分享到:
电话:0371-61318821
助力企业快速实现 "互联网+" 计划

官方微信

郑州星云互联新闻中心,郑州星云互联资讯
首页 > 新闻中心 > 行业新闻

把握大数据时代的机遇,主要包含哪几个方面

大数据对社会生活带来方方面面的影响,我们如何把握大数据时代的机遇,需要慎重对待大数据带来的挑战。总结起来,主要有三个方面:

(一)大数据时代,数据整理和清洗工作

(1)数据整理和清洗工作是数据分析的基础。大数据专家根据经验,普遍认为该工作是一项基础性工作,耗时多且简单,占到数据分析工作量的60%以上,是数据分析前提和基础。在此基上,数据分析工作需要对数据进行标识,进行深度分析,撰写专题报告,确保结果可以执行,最终落实到决策和实施。

(2)大数据时代,需要充分借助IT技术管理数据质量工作。在大数据时代,人工逐笔发现、解决数据质量问题的方式成本高、效率低,不可持续。要尽量规范化、系统化、自动化管理数据质量工作,将节省下的人力资源投入到新问题的研究中。

(二)大数据时代,数据分析的特点

(1)采用倒金字塔模式分配“思考、工作、分享”的时间比重。数据分析工作包括三部分:“思考”,分析实际问题,将实际问题转化成数学模型,提出解决方案的过程;“工作”,将解决方案程序化,得出结果的过程;“分享”,将分析的结果,转化为决策,付诸实施的过程。在时间分配上,金字塔结构或柱形结构的分布形式不是最佳结构,倒金字塔结构比较合理。即,思考的过程花得时间长些,可以减少后期工作量,少走弯路。

(2)通过数据分析进行科学决策。很多人存在误区,认为数据分析就是做报表、写报告。在大数据时代,数据分析不仅仅停留在此,需要进行深度分析,建立数据化决策的流程。要尊重数据、认识数据,但不迷信数据。在尊重数据、尊重事实的前提下,减少主观因素的干扰,快速做出数据化决策,这是一种能力。(3)大数据时代,数据分析的要义是――简单、迅速、规模化。数据分析的结果要简洁、易懂;数据分析的时间要短,尽可能的自动化地出结果,要快速的满足客户的需求;数据分析的方法能够实现大批量规模化。优秀的数据分析师应具有全局的预见性,一有问题可以马上把该问题打成很碎、很多的问题,甚至把一个问题克隆出很多问题,从而与业务人员建立信任,降低工作量。

(4)从“死”信息中,分离出“活”的信息。大数据有数据量大的问题――产生大量的“死”数据。错误数据是指数据与实际情况不一致,异常数据是指数据正确但数据远离群体的大多数,这类数据情况的处理手段比较成熟。而大数据时代,大量数据是不活跃主体,即“死”数据。因此,需要从高维低密度数据中,提取“活”的信息,发现规律。防止由于“死”信息的存在,导致分析结果不能正确反映“活”的群体特征。

(三)大数据时代,数据分析师的培养

(1)培养核心技术人才,确保长期竞争力。美国在建立全国医疗系统时,将系统外包给了加拿大的一家公司,系统运行的第一天就出现了崩溃。美国政府为此对该模式进行了反思,概括起来有三点:①外包公司设计时只顾满足甲方的眼前利益,不会为甲方的长远利益考虑;②项目外包造成美国技术骨干人员断层,导致出现问题后自身无法解决;③采用该模式导致美国没有了核心技术。

因此,在采用项目外包模式的同时,需要掌握其核心技术。在大数据时代,从数据分析、信息管理、IT技术三个方面保持核心竞争力。需要培养和保持业务、产品设计、数据分析、数据架构等方面的骨干队伍。

(2)建立专业化的大数据分析团队。大数据分析的核心是数学建模,基础是实际业务,结果是自动化程序。在实际工作中需要正确、合理的使用数学建模的思维,构建以数学模型做为基础的数据分析,建立量化管理风险的理念。深刻认识并正确驾驭大数据分析,大数据分析的方法是处于不断发展过程中的,需要根据实际问题,结合实际数据,灵活构建模型。

未来几年必将是数据时代,一定要把这次的数据潮流,不能让自己落伍,为中国的数据事业,尽一份绵薄之力!

转载自网络 不用于商业宣传 版权归原作者所有,侵权删。

www.xyhlrj.com
作者: 时间:2019-04-30 阅读:267 分享到: