如何理解“大数据”:数据质变的3个方面
大数据(Big Data),字面意思是“海量数据”,简单讲就是所涉及的数据量规模巨大到无法通过目前的主流技术和工具来处理,这里的“处理”涵盖了很多层含义:提取、存储、管理、分析、传输、预测等。
可是,这仅仅是对“大数据”的粗浅理解。
最早提出“大数据”概念的学科是“天文学”和“基因学”,这两个学科从诞生之日起就依赖于“基于海量数据的分析”方法。
大数据可以说是“计算机”和“互联网”结合的产物,计算机实现了数据的“数字化”;互联网实现了数据的“网络化”;两者结合才赋予了“大数据”生命力!
随着互联网如同空气、水、电一样无处不在地渗透入我们的工作和生活,加上移动互联网、物联网、可穿戴联网设备的普及,新的“数据”正在以指数级别的加速度产生。据说目前世界上90%的“数据”是互联网出现以后迅速产生的。
不过,抛开数据的海量化生产和存储这种表面现象,我们更加要关注的是由数据量变带来的质变,这种“质变”表现在以下3个方面:
1)数据思维
大数据时代带给我们的是一种全新的“思维方式”,思维方式的改变在下一代成为社会生产中流砥柱的时候就会带来产业的颠覆性变革!
- 分析全面的数据而非随机抽样;
- 重视数据的复杂性,弱化精确性
- 关注数据的相关性,而非因果关系。
历来的商业变革都是由“思维方式的转变”开始的,旧的经济体制和传统的商业理念面临新的商业思维逻辑的时候,如果大脑不能与时俱进,吸收并转变为顺应潮流的新思维,通过新思维重新组织企业组织的战略、结构、文化和各种策略,那么貌似强大的体魄反而变成了企业前进的累赘。
这种新思维颠覆巨头的案例最先发生在信息技术的传统领域,然后渗透到传统的商业领域:黑莓(Blackberry)、摩托罗拉、诺基亚、柯达、雅虎。。。案例比比皆是!
当然,这些企业的没落并不是因为没有“数据思维”,但他们都是被“新互联网思维”淘汰的昔日巨人。“数据思维”是最新的思想,其影响力还没有发展到导致巨头轰然倒塌。但是,如果不给予足够的重视,下一波没落王国的名单中,可能就会有你!
2)数据资产
大数据时代,我们需要更加全面的数据来提高分析(预测)的准确度,因此我们就需要更多廉价、便捷、自动的数据生产工具。除了我们在互联网虚拟世界使用浏览器、软件有意或者无意留下的各种“个人信息数据”之外,我们正在用手机、智能手表、智能手环、智能项链等各种可穿戴数码产品生产数据;我们家里的路由器、电视机、空调、冰箱、饮水机、吸尘器、智能玩具等也开始越来越智能并且具备了联网功能。
这些家用电器在更好地服务我们的同时,也在生产大量的数据;甚至我们出去逛街,商户的路由器,运营商的WLAN和3G,无处不在的摄像头电子眼,百货大楼的自助屏幕,银行的ATM,加油站以及遍布各个便利店的刷卡机都在收集和生产数据。
在互联网领域,我们喜欢说“入口”这个词,“入口”对应的直接意义是“流量”,而流量在互联网领域就意味着“金钱”,这种流量变现可能是广告,可能是游戏,也可能是电商。
在大数据时代,“入口”这个词还有更深刻的意义,那就是“数据生产的源头”,用户通过某个APP或者硬件产品满足某种需求的同事,也会留下一系列相关的“数据”,这些数据的合理使用可以让拥有这部分数据的企业获得更大的商业利益!
所以,在“大数据”时代,意识到“数据也是资产”的公司都已经开始在各个“数据生产的源头”进行布局,可能是一个解决刚兴需求的WEB网站,也可能是一个单纯的工具APP,还可能是一个可穿戴的数码产品!
3)数据变现
有了“数据资产”,就要通过“分析”来挖掘“资产”的价值,然后“变现”为用户价值、股东价值甚至社会价值。
大数据分析的核心目的就是“预测”,在海量数据的基础上,通过“机器学习”相关的各种技术和数学建模来预测事情发生的可能性并采取相应措施。预测股价、预测机票价格、预测流感等等。
“预测事情发生的可能性”继续往下延伸,就可以通过适当的“干预”,来引导事情向着期望的方向发展。比如亚马逊和所有的电商一样,都会基于对用户的喜好及消费能力分析来推荐“商品”,引导用户提高消费金额;Google等互联网巨头也会通过各种技术手段来试图向不同的用户展现不同的广告,并称之为“精准营销”,由此来提高点击率(公司收入);网游公司也会在运营工程中通过玩家行为数据的分析来及时调整游戏关卡及计费点等设计。
数据分析咨询请扫描二维码
数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21