
非互聯(lián)網(wǎng)從業(yè)者:大數(shù)據(jù)給我工作與思維帶來的變革
第一次聽到Big Data/大數(shù)據(jù)還是在歐洲念商學(xué)院的時(shí)候,有一門課叫做《管理咨詢》。教授看了2012年10月的《哈佛商業(yè)評(píng)論》,興致勃勃的對(duì)我們說,小組期末作業(yè)(當(dāng)時(shí)我們的是一個(gè)市場預(yù)測項(xiàng)目)所有的分析都必須基于更多的數(shù)據(jù)。用他的話說:“只有你無情的虐數(shù)據(jù),它才會(huì)乖乖的告訴你,你想了解的信息”。同時(shí)他也提到,利用部分信息的不可獲得性來進(jìn)行信息倒賣的生意,在以后會(huì)越來難做。
這些天讀了維克托?邁爾?舍恩伯格(Viktor Mayer-Sch?nberger)的《大數(shù)據(jù)時(shí)代》有一些感觸。我現(xiàn)在的工作雖然不在咨詢公司,但也涉及對(duì)企業(yè)行業(yè)的判斷與預(yù)期,因此從管理/商業(yè)的角度來說說這一趨勢(shì)對(duì)我的工作與思維帶來的影響:
1、數(shù)據(jù)的意義:
舉最貼近我的例子,我研究生是學(xué)“項(xiàng)目管理”的,這門學(xué)科中有一個(gè)技術(shù)或者說方法叫做 Earned Value(EV)/掙值,通過項(xiàng)目經(jīng)理制定收集和發(fā)虧信息的范圍、方式和頻率,由項(xiàng)目中具體操作人員進(jìn)行數(shù)據(jù)采集、粗加工和反饋?;谶@些被初步加工過的數(shù)據(jù),項(xiàng)目經(jīng)理可以了解到諸如項(xiàng)目是否超支、是否延期等信息。除了與利益相關(guān)人交流外,這些信息本身是沒有作用的,它們的作用于價(jià)值是體現(xiàn)在“應(yīng)該觸發(fā)/不觸發(fā)相應(yīng)的行動(dòng)進(jìn)行干預(yù)和調(diào)整”上,也就是用這些數(shù)據(jù)進(jìn)行預(yù)測從而實(shí)現(xiàn)干預(yù)以獲得理想的結(jié)果。
從企業(yè)管理的角度看,雖然不同的利益相關(guān)人(比如股東、管理者、監(jiān)管部門、公司員工)對(duì)企業(yè)有不同的期待與要求,審計(jì)對(duì)他們的作用是相似的:財(cái)務(wù)數(shù)據(jù)是否真實(shí)可靠?能否利用這些數(shù)據(jù)進(jìn)行決策? 市場數(shù)據(jù)、人力數(shù)據(jù)、科研數(shù)據(jù)等也是類似——我們關(guān)注數(shù)據(jù)的真實(shí)性最終還是希望能用這些數(shù)據(jù)進(jìn)行預(yù)測與決策,而不是數(shù)據(jù)本身。
我們關(guān)注企業(yè)領(lǐng)導(dǎo)者對(duì)其企業(yè)戰(zhàn)略、組織架構(gòu)和流程的描述最終是需要相應(yīng)的數(shù)據(jù)進(jìn)行支持,從而判斷這個(gè)企業(yè)能否構(gòu)筑一條“路”通向其所期待的終點(diǎn)。因此戰(zhàn)略決策、投資決策和管理改進(jìn)的決策都將基于這些預(yù)測。
2、我們對(duì)數(shù)據(jù)的態(tài)度:
作為一個(gè)非財(cái)務(wù)學(xué)生/工作者,在我接觸這類學(xué)科時(shí),了解到會(huì)計(jì)/財(cái)務(wù)使用的數(shù)據(jù)應(yīng)滿足:相關(guān)性、可靠性、可比性和可理解性??紤]到財(cái)務(wù)數(shù)據(jù)的特殊性,其他數(shù)據(jù)還應(yīng)考慮透明性(并非所有數(shù)據(jù)都是一手的)和準(zhǔn)確性(并非所有數(shù)據(jù)都有明確的獲取和儲(chǔ)存標(biāo)準(zhǔn)與流程)。
用作者的話說,對(duì)數(shù)據(jù)的衡量標(biāo)準(zhǔn)為:正確性、準(zhǔn)確性、嚴(yán)格度和純潔性。
