论文部分内容阅读
Bill Franks :Teradata 全球合作伙伴计划首席分析官,《驾驭大数据(Taming The Big Data Tidal Wave)》一书作者
90%以上的企业可以用他们90%的现有需求和技术、 工具来解决现在的大数据问题。 企业并不是缺乏解决这些大数据难题的工具、 技术甚至人才 , 他们真正面临的问题是, 如何在公司建立一个和大数据相匹配的文化与流程。
虽然眼下十分火热, 然而 “大数据” 概念并没有明确的范畴, 对大数据的定义只是相对于当前可用的技术和资源而言的,因此, 某一个企业或行业所认为的大数据, 可能对于另一个企业或行业就不再是大数据, 对于大的电子商务企业, 它们眼中的大数据要比小厂商眼里的大数据 “大”得多; 同时, 大数据也会持续地演进, 现在被我们认为庞大和恐怖的数据在10年之后只是小事一桩, 但那时候将会有那个时代的新数据源。 然而, 面对这些源源不断出现的 “大数据” , 哪些事情是希望从中发掘机会的企业需要注意的?
新数据源是核心
我认为, 大数据的三个 “V” 特征,即Volume (规模) , Variety (种类) , 和Velocity (高速度) , 这些只是大数据的第二位要素。 大数据真正重要的 “V” 是Value(价值) 。
那么是什么带来了 大数据的价值?
答案是新的数据源。
过去, 获取网络浏览数据的技术门槛和成本都很高, 而现在获取这些数据已经很容易, 企业可以通过了解消费者浏览数据中展示的偏好以及未来购买倾向, 来给他们推出最合适的折扣优惠。这都是新数据源的力量,这才是大数据的价值核心。
但在我和客户的沟通实践中, 常常发现: 大多数时候, 人们都将精力投注在如何在 “大数据” 时代优化处理模型, 或者升级技术装备以希求能提升分析的效果。
但是我认为, 真正能提升分析效果的方式, 是搜集并加入完全崭新的信息源。一旦新的、 和从前不同的数据源出现并且能够被收集, 你最好将自己的注意力转到这些新的数据上去——比起你将精力放在模型优化上, 新的数据源将能带来更大的收获。 因此, 在大数据时代, 我的建议就是, 将你的精力放到不断寻求新的数据源上吧。 如今很多企业都会有很多新的数据源, 如果正确使用的话, 它们会带给企业非常有竞争力的优势。
小步快跑式
对大数据的另一个误解是, “大数据其实就是一个技术问题” 。
事实上90%以上的企业可以用他们90%的现有需求和技术、 工具来解决现在的大数据问题。 企业并不是缺乏解决这些大数据难题的工具、 技术甚至人才, 他们真正面临的问题是, 如何在公司建立一个和大数据相匹配的文化与流程, 是缺乏对技术做投资的公司文化, 他们的挑战是做出一个商业案例来证明技术升级是有价值的。
为了促进公司文化的转变, 我更建议一种 “小步快跑” 的运作方式, 即在处理新数据源的过程中, 企业内部的分析专家们应该积极寻找代价小、 见效快的方法,不断向企业展示一些有价值的东西, 来让人们保持对新数据源处理过程的兴趣。 一个跨部门的大数据团队一定不能在组建一年之后, 还对外宣称他们 “正在试图搞明白” , 要不时地迸发出想法, 不管这一想法多么微小, 然后迅速采取行动。
另外一个建议是, 建立类似“创新中心” 这样的地方, 就是公司内部拿出少量的预算、 人力资源、 技术资源来做一些有一定未知风险的小实验, 以小预算做试点, 便于企业快速出击。
总的来说, 大数据将为企业提供更多视角和洞察, 通过和其他企业数据的结合, 消费者洞察无论从数量还是质量上都会有指数级增长, 因此最重要的一点, 是大数据策略必须和其他数据结合形成整体数据战略, 而不是独立的战略。
90%以上的企业可以用他们90%的现有需求和技术、 工具来解决现在的大数据问题。 企业并不是缺乏解决这些大数据难题的工具、 技术甚至人才 , 他们真正面临的问题是, 如何在公司建立一个和大数据相匹配的文化与流程。
虽然眼下十分火热, 然而 “大数据” 概念并没有明确的范畴, 对大数据的定义只是相对于当前可用的技术和资源而言的,因此, 某一个企业或行业所认为的大数据, 可能对于另一个企业或行业就不再是大数据, 对于大的电子商务企业, 它们眼中的大数据要比小厂商眼里的大数据 “大”得多; 同时, 大数据也会持续地演进, 现在被我们认为庞大和恐怖的数据在10年之后只是小事一桩, 但那时候将会有那个时代的新数据源。 然而, 面对这些源源不断出现的 “大数据” , 哪些事情是希望从中发掘机会的企业需要注意的?
新数据源是核心
我认为, 大数据的三个 “V” 特征,即Volume (规模) , Variety (种类) , 和Velocity (高速度) , 这些只是大数据的第二位要素。 大数据真正重要的 “V” 是Value(价值) 。
那么是什么带来了 大数据的价值?
答案是新的数据源。
过去, 获取网络浏览数据的技术门槛和成本都很高, 而现在获取这些数据已经很容易, 企业可以通过了解消费者浏览数据中展示的偏好以及未来购买倾向, 来给他们推出最合适的折扣优惠。这都是新数据源的力量,这才是大数据的价值核心。
但在我和客户的沟通实践中, 常常发现: 大多数时候, 人们都将精力投注在如何在 “大数据” 时代优化处理模型, 或者升级技术装备以希求能提升分析的效果。
但是我认为, 真正能提升分析效果的方式, 是搜集并加入完全崭新的信息源。一旦新的、 和从前不同的数据源出现并且能够被收集, 你最好将自己的注意力转到这些新的数据上去——比起你将精力放在模型优化上, 新的数据源将能带来更大的收获。 因此, 在大数据时代, 我的建议就是, 将你的精力放到不断寻求新的数据源上吧。 如今很多企业都会有很多新的数据源, 如果正确使用的话, 它们会带给企业非常有竞争力的优势。
小步快跑式
对大数据的另一个误解是, “大数据其实就是一个技术问题” 。
事实上90%以上的企业可以用他们90%的现有需求和技术、 工具来解决现在的大数据问题。 企业并不是缺乏解决这些大数据难题的工具、 技术甚至人才, 他们真正面临的问题是, 如何在公司建立一个和大数据相匹配的文化与流程, 是缺乏对技术做投资的公司文化, 他们的挑战是做出一个商业案例来证明技术升级是有价值的。
为了促进公司文化的转变, 我更建议一种 “小步快跑” 的运作方式, 即在处理新数据源的过程中, 企业内部的分析专家们应该积极寻找代价小、 见效快的方法,不断向企业展示一些有价值的东西, 来让人们保持对新数据源处理过程的兴趣。 一个跨部门的大数据团队一定不能在组建一年之后, 还对外宣称他们 “正在试图搞明白” , 要不时地迸发出想法, 不管这一想法多么微小, 然后迅速采取行动。
另外一个建议是, 建立类似“创新中心” 这样的地方, 就是公司内部拿出少量的预算、 人力资源、 技术资源来做一些有一定未知风险的小实验, 以小预算做试点, 便于企业快速出击。
总的来说, 大数据将为企业提供更多视角和洞察, 通过和其他企业数据的结合, 消费者洞察无论从数量还是质量上都会有指数级增长, 因此最重要的一点, 是大数据策略必须和其他数据结合形成整体数据战略, 而不是独立的战略。