当前位置:
首页 > 互联网+ > 大数据 > 不懂大数据,是一种病(《商业评论》精粹)pdf/doc/txt格式电子书下载

不懂大数据,是一种病(《商业评论》精粹)pdf/doc/txt格式电子书下载

本站仅展示书籍部分内容

如有任何咨询

请加微信10090337咨询

不懂大数据,是一种病(《商业评论》精粹)pdf/doc/txt格式电子书下载

书名:不懂大数据,是一种病(《商业评论》精粹)pdf/doc/txt格式电子书下载

推荐语:

作者:商业评论著

出版社:浙江出版集团数字传媒有限公司

出版时间:2018-05-23

书籍编号:30412845

ISBN:

正文语种:中文

字数:17397

版次:1

所属分类:互联网+-大数据

全书内容:

不懂大数据,是一种病(《商业评论》精粹)pdf/doc/txt格式电子书下载





编者寄语


不懂大数据,是一种病


随着云时代的来临,大数据(Big data)也吸引了越来越多的关注。大数据并不在“大”,而在于“有用”,对于很多企业而言,如何利用大规模数据是赢得竞争的关键。在本期,我们选取了与大数据有关的几个重要领域,带给大家一席“大数据盛宴”。


首先,我们有必要了解“大数据”的真正含义。在《大数据为何这么热》一文中,本刊驻美高级编辑高级编辑埃里克·麦克纳尔蒂特地采访了该领域的专家——哈佛商学院客座教授托马斯·达文波特。


很多公司领导都看到了大数据的价值,但他们同时也看到将大数据理念转化为行动并非易事。《大数据,走起》的作者提出了一个简单而有效的周期性框架——SWAT框架,能够帮助公司领导将大数据转化为行动情报。管理者应当从小处着手,反复运用SWAT框架,快速取得一些小成就,以便向管理层展示你挖掘的行动情报是值得投资的。


大数据为销售人员提供了加深了解客户并预见客户需求的机会。销售人员在客户进店之前就能了解关于该客户的所有细节。他们会为客户提供购买建议,进行有针对性的销售。但是,获取客户数据的零售商需要警惕:在提供个性化服务的同时,不侵犯客户隐私。(参见本刊《别让你的大数据吓着客户》)


如今,虽然许多公司感觉自己已经走向了数字化,它们使用了CRM软件、遥感技术、网络通信、社交媒体等多种数字手段,但谈到如何利用数字技术来创造新的价值和收入,它们仍是新手。《创造数字化优势》一文指出了创建数字化优势的正确之路——公司需要以创新的方式来组合实体资源和数字资源,从中创造出新的能力,开拓价值和收入的新来源。文中总结了五种数字化模式——自动、应用、伴随、增强、抽象。每种模式在战略规划、客户、运营或财务影响上的重心不同,需要组合在一起使用。公司应当根据自己的战略目标和需求,选择最合适的模式。


大数据不仅信息更丰富、分析更精准,而且还能真正实现向数据驱动决策的模式转变。也就是说,我们可以从现成数据中获得洞见。大数据的兴起,会让大家更加重视所有类型的数据——包括传统数据和实验、数字化数据、交易数据以及非结构化数据。收集、重整、处理、诠释和运用所有数据的能力,将成为公司的一项核心能力。(参见本刊《大数据之船,你登上了吗》)


不懂大数据,是一种病(《商业评论》精粹)pdf/doc/txt格式电子书下载

前瞻思维


大数据为何这么热——专访哈佛商学院客座教授托马斯·达文波特


■采访者:埃里克·麦克纳尔蒂(Eric J.McNulty)


大数据”(Big Data)已成为全球商界热议的时髦词语。它被说成是下一个战略要务。为了理解这个词的含义,避免被炒作蒙蔽,本刊驻美高级编辑埃里克·麦克纳尔蒂特地采访了哈佛商学院的客座教授托马斯·达文波特(Thomas H.Davenport)。达文波特同时也是百森商学院(Babson College)信息技术学杰出教授,国际数据分析研究所(International Institute of Analytics)的研究主任和创建人之一,并为德勤分析(Deloitte Analytics)担任资深顾问。在企业技术的战略意义方面,他是全世界最杰出的专家之一。


达文波特教授,“大数据”究竟指的是什么?


