核心提示: “大數(shù)據(jù)”這個(gè)術(shù)語(yǔ)是無(wú)處不在的。無(wú)論是大企業(yè)還是小企業(yè),新興企業(yè)抑或是傳統(tǒng)企業(yè),都正在參與著這個(gè)“游戲”。海量的用戶數(shù)據(jù)正在被各個(gè)網(wǎng)站大規(guī)模收集利用,有的公司為了能與客戶交流,甚至不惜利用龐大的文本交流數(shù)據(jù)建立算法。
“大數(shù)據(jù)”這個(gè)術(shù)語(yǔ)是無(wú)處不在的。無(wú)論是大企業(yè)還是小企業(yè),新興企業(yè)抑或是傳統(tǒng)企業(yè),都正在參與著這個(gè)“游戲”。海量的用戶數(shù)據(jù)正在被各個(gè)網(wǎng)站大規(guī)模收集利用,有的公司為了能與客戶交流,甚至不惜利用龐大的文本交流數(shù)據(jù)建立算法。
但實(shí)際上,我們對(duì)大數(shù)據(jù)的癡迷,往往也會(huì)產(chǎn)生誤導(dǎo)。是的,在某些情況下,從數(shù)據(jù)中確實(shí)能夠獲取到有價(jià)值的東西,但其實(shí)數(shù)據(jù)的大小并不是最關(guān)鍵的因素,找到正確的數(shù)據(jù)才是關(guān)鍵。
無(wú)關(guān)乎數(shù)據(jù)的大或小
在運(yùn)用大數(shù)據(jù)方面,Uber可以說(shuō)是一個(gè)典型的成功案例。毫無(wú)疑問(wèn),Uber捕獲了大量的信息。依靠他們的應(yīng)用, Uber可以從司機(jī)和乘客那里獲得實(shí)時(shí)的數(shù)據(jù),便于他們清楚的分析出在何時(shí)何地人們對(duì)于車輛會(huì)有較高的需求。
在上個(gè)時(shí)代,我們更多使用的是傳統(tǒng)的出租車,而不是現(xiàn)在只需一個(gè)按鈕就能召喚的。那時(shí)出租車在很大程度上未連接到互聯(lián)網(wǎng)或任何形式的正式的計(jì)算機(jī)基礎(chǔ)設(shè)施,但實(shí)際上他們才是大數(shù)據(jù)的玩家,為什么這么說(shuō)?因?yàn)閭鹘y(tǒng)的出租車依賴的是人眼網(wǎng)絡(luò),即司機(jī)通過(guò)雙眼在城市周圍移動(dòng),通過(guò)掃描人形圖像、雙臂伸出的動(dòng)作進(jìn)行準(zhǔn)確判斷,快速鎖定目標(biāo)。通過(guò)大腦的計(jì)算,收集分析數(shù)據(jù)得出結(jié)論。
Uber的成功不是依靠他們所采集的大量數(shù)據(jù),而是源于非常不同的東西: 它要的僅僅是一些小的,簡(jiǎn)單的車輛調(diào)度數(shù)據(jù)。Uber的解決方案是停止對(duì)視覺(jué)數(shù)據(jù)運(yùn)行生物異常檢測(cè)算法,而是只需要正確的數(shù)據(jù)來(lái)完成工作。城市里的人需要搭車,他們?cè)谀睦?這些關(guān)鍵信息讓Uber、Lyft、滴滴出行革命了一個(gè)行業(yè)。
為工作獲得正確的數(shù)據(jù)
正確的數(shù)據(jù)有時(shí)候量會(huì)很大,有時(shí)候又會(huì)很小,但這不重要,對(duì)于創(chuàng)新者而言,關(guān)鍵是要搞清楚哪些數(shù)據(jù)才是企業(yè)真正需要的,要想找到正確的數(shù)據(jù),建議你考慮以下三個(gè)問(wèn)題:
問(wèn)題1 :是什么在浪費(fèi)企業(yè)的資源?
