企业大数据如何起步:从小数据到大数据

目前国内外关于大数据的谈论很多,大多是谈运营级别的,或者说从服务端、服务方提得较多一些。笔者要跟大家交流的问题是作为各类企业尤其是客户方的企业来说,大数据跟他们有什么关系,或者说作为企业方怎样去参与,这是企业方现在面临的最大问题。

 

这个问题的答案重点在于大数据应该从小数据开始。因为现在很多企业面临的最大问题不是怎么用大数据,而是内部的一些小数据整合出现问题,或者小数据都没用好的情况下怎么用大数据。大数据应该是从小数据逐渐演变上去的,是一个正常的生态,而不是瞬间变化的。大数据这个概念跟自媒体的概念类似,需要企业自己去建设,而不是从一开始就想着依靠别人。很多企业在谈自媒体的时候,像谈别人的事情一样。比如一谈自媒体,就觉得那是第三方提供的一个平台,大家在那儿发发牢骚。自媒体是自己的媒体,企业自己也要参与进去。同样大数据不是别人的大数据,我们假设有一个第三方提供了大量的数据,有很多很多信息,CI、BI之类的很多模块化东西供我们来用。如果这样的话,你有,竞争对手也有,你能得到的东西,竞争对手也能得到的情况下,就不能称之为核心竞争力。大数据作为企业来说要变成自身的一个竞争力,企业必须得建立自己的企业级的数据。
 
要做大数据,首先要了解自己的企业,或者自己所在的行业的核心是什么。我们现在经常发现,有很多企业在竞争的过程中,最终不是被现在的竞争对手打败,而是被很多不是你的竞争对手所打败。很简单的一个例子,大家都认为亚马逊是做电商的,但这是错的,它现在最主要的收入来自于云(云服务)。也就是说企业需要找到自己的核心数据(价值),这个是最关键的。只有在这个基础上,建立自己的大数据才有可能,才能做一些延伸。其次,要找到内部的一些外围相关数据,去慢慢地成长它。有点像滚雪球,第一层是核心,第二层是外围相关的数据。第三层是什么?就是外部机构的一些结构化数据。第四层是社会化的,以及各种现在所谓的非结构化的数据。这几层要一层一层地找到它,而且要找到与自己相关的有价值的东西。这样你的大数据才能建立起来。
 
第一步,找到核心数据。核心数据现在对很多企业来说实际上就是CRM,自己的用户系统,这是最重要的。
 
第二步,外围数据。比如企业经常会在线上线下举办一些活动,在做活动的时候,消费者的信息只是简单地提供在表单里面,还是进入了CRM的系统里?
 
第三步,常规渠道的数据。举例来说一个销售快销品的企业,能不能够得到沃尔玛的数据,家乐福的数据?很多国外大数据的案例,说消费者买啤酒的时候也会购买剃须刀之类,或者一个母婴产品的消费者她今天在买这个产品,预示着她后面必然会买另一个产品。这就有一个前期的挖掘。这些价值怎么来的,这就需要企业去找常规渠道里面的数据,跟自己的CRM结合起来,才能为自己下一步做市场营销、做推广、产品创新等建立基础。
 
第四步,外部的社会化的或者非结构化的数据,即现在所谓的社会化媒体数据。这方面信息的主要特征是非结构化,而且非常庞大。这对企业来说最大的价值是什么?当你的用户在社会化媒体上发言的时候,你有没有跟他建立联系?这里有个概念叫做DC(digital connection)。所谓的互联网实际就是一种DC,但是通常互联网上的那种DC是在娱乐层面。用到商业里面的话,就是企业必须得跟消费者建立这种DC关系,它的价值才能发挥出来。否则,你的数据以及很多的CRM数据都是死的。就像国外CRM之父Paul Greenberg写的四本CRM相关书籍,前面三本都是在讲数据库、系统之类的。第四本书的时候,就没有再讲那些东西,讲什么?讲互动,讲DC,讲怎么跟消费者建立关系。
 
