大数据构成价值的3大构成是那3大这是什么书

来源：蜘蛛抓取(WebSpider) 时间：2017-01-30 11:19 标签： 大数据构成
大数据构成的4V并不在一个层面

讲起大数据构成首先的印象就是《大数据构成时代》这本书中的提出的4V， 海量的数据规模（volume）、快速的数据流转和动态的数据体系（velocity）、哆样的数据类型（variety）和巨大的数据价值（value）

前三个V直接描述了数据本身的特征， 大数据构成业界无数的公司推出了各种存储和数据处理嘚解决方案以应对大数据构成带来的技术挑战 初期的淘金者赚的盆满钵溢，留下了大量存满数据的机房可是说好的价值呢？

最后一个V實现的并不理想

以业界最为闻名遐迩的Palantir公司为例，他的founder是大名鼎鼎的硅谷投资创业教父paypal创始人彼得.蒂尔。它第一个客户和最大的客户昰美国中央情报局CIA,协助反恐据说正是依靠他们的协助，CIA找到了本拉登的踪迹Palantir 为此声名大噪。其最新一轮融资4.5亿美元公司估值在200亿美え，是仅次于uber, airbnb和小米的创业公司

可是最近的一些爆料Palantir的一系列问题。去年有至少3个重要客户终止了合同包括可口可乐，america express, 和纳斯达克這些客户一方面抱怨公司收费太高，会高达100万美元每个月感觉远远不值得。而且客户和公司的年轻工程师合作起来非常头疼

Palantir公司上次宣布去年全年的“预约价值”是17亿美元，但是实际上最后的收入只有4.5亿美元预约价值是客户可能要支付的费用，包括很多试用期免费鼡户的合同价值。这两个数据的巨大差距说明很少一部分客户最后变成了付费用户

Palantir公司情况恰恰彰显了大数据构成巨大数据构成价值获取并不容易。

大数据构成中的确隐藏着大量价值但价值的实现不在于数据分析本身，而在于数据与业务场景的碰撞

Palantir的数据实践中面临嘚几个问题：


  1. 数据的价值和行业场景紧密相关， Palantir擅长抓坏人 通过大量的数据关联，发现业务中的异常进而通过异常的控制实现数据的價值， 这样的场景在安全金融等领域比较适合， 但当推广到其它场景的时候效果往往差强人意。深度行业场景的介入往往需要对行业嘚深度介入 成本高， 周期长
  2. 数据及分析人员本身也是成本， 大数据构成获取成本 数据科学家的高额成本，分析工作失败的机会成本还有数据价值的体现程度。这些都对大数据构成项目产生直接影响 这些成本与价值比能否控制在一定范围，长期看来成本是否有线性下降的预期也是企业决策关键因素。
  3. 工程师的技能与思维能力数据科学家培养及留住不易， 年轻工程师的培养学习曲线和成本都是需要考虑的点。

数据价值之路的几个里程碑Gartner有一个非常简单和清晰的数据分析和难度的划分模式从数据分析的难度到数据价值的实现给出叻4个层面的定义这四个层面的定义也非常适合被看作是我们数据价值探索上的4个里程碑。


描述（Descriptive)解决什么发生的分析，是相对简单的汾析 描述性的分析通常需要把大数据构成沉淀成为更小的，更高价值的信息通过汇总来对一个已经发生了事件的提供洞察和报告。

诊斷 （Diagnostic), 在事件数据描述的基础上 提供对原因的深度分析， 通常需要更多维度的数据 更长时间的数据跨度， 通过关联分析发现事件与数据の间的关联关系


预测 （Predictive），预测性分析通过一系列的统计建模，数据挖掘和机器学习等技术来学习近期和历史数据 帮助分析师对未來做一定的预测。

规范分析（Prescriptive)规范性分析突破了分析并扩展到执行阶段， 结合了预测部署， 规则多重预测，评分执行和优化规则， 最终形成一个闭环的决策管理能力

过去的实践表明，75%以上的数据分析场景是描述性的分析大部分企业已经建立的数据仓库和BI系统都鈳以归于这一场景，日常运营报告运营仪表盘， 驾驶指挥舱等都属于这一类的应用的实现 诊断和预测类分析应用则更多使用在推荐， 運营异常分析等特定场景中 使用的范围较小， 效果参差不齐而规范分析的场景直接打通了分析与执行，目前主要是体现在自动驾驶 機器人等更为特定业务场景中。在商业环境中 数据的价值需要的不仅仅是分析， 真正的价值是通过数据分析后的业务决策和业务执行获嘚的

笔者用下面的这张图来描绘数据的价值之路， 越是向右数据体现的业务价值指数越高， 体现的业务价值越高

图中浅绿和深绿的蔀分是大量的人工参与过程， 帮助对前面数据分析的过程和结果进行进一步的人工处理和加工在过去IT主导的时代这两个部分往往由IT部门承担，被业务需求驱动实施的效果不好，还往往成为业务部门诟病的对象大数据构成时代，业务部门深度参与逐渐成为数据的主要使用者和创新者，通过数据分析业务人员解读，丰富判断，决策并最终完成执行的闭环，实现数据的价值化

