
誰能用大數據寫出那個神秘的小紙條
前兩年有一部叫做《點球成金》的電影非常成功,我是在從香港飛往紐約的飛機上觀看的。這部由真實事件改變的影片,講述了全美職棒大聯(lián)盟的球隊奧克蘭綠帽隊,在經理比恩的帶領下,發(fā)揮出了超乎想象的實力,最終以弱勝強的故事。這個故事中的傳奇經理比恩,重用了數據分析天才布蘭德。通過大量的數據分析,挖掘了一批其貌不揚,但是卻能夠在球隊里各司其職的邊緣球員。而這種看似神奇的案例,在大數據時代的背景下是完全可能被復制的。實際上比恩和布蘭德所運用的分析手段以及數據量,并沒有達到大數據的標準。而促使他們成功的關鍵,卻是他們對于數據的解讀和認知。那么在今天我們擁有了難以計數的大數據的情況下,怎樣能夠復制并超越比恩的成功,就成為了所有企業(yè)和所有人成敗的關鍵。
英國有一家十分成功的大數據分析公司叫做OPTA。這家大數據公司從收集及分析英超足球比賽數據開始,幾年之間將自己的業(yè)務擴展到了NBA、網球、高爾夫等幾十項體育項目,覆蓋了幾乎全球所有的主流體育賽事。以足球為例,OPTA為每場比賽提供超過200項數據的收集以及分析服務。球員在場上的每一次觸球、每一次跑動、每一次有意識或無意識的動作,都會被OPTA專業(yè)的軟件記錄下來。假設每一場比賽首發(fā)加替補,兩隊一共出場了25名球員,那么OPTA將為這場比賽提供至少5000項球員數據。算上球隊數據,每場比賽OPTA就能為球隊經理們提供一個十分龐大的數據量。那么如果球隊經理們能夠正確地運用這些數據,復制比恩的傳奇將成為可能。
在2006年世界杯四分之一決賽的點球決戰(zhàn)時刻,德國隊的守門員萊曼在阿根廷隊球員罰點球之前,接到了來自教練組的一張神秘小紙條。憑借這張小紙條,萊曼精準地預判到了阿根廷隊多名球員的罰球方向,并撲出了兩名阿根廷隊球員的點球。而這個神秘的小紙條,正是運用了數據分析,準確地預測了阿根廷球員的罰球方向及角度。這神秘的小紙條就如同芝麻開門的鑰匙,能夠將大數據這座大山點石成金。
實際上,我們中國自古就有利用數據來分析并作出預測的實例。三國時期,諸葛亮夜觀天象,通過對天文數據的收集及分析,準確地預測出了風向,從而贏得了赤壁之戰(zhàn)。這樣的例子在中國古代還有很多。雖然諸葛亮、比恩和德國隊的教練團隊并沒有真正地使用大數據,但是他們運用的這種分析方式以及對數據作用的理解,非常值得我們學習。
在這個大數據爆炸的時代,收集數據的方式在日益革新。然而,我們所能獲取的數據量,已經遠遠超過了我們能夠分析的上限。依據現有的分析手段以及思考方式,其實根本無法將大數據這座大山整個點石成金。我在美國接觸過的所有大數據分析公司所能做的,也不過就是將這山上的微小石子變成金子而已。我們每天面對著2940億封郵件、200萬個帖子,到底能夠運用多少?數據的單位已經從TB上升到PB、從PB上升到EB、又從EB上升到了ZB。再向上,還有YB、BB、NB、DB,數據只會隨著信息技術的發(fā)展不斷地爆炸式地增長。
那么問題就是,我們應該用這龐大的數據庫來做些什么呢?
這個問題,即使是最尖端的美國信息技術學家也無法準確地給出答案。實際上單從商業(yè)來講,美國管理學大師彼得德魯克也許給我們指出了一些方向。作為現代管理學之父,德魯克的思想深深地影響著一代又一代的美國營 銷管理專家。在與前Saks Fifth Avenue(薩克斯第五大道精品百貨)的營 銷顧問John O’Malley(約翰奧麥利)的交流中,他反復提到了德魯克的思想對于現在商業(yè)的深刻影響。我們共同認為,德魯克的思想,即使放在這個大數據的時代依然是超前的。德魯克認為不論是B2B還是B2C的商業(yè)模式,所有企業(yè)都需要清楚地認識到,我們到底在哪一個行業(yè)里以及我們到底能夠為顧客提供什么?這看似簡單的問題,卻難倒了全球百分之九十以上的公司。大數據的出現,為我們回答這兩個問題提供了工具。
那么有了趁手的工具,我們該怎么去運用呢?
