京公网安备 11010802034615号
经营许可证编号:京B2-20210330
别让大数据之花自开自落
对于企业来说,那些不被感知的大数据,是不是也如山中花,可以当它不存在呢?
明代大儒王阳明主张“心外更无物”,他与友人有过一段精彩的对话:
先生游南镇,一友指岩中花树问曰:“天下无心外之物,如此花树,在深山中自开自落,于我心亦何相关?”先生曰:“你未看此花时,此花与汝心同归于寂;你来看此花时,此花颜色一时明白起来,便知此花不在你的心外。”
——《传习录·黄省曾录》
后人将这一“山中花”的譬喻与英国大主教乔治 •贝克莱(George Berkeley) “存在就是被感知”这一哲学命题相对照,发现其内在有相通性。
这一命题在哲学界争议很大,但是今天不是要讨论哲学,而是想探讨一个类似的大数据问题:当前,很多企业在生产经营过程中产生和积累了大量的数据。从发展趋势看,不管企业数据处理能力提升到多么强,总是跟不上数据总量增加速度。必然导致的结果就是:很多数据将变成为无人到达的山中静静开放的花朵,美丽,却无人欣赏。因此,对于企业来说,那些不被感知的大数据,是不是也如山中花,可以当它不存在呢?
很可惜的是,与自开自榭的山花不同,对于企业来说,大数据即便不被感知,它也确实地存在着。
原因只有一个:不被感知的数据,与可感知的数据一样在消耗企业大量资源,存在无法忽视的成本。这一成本主要来自三个方面:资金成本、闲置成本,以及注意力成本。
资金成本很好理解,企业必须围绕大数据投入资金自建或租借相应的基础设施,配备技术人员。数据大量收集之后,在不知道哪些有用,哪些没用的情况下,就像企业漫天打广告,至少要浪费一半的钱。考虑到多数企业实际利用的数据只占其少部分,这种浪费可能超过了一半。
闲置成本是指很多数据本是有价值的,但是由于配置不当,不得其位,不能及时到达需要它的地方所导致的成本。它是一种机会成本,就像人们如果把现金都放在家里,所损失的是至少是银行利息一样。
另一个常常被忽视的成本是企业注意力的无谓消耗。当大数据汹涌而来,企业人员的注意力并没有作好准备,大数据会大量消耗企业稀缺的注意力资源。与外部世界的剧烈变化相比,人的进化无疑是停滞不前的。如《浅薄》一书作者尼古拉斯•卡尔认为,随着各类数字化技术,尤其是谷歌的广泛应用,人类的认知力有退化的趋势,人会变得越来越浅薄。
人的注意力存在的阈值包括:一般可以同时聚焦 3-5个关键词;短期记忆7± 2个数字;一个领导最好接受 6个左右下属的汇报;个人交友的“邓巴数字”为 150个以内等等。大量无用的数据分散了人的注意力,直接降低了知识员工的工作效率,成为知识组织的大敌。
今天很多人都同意,数据是企业的一种战略性资产。这句话表面上是说数据可以支撑战略,对于企业战略是重要的。但未能明白表达的意思是:战略性资产很多未必是用于当下,而是为了应对未来的不确定性。更为重要的,战略性资产的配备是有成本的。如果资产的战略性价值长期不能覆盖其成本,那就可能转化为战略性负债。
因此,企业不能只看到事情的一面,还应该关注如何尽量降低以上三大类数据成本——它同样具有战略重要性。以下对此逐个讨论。
随着数据量的增加,对企业数据处理能力的提升要求变得越来越高。企业需要不断提升基础设施的配置水平,配备更强大的技术力量。而当所有企业都认为大数据具有战略重要性,这种技术和人员配备就成为一种竞争必需品。尽管硬件单位成本趋于下降,但是总成本很难节约下来。计算机产业有一个有名的“安迪 -比尔定律”,意思是比尔·盖茨(微软前总裁)要拿走安迪·格鲁夫(英特尔前总裁 )所给的。换句话说,应用程序对硬件升级的需求会抵消硬件成本下降给用户带来的好处。云计算的出现看来也未能改变这一法则,它今天仍然在起作用,只是换了Google和高通等不同主导企业而已。企业在数据基础设施方面的投入只会逐渐升级,此块成本降低显然并非易事。
