大数据!然后呢?厚数据时代的来临
大数据(Big Data)热潮是这几年产业界最夯的趋势话题,网路社群媒体的兴起,更推波助澜这股热潮,以为买了网路社群的大数据资料,就可以掌握消费者行为脉动,让行销活动无往不利,仿佛市场立即化作可取予求的宝山,这股数据掏金热让政府及许多企业趋之若鹜,纷纷投注资源于社群媒体的搜集与购买,幻想着抢先一步从中淘筛出最大的黄金。
但,大数据真的是这样吗?
将排山倒海的社群媒体资讯导入企业决策者们的电脑中,希望从琳琅满目真假难分的数据中,找出一条能带领企业脱离困境轻松获利的康庄大道;却发现原本想用来解决问题的大数据,创造了一个满是数字迷魂阵,一头栽进去很能找得到出口。
其实大数据的应用,着眼点并不在「大」量的数据,而是在「人」如何看待数据和让数据说话。
真正有用的数据不一定要花大钱从外部购买,毕竟买回来还要花大量的力气去阅读消化,还不如先从公司内部累积的精准数据和经验着手,看能不能重新找出正确的分析观点来解决问题。
先从小而准的数据开始
在进行数据分析时,数据准确度的重要性比数据量的大小重要,我们可以依数据性质分为三类:小而准(Small and accurate data)、大而乱(big and messy data)、开放数据(opendata)。
其中,小而准的数据如公司内部POS 交易数据,准确而清楚;大而乱的数据则像是从网路社群媒体抓下来的数据,还需要结构化统计整理出意义;开放数据像是天气、人口普查之类,则可以从政府机关的资料库提取。
在资料进行分析之前,我们都必须先思考我们面临的问题是什么?从问题中思考解决的方案,提出观点,再从资料分析中佐证。数据量越大,不确定性越高,所需要进行分析或排除的手续也相对较多,若我们能用小而准的数据进行分析比对,发现问题想出解决方法,一定会比从大而乱的资讯中找答案来得省时省力。
大数据时代,竞争的是解决问题与决策反应效率
一般大数据的特性, 大家耳熟能详的多半是四个V: 数量大(Volume)、速度快(Velocity)、多样性(Variety)、和不确定性(Veracity),但大数据存在的重要意义,也就是第五个V—价值(Value)却常常被人遗忘。
行销专家指出,前面四个V 都是在描绘大数据的样貌轮廓,第五个V 则是提醒,大数据需经过清算整理后,才能够为行销人或决策者带来贡献。所以大数据的使用重点,绝非资料量多大或资料取得管道多么特殊,而是资料创造多少价值。
用一般精准的小数据就能解决的问题,何须大费周章投入大量资源和成本相对较高的大数据?人们往往被大数据字面上的「大」所误导,以为数据量就是要大才会有效,殊不知关键是数据必须能够被衡量掌控,以小而准的数据为基础,视情况进行不同类型的数据之间相乘与重组,才是明智的大数据抉择。
能否用大数据的观念,将手边的数据迅速的转化成正确决策与行,比「快」还要比「准」,将是大数据时代接下来的重要课题。
大数据之后,厚数据(Thick Data)时代的来临…
「数字会说话」或许是大数据时代最常听到的口号,但美国当代统计预测鬼才奈特席佛(Nate Sliver)提醒我们:「数字没办法为自己说话,是我们在为它们说话,我们赋予它们意义。我们可能会用对自己有利的方式来解释资料,让资料脱离客观的现实。 」
大数据,不是单纯以数据多寡或来源来决胜负,而是要依靠「人」根据数据的结合与交叉比对形成的「判断」或「预测」准确与否来决胜。尤其在行销领域中,大数据大部分都是在处理与人有关的数据,而不是没有生命的物质。大数据行销背后代表的,是人的行为模式与需求,因此不能单纯只靠数字或统计来做判断的依据,必须更深入地思考品牌、商品和人之间的关系,而这样的思维将会是下一个厚数据(Thick Data)时代的开端。
所谓的厚数据与强调数据规模的大数据不同,厚数据更重视人和产品或产业数据间的深度与情境,好的数据观点,也往往是从厚数据产生,而非大数据。厚数据强调深入使用者情境,需要厚实的产业知识或经验为底,透过厚数据,将产业产品与消费者做更紧密的连结。
未来的大趋势,若只单纯从现有的大数据发现和判断,过度信任数字呈现结果,将很有可能造成误判。若能透过深入使用情境,探知自消费者需求影响而成的未来产业发展趋势,方能展现厚数据的重要价值。
数据分析咨询请扫描二维码
CDA数据分析师认证:CDA认证分为三个等级:Level Ⅰ、Level Ⅱ和Level Ⅲ,每个等级的报考条件如下: Le ...
