张溪梦:拿什么拯救你,疲于污水处理的数据分析师
大数据时代,数据成为企业决策最为重要的参考之一。尽管数据源的生成量正以几何倍数的速度增加,尽管各行各业都在标榜自己生产了多少有价值的数据,但究竟哪些数据可以为企业所用,如何基于高效的数据分析创造商业价值,仍是非常具有挑战性的话题。
对于以上问题,【WOT2015"互联网+"时代大数据技术峰会】特邀讲师、GrowingIO创始人张溪梦分别基于企业运营需求及技术发展角度进行了分析,下面就让我们一起学习,最新一代的数据分析技术将如何帮助企业最大限度发挥数据运营效率。
【WOT2015"互联网+"时代大数据技术峰会】特邀嘉宾 张溪梦
张溪梦,GrowingIO创始人、CEO,前LinkedIn分析部高级总监。美国Data Science Central评选其为"世界前十位前沿数据科学家",前LinkedIn美国商业分析部高级总监,亲手建立了LinkedIn将近90人商业数据分析和数据科学团队,支撑了LinkedIn公司所有与营收相关业务的高速增长。 2015年5月,创立新一代网站和移动端数据分析平台GrowingIO,创始团队来自LinkedIn 、eBay 、Coursera、亚信等国内外顶级互联网及数据公司,具有强大的商业分析、数据产品、企业软件研发以及机器学习等专业背景、先进的数据分析技术和丰富的实战经验。
数据分析创造商业价值
现在,几乎再没有人会质疑数据驱动对于企业运营和商业价值的重要性,工业4.0都将大数据的存储、剖析、安全保障和数据价值的呈现和利用,列为未来三大核心诉求之一。
为什么数据化运营如此重要?因为基于证据的决策更可靠。依照数据分析得到的结论,企业可以快速发现问题、判断趋势、有效行动,从而指导公司未来的发展方向。
张溪梦认为,企业中的每一位员工都应该参与到数据化运营的工作中来。数据可以直观的将一些原本无形的标准进行量化,从而帮助员工发现自己的工作与业务结果之间的联系,有针对性的开展工作。
可让这个想法落地并不简单,因为这不仅仅是收集收据、定期查看而已。培养专业人才、在更短的时间内处理更多的数据、保证处理数据的质量和性能、让合适的人员使用合适的工具……有太多太多困难都在拖慢企业数据化运营的进程。
企业数据分析流程的90%耗费于初级阶段
互联网技术的发展为企业加速创新提供前所未有的机遇。在快速变化的商业格局下,企业是否有迅速做出决策的能力,成为影响未来生存和发展的关键。
然而现实往往是残酷而无奈的。张溪梦告诉我们:“去年美国某研究机构做过一份关于企业数据分析流程的调查,结果显示,仅仅是在数据收集阶段,就要花费5个星期的时间”。
造成这种局面的关键因素之一,是目前的大数据分析需要专业技术人员同时具备编程和数据分析两种能力。张溪梦将数据分析的流程形象地比喻为将一条被污染的河水变清的过程。我们收集的大量数据就像流入源头的污水,需要人力进行各种监控,然后放入一个池子里进行沉淀。之后则要开展各种清洗、聚合、再清洗、再消毒,再传输等庞大、繁杂的工作,这个过程占用了数据工程和分析师几乎90%的时间。企业急需更加先进的技术和更具指导性的方法论,来提升数据化运营的效率。
“自动化”是下一代数据分析技术的核心
要想突破目前企业数据分析中的瓶颈,关键要对现有的业务的数据分析流程进行大规模的简化,将人类的智慧集中到最能够创造商业价值的环节中。
张梦溪认为,取代今天这种功能化的数据分析的下一代数据分析技术,一定是基于以自动化为核心的一套框架。这需要企业对沉淀多年的传统技术框架进行革新。过去,为了应对基础设施在计算、存储等能力上的缺陷,往往需要将来源不同、类型不同的数据制成多维度的各种表格,来达到减少存储量的目的,这会大大拖慢企业数据处理效率。
对于未来数据分析技术趋势,张溪梦主要提到以下两个方面:
流式处理框架:这是企业实现数据自动化的核心技术。流处理的优势是可以任意数据格式进行转换,实现近乎实时的数据处理能力。
数据分析云化:云计算技术为企业IT的基础设施带来革命性的力量。将数据分析做成云端的SaaS服务后,开发人员将不再需要维护大量系统和工作流。最重要的一点,我们大幅度的降低数据分析埋点才可以详细地收集用户数据的这个巨大的限制,只需要结合业务需求,进行简单的拖拽实现定制化的数据采集规则。
流处理和云两种技术的结合,会使数据像雨滴一样,慢慢聚集在云端的服务器里面开始积累,用户将不再需要做大量的IT的基础设施的工作,或者是做各种数据清洗、整合、线上、线下聚合。
张梦溪表示,“在未来分工化、协作化的格局下,企业应该将一些相对支持性的功能外包给真正的专家或者是产品,专注做好自己最擅长的事情,所以数据分析云端化这是一个必然的趋势。”
WOT峰会将分享如何用数据化运营创造商业价值
在11月28-29日由主办位于深圳的【“互联网+”时代大数据技术峰会】中,张溪梦将带来目前最先进的全自动化数据分析的相关技术和方法论,并与大家探讨何利用实时数据分析,帮助企业最大程度地创造商业价值。
采访最后,张溪梦描述了这样的愿景:“我希望现在的企业家们都能看到云端数据分析自动化的趋势,未来每一家企业和个人都可以做自己最擅长和关注的工作,一起来把这个世界构建的更美好。”
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 2 Pandas数据类型 Pandas 有两种自己独有的基本数据结构。需要注意的是,它固然有着两种数据 ...