再来看看数据资源闲置成本,这一成本来源于内部流程和数据共享的不畅,需要企业建立端到端的业务流程,同时将数据尽可能加以共享。数据共享与流程优化之间存在互动的关系,二者相辅相成。
一方面,数据共享可以改造和优化流程。孤立的数据资源基本上是没有价值的,只有将其连成一片,才可能形成对企业有用的信息和知识,这些知识可以促进流程优化。另一方面,如果能从业务流程的优化和畅通着手,对不同环节的数据需求进行分析,也可以对组织进一步共享数据形成强大的推动力。
如果说前两方面成本的节约仍然是着眼于运营层面,注意力成本的节约需要企业上升到战略层面。如前所述,相对于数据量的增长,企业的注意力资源总是相对稀缺的。这构成了企业大数据管理中一对核心的矛盾。要解开这一矛盾,必须从两个方面着力:
一是尽量提升企业的数据处理能力。这正是前述技术和流程两方面的工作重点。二是努力降低数据处理需求,这需要通过战略的引领和注意力聚焦,让大量数据处理变得不必要。在大数据战略指引下,企业将注意力聚焦于有限的数据范围,通过收集特定种类的数据,降低大数据所导致的注意力成本。同时也能让数据各就其位,减少数据收集和闲置成本。
从战略层面着手的方法无疑更加巧妙,但是并不轻松。它需要企业在当前剧变环境中,探索出一条相对明确的发展路径。在此基础上,将其转化为企业的数据战略。从而企业可以从被动接受外部数据“灌输”上升到主动地“养数据”(车品觉语)。将企业从数据的汪洋大海中解救出来,实现数据的“精兵简政”,连线成面,使之个个能战斗。只有这样,大数据才真正成为了企业的战略性资产。
正因为不被感知的大数据具有以上三类不可忽视的成本,所以它不完全是王阳明所说心外的“山中花”。为了降低成本,企业首先要建构一个相对精简而聚焦的数据战略,任它漫山遍野,只顾聚焦于特定山坡的几种花,如百合,杜鹃等,定向栽培。更辅之以知识和智慧之光的烛照,让大数据之花的颜色变得“明白起来”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python开发中,HTTP请求是与外部服务交互的核心场景——调用第三方API、对接微服务、爬取数据等都离不开它。虽然requests库已 ...
2025-12-12在数据驱动决策中,“数据波动大不大”是高频问题——零售店长关心日销售额是否稳定,工厂管理者关注产品尺寸偏差是否可控,基金 ...
2025-12-12在CDA(Certified Data Analyst)数据分析师的能力矩阵中,数据查询语言(SQL)是贯穿工作全流程的“核心工具”。无论是从数据库 ...
2025-12-12很多小伙伴都在问CDA考试的问题,以下是结合 2025 年最新政策与行业动态更新的 CDA 数据分析师认证考试 Q&A,覆盖考试内容、报考 ...
2025-12-11在Excel数据可视化中,柱形图因直观展示数据差异的优势被广泛使用,而背景色设置绝非简单的“换颜色”——合理的背景色能突出核 ...
2025-12-11在科研实验、商业分析或医学研究中,我们常需要判断“两组数据的差异是真实存在,还是偶然波动”——比如“新降压药的效果是否优 ...
2025-12-11在CDA(Certified Data Analyst)数据分析师的工作体系中,数据库就像“数据仓库的核心骨架”——所有业务数据的存储、组织与提 ...
2025-12-11在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01