大數據時代的數據分析精選(五篇)

序言：作為思想的載體和知識的探索者，寫作是一種獨特的藝術，我們為您準備了不同風格的5篇大數據時代的數據分析，期待它們能激發您的靈感。

篇1

【關鍵詞】大數據 數據分析 數據分析師

近年來，業界、學術界興起了大數據討論，一夜間大數據時代到來了。大數據給學術界帶來了新的思潮，大數據正在顛覆著很多傳統行業的模式，帶來變革。有人預測，大數據必將成為商業、政府、科研、教育、醫療等各行業面臨的一個挑戰。在大數據時代，數據分析、數據挖掘工作面臨著機遇與挑戰，本文從數據分析的角度，結合國內外相關研究，試圖回答大數據是什么，如何應對大數據的問題。

一、認識大數據

（一）大數據的宗旨：經過分析的數據才有價值

大數據要發揮作用必須經過分析，這是由大數據的4V特性（數據量大、數據類型多、要求處理速度快、低密度）決定的。也就是說，數據都是高維、低密度的，從單個數據中難以看出規律。因此，必須經過分析，針對高維進行降維，提煉大量低密度信息中的價值，才能發揮作用。否則，大數據背景下，反而更容易使得“活”信息混跡在大量“死”數據中被淹沒。面向大數據的分析要“簡單、迅速、規模化”。

（二）大數據的目標：實現基于數據的決策與資源配置

大數據最終要實現科學決策，基于信息對稱的有效資源配置。隨著大數據分析技術的發展，可利用數據來源從線下封閉的數據庫、數據倉庫擴展到開放性的O2O（Online To Offline）融合數據，可分析數據結構從原來以數值為主的結構化數據發展到涵蓋文本、視頻、音頻等多媒體數據。從而，大數據將逐步改變我們的決策目標和社會資源配置方式。基于數據的科學決策是一貫追求的目標。然而，信息不對稱是常態，因此傳統決策目標是建立相對滿意而非最優（決策科學家Simon提出），資源配置效率基于市場優于基于計劃。大數據背景下，迅速獲取分析更多輔助決策信息成為可能，因此決策目標可實現向最優的無限逼近，實現基于數據的“計劃”資源配置將更有效率。

（三）大數據的角度：個性化服務+中觀指數+宏觀連結

目前發展大數據，主要有基于數據為客戶提供個性化營銷服務、預測中觀行業或區域趨勢指數、基于連結的宏觀資源配置方案等角度。這不僅僅體現在阿里小微融資的個性化風控決策、高端品牌在線特賣品牌和定價動態決策（基于阿里巴巴網商活躍度指數和零售商品價格指數）、Discern group企業發展戰略咨詢報告上，還體現在阿里巴巴商務智能指數（預測經濟發展態勢）和基于公共氣象數據的各行業資源配置優化服務上。

互聯網金融是大數據發展各角度的前沿陣地。在金融領域，要實現從金融互聯網向互聯網金融的快速轉型。傳統模式下的金融企業開展網上業務，如：網上銀行、網上理財，并不是真正的互聯網金融。互聯網金融是指通過互聯網新技術為客戶實現搜索或風控等服務增值，比較有代表性的是，消除供求雙方結構不對稱的P2P貸款，提高存取效率的保值理財產品余額寶。

（四）大數據的關鍵點：保證數據質量

要發展大數據分析，首先要保證數據質量。錯誤的輸入必然導致錯誤的輸出。沒有數據質量，一切都是浮云。數據質量沒有保證，是不敢用的。數據質量是一項耗時、費力的基礎工作。

保證數據質量要求數據采集與清洗過程中秉持兩大原則：相關性和低噪聲。第一，大數據，數據并非越“大”越好，而是相關數據越“大”越好。特別是，在數據采集中，要以采集盡可能多的“相關”數據為目標，而非不加篩選越多越好。第二，大數據，首先數據獲取時要保證不存在誘導傾向的干擾因素，同時進行去噪處理。

保證數據質量要建立數據的數據。針對數據質量建立數據標簽，才有進步。有了對數據質量的數據，數據才能被決策者更為安全科學有效地使用。

（五）大數據競爭的核心：分析人才的競爭

大數據時代，作為一種資源，數據不再是稀缺資源。互聯網、門戶網站、社交網站、微博、微信等新媒體積累了大量數據，缺乏的是對這些數據的分析人員。缺乏專業的分析人才，即使守著數據的“金山”，也只能望“山”興嘆。因此，美國Turbo Financial Group采用最新的大數據分析技術聚焦被FICO遺忘的15%人群建模，阿里提出建立大數據分析的開放式平臺，希望能夠集結更多專家智慧，同時培養阿里分析人才，挖掘阿里數據“金礦”。