2024-11-01《Python数据分析极简入门》 第2节 1 Pandas简介 说好开始学Python,怎么到了Pandas? 前面说过,既然定义为极简入门,我们只抓 ...
2024-10-31在当今数据驱动的世界中,数据科学与工程专业的重要性愈发凸显。无论是推动技术进步,还是在商业决策中提供精准分析,这一专业都 ...
2024-10-30在当今信息爆炸的时代,数据已成为企业决策和战略制定的核心资源。爬虫工程师因此成为数据获取和挖掘的关键角色。本文将详细介绍 ...
2024-10-30在当今数据驱动的世界中,数据分析是揭示商业洞察和推动决策的核心力量。选择合适的数据分析工具对于数据专业人士而言至关重要。 ...
2024-10-30能源企业在全球经济和环境保护双重压力下,正面临前所未有的挑战与机遇。数字化转型作为应对这些挑战的关键手段,正在深刻变革传 ...
2024-10-30近年来,随着数据科学的逐步发展,Python语言的使用率也越来越高,不仅可以做数据处理,网页开发,更是数据科学、机器学习、深度 ...
2024-10-30大数据分析师证书 针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。 ...
2024-10-30《Python数据分析极简入门》 附:Anaconda安装教程 注:分Windows系统下安装和MacOS系统安装 1. Windows系统下安装 第一步清华大 ...
2024-10-29拥抱数据分析的世界 - 成为一名数据分析工程师是一个充满挑战和机遇的职业选择。要成功地进入这个领域,你需要掌握一系列关键技 ...
2024-10-28降本增效:管理战略的关键 企业管理中的降本增效不仅是一项重要的战略举措,更是激发竞争力、提高盈利能力的关键。这一理念在当 ...
2024-10-28企业数字化是指利用数字技术和信息化手段,对企业的各个方面进行改造和优化,以提升生产效率、服务质量和市场竞争力的过程。实现 ...
2024-10-28数据科学专业毕业后,毕业生可以选择从事多种不同的岗位和领域。数据科学是一个快速发展且广泛应用的领域,毕业生在企业、学术界 ...
2024-10-28学习数据科学与大数据技术是当今职业发展中至关重要的一环。从基础到高级,以下是一些建议的课程路径: 基础课程: Python编程 ...
2024-10-28在信息技术和数据科学领域,数据架构师扮演着至关重要的角色。他们负责设计和管理企业中复杂的数据基础设施,以支持数据驱动的决 ...
2024-10-28进入21世纪以来,随着信息技术的迅猛发展,大数据已经成为全球最具影响力的技术之一,并成为企业数字化转型的核心驱动力。大数据 ...
2024-10-28随着科技的迅猛发展,数字化转型已成为现代企业保持竞争力和推动增长的关键战略之一。数字化不仅仅是技术的应用,它代表着一种全 ...
2024-10-28银行业正处于一个前所未有的数字化转型时期。在数字经济的驱动下,金融科技如大数据、人工智能、生物识别、物联网和云计算等技术 ...
2024-10-28数据分析可视化是一门艺术与科学相结合的技术,其主要目标是将复杂的数据变得更易于理解和分析。通过将数据以图表的形式呈现,我 ...
2024-10-28数据分析师在现代信息密集型的商业世界中扮演着至关重要的角色。他们通过专业的技能和敏锐的商业洞察力,帮助企业从大量数据中提 ...
2024-10-28