大数据时代:数据就是一切_数据分析师培训
互联网世界中的人与人交互信息、位置信息,企业交易信息等数据已经远远超越现有企业的承载能力。如何盘活这些数据资产,使其为国家治理、企业决策乃至个人生活服务,是大数据发展的核心议题。
7月25日,在一场名为“践行大数据”的大数据商业论坛上,来自大数据技术企业、电商、学界以及一些传统行业的专家对大数据的现状和未来发展各抒己见。
苏萌:大数据企业受到资本市场热捧
百分点集团创始人、董事长 苏萌
作为百分点集团的创始人和董事长,曾经的北京大学光华管理学院副系主任、博士生导师,有着美国康奈尔大学市场营销学博士头衔的苏萌,领导着国内领先的大数据技术与应用服务商企业,是国内知名的大数据营销专家。
“过去的一年里,大数据浪潮风起云涌,基于开源软件与系统的全球大数据生态链格局已基本形成,同时也开启了大数据时代面向企业客户的科技公司的新篇章。纵观全球大数据生态系统,底层是开源框架、开源数据库和开源计算软件和系统,在开源的底层基础上,在四大领域分别涌现出了一些优秀的新兴公司。这四个领域包括大数据基础技术、大数据分析、大数据应用、以及数据市场。这些公司凭借在大数据领域的技术和应用创新,迅猛发展,同时也受到资本市场的热捧。”苏萌说。
他举例,今年3月,创立于2008年的硅谷大数据软件创业公司Cloudera获得英特尔资本7.4亿美元的注资,估值41亿美元。今年7月,专注于可用性与数据安全优化的MapR获得了由谷歌资本领投的1.1亿美元D轮融资。这两家大数据创业公司都是围绕开源Hadoop技术建立起了自身业务,以2B技术服务的模式帮助其他公司对大数据进行分析与应用。在大数据分析领域,创立于2004年的情报分析公司Palantir已估值80亿美元,它的优势在于能够整合不同类型不同来源的海量数据,通过建模为反恐和财务事故等问题做出预警,美国的CIA和FBI都已成为它最忠实的客户。
此外,在应用领域,广告、营销、金融、教育等行业的大数据应用已遍地开花,其中DMP及广告定向数据公司eXelate通过大数据建模让DSP和广告商更深入地了解受众属性,也完成了总额超过3000万美元的三轮融资。在金融大数据应用领域,由前谷歌首席信息官创立的ZestFinance通过非金融数据结合机器学习和建模对个人进行信用风险评估,解决银行信用贷款等问题。第四个领域是数据市场和数据源,Bluekai作为代表性企业,是DataExchange和DMP的开拓者,今年2月被Oracle公司以4亿美元收购。Bluekai的优势在于提供一个数据管理平台,即DMP,帮助企业进行媒体和受众分析,同时建立数据交换中心,通过使用第三方数据来创建新的可扩展受众。百分点在基础技术、分析和应用三个领域均有所实践和探索。
通过产业格局分析,苏萌认为全球大数据生态系统未来存在六大趋势。首先是应用化。即从投入基础设施转向可执行的分析与应用的趋势。大数据将从概念测试进入到企业生产环境,能够迅速落地的应用将成为市场主导。其次是服务化,一切技术都将转换为服务,大家看到了SaaS, PaaS, IaaS的崛起,未来还会看到更多。第三,云端化。一切服务皆为云,在可预见的未来,所有企业数据和分析最终都会转移到云端。
除了这三个趋势,他认为,第四个趋势是整体化,大数据整体解决方案包括数据的获取、存储、整合、分析、可视化。第五个趋势是实用化,大数据分析包括从低到高的四个层次:描述性分析(发生了什么)、诊断性分析(为什么发生)、预测性分析(将会发生什么)、和建议性分析(该如何做)。最后一个趋势是低成本化。去年阿里系掀起了“去IOE”运动,阿里云的架构已不再采用IBM的小型机、Oracle的数据库、EMC的存储设备,但大多数企业不具有阿里的技术能力,这些企业需要2B技术服务企业的帮助来降低“去IOE”的技术和成本门槛。
“未来,谁能帮助数以千万计的广大企业级用户应用大数据技术,谁将有机会取代Oracle成为大数据时代2B领域的BAT。”苏萌认为。
陈宇新:大数据时代我们要有“数商”
上海纽约大学商学院副院长 陈宇新
“在这个大数据的时代,成功的背后灵魂是什么?这个灵魂就是我想讲的“数商”。这个‘商’不是商人的‘商’,而是‘智商’的‘商”,在大数据实在我们要有智商、情商,还要有数商。”上海纽约大学杰出全球商学讲席教授及上海纽约大学商学院副院长陈宇新这样认为。
他认为,数据思维有四个纬度:一是定量思维,就是说“一切皆可测”,所有的东西都要想着把它转化成数据测量出来。比如说一些大数据的项目试图把那些情感性的要素测量出来,测量优雅,或者是测量浪漫,这都是大数据技术要做到的。“不要想着只有实实在在的东西能测量,虚拟的不能测量,其实都是可以测量的,顾客的行为都可以表达出来”。
陈宇新认为,数据四维的第二个纬度是跨界思维,就是“一切或可联”,看似不相关的数据和行为,或许可以互相连起来,为预测和推荐,达到一个更好的效果。三是操作思维,就是一切要可行,就是要尽快到达实时的、低成本的实现。四是实验思维,要允许创新,允许实验,允许试错,而且通过实验来得出一个正确的或者是优化的解决方案。
数据分析咨询请扫描二维码
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大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20