二、把握大數據

大數據對社會生活帶來方方面面的影響，我們如何把握大數據時代的機遇，需要慎重對待大數據帶來的挑戰。總結起來，主要有三個方面：

（一）大數據時代，數據整理和清洗工作

（1）數據整理和清洗工作是數據分析的基礎。大數據專家根據經驗，普遍認為該工作是一項基礎性工作，耗時多且簡單，占到數據分析工作量的60%以上，是數據分析前提和基礎。在此基上，數據分析工作需要對數據進行標識，進行深度分析，撰寫專題報告，確保結果可以執行，最終落實到決策和實施。

（2）大數據時代，需要充分借助IT技術管理數據質量工作。在大數據時代，人工逐筆發現、解決數據質量問題的方式成本高、效率低，不可持續。要盡量規范化、系統化、自動化管理數據質量工作，將節省下的人力資源投入到新問題的研究中。

（二）大數據時代，數據分析的特點

（1）采用倒金字塔模式分配“思考、工作、分享”的時間比重。數據分析工作包括三部分：“思考”，分析實際問題，將實際問題轉化成數學模型，提出解決方案的過程；“工作”，將解決方案程序化，得出結果的過程；“分享”，將分析的結果，轉化為決策，付諸實施的過程。在時間分配上，金字塔結構或柱形結構的分布形式不是最佳結構，倒金字塔結構比較合理。即，思考的過程花得時間長些，可以減少后期工作量，少走彎路。

（2）通過數據分析進行科學決策。很多人存在誤區，認為數據分析就是做報表、寫報告。在大數據時代，數據分析不僅僅停留在此，需要進行深度分析，建立數據化決策的流程。要尊重數據、認識數據，但不迷信數據。在尊重數據、尊重事實的前提下，減少主觀因素的干擾，快速做出數據化決策，這是一種能力。

（3）大數據時代，數據分析的要義是――簡單、迅速、規模化。數據分析的結果要簡潔、易懂；數據分析的時間要短，盡可能的自動化地出結果，要快速的滿足客戶的需求；數據分析的方法能夠實現大批量規模化。優秀的數據分析師應具有全局的預見性，一有問題可以馬上把該問題打成很碎、很多的問題，甚至把一個問題克隆出很多問題，從而與業務人員建立信任，降低工作量。

（4）從“死”信息中，分離出“活”的信息。大數據有數據量大的問題――產生大量的“死”數據。錯誤數據是指數據與實際情況不一致，異常數據是指數據正確但數據遠離群體的大多數，這類數據情況的處理手段比較成熟。而大數據時代，大量數據是不活躍主體，即“死”數據。因此，需要從高維低密度數據中，提取“活”的信息，發現規律。防止由于“死”信息的存在，導致分析結果不能正確反映“活”的群體特征。

（三）大數據時代，數據分析師的培養

（1）培養核心技術人才，確保長期競爭力。美國在建立全國醫療系統時，將系統外包給了加拿大的一家公司，系統運行的第一天就出現了崩潰。美國政府為此對該模式進行了反思，概括起來有三點：①外包公司設計時只顧滿足甲方的眼前利益，不會為甲方的長遠利益考慮；②項目外包造成美國技術骨干人員斷層，導致出現問題后自身無法解決；③采用該模式導致美國沒有了核心技術。

因此，在采用項目外包模式的同時，需要掌握其核心技術。在大數據時代，從數據分析、信息管理、IT技術三個方面保持核心競爭力。需要培養和保持業務、產品設計、數據分析、數據架構等方面的骨干隊伍。

（2）建立專業化的大數據分析團隊。大數據分析的核心是數學建模，基礎是實際業務，結果是自動化程序。在實際工作中需要正確、合理的使用數學建模的思維，構建以數學模型做為基礎的數據分析，建立量化管理風險的理念。深刻認識并正確駕馭大數據分析，大數據分析的方法是處于不斷發展過程中的，需要根據實際問題，結合實際數據，靈活構建模型。

參考文獻：

[1]朱建平，章貴軍，劉曉葳.大數據時代下數據分析理念的辨析[J].統計研究，2014，（2）.

篇2

關鍵詞：大數據時代 數據分析 理念 辨析

中圖分類號：C8 文獻標識碼：A 文章編號：1674-098X（2017）01（c）-0136-02

近年來，對大數據的研究和應用已經受到我國各界人士的廣泛關注，國家統計局已經把信息處理技術列為關鍵性的創新技術工程之一。隨著我國大型計算機的迅速發展，處理大規模的復雜數據的能力逐漸提升，從這些大數據中提取有效信息的能力也逐步加強，毫無疑問，我國進入大數據時代的腳步將會進一步加快，人們將會感受到大數據時代下給其帶來的生活、工作上的便利。

1 大數據和大數據時代簡介

1.1 大數據

大數據是指遠大于一般數據的巨量資料，需要人們通過全新的處理模式才能獲取其中有價值的數據信息。“大數據”這一概念最早由維克托在《大數據時代》一書中引用得來，最開始對其定義為：不通過傳統的隨機分析方法直接對所有數據進行分析處理，主要有大量、高速、多樣和價值4個特征。

