本考察公司價值很好的工具,從其擁有的數(shù)據(jù)規(guī)模、數(shù)據(jù)的活性和這家公司能運用、解釋數(shù)據(jù)的能力,就可以看出這家公司的核心競爭力。盡管大數(shù)據(jù)時代來臨和大數(shù)據(jù)應用已經(jīng)成為必然趨勢,但在國內,大數(shù)據(jù)真正的概念的理解以及國內目前的發(fā)展情況和如何做好大數(shù)據(jù)卻仍顯模糊,而這也是業(yè)界目前探索的焦點。日前,以“大數(shù)據(jù)時代的服務業(yè)創(chuàng)新”為主題的2013福布斯·靜安南京路論壇舉辦,對此做了探討。
大數(shù)據(jù)還在初始階段
全球暢銷書《大數(shù)據(jù)時代》的作者維克托·邁耶·舍恩伯格:我們需要避免大數(shù)據(jù)的泡沫,有時候你覺得是大數(shù)據(jù),但它并不是大數(shù)據(jù),比如有些公司正在賣硬件、軟件或者提供咨詢服務,他們有時候把有些東西叫做大數(shù)據(jù),其實并不是,所以我們不要帶來太多的泡沫,有些東西不是就不是。Granter公司有一個技術發(fā)展曲線(Hype Circle)(Gartner公司是全球最權威的技術咨詢機構,它的技術成熟曲線就是根據(jù)技術發(fā)展周期理論來分析新技術的發(fā)展周期曲線,以便幫助人們判斷某種新技術是否采用,這個曲線將技術成熟的過程劃分為5個階段:一是萌芽期(Tech—nology Trigger)又稱感知期,人們對新技術產品和概念開始感知,并且表現(xiàn)出興趣;二是過熱期(1)eak of Inflated Expectations),人們一擁而上,紛紛采用這種新技術,討論這種新技術。典型成功的案例往往會把人們的這種熱情加上把催化劑;三是低谷期(Trough of Disillusionment),又稱幻想破滅期。過度的預期,嚴峻的現(xiàn)實,往往會把人們心里的一把火澆滅;四是復蘇期(slope of Enlightenment),又稱恢復期。人們開始反思問題,并從實際出發(fā)考慮技術的價值。相比之前冷靜不少;五是成熟期(Plateauof Productivity),又稱高原期。該技術已經(jīng)成為一種平常。我覺得我們正處在非常初始的階段,如1996年的電子商務,當時電子商務只是在美國網(wǎng)上來訂購匹薩,大家慢慢才意識到電子商務是賣書,好比說亞馬遜,所以我們是剛剛開始,像電子商務在1996年,我們也不知道以后會發(fā)展成什么樣,這是它美麗的地方,因為我們面對很多機遇,每一個人都會有機遇來參與到我們未來的曲線里面。
技術能力推進大數(shù)據(jù)發(fā)展
IBM全球副總裁兼中國開發(fā)中心總經(jīng)理王陽:我們正處于在發(fā)展過程中,遠遠沒有達到高潮,大數(shù)據(jù)只是一個概念,大家在逐漸接受。云計算已經(jīng)存在很多年,而眼下雖然人們已經(jīng)在擁抱大數(shù)據(jù),但仍在雛形的形成過程中。IBM在大數(shù)據(jù)已經(jīng)布局了很長時間,用了190億美元收購大數(shù)據(jù)的有關公司,組織起來就是為了這個高潮。第一,技術發(fā)展推進了大數(shù)據(jù),通過通訊、英特網(wǎng)、云計算、物聯(lián)網(wǎng)等等的綜合,所有的數(shù)據(jù)都已經(jīng)逐漸可以采集起來。在這樣一種情況下,像維克托所說的全息照相,把人類的活動和自然活動都采集下來,我們已經(jīng)有了數(shù)據(jù)的來源。第二是技術,也就是云計算處理能力,存儲、帶寬已經(jīng)到了這樣的時代,可以去處理這樣的數(shù)據(jù)。第三,我們不光是有了處理能力,更重要的是有了一個分析判斷的能力,能夠進行進一步的優(yōu)化,給整個社會帶來價值,也就是說有了價值之后,大家才會去相信大數(shù)據(jù),從中得到自己的便利。
數(shù)據(jù)要以有效的方式展現(xiàn)并應用于商業(yè)活動
