你不需要大数据,你需要的是正确的数据
你需要的并不是大数据,而是正确的数据。以Uber为例,Uber每天都能收集到海量数据,但Uber会分析全部数据吗?不会,它只用那些能让产品更快连接乘客和司机的关键数据。
问三个问题去挖掘你做决策所需要的正确数据:
哪些地方在浪费资源(时间、金钱、人力、原料等)?
如何自动化地减少浪费?
针对1与2,需要哪些数据?
以下是全文:
大数据这个词已经无处不在。无论是大企业、小企业、传统行业、新兴行业,每一家公司都加入了大数据的浪潮,好像有了大数据就能解决所有问题。
企业通过社会、天气、政府数据来预测供应链中断。大量的用户数据被各个网站收集利用,一些公司甚至开始利用大量的文本交流数据建立算法,从而与客户进行对话。
但现实的情况是,我们对大数据重要性的痴迷,往往会产生误导。是的,在一些情况下,从数据中能获取有价值的东西,但对于创新者来说,数据量和规模不是关键的因素,找到正确的数据才是关键。
关键不在于数据的大小
在谈到大数据作用的时候,我们总是拿Uber来举例,他们好像是用大数据获得成功的最典型的例子。毫无疑问,Uber从数据中获得了财富。依靠他们的应用,Uber从司机和乘客那里获得了实时的数据,让他们能够知道何时、何处人们对车辆有着较高的需求。
但Uber的成果并不是依靠他们所采集的大量数据,这些大数据使公司能够进入新的市场,但Uber的成功来自非常不同的东西,小的、但是正确的数据:车辆调度数据。
在Uber诞生之前,我们打的是传统的出租车。虽然传统出租车看上去与互联网没有什么关系,但是其实它们才是一种依靠大数据的东西。原因是,传统出租车依赖的是“人眼网络”:无数人站在城市中的某一个点,在看到出租车后马上招手。虽然貌似与信息科技无关,但是实际上人们在打车的过程中,同样使用了计算,人脑的计算:我们在大脑中收集并且分析数据。
Uber提出了一个更优雅的解决方案,人们不再需要自己跑到街上去用眼睛收集数据,不用再用大脑去处理数据,而是让Uber为我们提供正确的数据来完成打车任务。城市中谁需要打车?他在哪里?离他最近的车在哪里?需要多长时间能接到乘客?正是凭借这些正确的数据,Uber和滴滴才得以成功的在出租车行业内掀起了革命。
Uber的优雅解决方案是停止运行可视化数据-生物的异常检测算法,只需要正确的数据来完成工作。城市里的人需要搭车,他们在哪里?这些关键信息让Uber、Lyft、滴滴出行彻底改变了一个行业。
用正确的数据完成工作
有时候正确的数据规模也很大,也有的时候正确的数据规模很小。对于创新者,关键在于哪些关键的数据对企业最有帮助,要找到正确的数据,我建议你思考下面三个问题。
问题1:是什么在浪费公司的资源?
大部分汽油都在日常运营中浪费大量的资源。拿鲜花零售业来举个例子,大多数花店中50%的库存最终都会被浪费掉。正因如此,才产生了UrbanStems和Bouqs这样的鲜花配送服务,它们通过正确的数据帮助花店减少浪费。
“哪里有浪费,哪里就有机会”。无论你是工业生产、零售还是法务调查公司,搞清楚哪些因素会浪费你的资源,都能够帮你找到正确的数据。
问题2:如何通过自动化来减少浪费?
在确定哪些因素会造成资源浪费之后,下一步就是要减少浪费。人类擅长于做某些类型的决定,比如在品牌营销方面,这部分应该交给人类解决。
但是当涉及到做简单的重复性经营决定的时候(比如把出租车派到每个地方,如何给产品定价,向花店订多少鲜花),机器比人更擅长。虽然有许多传统的人类做决定的商业模式是可预测的,现在我们能分辨更多的数据,来进行自动化。
例如,有传言称亚马逊正打算取消所有的人工定价团队,让算法来给大部分商品进行定价。在零售商眼里,这是完全不可思议的行为。但是如果亚马逊的算法能够胜任定价工作,它将为亚马逊减少成本、库存,以及推出更好的可预测的新产品介绍,这一切将会产生巨大的竞争优势。
问题3:你需要哪些数据来完成这一切?
只要你理解了传统系统当中的浪费,并且知道了浪费造成的后果,最后一步是去问一个简单的问题。如果你可以有任何数据来帮助你做出完美的决定,它会是什么?
在Uber这个例子里,为了完成自动化指派司机工作,从而减少资源的闲置,他们需要知道潜在的乘客可能在城市的哪些位置。另一个例子是通用电气旗下的产业互联网软件Predix,公司在机器发生故障前提前知道,以减少维护工作的成本,以及减少停机时间的浪费。对于寻求降低成本的保险公司,他们想知道一个糖尿病患者血糖下降的时候,以帮助自动化进行围绕病人的干预措施,减少不善疾病的影响。
这就是你所需要的数据,通过处理大量的信息找到他们是很好的,如果你通过建立一个新的应用程序来捕获它们更好。
大部分公司花了太多的时间提倡大数据,但是却几乎没有花时间去想清楚哪些数据才是正确的有价值的数据。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当今数字化时代,数据分析师的重要性与日俱增。但许多人在踏上这条职业道路时,往往充满疑惑: 如何成为一名数据分析师?成为 ...
2025-04-02最近我发现一个绝招,用DeepSeek AI处理Excel数据简直太爽了!处理速度嘎嘎快! 平常一整天的表格处理工作,现在只要三步就能搞 ...
2025-04-01你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12