大數據可以分為大數據技術、大數據工程、大數據科學和大數據應用等領域。目前受到最多應用的是大數據技術和大數據應用。人們通過收集數據，提取有效信息就可以為企業發展或者社會活動提供最有效的實施途徑。因此，可以這樣說，在大數據的王國里，最成功的企業就是那些善于運用機遇的公司。

1.2 大數據時代

大數據時代是建立在信息時代的基礎上，通過互聯網、物聯網等渠道廣泛搜集海量數據資源并對其進行存儲、提取和展示。在大數據時代，幾乎所有人都能夠享受從任一數據中獲得所需要的信息，大數據時代也具有社會性、廣泛性、公開性和動態性4個特征。大數據時代的發展將會引領社會眾多領域和行業的變革，對人類的生產、生活方式產生深遠影響。

在大數據時代下，傳統的數據分析思想已經不再適用，應該做出改變。首先，應該轉變抽樣思想，大數據時代下的樣本即總體，已經不再依靠少量樣本分析事物的相關規律；其次，要轉變數據精確測量的思想，大數據時代要學會接受繁冗復雜的多樣性數據；最后要轉變探究事物的因果關系思想，轉為研究事物的相關規律。以上思想的轉變，均與統計學有關，因此，下面將分析大數據對統計學帶來的具體影響。

2 大數據對統計學研究工作的影響

2.1 大稻莘岣渙送臣蒲У難芯慷韻

大數據影響的領域范圍非常廣泛，在大數據時代，不僅能夠對以結構數據為度量單位的客觀主體，還可以對不能用數據衡量關系的文本、圖片、音像等非結構數據進行分析，大大擴展了傳統統計學的研究范疇。

2.2 大數據影響統計學的工作進程

統計學是對所搜集的數據進行整理和歸納的方法論學科。大數據時代的資料十分豐富，分析數據已經不再需要抽取樣本了，因為數據總體即是樣本。此時，傳統的統計學抽取樣本分析的工作方法已經不再適用，而是被現代化通過傳感器自動采集數據的方法所取代。

3 大數據時代下數據分析理念辨析

3.1 數據分析理念

傳統的數據分析是指用統計學方法將收集的數據資料進行系列分析，以便最大化地開發數據中的功能，從中提取有價值的數據，再和未經處理的數據進行對比，發揮數據的作用。大數據時代下的數據分析，由于數據量非常大，數據本身的動態特性使人們要研究的數據難度加大，因此，大數據時代的數據分析一般利用統計學的理念，采用更廣泛的方法統計和分析數據，以此擺脫對數據樣本的依賴，也可以避免數據的流動性給分析結果帶來的不確定性。大數據時代更加注重數據的增值分析工作，研究數據的未來走向，使其中有價值的數據可以增值，將有效數據有機整合，能夠及時發現問題和解決問題。

3.2 數據分析的主要程序

3.2.1 數據整理

統計數據的整理主要分為4個步驟：審核統計資料、對資料進行分組、匯總和編制統計表格或圖表、保管和公布。當統計對象為數據資料龐大、類型復雜、要求處理速度快的大數據時，這些步驟就顯得繁冗了，尤其是圖表的繪制是沒辦法實現的，因此，只需要對資料進行審核和存儲。大數據的審核和存儲不同于傳統意義上的數據審核和保存，大數據時代利用先進的現代化工具進行數據的審核和保存。

3.2.2 數據的開發

傳統數據的樣本量較小，目的主要著眼于解決問題，數據的時效性較強，數據的使用價值會隨時間流逝而降低。而大數據的流動性很強，隨著時間的推移會越來越壯大，而且具有推陳出新、價值重塑的可能，因此，在大數據時代，數據是會不斷增值的，開發大數據，是一項有重要意義的工作。

3.2.3 數據的應用

其中分別對教育、運輸、消費品、電力、石油與天然氣、醫療護理、消費金融等進行分析和預測。根據這些行業的特點，可以總結出大數據挖掘商業價值的基本方法為：客戶群體細分，為每個群體量定特別的服務；模擬現實環境，發掘新的需求的同時提高投資的回報率；降低部門聯系，提高整條管理鏈條和產業鏈條的效率；降低服務成本，發現隱藏線索產品和服務的創新。從圖1中可以看出，大數據的應用群體十分廣泛，能否對獲取的數據及時、迅速處理，對該行業的發展具有重要意義。

4 結語

該文主要對大數據時代下數據分析理念進行了相關的分析和研究。首先對大數據及大數據時代的概念做了簡要闡述，接著分析了大數據對統計學的兩點影響，最后分析了大數據時代下的數據分析理念。總而言之，在現代社會，大數據的應用已經成為時代新的特征，能否從海量數據中提取有價值的信息做出相應的預測，對于企業或者個人的發展具有重要意義。