大多數(shù)企業(yè)在日常運(yùn)營(yíng)中都有著大量的資源浪費(fèi)。以花卉零售為例,平均下來(lái)看,在大多數(shù)花店中的庫(kù)存會(huì)有50%的腐敗率,也就是說(shuō)會(huì)有近一半的資源會(huì)被浪費(fèi)掉。因此產(chǎn)生了UrbanStems和Bouqs這樣的創(chuàng)新的鮮花配送服務(wù),因?yàn)樗麄兛梢酝ㄟ^(guò)正確的數(shù)據(jù)來(lái)幫助花店減少浪費(fèi)。
以哈佛商學(xué)院的本·埃德?tīng)柭脑拋?lái)說(shuō),“浪費(fèi)就是機(jī)會(huì),” 無(wú)論是在工業(yè)生產(chǎn)、零售、或是法務(wù)調(diào)查中,一定要找出浪費(fèi)你資源的因素,引導(dǎo)它走向正確的數(shù)據(jù)。無(wú)論是簡(jiǎn)單的識(shí)別還是商業(yè)模式中隱含的決定。
問(wèn)題2:如何通過(guò)自動(dòng)化來(lái)減少資源浪費(fèi)?
在確定哪些因素會(huì)造成資源浪費(fèi)之后,下一步就是要減少浪費(fèi)。
但是,當(dāng)涉及到簡(jiǎn)單的,重復(fù)的操作決定時(shí),(例如,在哪里派車,如何給產(chǎn)品定價(jià),或者一家花店有多少鮮花),機(jī)器往往比人們做的更好。二十世紀(jì)的許多商業(yè)模式都是基于對(duì)人類控制決定的,但是我們今天識(shí)別確定數(shù)據(jù)可以通過(guò)更多的自動(dòng)化進(jìn)行。
傳言稱亞馬遜正在打算淘汰其所有的定價(jià)團(tuán)隊(duì),讓算法來(lái)取代。在大多數(shù)零售商眼里,這是完全不可思議的行為。但是如果亞馬遜的算法能夠勝任這份工作,那么它將會(huì)為亞馬遜減少成本和庫(kù)存,并將推出更好的具有可預(yù)測(cè)性的新產(chǎn)品,而這將會(huì)帶來(lái)巨大的競(jìng)爭(zhēng)優(yōu)勢(shì)。
問(wèn)題3:你需要什么樣的數(shù)據(jù)?
一旦你有了對(duì)系統(tǒng)中資源浪費(fèi)的理解,并能夠預(yù)判出浪費(fèi)導(dǎo)致的結(jié)果,那么,最后一步是問(wèn)一個(gè)簡(jiǎn)單的問(wèn)題:什么可以幫助你做出完美決定?
對(duì)于Uber來(lái)說(shuō),他們需要知道潛在乘客的位置所在,便于快速完成自動(dòng)化指派司機(jī)的決策,以減少司機(jī)尋找下一個(gè)乘客造成的資源浪費(fèi)。對(duì)于互聯(lián)網(wǎng)軟件Predix來(lái)說(shuō),他們希望提前準(zhǔn)確知道機(jī)器崩潰的時(shí)間,通過(guò)自動(dòng)化以減少成本維護(hù)及非計(jì)劃宕機(jī)造成的各種浪費(fèi)。對(duì)于尋求降低成本的保險(xiǎn)公司來(lái)說(shuō),他們希望知道的是當(dāng)一個(gè)糖尿病患者血糖下降至危險(xiǎn)邊緣時(shí),有助于自動(dòng)化決策的干預(yù)措施,以減少管理不善的浪費(fèi)。
這些就是你所要找出來(lái)的正確數(shù)據(jù)。 如果你能通過(guò)掌握大量的信息找到他們將是非常好的。 如果你通過(guò)構(gòu)建一個(gè)新的應(yīng)用程序來(lái)感知捕獲他們將是更好的。
大多數(shù)公司花費(fèi)了太多的時(shí)間在倡導(dǎo)大數(shù)據(jù)上,但是卻并沒(méi)有用足夠的時(shí)間去思考對(duì)于他們而言什么才是真正有價(jià)值的數(shù)據(jù)。
來(lái)源:中國(guó)IDC圈
石家莊服務(wù)器托管 石家莊服務(wù)器租用 石家莊機(jī)柜租用 石家莊機(jī)房 |