
誰才是大數(shù)據(jù)時代真正的贏家_數(shù)據(jù)分析師
我的一個老板跟我講了一個道理。他在谷歌還很小的時候加入的。為什么?他說,1930年的時候,掙了錢的人都買銀行股票,股票跌得很慘。后來經(jīng)濟危機以后,你為什么還敢買銀行股票?他說很簡單,因為世界上的錢都在他們那里面。
美國互聯(lián)網(wǎng)泡沫的時候,他在2001年加入谷歌。他說很簡單,因為數(shù)據(jù)都在他那里。
所以說,將來擁有大量數(shù)據(jù)的公司是最大受益者!這些公司不只是我們知道的,谷歌和臉譜,還有很多很多。我舉一個例子,一個中國的上市公司叫京風,做風能發(fā)電的,現(xiàn)在全球市場份額第二,他有很多發(fā)電站,每個發(fā)電機上都安有傳感器,傳感器將所有數(shù)據(jù)搜集起來,就能夠優(yōu)化他的運營,使他整體效益增加。
大數(shù)據(jù)加云計算,至少在美國一個產(chǎn)業(yè)的變革,每年差不多在全世界上萬億的規(guī)模,因為現(xiàn)在把所有的新的東西重新做一遍,整個將來服務(wù)是上萬億,這將帶來最大的好處。
所以,有數(shù)據(jù)的企業(yè)會得益。所謂有數(shù)據(jù)不是天然具備了很多數(shù)據(jù),你即使是傳統(tǒng)行業(yè),能夠采集到多少數(shù)據(jù)決定了你受益有多大。
大數(shù)據(jù)來了統(tǒng)計學將死
更重要的是,大數(shù)據(jù)在某種程度上顛覆了統(tǒng)計學的做法。我講一個故事,羅斯福競選總統(tǒng)事件,一家公司采用抽樣統(tǒng)計的方法,打電話問誰能當總統(tǒng),做了幾十萬份問卷,得出結(jié)論是羅斯福要輸了。但是,最后羅斯福贏了。
當時有一個小伙子,他說我預測羅斯福贏。我只需用三千個人的信息,因為我知道美國的人口收入的分配,男女的分配,各個年齡的分配,我采樣了三千份數(shù)據(jù)推算出羅斯福會贏。這個人就是喬治·蓋洛普,也因此一夜成名。(喬治·蓋洛普是美國數(shù)學家,抽樣調(diào)查方法的創(chuàng)始人、民意調(diào)查的組織者,他幾乎是民意調(diào)查活動的代名詞。)很多人研究統(tǒng)計學的采樣,大數(shù)據(jù)來了告訴我們,不通過直接的數(shù)據(jù)采集方式,而是通過各種間接的形式,復員各種信息,準確性要比直接數(shù)據(jù)來源要準確得多!
大數(shù)據(jù)時代下的擇業(yè),創(chuàng)業(yè)和轉(zhuǎn)型
現(xiàn)在是移動互聯(lián)網(wǎng)時代,如果辦公司,直接在手機、Pad上辦。我們過去分科技企業(yè),傳統(tǒng)企業(yè),但以后界限會越來越不明顯。我舉一個例子,萬達廣場。阿里巴巴的一個高管給他們做了一個系統(tǒng),幫他們把很多零售東西搬到網(wǎng)上去了,增加5%的客流量和8%的利潤。稍微改造了一下就由傳統(tǒng)行業(yè)跨入互聯(lián)網(wǎng)了。我想五年以后,可能某種程度上來講,互聯(lián)網(wǎng)將進入所有行業(yè)。
此外,我在投資方面有兩種觀點和看法。一種是建一個恐龍一樣的公司??铸埵羌茏哟畹煤艽蠛芎?,什么東西來了我都不怕。另一種是建一個變色龍一樣的公司,互聯(lián)網(wǎng)的公司很多是變色龍,我開始想做A件事,最后變成B。
在60年代的時候,美國最大的公司,也是全球最大的公司是通用汽車公司,他們大概在美國雇了60萬人,在全球大概雇了100萬人,都是傳統(tǒng)階級。到了2012年有一家公司創(chuàng)造人類歷史上整個股市的峰值,就是蘋果公司,到6000億美元。但是在那個時代,蘋果在全球只雇了6萬人,美國只雇了4萬人,大概相當于通用汽車在60年代雇的人數(shù)的1/15,也就是說他的財富更多了。
Google推出了自動駕駛,司機就失業(yè)了。蘋果只雇用了4萬人就創(chuàng)造了人類歷史上整個股市的峰值,相當于以前美國最大公司通用汽車在60年代雇的人數(shù)的1/15。那么剩下的56萬人怎么辦?未來醫(yī)生律師都要被消化掉,這非常棘手。
所以,我個人覺得大數(shù)據(jù)時代會帶來一個問題:我們一輩子可能需要不只一個職業(yè)或者一次創(chuàng)業(yè)。一是我們生命太長,行業(yè)持續(xù)的時間未必比我們活的長。二是因為技術(shù)變得太快,我們也要跟著變??傮w來講,學習是一輩子的事情。
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(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(nèi)涵、作用與應(yīng)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(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(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