參考文獻

篇3

關鍵詞：財經類高校；數據分析課程；課程建設

中圖分類號：G64 文獻標識碼：A 文章編號：1673-9132（2016）34-0040-03

DOI：10.16657/ki.issn1673-9132.2016.34.020

一、引言

隨著大數據時代的到來，數據分析在各行業的重要性日益凸顯出來。大數據時代要求人才具有極強的“數據視野”、“數據意識”和“數據能力”，即對所處行業數據的形式種類詳盡把握，對數據的作用深刻理解，對數據分析方法和分析軟件熟練運用。其中“數據能力”是前兩者的基礎，是實現大數據所有思想和理念的根本保證，是現代經濟管理人才的重要基本素養和技能。

我國的財經類院校肩負著為社會培養經濟管理類高級專業人才的重任，在大數據時代，社會對于經濟管理類高級人才在數據分析方面的要求極大增加，現代經濟管理理論的發展趨勢也體現出越來越重視數據分析的特點。這要求人才既有深厚的經濟管理理論功底，又能夠熟練使用數據分析工具對業務數據進行分析，并得到結論。特別是在研究生教育層面，對數據分析能力培養更加重要。

然而，目前在研究生數據分析能力的培養方面各財經類院校均存在著較多的不足。首先是覆蓋面小，除各院校的統計學院（或類似學科的學院和專業）外，強調這方面能力的培養的學院和專業較少，導致研究生對數據的運用和分析能力不足；其次是形式單一，主要以課堂教學為主，完全忽視了數據分析的實踐性，教學效果不好；再次是教學所用軟件平臺薄弱，多數使用SPSS，極少數專業學習SAS，對于在學術界和業界非常流行R語言、python等平臺則少有涉及。因此，合理設計數據分析類型課程，提高經濟管理類研究生在數據分析方面的理論水平與實踐能力，是廣大財經類高校不得不面對的迫切問題。本文講就財經類高校數據分析類課程的特點、建設思路和建設方案，結合筆者在教學實踐中的一些心得談一談自己的看法。

二、財經類高校數據分析課程的特征

數據分析的目的就是從數據中提取有價值的信息，進而形成知識。因此在絕大多數專業領域均有大量的數據分析需求，對人才的數據分析能力均有較高的需求。從財經類高校的專業分布看，可以把對數據分析能力的需求分成三個不同的類型。

第一類是以統計學院、信息學院（或類似學科的學院和專業）。這兩類專業的教學主要突出理論性、基礎性和方法性，立足于對學生的“數據視野”、“數據意識”和“數據能力”進行全面訓練，使學生能夠在畢業后在任意領域迅速承擔起高級數據分析的任務。

第二類是經濟學門類的相關學科。這類學科對于數據分析教學的要求偏重應用，即學生的“數據視野”、“數據意識”，但由于部分專業（如數量經濟學）對數據分析能力要求較高，因此對于“數據能力”的培養也需要兼顧。

第三類是管理學門類的相關學科。當前的管理學實踐離不開數據，對數據分析教學主要是應用層面的。要求學生具有良好的學生的“數據視野”和“數據意識”，而對于學生的“數據能力”的培養則并沒有太高要求。

三、財經類高校數據分析課程建設的思路

基于上述分析，研究生數據分析課程建設應當采取分層設課的原則，基于不同的教學需求，設置不同的課程群。

對于上述第一類專業，需要在專業核心課程群的基礎上，重點建設大數據相關課程。如分布式計算、非結構化數據分析、R語言、python語言等。在教學中，案例化教學和上機實操應當成為教學的主要形式，尤其軟件類課程應當在機房進行，保證學生有足夠時間熟悉操作并能隨時與教師互動。

對于上述第二類專業，需要以一門基礎課程為先導（如統計學導論），在配合若干專業課與軟件課的組合，如計量經濟學、時間序列分析、縱向數據分析與Eviews、SAS和R語言的配合。在教學時，理論與實操并重，在實操方面突出學生的軟件使用能力訓練，SPSS類型的軟件不應當成為此類專業的主要數據分析平臺（學生應當在學習專業課程時自主學習使用）。

對于上述第三類專業，可以考慮以一門數據分析課程為基礎，配合合適的軟件平臺，同時在其他專業課程教學中突出各個課程的數據分析教學內容和實踐環節，既可以基本達到教學目的。這類課程教學的重點在于對數據分析方法模型的理解，切忌死記硬背，同時輔以一定的案例和上機實操。在軟件平臺使用上，以SPSS這類擁有完善的GUI環境，所見即所得的平臺為主，也可以使用R語言強大的圖形能力作為演示工具，在演示的同時潛移默化地使學生了解R系統，進而為其進一步學習建立基層。

四、財經類高校數據分析課程建設方案――以R語言課程為例

在上述三類專業的數據分析課程建設中，R語言均扮演了重要角色。因此本部分將以R語言課程為例介紹建設方案。

（一）R語言的優勢

R語言作為功能全面地數據分析平臺，在國際學術界和業界得到了廣泛的認同，是應用最普遍的數據分析軟件之一。與其他統計分析平臺（如SAS、SPSS、S-PLUS等）相比，R語言具有若干明顯的優勢：

