改变企业业务方式的10个大数据趋势
大数据虽然发展缓慢但却坚决地在改变着企业做业务的方式。“在每个行业都有不同的使用案例,”大数据咨询公司Think Big的CEO兼创始人Ron Bodkin说。“大数据释放出一种利用数据工作的能力,这种能力长期受到了压制。现在终于有了大量被压抑的需求被释放了出来。”
下面就是正在塑造大数据和企业未来的十大趋势。
1、机器数据和物联网将占据中心舞台
虽说情绪分析和点击流数据分析仍将是大数据领域中的重要事情,但是及其数据的重要性将会越来越大。从RFID标签和工业仪器,到喷气发动机和消费电器,整个世界正在生产着越来越庞大的数据量。
企业开始使用这些数据来改进产品、提高效率、寻找缺陷,同时增强安全性。
2、各类组合应用利用大数据创造价值
公共的和私人领域数据的新聚合,正在为我们提供一个新的机遇,那就是聚合多个大数据集所获得的新的洞察力要远远超出单一大数据集所获得的洞察力。“大数据的最大价值就在于把多个大数据集集合在一起,”Bodkin说。例如种子与农作物保护提供商Land O’Lakes’WinField就综合利用了多个大数据集,包括天气数据、土壤湿度数据、土壤类型数据、种子数据和其他数据,帮助其种植者收获最高的产量。
3、内置于开源大数据工具中的创新力大爆发
借助一个开源核心。企业正在开发一系列的大数据平台技术、工具和组件。“大数据的开源核心持续成为一个行动的源头,”Bodkin称。“大数据基本上是由开源模式推动的,由此而引发的组织的创新也在推动着企业向前发展。”
有很多厂商在提供各种工具,简化大数据解决方实施的难度,这些厂商包括通用电气,提供帮助制造商治理其数据的工具;包括微软,正与Hadoop发行商Hortonworks密切合作,帮助企业用户通过Excel分析大数据集。
4、采用前瞻性方法确认大数据在哪里发挥作用
很多初期的大数据项目基本都是专案团队项目,意在证明大数据的价值,但这一状况正在发生变化。“我们看到了成功案例的病毒式传播,”Bodkin说。“但我们认为会有一种更好的方法,不必只依赖专案团队的创新。这就是要采用一种更具前瞻性的方法去确认大数据实际可能在哪里发挥作用。我们认为重要的是要有一个经过验证的测试案例,当然,管理者的支持能让你更快地获得结果。”
5、实际生产用大数据项目越来越多
在过去几年中,大数据行业的多数项目都是试验性项目,但是这段时间以来,实际生产项目越来越多,Bodkin说。他说,这些项目大多都是实现数据的可扩展性和成本控制,就像在造一个数据湖,但是初期就已起步的一些创新者们现在开始把注意力转向了利用新的分析功能实现企业转型。“他们在收集数据上花费的时间很少,而在实际分析数据并回答各种问题上的时间则越来越多,”Bodkin说。
6、大企业开始加速采用大数据
大型企业开始采用大数据,是2012年的一大趋势。在Tata咨询服务(TCS)该年所做的一次全球大企业研究报告中,1217家大企业中有53%开始采用大数据创新。而且对自己的创新有很大的信心,约43%的大企业预计大数据的投资回报率会超过25%。
7、大多数企业的大数据支出很少,少数企业支出很大
大多数企业不会在其大数据创新方面投入很多,但有些企业则会重金投入。Tata咨询服务调查发现,采用大数据创新的大企业在投入上为中值,平均为1000万美元。25%的大企业2012年在这方面的投入普遍低于250万美元。
但是在另一头,TCS所调查的大企业中有15%在大数据支出方面,2012年超过了1亿美元;7%的企业支出超过5亿美元。TCS还发现,电信、旅游、高科技和银行业的企业支出最多,而生命科学、零售和能源领域的企业支出最少。
8、大数据投资面向创收和持续收入
根据Tata咨询服务的调查,在企业采用大数据创新时,能够创收并维持收入的业务功能获得了最多的投资,这一点毫不奇怪。实际上,55%的支出投在了四大业务功能上:销售(15.2%)、市场营销(15%)、客户服务(13.3%)和研发/新品开发(11.3%)。不能直接创收的业务功能则获得的投资较少:IT(11.1%)、财务(7.7%)和人力资源(5%)。
9、大数据的最高回报率来自后勤和财务
虽然像销售和市场营销等可创收的功能获得了最大一块投资(两者加起来达到了大数据预算的30.2%),但TCS发现,后勤和财务(仅占大数据投资的14.4%)等功能预期能获得更高的投资回报率。
事实上,TCS在8项可能受益于大数据创新的业务功能中,要求企业对其中的75项活动进行重要性排名,结果受调查的全球大企业中有很多企业把诸多后勤活动与销售活动一起列在了前25位之中。
10、最大的挑战来自企业文化和技术
尽管不少企业仍然在应对大数据的技术挑战,但是也有企业告诉TCS说,在大数据创新上要想成功,最大的障碍是让各BU能够跳出部门藩篱与其他部门共享信息。当然,在处理数据时,容量、速度和类型众多方面的技术挑战排名也很靠前,占据首位的是数据分析。同时,企业还要努力搞清楚哪些数据可用于做出更好的决策。
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