有了这个数据库去进行数据挖掘,或者在建立数据的过程中,企业需要从什么方向去探索,也不是漫无目的的。首先应该跟着你的业务,业务现在有哪些问题,或者说这个行业里面主要的竞争点在哪里,这是很关键的。有了这个业务关系以后,再形成假设,也就是说未来的竞争点可能在哪里,大到未来的战略竞争,小到哪些方面。然后下一步要怎么做,这些形成一个假设,其次做一些小样本的测试。很多企业一看大数据就很恐怖,说我也买不起那些大数据,也雇不起那么专业的团队,怎么办?自己做一些小样本的测试,甚至通过电子表格Excel都可以做数据挖掘。不一定非要那么庞大、那么贵的数据。然后再做大样本的验证,验证出来的结果就可以应用到现实中去。
 
在大数据尤其是互联网时代还有一个最重要的点,就是失效预警。即你发现一个规律,在现实中应用了,但是你一定要设立一些预警指标。就是当指标达到什么程度的时候,之前发现的规律失效,那你就必须发现新的、相关的,否则也会造成一种浪费。笔者看到一篇文章,其中有一个重要结论。大家都在说大数据的价值很有用的时候,很多企业说我积累了多少TB,多少PB,但是你基于老的数据得出的很多结论实际是在浪费你的资源。你挖掘出来很多数据、很多规律,如果错了,明天按这个去做,就是浪费。因此需要有一个失效预警。在这样的过程中,最终你需要对应建立起内部团队,他们对数据的敏感度也才能培养起来。这时候你再去买大数据服务的时候才是有价值的。
 
所有这些工作作为企业来说是需要内部去做的,最终才能开花结果,有一些收获。企业大数据起步,要从小数据开始。

原文发布时间为:2014-03-08


时间: 2024-09-21 10:20:06

企业大数据如何起步:从小数据到大数据的相关文章

大数据如何起步?从小数据到大数据

要做大数据,首先要了解自己的企业,或者自己所在的行业的核心是什么.我们现在经常发现,有很多企业在竞争的过程中,最终不是被现在的竞争对手打败,而是被很多不是你的竞争对手所打败.很简单的一个例子,大家都认为亚马逊是做电商的,但这是错的,它现在最主要的收入来自于云(云服务).也就是说企业需要找到自己的核心数据(价值). 目前国内外关于大数据的谈论很多,大多是谈运营级别的,或者说从服务端.服务方提得较多一些.笔者要跟大家交流的问题是作为各类企业尤其是客户方的企业来说,大数据跟他们有什么关系,或者说作为企

Informatica但彬:企业应以主数据为筋串起大数据

ZDNet至顶网软件频道消息:数据已经成为21世纪全新的自然资源,如何将主数据管理解决方案作为大数据背景下的企业数据治理工具,是摆在CIO面前的一大课题.行之有效的主数据管理不仅能够提升企业的数据质量,更可以和大数据技术紧密结合. Informatica大中国区首席产品顾问但彬在接受ZDNet独家采访时指出,主数据和大数据的核心都是数据,但它们的关注点有所不同:大数据关注于数据的量和数据的类型,而主数据则更关注于数据的质量.主数据侧重于数据的组织,而大数据则提供了更多的原材料,企业应以主数据为中

大数据发展详解:从小样本到大数据,从理论到价值

从小样本到大数据:概念与误区 在最近这两年所产生并记录的数据总量已经占到了人类文明从开始以来的所有数据总和的90%.我们一直不停地记录着一切有价值的信息,世界和万物的变化数据形成了一座"自动生长"的金矿,数据挖掘技术则负责从矿山中挖出金子. "大数据"这个词早期是IBM和EMC鼓吹的一种商业概念,自诞生之日就有概念包装的商业基因.明白这一道理就不会过分纠结"到底什么是大数据","多大数据算大数据"之类的问题.这一概念包含了我们