第一，完全免費，完全開源。與SAS多達幾十萬元的價格相比，R語言是一個完全免費的平臺，且功能同樣強大。

第二，安裝簡便，更新迅速，功能完善。R語言的安裝對于硬件的需求很低，且擁有Windows、Mac、Linux等多個平臺的版本。并且R通過其大量的程序包實現了功能的擴展，用戶總是能通過下載功能包獲得最新的分析模塊。

第三，R語言是被國際學術界廣泛認可，絕大多數國際知名高校都將R作為基本的教學和科研工具。

第四，R語言既是編程語言，又是高度功能化的數據分析平臺，同時具有編程語言的靈活性和功能化數據分析軟件的易用性。

（二）開展研究生R語言教學的必要性

首先，作為一種編程語言，R語言的教學可以訓練學生抽象思維、邏輯思維能力，同時作為一種數據分析平臺，R語言可以訓練學生數據分析模型的應用能力和實際操作能力，這一功能是其他非語言類軟件系統無法實現的。

其次，在研究生教學中開設R語言課程，可以極大提升學生在求職就業、考博和出國深造方面的競爭力。由于R語言在國內外學術界和業界有著巨大的影響，因此熟練掌握R語言無疑會使我們的研究生更加具備競爭力。

（三）研究生R語言教學的現狀及改革的迫切性

從當前的教學現狀來看，R語言僅僅是少數專業才有的課程。但是基于本人這幾年的教學和指導研究生的經驗來看，當前我國財經類高校研究生的動手能力較弱。其根本原因之一是缺少數據分析能力的訓練。若要在不過分增加研究生課程量的前提下迅速提高研究生這方面能力，R語言這種將抽象思維、邏輯思維、數據分析模型和數據分析實操緊密集合的平臺是最好的選擇。

（四）R語言教學的內容劃分

R語言集合了計算機語言與數據分析系統的特點，既能像SPSS那樣通過簡單操作即得到結果，又能夠項C語言那樣進行新功能的開發，尤其是其強大的圖形能力，更為數據分析人員提供了強大的數據可視化平臺。為了能夠為學生全面地講授上述內容，需要對課時進行合理分配，輔以合理的教學模式和考核模式。下面本文將以48學時的研究生課程為例，介紹R語言課程的基本內容和結構。

1.教學內容和學時分配

第一部分，R語言簡介（2學時），介紹R語言的歷史、基本操作環境、相關網站、系統本身和軟件包的安裝方法以及參考書籍等。

第二部分，R語言的數據結構（12學時），介紹向量、因子、索引、數組和矩陣、數據框、列表等概念和相關算法。這部分是后面教學的基礎，同時也是R語言區別于其他編程語言的重要方面，在教學時要突出對因子、索引（以及利用索引實現篩選等功能）、數據框等數據結構與數據分析的關系的介紹。

第三部分，R語言的編程結構（12學時），介紹成組、選擇和循環三種結構。在這部分教學中，重點在不能按照傳統程序設計語言的模式進行教學，要突出數據分析的特征，可以考慮使用R語言自己編制景點統計方法的代碼，如最小二乘法、距離判別、快速聚類等。

第四部分，R語言的繪圖功能（12學時），介紹高級繪圖語句、低級繪圖語句、交互繪圖語句以及ggplot2軟件包等。繪圖是R語言的優勢，允許使用者自由的定義圖形，尤其是ggplot2軟件包的出現，更是將R的繪圖功能推上了新的高度。這部分不但是上述第一類、第二類專業研究生所需要掌握的內容，也是第三類專業研究生應當了解的內容。

第五部分，R語言的基本統計功能（10學時），經過前述四個部分的教學，學生已經對R語言具有了較為深入的了解，并應該具有獨立編制代碼的能力。在此基礎上，可以進行本部分的教學，即對于使用R語言實現諸如回歸分析、多元統計分析、時間序列分析的方法進行介紹。由于這一部分功能均有對應的軟件包和函數，因此在軟件操作方面非常簡單，如果跳過前面幾個步驟直接進行這部分的教學會使學生對R語言一知半解，缺少對R語言核心知識的理解。

2.教學及考核方式

由于R語言是一個操作性非常強的語言平臺，傳統的課堂教學+上機的教學模式會使得理論與實踐脫節。因此建議該課程全程在機房進行，這種教學方法的優勢有三個方面：

第一，教師講解更到位。編程類課程重要的是思考過程而不是結果，因此傳統的課堂上聽講，上機課練習的模式會使得思考過程與結果脫節。而在機房上課則可以使學生跟隨教師的講解隨時練習和實驗，使得教學效果更好。

第二，師生互動更容易。學習編程的過程就是不斷試錯的過程，學生需要不斷地從發現錯誤――解決錯誤的過程中提高能力，而在這個過程中教師與學生的互動非常重要。

第三，課堂練習更直接。課堂練習在學習編程過程中具有非常高的重要性，傳統授課模式下，無法做到當天的學習內容當天聯系，是知識技能的掌握不牢，效率低下。

在考核方面，建議采取開卷上機考核的方式。由于R語言的教學具有極大的實踐性，因此“會用”才是最終的目的。同時，由于R語言極強的可擴充性，因此單純地考查學生對于R語言中一些功能代碼的記憶沒有任何意義，采取開卷的方式，重點考查學生解決數據分析問題的能力的上級考試才能夠實現對學生R語言學習水平的測度目的。