在目前的趨勢(shì)下,數(shù)據(jù)透明性有較大的提高(由于互聯(lián)網(wǎng)的作用,很多信息變得可以獲得了)那么我們對(duì)數(shù)據(jù)其他方面的容忍度也會(huì)下降或者說也不得不下降。這體現(xiàn)在我們被暴露在更多的數(shù)據(jù)下,會(huì)發(fā)現(xiàn)很多以前所沒有關(guān)注和思考過的問題,而處理和解決這些問題方法也許也是我們之前所沒有的。比如我們?yōu)榱嗽贏和B兩個(gè)方面進(jìn)行論證而收集數(shù)據(jù),而為了A方面而收集的數(shù)據(jù)又揭示了B方面可能存在的問題。這部分?jǐn)?shù)據(jù)相對(duì)B方面而言是不準(zhǔn)確或者說不嚴(yán)格的(從數(shù)據(jù)來源與采集方式等角度來看),但其意義又是不容忽視的。
因此創(chuàng)新精神(如何發(fā)現(xiàn)新問題、展開新思考和采用新辦法)以及相應(yīng)的知識(shí)管理(如果再次遇到,我們應(yīng)當(dāng)如何處理),又顯得尤為重要了。這也是我對(duì)舍恩伯格提到的三個(gè)趨勢(shì)的理解:
3、在這一趨勢(shì)下,我們能做什么?
回國后參加過一家在地產(chǎn)咨詢界赫赫有名的咨詢公司的面試,最后決定我放棄這個(gè)offer的原因只是那個(gè)經(jīng)理人的一句話。當(dāng)時(shí)我問他,他們公司擁有怎樣的數(shù)據(jù)庫,他們?cè)陧?xiàng)目中會(huì)用怎樣的方法對(duì)數(shù)據(jù)本身進(jìn)行加工。他給到我的回答是:在大環(huán)境下,很多信息是非公開的,因此不需要擁有很多的信息或?qū)π畔⑦M(jìn)行加工,它們本身就是可以賣錢的。而我的理解是作者認(rèn)為大數(shù)據(jù)價(jià)值鏈將有三類角色,即掌握海量數(shù)據(jù)的公司、提供數(shù)據(jù)分析能力的技術(shù)公司以及提供思維的公司和個(gè)人。目前看來應(yīng)該是掌握數(shù)據(jù)的公司,因?yàn)楝F(xiàn)階段很多數(shù)據(jù)還是不可得的或者不能有效收集的,因此這類公司可以授權(quán)相關(guān)的公司來分析數(shù)據(jù)。而技術(shù)分析公司雖有可轉(zhuǎn)移的的技術(shù),可卻很難再進(jìn)行海量數(shù)據(jù)的收集。
而從我的角度來看,最重要的是第三類公司,因?yàn)榍皟烧咧皇琴Y源的儲(chǔ)備者,而第三類公司才是資源與價(jià)值的轉(zhuǎn)化者。在信息透明度仍在提高的進(jìn)程中,我們更加關(guān)注的應(yīng)當(dāng)是如何利用好已有數(shù)據(jù)進(jìn)行認(rèn)知、預(yù)測、判斷與決策。
引用作者的話,“正在發(fā)生的未來”,“更好地方法和答案還在不久的將來”。以上是我一些粗淺的見解。
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
CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-18剛?cè)肼殘龌蚴窃诼殘稣媾R崗位替代、技能更新、人機(jī)協(xié)作等焦慮的打工人,想要找到一條破解職場焦慮和升職瓶頸的系統(tǒng)化學(xué)習(xí)提升 ...
2025-07-182025被稱為“AI元年”,而AI,與數(shù)據(jù)密不可分。網(wǎng)易公司創(chuàng)始人丁磊在《AI思維:從數(shù)據(jù)中創(chuàng)造價(jià)值的煉金術(shù) ...
2025-07-18CDA 數(shù)據(jù)分析師:數(shù)據(jù)時(shí)代的價(jià)值挖掘者 在大數(shù)據(jù)席卷全球的今天,數(shù)據(jù)已成為企業(yè)核心競爭力的重要組成部分。從海量數(shù)據(jù)中提取有 ...
2025-07-18SPSS 賦值后數(shù)據(jù)不顯示?原因排查與解決指南? 在 SPSS( Statistical Package for the Social Sciences)數(shù)據(jù)分析過程中,變量 ...