一號店創(chuàng)始人、董事長于剛:我認為大數(shù)據(jù)真正的應用才開始。因為現(xiàn)在首先可以采集到大數(shù)據(jù),第二數(shù)據(jù)越來越精確,第三是數(shù)據(jù)越來越實時,只有能實時采集到大數(shù)據(jù)它才能真正為我所用。人們理解的數(shù)據(jù)只是零散的,要經(jīng)過整理和過濾之后才能成為信息,信息要能進一步以有效的方式展現(xiàn)在人面前的時候才能成為知識,但這個知識要經(jīng)過各種工具分析,真正應用到商業(yè)活動中間才能成為商業(yè)智慧,所以這是一個日積月累的過程。
數(shù)據(jù)要將消費行為轉化為個性消費需求分析
蘇寧云商集團副總裁范志軍:就商業(yè)層面來說,我們對大數(shù)據(jù)的應用遠遠不夠,現(xiàn)在談論的大數(shù)據(jù)過去也有,而且這些數(shù)據(jù)都是客觀存在的,只不過過去沒有把這些數(shù)據(jù)通過具體的分析進行歸類、整理,然后將其運用到我們的商業(yè)領域去。中國的零售行業(yè)在商業(yè)運用的層面上才大數(shù)據(jù)剛剛開始,如何把這些大數(shù)據(jù)經(jīng)過分析以后,很好地運用到上游制造企業(yè),是需要努力的。而通過數(shù)據(jù)的分析把消費者的一些消費行為轉化為對消費者個性消費需求的分析,也是當下整個零售行業(yè)要做的一件具體的事情。
使中小商家受益是最早能看到的大數(shù)據(jù)的價值
聚勝萬合公司董事長兼首席執(zhí)行官楊炯緯:對于大公司可能沒有辦法用大數(shù)據(jù)的簡單算法超越它,這就是在復雜應用上大數(shù)據(jù)似乎到今天為止還沒有展現(xiàn)出價值,或者沒有被大量應用的原因,但是對中小企業(yè),不管是復雜算法還是簡單算法都沒有能力計算,因為他沒有團隊、能力和資源,這個時候大數(shù)據(jù)的應用一下子使得這些中小企業(yè)能夠進入到這個領域。
我們在廣告領域用得最多,不管是谷歌也好,還是淘寶也好,其實他們大數(shù)據(jù)的應用都是直接使得中小商家受益,所以我覺得這可能是最早讓我們看到大數(shù)據(jù)價值的地方。
大數(shù)據(jù)時代來臨初期小數(shù)據(jù)仍有價值
益普索大中華區(qū)董事總經(jīng)理海嵐:前一段時間我們行業(yè)很多大型企業(yè)都一直在探討,如果來了大數(shù)據(jù),那小數(shù)據(jù)還有沒有價值,需不需要存在。當我們回顧市場研究在做什么的時候,其實會看到,以前為什么去收集小數(shù)據(jù),為什么分析小數(shù)據(jù),是源于我們服務的企業(yè),就是說品牌主或者產品和服務供應的企業(yè),他們實際上在用傳統(tǒng)的營銷方式來做營銷,所以在這樣的營銷方式下,需要用抽樣的方式做預測和產品創(chuàng)新的支持。但今天這些企業(yè)主實際上在面臨一些新的挑戰(zhàn),他們在做一些擁抱大數(shù)據(jù)或者做新數(shù)據(jù)營銷的時候,對市場研究公司來講,我們不光要收集小數(shù)據(jù),分析小數(shù)據(jù),還要擁抱大數(shù)據(jù),而且?guī)椭髽I(yè)一起擁抱大數(shù)據(jù)。針對大數(shù)據(jù),我們現(xiàn)在還是在一個非常初期的階段,對于專門收集數(shù)據(jù)和分析數(shù)據(jù)的企業(yè)來講,希望在這方面能夠做得更好,能夠幫到各種各樣的成功企業(yè)。
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
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(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)字化轉型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 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 ...
2025-09-19SQL 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。 ...
2025-09-18DSGE 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 ...
2025-09-11