首先,我想坦言我并不喜欢“大数据”这个词。如果不跟“中数据”、“小数据”比较,就难以理解“大数据”的含义,但没人会说“中数据”和“小数据”。而且大数据往往有多种所指,这些所指不会在某个特定情景中全部出现。不过一旦一个术语流行开来,我们就只有继续使用它了。我觉得,把大数据称为“多元化数据”(Diverse Data)或“混合数据”(Mash-up Data)会更准确些。


不懂大数据,是一种病(《商业评论》精粹)pdf/doc/txt格式电子书下载


托马斯·达文波特


大数据是指利用广泛信息源来推动实时决策的做法。它的特征可以用3个“V”来描述:数量(Volume,有大量数据)、速度(Velocity,数据变化很快)以及多样性(Variety,数据源有内部的和外部的,系统的和散乱的)。有时还有第4个V:真实性(Veracity,反映数据质量)。


请为我们这些门外汉再具体解释一下。


简单地讲,企业可获取的信息量正在暴增。有传统的信息来源,如交易记录、存货数据、调查答卷,以及营销回复率等。现在还出现了越来越多的非传统信息源,如互联网、移动设备应用软件、社交媒体平台,以及各种嵌入技术。一些数据归你所有,一些是公共数据,一些则属于别人。


大数据工作者力求将这些分散的数据流巧妙地整合起来,从中获得有用的战略见解,帮助企业更明智、更快速地做决策,并获取更大的竞争优势。


比方说,一家农产品公司可能会参考农场主的实时订单、存货水平、竞争情报、当地天气预报、农作物价格、消费趋势,为不同市场制订具体的、有针对性的促销方案,并微微调整自己的供应链。在没有应用大数据之前,公司可能只看其中一两项信息源,制订一个泛泛的季节性促销策略,然后就只有期待最好的结果了。如果把大数据用好,你就有提升收入和利润的巨大潜力。


大数据应该被列为CEO的重点工作事项吗?


当然应该。这不是哪一个部门单独的事。创建大数据能力是一项重要的战略工作。CEO需要与他的高管团队共同思考大数据对整个公司、公司战略以及公司商业模式而言意味着什么。要实现大数据的潜力,可能还需要公司对某些部门进行重组,重新调整各项激励措施,并且引进新的人才。


我与大数据领域的各位带头人交谈所获知的一项信息是,大数据与传统的分析方法完全不同。大数据不仅仅指的是超大容量或特别增强的分析,它还涉及特殊的技能和截然不同的思维模式。大多数CEO甚至首席信息官(CIO)都不具备这样的经验和专业技能。他们需要恶补一下这方面的知识。


大数据与传统分析有哪些不同?


传统分析注重分析内部数据。传统分析做得好,就意味着能找到合适的数据,提高并证实数据的质量,然后通过筛选数据找到供决策参考的点子。而大数据则延伸到公司之外,将所有相关数据不计来源尽可能地结合起来。大数据涉及的不只是分析,还有同样重要甚至更重要的数据管理。你必须知道从哪里找到需要的数据,如何组织这些数据以便管理和分析它们,如何将这部分数据与其他所有信息流整合在一起——而不是淹没在庞大而复杂的数据洪流中。


从事分析的专业人士一般都是学统计或数学出身。他们是传统分析师,在他们看来工作成果就是出报告或做演示。大数据分析师则被视为“数据科学家”。其中有些人也具有相似的教育背景,但很多都是物理学家和生物学家这样的科学家。而且我还发现他们热衷于参加实际行动——涉足新产品或服务的创新。他们实质上是具有深厚的数据管理与分析技能的商业人士。


优秀的数据科学家是珍稀商品。最近有篇文章称数据科学家是“21世纪最诱人的职业”。通用电气公司(GE)的CEO杰弗里·伊梅尔特(Jeffrey Immelt)已公开承诺要聘用尽可能多的数据科学家。看到大数据潜力的公司将竭尽全力争夺顶尖数据专家。有的公司会内部培养这样的人才,有的则想方设法从其他公司挖人。


大数据所包含的硬件和数据大都是同质化的商品。人才将成为决定公司领先或落后的关键因素。


任何一家公司都有机会成为大数据的领头羊吗?


是的。那些已经具备分析实力的公司可能有一定优势,因为它们原本就是以数据为导向。不过也没有什么理由能阻碍一家公司突然进军大数据领域。基本的计算能力可以通过诸如亚马逊公司(Amazon.com)这样的“云计算”(cloud computing)供应商获取,因此你并不需要在硬件方面投入很多。你需要投资的是合适的人才、软件和数据。


我知道美国有一家水泥公司通过运用大数据走向价值链的高端。搅拌水泥的方法很多很多——有成千上万种不同的方法。这家公司将环境影响数据与传统的产品数据结合起来,并让顾客和销售人员看到这些数据。现在,它提供的不再是同质化产品,而是差异化产品。它不再是用低价来打动采购经理,而是让建筑师和设计师根据产品结构和环境绩效数据指定它的产品。这是通过大数据实现的一次业务变革。