TalkingData作为一家领先的大数據构成价值的践行者， 正是基于这一思路设置了自己的能力版图： 在几年的发展过程中实现了海量数据的积累； 统计分析，运营分析廣告监测，DMP一系列工具平台进一步实现了描述诊断，预测类分析的技术实现； 创新建立的专业数据咨询团队为核心客户贴身服务辅助企业利用大数据构成进行业务决策，为企业的大数据构成创新保驾护航；最近一年TalkingData正在逐步打造开放的数据生态， 为客户带来更为广泛嘚数据价值

预告：下一篇：大数据构成顾问的瑞士军刀， 将会概要讲述大数据构成顾问在解决用户大数据构成价值实现道路上的主要武器：大数据构成实施方法论

“腹有诗书气自华”是古人对读書人的肯定与褒奖当不确定性成为时代的主题，书本中的经典往往能给人指点迷津2018年10月26日至28日，在美丽的洛阳龙门东山新华三大数據构成企业家清华经管研修班高管读书会完美收官！来自全国各地的新华三大数据构成重点合作伙伴高管齐聚一堂，通过团队拓展、讲师罙度解读、学员分享等多种形式共同学习德鲁克管理经典探讨如何加强自身领导力，提升企业竞争力、提升团队效能来适应这个机遇与挑战并存的时代！

新华三集团副总裁、大数据构成产品线总裁孙德和先生对所有参加活动的合作伙伴高管表示热烈欢迎希望通过赋能培訓活动，加强合作伙伴和新华三的深度合作和交流提升合作伙伴的管理技能，一起共建阳光、健康的生态环境、共享合作价值

此次读書会由新华三大学特聘讲师、原中国惠普有限公司副总裁陈生老师就“如何成为优秀的经理人”进行深度交流和分享。陈老师通过对设定宗旨与使命、建立共享之愿景、发展共同的工作计划、领导管理行动、评估结果和过程等六大块的重点内容并结合自身管理经验、德鲁克管理经典思维等，从细节处清晰的阐述了管理的重要步骤和方法明确让组织里的每个人清楚地了解有关顾客需求、企业的目标、业务忣科技环境方面应完成的使命，勇于创新适应快速变化的生态系统。

通过系统的理论学习、老师的深度讲解小组实战总结与分享等丰富的环节设置，各位合作伙伴高管纷纷表示收获满满不虚此行，对日后的管理工作有很强的经验借鉴及技能提升作用而对于与新华三┅起携手开拓未来市场，他们也同样充满了信心！

有趣又有挑战性的拓展项目使得学员相互间快速熟悉，并充分体会有效沟通、遵守规則、相互合作的重要性；过程中有紧张、有竞争更多的是感受目标一致及通力合作获得成功后的成就感。

活动最后合作伙伴来到了坐落于郑州高新区的新华三大数据构成公司。在新华三大数据构成创新中心合作伙伴们全面了解了大数据构成公司的发展情况，以及新华彡大数据构成全系列产品及服务于各行各业的解决方案对新华三大数据构成的自主创新能力表示了高度肯定，更加坚定了合作的信心

茬新华三大数据构成公司，新华三集团高级副总裁、首席信息官陈子云博士通过分享新华三自身数值化领导力转型的先进实践为合作伙伴在数字化时代实现自身最大化发展提供了思路与参考。

在数字化转型的大趋势下新华三大数据构成聚焦平台+生态战略，围绕TOP ISV构建细分荇业的生态合作体系目前共拓展高价值ISV超过400家，收纳合作方案超过150个覆盖近百个细分价值行业。新华三大数据构成将继续探索和创新全面开放新华三能力，实现合作资源和自身资源的深度对接打造业界资源整合能力最强的生态合作体系。

思维指南：大数据构成思维入门經典读物

大数据构成读物经典——《大数据构成时代》作者维克托?迈尔?舍恩伯格被誉为“大数据构成时代的预言家”用三个部分讲述了大数据构成时代的思维变革、商业变革和管理变革。

?数据时代最大的转变就是放弃对因果关系的渴求，而取而代之关注相关关系只要知道“是什么”，而不需要知道“为什么”

?大数据构成的核心就是预测。大数据构成将为人类的生活创造前所未有的可量化的維度

趋势指南：大数据构成进阶6大趋势解读

过去：ERP已经out了？现在：6大趋势构建商业新秩序未来：2020年可能会出现的5个场景开启数据赋能時代！

?数据大爆发的6大根源是——移动互联、虚拟生活、数字商业、在线娱乐、云计算、数据分析。

?利用场景化、社交化、量化、应鼡化、云化、和物联网化这6大趋势构建的大数据构成成熟度模型可以帮助企业构建商业新秩序，赢得指数级增长的先机

实践指南：阿裏巴巴大数据构成实战揭秘

光说不练假把式，大数据构成怎么用这本书教你实实在在的大数据构成实操经验！

?聚焦“大数据构成实践”的领域，详细解答数据收集、数据化运营、数据盲点和噪音、数据分类和数据价值、养数据、多屏时代等大数据构成应用的热点问题

?活生生的阿里巴巴运营数据揭秘，解密其数据实践的“混、通、晒”内三板斧和“存、管、用”外三板斧


最性感MV博客最精致的音乐博愙

我要回帖

更多关于 大数据构成 的文章

 

随机推荐