如何貫徹大數據思維

❶ 教你如何利用大數據思維

教你如何利用大數據思維 在和一些企業家交流時，有幾個問題會被常常問到，"沒有多少數據怎麼辦?"，"大數據都是大公司的事情，我們小公司怎麼辦?""能不能告訴我，哪些軟體或者工具可以解決大數據的問題?"一般情況下，我都會說，首先要有大數據思維!大家紛紛點頭稱是，這詞兒聽起來非常高大上，甚至給人一種不明覺厲的趕腳!但啥是大數據思維，我一直沒有空來整理提煉。
前陣子一個內部的論壇，要求大家必須講干貨，趁此機會，系統的梳理一遍，概括起來，也就三條：第一認識大數據飛輪，第二理解數據資產評估，第三運用泛互聯範式。

圖1：大數據思維
干貨肯定是經過濃縮的，甚至把案例都作為水分擠掉了，所以這篇文章讀起來不是那麼有趣。但我可以保證，掌握這三條給上市公司做大數據戰略咨詢肯定沒有問題。因為我已經靠這三板斧，搞定了十幾家上市公司。連國內最大咨詢公司的董事長都認為有料，要走了PPT。
每條都用一幅圖來表達，每個圖中的圓圈都有許多案例來佐證。大家如果對案例更感興趣，讀拙作《大數據時代的歷史機遇》好了。其實圖1就涵蓋了大數據思維的全部思想。這幅圖里外三層、上下結構，看起來比較復雜，所以後面拆成三幅圖來講。思維的過程是自上而下、自外而里的。圖的上半部分講得是大數據的商業功用，就是說有了大數據我們能幹什麼?怎麼賺錢?有哪些好玩的商業模式?以前常說"羊毛出在羊身上"，搞懂這些模式你會發現原來可以"羊毛出在狗身上"。書里詳細寫了六種，圖上只畫出五種。
補充：六種商業模式簡述
圍繞數據資產，筆者曾考察不同行業的盈利方式和經營策略，歸納總結了六種商業模式(詳見《大數據時代的歷史機遇》一書)。
租售數據模式：簡單來說，就是售賣或者出租廣泛收集、精心過濾、時效性強的數據。這也是數據就是資產的最經典的詮釋。按照銷售對象的不同，又分為兩種類型。第一是作為客戶增值服務。譬如銷售導航儀的公司，同時為客戶提供即時交通信息服務。廣聯達公司為他的客戶提供包年的建築材料價格數據。僅此一項業務，年收入超過1億元人民幣。第二是把客戶數據，有償提供給第三方。典型的如證券交易所，把股票交易行情數據授權給一些做行情軟體的公司。
租售信息模式：一般聚焦某個行業，廣泛收集相關數據、深度整合萃取信息，以龐大的數據中心加上專用傳播渠道，也可成一方霸主。信息指的是經過加工處理，承載一定行業特徵數據集合。
數字媒體模式：這個模式最性感，因為全球廣告市場空間是5000億美元。具備培育千億級公司的土壤和成長空間。這類公司的核心資源是獲得實時、海量、有效的數據，立身之本是大數據分析技術，盈利來源多是精準營銷和信息聚合服務。
數據使能模式：這類業務令人著迷之處在於，如果沒有大量的數據，缺乏有效的數據分析技術，這些公司的業務其實難以開展。譬如阿里金融為代表的小額信貸公司。通過在線分析小微企業的交易數據、財務數據，甚至可以計算出應提供多少貸款，多長時間可以收回等關鍵問題。把壞賬風險降到最低。
數據空間運營模式：從歷史上，傳統的IDC就是這種模式，互聯網巨頭都在提供此類服務。但近期網盤勢頭強勁，從大數據角度來看，各家紛紛嗅到大數據商機，開始搶占個人、企業的數據資源。海外的Dropbox，國內微盤都是此類公司的代表。這類公司的發展空間在於可以成長為數據聚合平台，盈利模式將趨於多元化。
大數據技術提供商：從數據量上來看，非結構化數據是結構化數據的5倍以上，任何一個種類的非結構化數據處理，都可以重現現有結構化數據的輝煌。語音數據處理領域、視頻數據處理領域、語義識別領域、圖像數據處理領域都可能出現大型的、高速成長的公司。
明白大數據的功用後，大家自然而然地關心，數據這么值錢，理所當然應構成新型的資產。圖1的中間部分描述了這塊內容。"數據成為資產"這一原創論斷成為大數據思維的中心理論。圖2數據資產評估模型給出一個完整的思維框架來描述數據資產的價值(完整描述評估模型，非本文主旨。讀者若有興趣，移步閱讀拙著吧)。但是這方面的工作遠遠不夠，無法定量的給出評估。在「諾獎級別的學術難題」一文(回復b10獲取該文)中，我曾經說，學術界如果在數據資產的定量評估上取得進展，是可以獲得諾貝爾獎的。因為這和公司的估值緊密相關。產業界在信用定量計算方面己經走在前列，並付諸商用，但是離一般意義上的數據資產估值還相去甚遠。