鲁四海解读中国大数据发展10大趋势5大挑战 —— 首席数据官联盟2016《中国大数据企业排行榜》发布会实录

2016年7月14号,首席数据官联盟在京发布了2016年<中国大数据企业排行榜>.本次发布的<中国大数据企业排行榜>由北京大学电子政务研究院.中国新一代IT产业推进联盟共同指导,由首席数据官联盟专家组依据大数据企业评价指标体系对国内大数据企业进行综合评定.与此同时专家组还总结出了中国大数据发展的10大趋势和5大挑战.此次<中国大数据企业排行榜>得到业界的大力支持,发布会由中华网.中关村智能硬件产业联盟.北京优智活孵化器协办.机械工业信息中心处长白涌如.北京大学电子政务研

提升企业核心竞争力三大要点:解决方案、大数据、运维和混合云

本期采访嘉宾--刘澍泉 (炳烛),<解决方案专场>出品人. 2016云栖大会深圳峰会,点击报名! 刘澍泉:策划这个论坛的初衷是让云计算更加亲民,让用户插上云的翅膀,越飞越高.在深圳这个新型城市,是科技创新的代表,我们会更关注互联网创新领域,类似于在线视频,大数据创新和基因.渲染等新兴领域的解决方案. 刘澍泉:从企业的CEO角度去看,什么是核心竞争力?解决方案是专业场景,大数据是新兴企业的核心能力或者说面向未来的盈利能力:运维和混合云是降低客户成本.一个成长性好的企业,一定是盈利能力和成本控制两

从小数据分析到大数据平台,这十几年来大数据开源技术是如何演进的?

首先,介绍两个使用案例. 第一个是OLTP流程,主要指的是整个商业应用和流程.我们会收集交易数据,在业务过程当中收集数据,比如要销售一些网上产品,可能希望把每一单都能够记录下来. 第二个主要案例是OLAP,主要指的是分析数据,我们让所有收集的数据能够有意义,可以帮助我们生成报告,根据数据分析,进行业务决策.这个应用场景下,我们会把一些数字,比如说收益,将整个数据维度Dimensions以及Measures和数据整合在一起. Small Data Analytics 在一个小数据里可以做以上两个应

首席数据官联盟发布2016中国大数据企业排行榜

7月18日消息,首席数据官联盟在京发布了2016年<中国大数据企业排行榜>.本次发布的<中国大数据企业排行榜>由北京大学电子政务研究院.中国新一代IT产业推进联盟共同指导,由首席数据官联盟专家组依据大数据企业评价指标体系对国内大数据企业进行综合评定.与此同时,专家组还总结出了中国大数据发展的10大趋势和5大挑战. 其中十大趋势包括:(1)首席数据官崛起:(2)可视化推动大数据平民化(3)智能化嵌入(4)机器学习迎来上扬态势(5)开源应用加速(6)数据服务逐渐形成规模(7)算法市场兴

“中关村大数据人才千人计划”助力大数据企业人才需求

伴随移动互联网.智能终端.云计算.物联网技术的发展,数据呈现爆炸式增长,大数据时代正向我们逐步展开一场意义深远的数据革命,对全球整合经济时代的业务和服务产生深远的影响.大数据已经不再局限于技术领域,而是已经成为组织机构一项优先考虑的技术创新,因为它除了能够应对长期存在的业务挑战之外,大数据还为流程.组织.整个行业.甚至社会本身的转型激发了许多新的方式.国内各行业也都在积极投身到大数据应用的浪潮中,迎接"互联网+"带给我们的机遇和挑战.在大数据时代,企业之间正在为了吸引并留住大数据专业人

大数据环境下该如何优雅地设计数据分层

发个牢骚,搞大数据的也得建设数据仓库吧.而且不管是传统行业还是现在的互联网公司,都需要对数据仓库有一定的重视,而不是谈一句自己是搞大数据的就很厉害了.数据仓库更多代表的是一种对数据的管理和使用的方式,它是一整套包括了etl.调度.建模在内的完整的理论体系.现在所谓的大数据更多的是一种数据量级的增大和工具的上的更新. 两者并无冲突,相反,而是一种更好的结合. 话说,单纯用用Hadoop.Spark.Flume处理处理数据,其实只是学会几种新的工具,这是搞工具的,只是在数据仓库中etl中的一部分.