五、結論

當今社會已進入大數據時代，任何財經類專業人才的培養脫離了數據分析類教學內容都是不能適應社會需求的。而數據分析課程的理論與實踐并重的特點，要求在教學過程中既重視數據分析理論模型的講解，又重視數據分析平臺的訓練。只有這樣，才能使得財經類人才的培養跟上市場對于人才需求內容的轉變，培養出符合市場需要的人才。

參考文獻：

篇4

引言

目前人類每年產生的數據量已經從TB（1024GB=1TB）級別躍升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB（1024EB=1ZB）級別，隨著數據量的急劇增長，大數據時代已經到來。

隨著計算機處理技術和云計算的迅速發展，人們處理大規模復雜數據的能力日益增強，從大規模數據中提取有價值信息的能力日益提高。經營管理、工業生產等數據都可以直接從互聯網中提取并存儲到服務器中，然后進行數據挖掘和分析，對于提高企業經營管理水平，進行生產過程控制，提高生產效率發揮著巨大的作用。

數據是德國工業4.0五大特色之一。數據是信息化時代重要的生產要素，數據生產信息，信息改善決策，進而提高生產力。可以預測，未來數據積累量、數據分析能力、數據驅動業務的能力將是決定企業價值的最主要因素，是評價企業價值的核心。

一、大數據時代的數據分析

1.大數據

大數據是維克托?邁爾-舍恩伯格在2008年的著作《大數據時代》中提出的概念。維基百科給出的定義是，大數據指所涉及的資料規模巨大，無法通過目前常規軟件工具，在合理時間內達到擷取、管理、處理、整理成為有用信息的數據集合。

大數據的主要特征為大量性（Volume）、多樣性（Variety）、高速性（Velocity）、價值性（Value）。

（1）大量性。是指大數據的數據量巨大。在大數據時代，個人電腦、手機、平板電腦等網絡工具的使用和高度發達的網絡技術的普及，數據資料的來源范圍在不斷拓展，數據的計量單位從PB到EB到ZB，數據量增長發生了質的飛躍。

（2）多樣性。是指數據類型繁多。大數據不僅包括傳統的以文本資料為主的結構化數據，還包括信息化時代所有的文本、圖片、音頻、視頻等半結構數據和非結構化數據，且以半結構化和非結構化數據為主。

（3）高速性。指大數據處理時效性高。大數據產生速度快，有價值信息存在時間短，時效性強，在海量的數據面前，處理數據的效率關乎數據是否有使用價值，因此，能迅速有效的提取大量復雜數據中的有價值信息顯得非常重要。

（4）價值性。指大數據價值巨大，但價值密度低。大數據中存在反映人們生產、生活、商業等各方面極具價值的信息，但由于大數據規模巨大，數據時時刻刻都在更新變化，這些有價值的信息可能轉瞬即逝。因此，如何通過強大的機器算法迅速高效地完成數據的價值“提純”成為大數據時代亟需解決的難題。

2.大數據時代

大數據時代是指在大量數據信息基礎上所形成的新型信息時代，是建立在通過互聯網、物聯網等現代網絡渠道廣泛大量數據資源收集基礎上的數據存儲、價值提煉、智能處理和展示，促進數據發揮價值的信息時代。大數據時代，數據分析過程中數據的管理和應用效率得到提高，人們幾乎能夠從任何數據中獲得可轉換為推動人們生活方式變化的有價值的知識。大數據時代的發展會促進眾多領域和行業進行變革，會對人們未來生活產生深刻的影響。

3.數據分析

數據分析是指用合適的統計方法及與分析對象有關的知識，定量與定性相結合，對收集到的大量數據進行分析的過程，是為了提取有用信息和形成結論而對大量數據進行詳細研究和概括總結的過程。數據分析的目的是把隱藏在一大批看似雜亂無章的數據背后的信息挖掘和提煉出來，進而總結出研究對象的內在規律。

數據分析在企業經營管理中具有重要意義。企業通過統計調查、整理獲得的統計資料能夠對客觀對象的數據特征取得一定的認識，但只是停留在表面的初步認識。通過數據分析，挖掘數據背后隱藏的信息，總結隱藏在其中的內在規律，掌握事物的本質及內在的發展規律，將其應用到實際的經營管理中，可以幫助管理者進行合理的決策管理，并且及時調整企業的運營發展策略，使企業的各項管理工作不斷改善和提高。