圖2：數據資產評估模型
既然數據成為資產，資產間的交易也會提上日程。聯盟特別任命兩位副秘書長推進這個事情，從而傳播開放、共享的理念。藉此呼籲所有願意開放數據資源的企業，卻可以藉助聯盟的力量，來共同推進。
數據成為資產是在了解大數據功用基礎上的抽象認知。接下來看圖1的下半部分，泛互聯範式。這個範式給出了不斷的採集數據並且發揮數據價值的行動指南。許多公司的轉型，都要從這幅圖開始。見圖3。終端+平台+應用+大數據四位一體，構成大數據思維的行動指南。最近和一些公司聊，他們己經了解了數據的重要性，開始想些損招去「劫掠」客戶的數據。這不免誤入歧圖。還是認真研究一下這個範式，從應用、終端上動動腦筋，真正的為用戶提供靠譜的服務，才是上策。

圖3：泛互聯範式
回顧圖1，我們在講大數據思維時，利用自上而下的次序，從大數據的功用入手，深入到理論內核，再到可供操作的範式。但真正上手實踐，需要腳踏實地，自下而上的行動。回到德魯克的經典問題上來，你的客戶是誰?
大數據產業聯盟願意為所有有志於從事大數據戰略咨詢的顧問們服務，掌握這套方法論並切實幫到企業的顧問，聯盟會在官方網站上列出您的大名，並向成員企業推薦。
所以, 這次,我們來點兒作業吧：大家可以用上面的大數據思維分析框架來分析一下自己所在的公司自己感興趣的公司,看看大數據於公司有什麼功效, 公司可操作的泛互聯範式是什麼。
在此，也先拋幾個小例子：
1)樂視網的野心

❷ 大學生如何用大數據思維指導實踐

（1）全樣思維

抽樣又稱取樣，是從欲研究的全部樣品中抽取一部分樣品單位。其基本要求是要保證所抽取的樣品單位對全部樣品具有充分的代表性。抽樣的目的是從被抽取樣品單位的分析、研究結果來估計和推斷全部樣品特性，是科學實驗、質量檢驗、社會調查普遍採用的一種經濟有效的工作和研究方法。

（2）容錯思維

前面已經提到，在小數據年代，我們習慣了抽樣。由於抽樣從理論上講結論就是不穩定的。一般來說，全樣的樣本數量比抽樣樣本數量的很多倍，因此抽樣的一丁點錯誤，就容易導致結論的「失之毫釐謬以千里」。為保證抽樣得出的結論相對靠譜，人們對抽樣的數據精益求精，容不得半點差錯。

（3）相關思維

在小數據的年代，大家總是相信因果關系，而不認可其他關系。在歷史長河中，佛教在中國信徒眾多，其宣揚的也是一種因果報應。因果報應是宗教中關於因果關系的最高闡述。

(2)如何貫徹大數據思維擴展閱讀

在大數據年代，我們不追求抽樣，而追求全樣。當全部數據都加入分析的時候，由於只要有一個反例，因果關系就不成立，因此在大數據時代，因果關系變得幾乎不可能。而另一種關系就進入大數據專家的眼裡。

很多男人去超市買了啤酒後會順便買紙尿褲，但不是買啤酒就一定買紙尿褲。因此，啤酒喝紙尿褲的關系不能算因果關系，而只能是一種相關關系。同樣，女孩子裙子的長短與經濟熱度、摩天大廈與經濟危機的關系都是一種相關關系，不是因果關系。