2024-11-14自学数据分析可能是一条充满挑战却又令人兴奋的道路。随着数据在现代社会中的重要性日益增长,掌握数据分析技能不仅能提升你的就 ...
2024-11-14数据分析相关职业选择 数据分析领域正在蓬勃发展,为各种专业背景的人才提供了丰富的职业机会。从初学者到有经验的专家,每个人 ...
2024-11-14数据挖掘与分析在金融行业的使用 在当今快速发展的金融行业中,数据挖掘与分析的应用愈发重要,成为驱动行业变革和提升竞争力的 ...
2024-11-14学习数据挖掘需要掌握哪些技能 数据挖掘是一个不断发展的领域,它结合了统计学、计算机科学和领域专业知识,旨在从数据中提取有 ...
2024-11-14统计学作为一门基于数据的学科,其广泛的应用领域和多样的职业选择,使得毕业生拥有丰厚的就业前景。无论是在政府还是企业,统计 ...
2024-11-14在当今高速发展的技术环境下,企业正在面临前所未有的机遇和挑战。数字化转型已成为企业保持竞争力和应对市场变化的必由之路。要 ...
2024-11-13爬虫技术在数据分析中扮演着至关重要的角色,其主要作用体现在以下几个方面: 数据收集:爬虫能够自动化地从互联网上抓取大量数 ...
2024-11-13在数据分析中,数据可视化是一种将复杂数据转化为图表、图形或其他可视形式的技术,旨在通过直观的方式帮助人们理解数据的含义与 ...
2024-11-13在现代银行业中,数字化用户行为分析已成为优化产品和服务、提升客户体验和提高业务效率的重要工具。通过全面的数据采集、深入的 ...
2024-11-13在这个数据飞速增长的时代,企业若想在竞争中占据优势,必须充分利用数据分析优化其营销策略。数据不仅有助于理解市场趋势,还可 ...
2024-11-13数据分析行业的就业趋势显示出多个积极的发展方向。随着大数据和人工智能技术的不断进步,数据分析在各行各业中的应用变得越来越 ...
2024-11-13市场数据分析是一门涉及多种技能和工具的学科,对企业在竞争激烈的市场中保持竞争力至关重要。通过数据分析,企业不仅可以了解当 ...
2024-11-13数据分析与数据挖掘是数据科学领域中两个关键的组成部分,它们各有独特的目标、方法和应用场景。尽管它们经常在实际应用中结合使 ...
2024-11-13在如今这个数据驱动的时代,数据分析能力已经成为许多行业的重要技能。无论是为工作需要,还是为了职业转型,掌握数据分析都能够 ...
2024-11-13在如今这个数据驱动的时代,数据分析能力已经成为许多行业的重要技能。无论是为工作需要,还是为了职业转型,掌握数据分析都能够 ...
2024-11-13作为一名业务分析师,你肩负着将业务需求转化为技术解决方案的重任。面试这一角色时,涉及的问题多种多样,涵盖技术技能、分析能 ...
2024-11-13自学数据分析可能看似一项艰巨的任务,尤其在开始时。但是,通过一些策略和方法,你可以系统地学习和掌握数据分析的相关知识和技 ...
2024-11-10Excel是数据分析领域中的一款强大工具,它凭借其灵活的功能和易用的界面,成为了许多数据分析师和从业者的首选。无论是简单的数 ...
2024-11-10在快速发展的商业环境中,数据分析能力已经成为许多行业的核心竞争力。无论是初学者还是经验丰富的专家,搭建一个有效的数据分析 ...
2024-11-10