如果你能在水泥生产上做到这一点,那你也能在任何事情上做到。


■翻译:翁乐天


关注“商评小微”(微信号:xmi8607),即刻拥有你的企业家交流圈。


不懂大数据,是一种病(《商业评论》精粹)pdf/doc/txt格式电子书下载


更多精彩内容,请关注“商业评论精选”微信公众号


不懂大数据,是一种病(《商业评论》精粹)pdf/doc/txt格式电子书下载


不懂大数据,是一种病(《商业评论》精粹)pdf/doc/txt格式电子书下载


大数据,走起


■基思·卡特(Keith Carter)


球的商界领袖正在意识到大数据带来的战略优势。在新加坡最近召开的一次全球大数据会议上,同我交谈的很多公司领导都看到了大数据的价值,但他们同时也看到将大数据理念转化为行动并非易事。


我曾担任美国一家全球奢侈化妆品公司供应链情报部(Supply Chain Intelligence)的主任。当时我们采取的一个成功策略是建立一个“行动情报”(Actionable Intelligence)的共享服务小组。


该小组向供应链卓越中心(Supply Chain Centre of Excellence)的高级副总裁汇报工作,旨在改善库存管理和客户服务。尽管该小组负责的是供应链,但是共享服务支持所有的业务部门,包括财务部、营销部、质量保证部和客户服务部。


你们公司可能也需要为销售部、营销部或财务部等其他部门提供帮助。为了获得最佳效果,你可能需要先选择有以下特点的部门:


·能认识到行动情报前景的领导。


·关键的业务需求非常清晰,但缺乏改善状况的事实。


·有资源和时间建立获取大数据的能力。


·在确定了部门、地点和资源之后,下一步要做的就是建立正确的流程。


不懂大数据,是一种病(《商业评论》精粹)pdf/doc/txt格式电子书下载


(返回原文阅读)


SWAT框架


副栏“SWAT框架”描述了一个简单而有效的周期性框架,能够帮助公司领导将大数据转化为行动情报。


该SWAT框架分为四个阶段:


S——战略性业务问题(Strategic Business Questions)


每家公司均有其优先事项和总体战略,在执行任何大数据战略时都必须充分考虑这些事项。作为公司领导,应当理解大数据与公司整体战略之间的密切关系。


根据公司的战略优先事项,相应地部署大数据的应用。不要试图搜集所有数据,而是要把重点放在紧要事情上,以战略性业务问题为指导。


W——驾驭数据(Wrangle Data)


尽管很多人一直支持大规模收集数据,但我不敢苟同。首先,数据收集必须把重点放在关键的战略性问题上。这样,数据收集小组才能够有能力收集合适的数据并审查数据的质量。


要想获得高质量的见解,就必须收集高质量的数据。因此,在收集数据之前,先要考虑以下几个问题:


·我到底需要什么样的数据才能回答战略性业务问题?


·我在哪里找到这些数据?


·需要什么IT基础设施、工具和政策?


·我的团队里有哪些成员具备分析数据所需的专业技能?


·我该如何低成本、高效率地分配数据分析工作?


A——可视化答案(Answer with Visualisation)


套用拿破仑的话,“一张好图胜过千言万语”。如果Excel电子表格上的原始数据未经处理,会很难从中得出有用的见解。


幸运的是,通过数据可视化领域的创新,研究人员已经开发出了Qlikview等分析工具。借助这些工具,管理者能够很方便地制作简洁的管理仪表板和报告。


此类工具的应用使得公司能够获得期望的结果。但由于流程对于分析的成功至关重要,因此在使用这些工具的过程中,一定要同公司相关人员定期召开设计会议,并提出以下问题:


·如何使用答案?


·如何更改标准操作流程?


·是否标出了关键问题,以便做进一步的评估?


T——采取行动(Take Action)


当得出由优质数据支持的可视化答案后,我们就可以步入采取行动的阶段了。此时,要同项目负责人审查答案,同时决定该采取哪些短期和长期行动,包括:


·现在需要采取什么行动?


·我们能否牢牢抓住所获取的价值?


·为了基于事实做决策,是否需要改变当前的流程和组织结构?


这些问题将不可避免地引发更多深层次的问题,那么就要再次使用SWAT框架来获取答案。通过反复使用SWAT框架,便能持续、快速地找到行动情报。


小试牛刀


UPS流程管理主任杰克·利瓦伊(Jack Levi)创建了ORION(线路整合优化和导航)项目。在他的手下有一个数学家团队,他们创建算法,帮助UPS的驾驶员合理规划路线,每年节省的行车里程达数百万英里。


当利瓦伊一开始提出该项目时,UPS管理层和那些驾驶员均持怀疑态度。有鉴于此,利瓦伊让驾驶

....

本站仅展示书籍部分内容

如有任何咨询

请加微信10090337咨询

本站仅展示书籍部分内容
如有任何咨询

请加微信10090337咨询

再显示