大数据应用的准备程度

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

在没准备好或不具备大数据应用条件的情况下上马大数据项目,其结果很可能是劳民伤财,得不偿失

第十三个五年计划今年开始,其中一个重点是开展大数据应用,用数据和智能决策为杠杆推动“互联网+” 式的创新和现有企业转型。在大数据时代,数据无所不在,数码化的痕迹数据时时刻刻在积累。人人都知道数据是可多次使用的生产资料,将数据加工成信息和智能的能力已成为商场竞争最重要的武器。但每个企业或事业单位的大数据应用准备程度是不同的。在没准备好或不具备大数据应用条件的情况下上马大数据项目,其结果很可能是劳民伤财,得不偿失。

因此,如何客观系统地评估一个企业和单位大数据应用的准备程度就成为一个很重要的问题。这里我们可以借鉴美国工业界使用的一个叫作DELTA的大数据应用准备程度的评估工具。

这个工具从五个方面对一个企业(或单位)进行评估。D指数据(Data),E指企业环境(enterprise),L指领导重视(leadership),T指目标(Target)和技术(Technology),A指分析人才(Analysts)。我们来看一下每个方面的评估内容。

数据(Data)。这里评估企业的标准是:(1)是否能获得海量,无结构或者是高速积累和变化的数据,(2)是否已把多源的内部数据整合成数据仓库或数据集市以方便数据分析,(3)是否已经把外部数据和内部数据整合以促进针对本行业的高价值数据分析,(4)是否对各类用于分析的数据建立和保持统一的定义和标准, (5)数据使用者、决策者、和产品开发人是否信任企业数据的质量。

企业环境(enterprise)。 这方面的企业考察也有五个要素:(1)是否能将大数据和传统数据分析相结合来达到数据分析的目标,(2)管理层是否能通过各部门之间的协调来确保企业大数据和数据分析项目的合理排序,(3)有限的数据科学家和专业分析人员是否能在企业里得到合理分配和使用,(4)大数据和数据分析项目是否能够得到充足的资金和相关资源的支持,(5)是否能与行业生态系统里的渠道合作者、客户,以及其他成员协作共享大数据内容和应用。

领导支持(Leadership)。没有领导的重视,大数据项目是开展不起来的。其支持程度可以从五点来考察:(1)高管层是否定期讨论大数据和数据分析所能带来的商机,(2)高管层是否挑战各级功能部门思考如何应用大数据和数据分析来支持决策,(3)高管层是否应用大数据和数据分析指导战略和实施的决策,(4)中层经理们是否应用大数据和数据分析来指导日常管理,(5)大数据资源(数据、人才、软件和硬件)的配置和使用是否受到高管层的重视和监督。

目标和技术(Target &Technology)。没有明确的目标,大数据项目会劳民伤财。企业的目标是否明确可从五个角度评介:(1)能否选择有别于竞争对手的高价值的商机开发大数据项目,(2)是否把大数据和数据分析视为新产品和服务创新过程中一个不可或缺的组成部分,(3)能否通过对现有生产程序、战略和市场环境的评估来发现大数据和数据分析应用的内部机遇,(4)是否定期通过以数据为驱动的试验来采集本行业成功和失败的数据,(5)是否通过数据分析对现有决策支持进行评估,并已此来判断是否无结构数据能提供更好的决策模式。

在技术层面,也可以从五点来判断大数据准备程度:(1)是否已经探讨过或采用了大数据处理的并联计算机运作技术(如Hadoop),(2)是否已能熟练地应用数据可视化来展示业务问题或支持决策,(3)是否已经探讨过或采用了云计算服务来做数据处理和分析,(4)是否已经探讨过或采用了开源软件进行大数据处理和数据分析,(5)是否已经探讨过或采用了处理无结构数据,如文字、影像、或图像的工具。

分析人才和数据科学家(Analysts and Data Scientists)。开展大数据项目最重要的资源是数据科学家和专业数据分析人才。这个资源的评估也有五个角度:(1)是否拥有足够的有能力的数据科学家和专业数据分析员来实现所需要的分析目标,(2)数据科学家和专业数据分析员是否能成为高管层做关键决策和数据驱动创新时可信赖的顾问,(3)数据科学家和专业数据分析员是否理解大数据和数据分析应用过程中的规范和程序,(4)数据科学家、量化数据分析员,和专业数据管理人员在大数据分析应用中是否能够有效地合作,(5)是否建立了提高职工数据科学和数据分析技能的培训教育。

一个企业通过对自身大数据应用准备成熟度进行测量可以找到大数据应用方面的软肋和资源缺口,减少盲目性,并制定出切合实际的大数据发展战略。从美国的经验看,很多企业和政府部门的大数据开发项目都不成功。究其原因,大多是在以上列出的5个方面中的某一项(或几项)条件不具备或不成熟时就盲目赶时髦,上项目。而那些较成功的公司和部门都具备数据、企业环境、领导支持、明确目标和充足的数据人才。