目前常用的數據分析方法有：

老七種工具，即排列圖、因果圖、分層法、調查表、散步圖、直方圖、控制圖；

新七種工具，即關聯圖、系統圖、矩陣圖、KJ法、計劃評審技術、PDPC法、矩陣數據圖。

4.大數據時代的數據分析

從大數據中挖掘隱藏的有價值信息的關鍵在于對數據進行正確的數據分析，數據分析是大數據處理流程的核心。大數據的價值產生于分析過程，從規模巨大的數據中挖掘有價值信息所進行的分析過程就是大數據分析。

大數據分析和傳統數據分析最重要的區別在于數據量。數據量的急劇增長及大數據的特征，決定了數據的存儲、查詢以及分析的難度增加，對數據處理技術的要求迅速提高。大數據分析建立在海量原始數據基礎上，不需要預先設定研究目的和方法，而要從大量數據中通過數據挖掘技術找到數據之間的關系并建立模型，尋找導致現實情況的根源因素，甚至形成理論和新的認知，在此基礎上對未來進行預測和優化，以實現社會運行中各個領域的持續改善與創新。

傳統的數據分析是“向后分析”，分析的是已經發生的情況。而在大數據時代，數據分析是“向前分析”，具有預測性。傳統的數據分析主要針對結構化數據，具備一整套行之有效且?V泛使用的分析體系：利用數據庫存儲結構化數據構建數據倉庫構建數據立方體進行分析。對于從大數據中提煉更深層次更有價值的信息的需要促使數據挖掘技術的產生，并發明了聚類、關聯分析、分類、回歸分析、估計、預測、描述和可視化等一系列行之有效的方法。同時大數據的到來使得在線數據分析成為可能，如Web頁挖掘、OLAP等。數據挖掘是在沒有明確假設的前提下去挖掘信息、發現知識，用于指導以后的行動。

二、大數據分析在企業經營管理中的意義

在企業的經營管理過程中，數據是關鍵且核心的因素，在關鍵環節進行科學的數據分析，對于提升企業的經營管理能力具有十分重要的意義與作用。

首先，對企業情況進行完整客觀的反映。在收集企業全面數據報表、調查資料的基礎上，利用數據分析工具進行嚴謹的分析，形成科學規范的數據分析報告，能發現數據背后的信息，便于理解、閱讀和利用，為企業發展決策提供參考。

其次，對企業運營情況進行有效監督。監督是數據分析在企業經營管理中的一項十分重要的功能。對企業經營管理過程中所產生的數據進行監督具有十分重要的作用。在對企業數據、資料進行收集整理的過程中，能夠相對較為全面、如實地知曉行業動態及本企業運行發展狀況，能夠對企業的相關活動產生的效果進行了解，比如企業方針政策實行與否、經營計劃落實情況、經濟指標完成情況等，從而進行行業對比和橫向、縱向對比分析，以幫助企業良性發展。

第三，參與科學化決策。對收集整理到的數據資料有針對性的進行深層次地研究、分析，挖掘出數據資料潛在的實質涵義，促使企業管理者及相關部門能夠更為完整客觀地了解企業發展現狀及發展方向，從而能夠更有針對性地進行企業決策，計劃制定，起到數據分析在企業經營管理中的參與科學化決策的作用。數據驅動型決策是大數據時代決策的特點：盡可能全面、完整綜合地收集數據，在此基礎上使用恰當的統計方法進行建模和分析，挖掘出數據背后的關系，預測事件發生的概率。企業利用大數據和數據分析進行決策時，首先要提高對數據的重視程度，轉變思維模式，在遇到重大決策時，先進行數據收集、分析，再進行決策。其次，要重視普通員工日常積累的數據。員工在完成日常工作的同時，積累了大量最基礎數據資料，企業將所有日常的數據加以整合分析，可以在決策時起到關鍵重要的作用。再次是建立數據輔助決策的流程和模板，建立基于決策任務的決策知識的收集、創造、共享、傳遞和激勵機制。

三、大數據分析在工業生產過程中的應用探討

隨著信息化的推進，數據已經成為一種重要的資源。未來大數據和數據分析將在工業生產全過程中進行應用，將大力提升企業內部運營管理效率，提升企業競爭力，同?r提升制造過程中的智能化。

信息技術隨著信息化與工業化的深度融合，已經滲透到了工業企業產業鏈的各個環節，ERP、MES等技術在工業企業中得到廣泛應用。工業企業中生產線高速運轉，工業設備產生大量數據，工業領域所擁有的數據日益豐富。基于大數據分析平臺，對這些數據進行分析，總結經驗、發現規律、預測趨勢、輔助決策，充分釋放和利用海量數據資源中蘊藏的巨大價值，優化公司運營結構，精準決策，降低成本，提高效率。

大數據和數據分析的應用將給工業企業帶來創新和變革的新時代。信息化和工業化的深入融合，給工業領域帶來深刻的變革，通過互聯網、物聯網等帶來的低成本感知、高速移動鏈接、分布式計算和高級分析，給工業發展帶來了更快的速度、更高的效率和更高的洞察力。大數據分析在工業領域的應用主要包括產品創新、生產流程優化、產品質量管理、生產計劃制定、產品定價、產品生命周期管理、庫存管理、供應商管理等各個方面。

