大数据时代
案例1：告诉客户已经的信息，如告诉牧民有多少只羊；
告诉客户无用的信息，如告诉牧民有多少只公羊、多少只母羊；
大数据分析，数据探索，发现有用的信息，分析潜在的价值，提供建议。如告诉牧民如何保持公羊、母羊的平衡，什么时候出栏收益最高，不同类型羊怎么样管理和饲养。
数据分析师的三个类别：
发现经验、描述问题————数羊的
被动接受、分析原因、解决问题————分析羊的
主动预见、解决问题、创造价值————帮着卖羊的
第一部分 什么是大数据
1.重点
发现相关关系——创造效益
允许不完美，会增加效率
分析全体，而不是抽样
2.特点
海量数据分析——创造巨大的价值、新型的产品和深刻的洞见
如谷歌通过搜索词条预测流感爆发，Farecast预测航班价格为每张机票平均节约50美元
3.时代
信息爆炸+计算机提速
量变引发质变——数学算法、海量数据、预测大致方向
关注“是什么”，而非“为什么”
大数据很早就存在，只是以前我们没有认知，天气预报就属于大数据分析。数据掌握在极少部分人手里。
雾霾在十年前就存在，只是那时候我们不知道叫雾霾，只知道是雾。
第二部分 思维变革
1.对象升级：关注所有数据，而非部分采样。但是不要迷信大数据，在没有大量数据的情况下，尽可能取得多的数据，有总比没有好。
2.统计学：
（1）方向：用尽可能少的数据，证实尽可能重大的方向。
（2）小数据：随机采样、成本高、需尽可能减少误差、随机度越高精度越高。
案例：美国人口普查采取的穿孔卡片，时间滞后性；
（3）大数据：全体数据，样本=总体
依赖现存的大数据
允许误差和不精确
能带来更多价值
案例：乔布斯利用大数据基因治疗癌症。对比自身DNA与肿瘤DNA进行排序。
小数据有小数据的好处，大数据有大数据的优势。
3.相关关系
关联物：如果A和B经常一起发生，若B发生了，则A也很可能发生
案例：亚马逊书评系统；零售商与怀孕趋势；早产儿病情；沃尔玛啤酒与尿不湿；
大数据基础上的简单算法比小数据基础上的复杂算法更有效。
4.两种思维
快速思维 ：自定因果联系；通常因果不明确；依赖于经验，容易误判
慢速思维：更加努力地思考；思考全面、到位；偏向于大数据分析
第三部分 商业变革
数据化：一切都可以数据化
数字化是把模拟数据变成计算机可读的数据，而数据化是通过数学分析挖掘数据更大的价值，可读，可分析。
案例：日本先进工业技术研究所的坐姿研究与汽车防盗系统；电子书；全球定位 系统与导航和及时车况信息；微博与电影票房，如豆瓣
当前时代，大家把信息技术变革的重点都关注在T上了，而不是在I上。
数据创新：（1）信息，市场交易必不可少；所有的数据都有价值；可以被多次不同的目的使用
（2）估值，如Facebook估值1040亿美元，而其实质资产只有66亿，其每个用户及其所包含的数据估值100美元（无形资产）
（3）价值链，基于数据本身的公司，有大量数据，可授权、可出售。如Twitter授权其他独立公司使用数据
基本技能的公司，掌握专业技能，具备数据分析的技术和服务，可创新，可增值。如埃森哲
基本思维的公司，挖掘新价值，创造独特的想法。如谷歌、亚马逊
创新应用：（1）再利用，人流车流——影响房价和广告牌出租价格
（2）重组数据，房产交易+地图——预估房价
（3）扩展数据，如沃尔玛通过监控摄像头统计每位顾客在每个货架停留的时间长短；谷歌地图和街景地图为无人驾驶汽车提供帮助
（4）数据折旧，SEO，存储以往的搜索记录，通过旧搜索数据，查询排名靠前
（5）数据废弃，拼写错误——辅助输出正确结果，谷歌输入法的拼写检查
（6）数据开放，政府数据开放
第四部分 管理变革
1.风险
（1）隐私数据被二次利用
（2）预测与惩罚，对现有法律的挑战
人们不是 因为所做而受到惩罚，而是因为将做，即使他们事实上并没有犯罪。
（3）数据独裁，为了数据统计而伪造数据
战争中以死亡人数和击毙地方人数判断战争的胜利与否，导致逐层上报数据失真。
（4）摆脱对数据的过度 依赖
2.掌控
（1）个人隐私保护，从个人许可到让数据使用者承担责任
（2）个人动因VS预测分析
（3）击碎黑盒子，大数据算法师的崛起
内部算法师（监督内部数据活动）和外部算法师（审计员角色）
（4）反数据垄断大亨
扫一扫
4712
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