2025-07-18在 DBeaver 中利用 MySQL 實(shí)現(xiàn)表數(shù)據(jù)同步操作指南? ? 在數(shù)據(jù)庫管理工作中,將一張表的數(shù)據(jù)同步到另一張表是常見需求,這有助于 ...
2025-07-18數(shù)據(jù)分析師的技能圖譜:從數(shù)據(jù)到價(jià)值的橋梁? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,數(shù)據(jù)分析師如同 “數(shù)據(jù)翻譯官”,將冰冷的數(shù)字轉(zhuǎn)化為清晰的 ...
2025-07-17Pandas 寫入指定行數(shù)據(jù):數(shù)據(jù)精細(xì)化管理的核心技能? 在數(shù)據(jù)處理的日常工作中,我們常常需要面對(duì)這樣的場景:在龐大的數(shù)據(jù)集里精 ...
2025-07-17解碼 CDA:數(shù)據(jù)時(shí)代的通行證? 在數(shù)字化浪潮席卷全球的今天,當(dāng)企業(yè)決策者盯著屏幕上跳動(dòng)的數(shù)據(jù)曲線尋找增長密碼,當(dāng)科研人員在 ...
2025-07-17CDA 精益業(yè)務(wù)數(shù)據(jù)分析:數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)增長的實(shí)戰(zhàn)方法論 在企業(yè)數(shù)字化轉(zhuǎn)型的浪潮中,“數(shù)據(jù)分析” 已從 “加分項(xiàng)” 成為 “必修課 ...
2025-07-16MySQL 中 ADD KEY 與 ADD INDEX 詳解:用法、差異與優(yōu)化實(shí)踐 在 MySQL 數(shù)據(jù)庫表結(jié)構(gòu)設(shè)計(jì)中,索引是提升查詢性能的核心手段。無論 ...
2025-07-16解析 MySQL Update 語句中 “query end” 狀態(tài):含義、成因與優(yōu)化指南? 在 MySQL 數(shù)據(jù)庫的日常運(yùn)維與開發(fā)中,開發(fā)者和 DBA 常會(huì) ...
2025-07-16如何考取數(shù)據(jù)分析師證書:以 CDA 為例? ? 在數(shù)字化浪潮席卷各行各業(yè)的當(dāng)下,數(shù)據(jù)分析師已然成為企業(yè)挖掘數(shù)據(jù)價(jià)值、驅(qū)動(dòng)決策的 ...
2025-07-15CDA 精益業(yè)務(wù)數(shù)據(jù)分析:驅(qū)動(dòng)企業(yè)高效決策的核心引擎? 在數(shù)字經(jīng)濟(jì)時(shí)代,企業(yè)面臨著前所未有的數(shù)據(jù)洪流,如何從海量數(shù)據(jù)中提取有 ...
2025-07-15MySQL 無外鍵關(guān)聯(lián)表的 JOIN 實(shí)戰(zhàn):數(shù)據(jù)整合的靈活之道? 在 MySQL 數(shù)據(jù)庫的日常操作中,我們經(jīng)常會(huì)遇到需要整合多張表數(shù)據(jù)的場景 ...
2025-07-15Python Pandas:數(shù)據(jù)科學(xué)的瑞士軍刀? ? 在數(shù)據(jù)驅(qū)動(dòng)的時(shí)代,面對(duì)海量、復(fù)雜的數(shù)據(jù),如何高效地進(jìn)行處理、分析和挖掘成為關(guān)鍵。 ...
2025-07-15用 SQL 生成逆向回滾 SQL:數(shù)據(jù)操作的 “后悔藥” 指南? 在數(shù)據(jù)庫操作中,誤刪數(shù)據(jù)、錯(cuò)改字段或誤執(zhí)行批量更新等問題時(shí)有發(fā)生。 ...
2025-07-14t檢驗(yàn)與Wilcoxon檢驗(yàn)的選擇:何時(shí)用t.test,何時(shí)用wilcox.test? t 檢驗(yàn)與 Wilcoxon 檢驗(yàn)的選擇:何時(shí)用 t.test,何時(shí)用 wilcox. ...
2025-07-14AI 浪潮下的生存與進(jìn)階: CDA數(shù)據(jù)分析師—開啟新時(shí)代職業(yè)生涯的鑰匙(深度研究報(bào)告、發(fā)展指導(dǎo)白皮書) 發(fā)布機(jī)構(gòu):CDA數(shù)據(jù)科 ...
2025-07-13LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11