一个行业如能采用统一的工具对各个企业和机构进行大数据准备成熟度的评估也是很有益处的。评估结果不但能为行业中的企业提供同类公司的参照指标,同时也为政府管理部门和行业协会提供行业大数据应用状况的数据。这些数据将帮助管理协调机构建立行业坐标体系并实现以数据为驱动的行业指导、管理、和测控以推动大数据的应用。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1月前
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
88 1
|
1月前
|
存储 分布式计算 druid
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
56 1
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
ly~
|
1月前
|
供应链 搜索推荐 安全
大数据模型的应用
大数据模型在多个领域均有广泛应用。在金融领域,它可用于风险评估与预测、智能营销及反欺诈检测,助力金融机构做出更加精准的决策;在医疗领域,大数据模型能够协助疾病诊断与预测、优化医疗资源管理和加速药物研发;在交通领域,该技术有助于交通流量预测、智能交通管理和物流管理,从而提升整体交通效率;电商领域则借助大数据模型实现商品推荐、库存管理和价格优化,增强用户体验与企业效益;此外,在能源和制造业中,大数据模型的应用范围涵盖从需求预测到设备故障预测等多个方面,全面推动了行业的智能化转型与升级。
ly~
79 2
ly~
|
1月前
|
供应链 搜索推荐 大数据
大数据在零售业中的应用
在零售业中,大数据通过分析顾客的购买记录、在线浏览习惯等数据,帮助零售商理解顾客行为并提供个性化服务。例如,分析网站点击路径以了解顾客兴趣,并利用历史购买数据开发智能推荐系统,提升销售和顾客满意度。此外,大数据还能优化库存管理,通过分析销售数据和市场需求,更准确地预测需求,减少库存积压和缺货现象,提高资金流动性。
ly~
258 2
ly~
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
大数据在智慧金融中的应用
在智能算法交易中,深度学习揭示价格波动的复杂动力学,强化学习依据市场反馈优化策略,助力投资者获取阿尔法收益。智能监管合规利用自然语言处理精准解读法规,实时追踪监管变化,确保机构紧跟政策。大数据分析监控交易,预警潜在违规行为,变被动防御为主动预防。数智化营销通过多维度数据分析,构建细致客户画像,提供个性化产品推荐。智慧客服借助 AI 技术提升服务质量,增强客户满意度。
ly~
102 2
ly~
|
1月前
|
供应链 监控 搜索推荐
大数据的应用场景
大数据在众多行业中的应用场景广泛,涵盖金融、零售、医疗保健、交通物流、制造、能源、政府公共服务及教育等领域。在金融行业,大数据用于风险评估、精准营销、反欺诈以及决策支持;零售业则应用于商品推荐、供应链管理和门店运营优化等;医疗保健领域利用大数据进行疾病预测、辅助诊断和医疗质量评估;交通物流业通过大数据优化物流配送、交通管理和运输安全;制造业则在生产过程优化、设备维护和供应链协同方面受益;能源行业运用大数据提升智能电网管理和能源勘探效率;政府和公共服务部门借助大数据改善城市管理、政务服务及公共安全;教育行业通过大数据实现个性化学习和资源优化配置;体育娱乐业则利用大数据提升赛事分析和娱乐制作水平。
ly~
335 2
|
2月前
|
存储 数据可视化 大数据
大数据管理与应用
大数据管理与应用是一门融合数学、统计学和计算机科学的新兴专业,涵盖数据采集、存储、处理、分析及应用,旨在帮助企业高效决策和提升竞争力。核心课程包括数据库原理、数据挖掘、大数据分析技术等,覆盖数据处理全流程。毕业生可从事数据分析、大数据开发、数据管理等岗位,广泛应用于企业、金融及互联网领域。随着数字化转型加速,该专业需求旺盛,前景广阔。
130 5
|
2月前
|
存储 搜索推荐 大数据
大数据在医疗领域的应用
大数据在医疗领域有广泛应用,包括电子病历的数字化管理和共享,提升医疗服务效率与协同性;通过数据分析支持医疗决策,制定个性化治疗方案;预测疾病风险并提供预防措施;在精准医疗中深度分析患者基因组信息,实现高效治疗;在药物研发中,加速疗效和副作用发现,提高临床试验效率。此外,在金融领域,大数据的“4V”特性助力业务决策前瞻性,被广泛应用于银行、证券和保险的风险评估、市场分析及个性化服务中,提升运营效率和客户满意度。
90 6
|
2月前
|
机器学习/深度学习 数据可视化 大数据
阿里云大数据的应用示例
阿里云大数据应用平台为企业提供高效数据处理与业务洞察工具,涵盖Quick BI、DataV及PAI等核心产品。DT203课程通过实践教学,帮助学员掌握数据可视化、报表设计及机器学习分析技能,提升数据驱动决策能力。Quick BI简化复杂数据分析,DataV打造震撼可视化大屏,PAI支持全面的数据挖掘与算法应用。课程面向CSP、ISV及数据工程师等专业人士,为期两天,结合面授与实验,助力企业加速数字化转型。完成课程后,学员将熟练使用阿里云工具进行数据处理与分析。[了解更多](https://edu.aliyun.com/training/DT203)
|
2月前
|
机器学习/深度学习 人工智能 分布式计算
人工智能与大数据的融合应用##
随着科技的快速发展,人工智能(AI)和大数据技术已经深刻地改变了我们的生活。本文将探讨人工智能与大数据的基本概念、发展历程及其在多个领域的融合应用。同时,还将讨论这些技术所带来的优势与挑战,并展望未来的发展趋势。希望通过这篇文章,读者能够对人工智能与大数据有更深入的理解,并思考其对未来社会的影响。 ##