
大數(shù)據(jù)的下一個(gè)前沿是什么_數(shù)據(jù)分析師
MGI(麥肯錫全球研究院)和麥肯錫商業(yè)技術(shù)辦公室的報(bào)告顯示,當(dāng)今世界的信息量已呈爆炸式增長態(tài)勢,大型分析數(shù)據(jù)集即所謂的大數(shù)據(jù),將成為引發(fā)新一輪生產(chǎn)力增長、創(chuàng)新及競爭的關(guān)鍵基礎(chǔ)之一。
多媒體的崛起,社交媒體及物聯(lián)網(wǎng)所捕捉到的、與日俱增的信息量,將會使數(shù)據(jù)在可預(yù)見的未來呈指數(shù)性增長。
麥肯錫研究了五大領(lǐng)域的大數(shù)據(jù)美國醫(yī)療保健、歐洲公共部門、美國零售業(yè)、美國制造業(yè)及全球個(gè)人位置數(shù)據(jù)。對于每個(gè)領(lǐng)域,大數(shù)據(jù)都能創(chuàng)造價(jià)值。
例如,如果充分利用大數(shù)據(jù)技術(shù),零售商就能使其營業(yè)利潤率提高約60%以上。大數(shù)據(jù)在公共領(lǐng)域也有較大潛力可挖掘,如果美國醫(yī)療保健行業(yè)能夠創(chuàng)造性地、有效地利用大數(shù)據(jù)以提升其效率及質(zhì)量,那么每年就能創(chuàng)造出3000多億美元的產(chǎn)值。歐洲的發(fā)達(dá)國家使用大數(shù)據(jù)后,政府管理人員僅在提升操作效率方面,就節(jié)省了至少約1000億歐元(約合1490億美元)的成本,這還不包括使用大數(shù)據(jù)減少舞弊和錯(cuò)誤等。
此外,利用個(gè)人位置數(shù)據(jù)所提供服務(wù)的用戶還可創(chuàng)造6000億美元的消費(fèi)者剩余。該研究提出了七大關(guān)鍵觀點(diǎn):
1.數(shù)據(jù)已深入各個(gè)行業(yè)及企業(yè)功能,目前已成為除勞動力和資本以外的又一重要的生產(chǎn)力因素。據(jù)估計(jì),到2009年,美國所有行業(yè)中具有1000名以上員工的公司都至少擁有一個(gè)平均200兆字節(jié)的存儲數(shù)據(jù)(是1999年美國零售商沃爾瑪數(shù)據(jù)庫規(guī)模的兩倍)。
2.以下5種使用大數(shù)據(jù)的方法可創(chuàng)造價(jià)值。第一,大數(shù)據(jù)可通過信息透明化及更高效的數(shù)據(jù)利用,來釋放巨大的價(jià)值。第二,隨著組織以數(shù)據(jù)的形式創(chuàng)建并存儲更多的交易數(shù)據(jù),他們能從產(chǎn)品庫存中收集每件產(chǎn)品更為準(zhǔn)確詳細(xì)的性能信息,從而發(fā)現(xiàn)可改善之處并提高其性能。一些骨干企業(yè)正使用數(shù)據(jù)收集和分析開展控制實(shí)驗(yàn),以便能做出更好的管理決策。其他企業(yè)則正利用大數(shù)據(jù)進(jìn)行低頻預(yù)測及高頻短時(shí)預(yù)測,以便及時(shí)調(diào)整經(jīng)營杠桿。第三,大數(shù)據(jù)能更加細(xì)分用戶群,從而定制更為準(zhǔn)確的產(chǎn)品或服務(wù)。第四,復(fù)雜的分析能大幅改善決策的制定。第五,利用大數(shù)據(jù)可改善下一代產(chǎn)品和服務(wù)。例如,生產(chǎn)商可利用產(chǎn)品中嵌入的傳感器獲得的數(shù)據(jù),創(chuàng)造更有新意的售后服務(wù),如主動維護(hù)(指故障發(fā)生前或意識到會發(fā)生故障前所采取的預(yù)防性措施)。
3.大數(shù)據(jù)的使用將成為個(gè)人公司提升競爭力、促進(jìn)增長的一個(gè)關(guān)鍵基礎(chǔ)。從競爭力及獲得潛在價(jià)值的角度來看,所有公司都應(yīng)認(rèn)真對待大數(shù)據(jù)。在大多數(shù)行業(yè),類似的競爭對手及新市場進(jìn)入者將利用數(shù)據(jù)驅(qū)動策略進(jìn)行創(chuàng)新、競爭,并從深層次及實(shí)時(shí)信息中獲取價(jià)值。
4.大數(shù)據(jù)的使用,將引發(fā)新一輪的生產(chǎn)力增長及消費(fèi)者剩余。例如,我們預(yù)估,充分利用大數(shù)據(jù)的零售商能使其營業(yè)利潤率提高約60%以上。大數(shù)據(jù)能為消費(fèi)者、公司及組織帶來可觀的收益。比如,利用個(gè)人位置數(shù)據(jù)所提供服務(wù)的用戶還可創(chuàng)造6000億美元的經(jīng)濟(jì)剩余。
5.盡管大數(shù)據(jù)可跨部門使用,但我們將美國部門的歷史生產(chǎn)力與這些部門從大數(shù)據(jù)中獲得的潛在價(jià)值進(jìn)行了對比(使用索引結(jié)合一些量化指標(biāo)),結(jié)果發(fā)現(xiàn)機(jī)遇與挑戰(zhàn)會因部門而異。計(jì)算機(jī)電子產(chǎn)品和信息部門、金融保險(xiǎn)和政府,能從大數(shù)據(jù)的使用中獲得更大的好處。
6.有些組織會缺少相應(yīng)的會利用大數(shù)據(jù)的必備人才。到2018年,僅美國就會缺乏14萬~19萬數(shù)據(jù)分析專家,以及150萬深知該如何利用大數(shù)據(jù)分析進(jìn)行有效決策的管理人員和分析師。
7.想要完全挖掘大數(shù)據(jù)的潛力,就必須要解決一些問題。在大數(shù)據(jù)的世界需要建立有關(guān)隱私、安全、知識產(chǎn)權(quán)、甚至法律責(zé)任方面的政策。組織不僅需要將合適的人才與技術(shù)安排在合適的位置上,還需要構(gòu)建工作流程及激勵措施將來自數(shù)據(jù)源(經(jīng)常來自第三方)的信息匯聚到一起。此外,激勵措施也必須到位,以確保能實(shí)現(xiàn)這一點(diǎn)。
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(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(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(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(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(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)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 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(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(diǎn)數(shù)據(jù)的科學(xué)計(jì)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(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)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(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)營問題、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