❸ 大學生如何運用大數據思維指導實踐

隨著科技的發展,首先現在得數據處理技術已經被廣泛的應用到當今的各個領域之中，一定要改變我們原來掌握重點的基礎知識為主要掌握知識。
2
/4
該理念是對人們思維的一種擴展,同時也極大的影響到了人們的生活、工作、社會的生產，在掌握知識的同事，主要來提高自己智力水平。
3
/4
大數據思維發展有著較大的影響，大數據時代的到來,拓寬了金融學的研究范圍，我們一定重點來學習老師方法而不是知識材料。
4
/4
我們要來解決問題及金融學中應用大數據思維的必要性進行的相關論述，所存有的問題，我們不只是呆在圖書館讀書，還應該在實踐活動中學習所存有的問題。
總結
1
/1
1金融學。
2大數據思維。
3應用，實踐探索。
數據時代，大學生活更豐富多彩，要懂得多方位、全方面學習、提高和發展！

互聯網+'教育時代,數據的採集,存儲,分析,使用成為新興的研究熱點.大數據在基礎教育領域的研究處於起步階段,很少涉及大數據與中學課堂教學相結合的實踐研究.本文藉助東方聞道未來課堂系統採集的數據,運用大數據思維,著重分析了成都七中如何利...

❹ 舉例說明如何運用大數據思維

在電商平台上購物，系統會給你推薦一些「猜你喜歡」的商品，依據就是用戶數據分析。 今日頭條之類的應用，推送的內容就是利用大數據和人工智慧技術實現。

一信息技術的重要性

（1）管理信息化是指企業廣泛利用現代信息技術，開發信息資源，把先進技術、管理理念引入到管理流程中，實現管理自動化，提高企業管理效率和水平，從而促進管理現代化，轉換經營機制，建立現代化企業制度，實現有效降低成本，加快技術進步，增強核心競爭力。

（2）信息化的實現，會使企業的生產經營模式發生深刻的變化。對信息的快速反應能力是檢驗工作效率和競爭力的重要標志，建立企業和部門信息網絡，實現信息化既是社會需求，也是企業適應市場，促進自身發展的需要。

二科技的重要性

（1）科學技術的認識功能。憑借著迅速發展的科學技術，人們不僅能認識自然狀態下顯露的事實，也能認識超出感官功能的微生物、基本粒子、紅外。不僅能捕捉、搜尋到現象，也能揭示出現象背後的本質和規律；不僅認識當下的現有事物，也能追溯過去和預測未來。

（2）科學技術的生產力功能。科學技術一方面滲透到生產力的實體要素中，通過物化為新的勞動資料，特別是其中的生產工具；通過提高勞動者的素質和生產技能，通過擴大勞動對象；開辟新的產業部門來實現其生產力功能。

❺ 大數據的思維方式有哪些

一：邏輯思維

這個詞在我們的認識中並不算陌生，邏輯思維是一種數學思維，在大數據分析過程中，需要理清楚各項數據之間的關系，以及需要知道分析的過程中需要收集哪些數據？這些數據分析要得到什麼結果，需要通過什麼方式獲得這些數據，這些都是需要細致的邏輯思維推出的。

二：上切思維

在大數據分析過程中，要站在決策層的層面去考慮數據分析，上切思維就是要站在比數據更高的思維上去看數據分析的角度，數據分析不僅僅是關繫到數據部門，還關繫到業務部門等其他部門，大數據分析過程中，上切思維的關鍵就是要建立更加全局的眼光和目標，完整的進行數據分析。

三：下切思維

數據的分析結果是為解決問題存在的，要通過數據的結果來看到問題的所在，這就需要在大數據分析的過程中，需要將過程進行細分，知道和了解數據的構成、進行數據的分解等等，就是一個向下更加細分的過程。

四：求異思維

面對大數據分析過程中接觸到的大量的數據，對於某些數據我們一眼看不出區別在哪裡或者問題在哪裡，對於這些相似的數據，我們需要看到數據在哪些地方有不同，對不同的個體進行理解和分析，例如公司的員工，每一個都有自己的個性，怎麼讓他們增加工作的激情，更好的為實現公司的目標服務，如何幫助他們進行問題的分析。

五：抽離思維

俗話說旁觀者清，在進行大數據分析的過程中，換一個角度，從旁觀者來考慮問題，在看數據的時候就會有不同的想法，紛繁復雜的大數據，面對她們的時候，分析者難免會產生一些困擾或者抵觸的心理，在碰到牛角尖的時候不要鑽進去，而是抽離出來，利用更多角度去看待這些問題，才有使大數據工作更加高效。

六：換位思維

這也是我們在日常比較經常接觸的名詞之一，站在當事人的角度去看待數據分析，例如站在業務人員的角度去看待數據分析，你才會了解業務部門需要的是什麼，大數據分析更好的為解決問題服務。