谁能用大数据写出那个神秘的小纸条
前两年有一部叫做《点球成金》的电影非常成功,我是在从香港飞往纽约的飞机上观看的。这部由真实事件改变的影片,讲述了全美职棒大联盟的球队奥克兰绿帽队,在经理比恩的带领下,发挥出了超乎想象的实力,最终以弱胜强的故事。这个故事中的传奇经理比恩,重用了数据分析天才布兰德。通过大量的数据分析,挖掘了一批其貌不扬,但是却能够在球队里各司其职的边缘球员。而这种看似神奇的案例,在大数据时代的背景下是完全可能被复制的。实际上比恩和布兰德所运用的分析手段以及数据量,并没有达到大数据的标准。而促使他们成功的关键,却是他们对于数据的解读和认知。那么在今天我们拥有了难以计数的大数据的情况下,怎样能够复制并超越比恩的成功,就成为了所有企业和所有人成败的关键。
英国有一家十分成功的大数据分析公司叫做OPTA。这家大数据公司从收集及分析英超足球比赛数据开始,几年之间将自己的业务扩展到了NBA、网球、高尔夫等几十项体育项目,覆盖了几乎全球所有的主流体育赛事。以足球为例,OPTA为每场比赛提供超过200项数据的收集以及分析服务。球员在场上的每一次触球、每一次跑动、每一次有意识或无意识的动作,都会被OPTA专业的软件记录下来。假设每一场比赛首发加替补,两队一共出场了25名球员,那么OPTA将为这场比赛提供至少5000项球员数据。算上球队数据,每场比赛OPTA就能为球队经理们提供一个十分庞大的数据量。那么如果球队经理们能够正确地运用这些数据,复制比恩的传奇将成为可能。
在2006年世界杯四分之一决赛的点球决战时刻,德国队的守门员莱曼在阿根廷队球员罚点球之前,接到了来自教练组的一张神秘小纸条。凭借这张小纸条,莱曼精准地预判到了阿根廷队多名球员的罚球方向,并扑出了两名阿根廷队球员的点球。而这个神秘的小纸条,正是运用了数据分析,准确地预测了阿根廷球员的罚球方向及角度。这神秘的小纸条就如同芝麻开门的钥匙,能够将大数据这座大山点石成金。
实际上,我们中国自古就有利用数据来分析并作出预测的实例。三国时期,诸葛亮夜观天象,通过对天文数据的收集及分析,准确地预测出了风向,从而赢得了赤壁之战。这样的例子在中国古代还有很多。虽然诸葛亮、比恩和德国队的教练团队并没有真正地使用大数据,但是他们运用的这种分析方式以及对数据作用的理解,非常值得我们学习。
在这个大数据爆炸的时代,收集数据的方式在日益革新。然而,我们所能获取的数据量,已经远远超过了我们能够分析的上限。依据现有的分析手段以及思考方式,其实根本无法将大数据这座大山整个点石成金。我在美国接触过的所有大数据分析公司所能做的,也不过就是将这山上的微小石子变成金子而已。我们每天面对着2940亿封邮件、200万个帖子,到底能够运用多少?数据的单位已经从TB上升到PB、从PB上升到EB、又从EB上升到了ZB。再向上,还有YB、BB、NB、DB,数据只会随着信息技术的发展不断地爆炸式地增长。
那么问题就是,我们应该用这庞大的数据库来做些什么呢?
这个问题,即使是最尖端的美国信息技术学家也无法准确地给出答案。实际上单从商业来讲,美国管理学大师彼得德鲁克也许给我们指出了一些方向。作为现代管理学之父,德鲁克的思想深深地影响着一代又一代的美国营 销管理专家。在与前Saks Fifth Avenue(萨克斯第五大道精品百货)的营 销顾问John O’Malley(约翰奥麦利)的交流中,他反复提到了德鲁克的思想对于现在商业的深刻影响。我们共同认为,德鲁克的思想,即使放在这个大数据的时代依然是超前的。德鲁克认为不论是B2B还是B2C的商业模式,所有企业都需要清楚地认识到,我们到底在哪一个行业里以及我们到底能够为顾客提供什么?这看似简单的问题,却难倒了全球百分之九十以上的公司。大数据的出现,为我们回答这两个问题提供了工具。
那么有了趁手的工具,我们该怎么去运用呢?
德鲁克的思想贯穿了整个商业社会的所有经济行为,而从这之中延展开的却是对行行业业、对整个社会现象的思考和总结。实际上这种思考和总结与中国优秀的传统思想具有很多暗合之处。我在2014年曾经写过一篇论文,专门探讨了德鲁克的思想与中国传统思想的契合。在文章中我提到,这种人类伟大的智慧,是对于整个人类社会的运行规律的探究。不论是西方亦或是东方的优秀思想,均是沿着对宇宙、社会、人生的规律进行探究。大数据的出现和发展,为整个人类带来的财富远远超越了商业价值。而我们生存在这个大数据时代,想要真正的理解并运用大数据,不去对人类最高的智慧进行探究,是必定无法驾驭这庞大的数据的。
中国传统思想讲格物致知。对大数据的研究分析即是格物。这种格物的层次,已经远远地突破了人类世界发展几千年的总和。那么,对于大数据的应用即是致知。这种致知的程度,也会比大数据出现之前更加准确、细微。然而操作分析大数据的人所拥有的智慧,将是决定这种格物致知是否能够产生最大效用的关键。
格大数据之物,致点石成金之知。笔已经放在这里,只看你能否写出那包藏财富的神秘的小纸条。
数据分析咨询请扫描二维码
《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数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21