德魯克的思想貫穿了整個商業(yè)社會的所有經濟行為,而從這之中延展開的卻是對行行業(yè)業(yè)、對整個社會現象的思考和總結。實際上這種思考和總結與中國優(yōu)秀的傳統(tǒng)思想具有很多暗合之處。我在2014年曾經寫過一篇論文,專門探討了德魯克的思想與中國傳統(tǒng)思想的契合。在文章中我提到,這種人類偉大的智慧,是對于整個人類社會的運行規(guī)律的探究。不論是西方亦或是東方的優(yōu)秀思想,均是沿著對宇宙、社會、人生的規(guī)律進行探究。大數據的出現和發(fā)展,為整個人類帶來的財富遠遠超越了商業(yè)價值。而我們生存在這個大數據時代,想要真正的理解并運用大數據,不去對人類最高的智慧進行探究,是必定無法駕馭這龐大的數據的。
中國傳統(tǒng)思想講格物致知。對大數據的研究分析即是格物。這種格物的層次,已經遠遠地突破了人類世界發(fā)展幾千年的總和。那么,對于大數據的應用即是致知。這種致知的程度,也會比大數據出現之前更加準確、細微。然而操作分析大數據的人所擁有的智慧,將是決定這種格物致知是否能夠產生最大效用的關鍵。
格大數據之物,致點石成金之知。筆已經放在這里,只看你能否寫出那包藏財富的神秘的小紙條。
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
CDA 數據分析師報考條件詳解與準備指南? ? 在數據驅動決策的時代浪潮下,CDA 數據分析師認證愈發(fā)受到矚目,成為眾多有志投身數 ...
2025-07-18剛入職場或是在職場正面臨崗位替代、技能更新、人機協(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)化學習提升 ...
2025-07-182025被稱為“AI元年”,而AI,與數據密不可分。網易公司創(chuàng)始人丁磊在《AI思維:從數據中創(chuàng)造價值的煉金術 ...
2025-07-18CDA 數據分析師:數據時代的價值挖掘者 在大數據席卷全球的今天,數據已成為企業(yè)核心競爭力的重要組成部分。從海量數據中提取有 ...
2025-07-18SPSS 賦值后數據不顯示?原因排查與解決指南? 在 SPSS( Statistical Package for the Social Sciences)數據分析過程中,變量 ...
2025-07-18在 DBeaver 中利用 MySQL 實現表數據同步操作指南? ? 在數據庫管理工作中,將一張表的數據同步到另一張表是常見需求,這有助于 ...
2025-07-18數據分析師的技能圖譜:從數據到價值的橋梁? 在數據驅動決策的時代,數據分析師如同 “數據翻譯官”,將冰冷的數字轉化為清晰的 ...
2025-07-17Pandas 寫入指定行數據:數據精細化管理的核心技能? 在數據處理的日常工作中,我們常常需要面對這樣的場景:在龐大的數據集里精 ...
2025-07-17解碼 CDA:數據時代的通行證? 在數字化浪潮席卷全球的今天,當企業(yè)決策者盯著屏幕上跳動的數據曲線尋找增長密碼,當科研人員在 ...
2025-07-17CDA 精益業(yè)務數據分析:數據驅動業(yè)務增長的實戰(zhàn)方法論 在企業(yè)數字化轉型的浪潮中,“數據分析” 已從 “加分項” 成為 “必修課 ...
2025-07-16MySQL 中 ADD KEY 與 ADD INDEX 詳解:用法、差異與優(yōu)化實踐 在 MySQL 數據庫表結構設計中,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 數據庫的日常運維與開發(fā)中,開發(fā)者和 DBA 常會 ...
2025-07-16如何考取數據分析師證書:以 CDA 為例? ? 在數字化浪潮席卷各行各業(yè)的當下,數據分析師已然成為企業(yè)挖掘數據價值、驅動決策的 ...
2025-07-15CDA 精益業(yè)務數據分析:驅動企業(yè)高效決策的核心引擎? 在數字經濟時代,企業(yè)面臨著前所未有的數據洪流,如何從海量數據中提取有 ...
2025-07-15MySQL 無外鍵關聯(lián)表的 JOIN 實戰(zhàn):數據整合的靈活之道? 在 MySQL 數據庫的日常操作中,我們經常會遇到需要整合多張表數據的場景 ...
2025-07-15Python Pandas:數據科學的瑞士軍刀? ? 在數據驅動的時代,面對海量、復雜的數據,如何高效地進行處理、分析和挖掘成為關鍵。 ...
2025-07-15用 SQL 生成逆向回滾 SQL:數據操作的 “后悔藥” 指南? 在數據庫操作中,誤刪數據、錯改字段或誤執(zhí)行批量更新等問題時有發(fā)生。 ...
2025-07-14t檢驗與Wilcoxon檢驗的選擇:何時用t.test,何時用wilcox.test? t 檢驗與 Wilcoxon 檢驗的選擇:何時用 t.test,何時用 wilcox. ...
2025-07-14AI 浪潮下的生存與進階: CDA數據分析師—開啟新時代職業(yè)生涯的鑰匙(深度研究報告、發(fā)展指導白皮書) 發(fā)布機構:CDA數據科 ...
2025-07-13LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經網絡(RNN)家族中,長短期記憶網絡(LSTM)憑借其解決長序列 ...
2025-07-11