1.產品創新。客戶與工業企業之間的交易產生大量的行為動態數據，同時對產品的使用情況跟蹤記錄，產生產品使用動態數據，對這些數據進行挖掘和分析，將分析結果使用到產品改進設計、創新等活動中，相當于讓客戶參與到產品的需求分析和產品設計等創新活動中，對產品創新具有不可估量的貢獻。

2.生產流程優化。現代化的工業制造生產線安裝有數以千計的小型傳感器，在生產的全過程中可以探測溫度、壓力、振動和噪聲等。整個生產流程將產生大量數據，對這些數據從不同角度進行挖掘分析、比如設備診斷、能耗分析、工藝分析等。在此基礎上，對生產過程建立虛擬模型，仿真并優化改進生產流程，提高設備使用率、降低能耗、減少質量事故發生幾率，優化工藝等，從而提高生產效率。

3.進行質量分析，提高質量管理水平。高度自動化的設備在加工產品的同時記錄了龐大的檢測結果。利用檢測結果進行質量分析，可以提高質量管理水平。在產品的整個壽命周期，包括從市場調研到售后服務等的各個過程中適當運用數據分析過程，可以提高質量管理的有效性。例如QC工具在工業企業的應用。QC指質量控制。針對工業生產全過程特定的工作失誤或品質不良運用QC工具展開分析討論，并將結果可視化顯示在大家容易看到的地方，提醒大家，防止再次發生同樣的問題，同時誰有新的建議可以隨時提出，大家一起討論修訂。

六西格瑪也是目前企業質量管理中運用比較廣泛的工具，它是一種用于改善企業質量流程管理的技術，它以“零缺陷”的完美追求，帶動質量成本的大幅度降低。質量分析工具在廣泛使用，可以提高產品質量，從而最終實現財務成本的降低，同時實現企業競爭力的突破。

4.產品故障診斷與預測。無處不在的傳感器、互聯網技術的利用，使得產品故障診斷實時進行，提高了產品故障診斷的及時性。利用數據挖掘與分析技術，對記錄的數據進行建模與仿真，可以對產品故障實行動態預測。

5.生產計劃的科學制定。生產環節的大數據具有很大的利用價值，對其進行挖掘與分析，對計劃制定具有指導意義。通過對計劃與完成的對比分析，發現計劃與實際完成的偏差，在考慮產能約束、人員技能、物料供應、工裝模具等生產資源的基礎上，通過智能的優化算法，建立計劃制定模型，從而制定更加科學合理的生產計劃。

6.進行科學合理的產品定價。產品定價的合理性需要有詳細的基礎數據和試驗數據作為支撐。一方面能夠獲取更加詳細的微觀數據信息，使產品成品的分析更加科學精確。另一方面可以研究客戶對產品定價的敏感度。通過這些數據分析，為產品定價提供決策參考。

7.實現產品生命周期管理。隨著物聯網的發展，條形碼、二維碼、RFID等能夠唯一標示產品，傳感器、可穿戴設備、智能感知、視頻采集、增強現實等技術能將產品生命周期的信息進行實時采集和分析，這些數據能夠幫助企業在供應鏈的各個環節跟蹤產品，收集產品使用信息，從而實現產品生命周期的管理。這些數據還可以用于售后服務，提高售后服務質量，從而提高產品競爭力。

8.庫存管理。信息化高度發達，可以獲取工業企業各方面的信息。庫存信息將完全展現在管理者面前，通過數據分析和挖掘，可以準確知道產品原材料和產成品庫存量。根據原材料庫存量和生產計劃確定原材料需求量，在此基礎上進行采購，可以保證產品生產需求，有最大限度地減少了資源浪費。

9.完善供應商管理，實現準時化采購。在對原材料大量數據挖掘和分析的基礎上，可以選擇最合適的供應商，保證原材料質量和準時供應，產品質量得到有效控制，同時降低庫存成本，增加了制造的敏捷性與柔性。

篇5

【關鍵詞】大數據；大數據營銷；京東

一、數據分析時代演變歷程

（一）數據1.0時代

數據分析出現在新的計算技術實現以后，分析1.0時代又稱為商業智能時代。它通過客觀分析和深入理解商業現象，取締在決策中僅憑直覺和過時的市場調研報告，幫助管理者理性化和最大化依據事實作出決策。首次在計算機的幫助下將生產、客戶交互、市場等數據錄入數據庫并且整合分析。但是由于發展的局限性對數據的使用更多的是準備數據，很少時間用在分析數據上。

（二）數據2.0時代

2.0時代開始于2005年，與分析1.0要求的公司能力不同，新時達要求數量分析師具備超強的分析數據能力，數據也不是只來源于公司內部，更多的來自公司外部、互聯網、傳感器和各種公開的數據。比如領英公司，充分運用數據分析搶占先機，開發出令人印象深刻的數據服務。

（三）數據3.0時代

又稱為富化數據的產品時代。分析3.0時代來臨的標準是各行業大公司紛紛介入。公司可以很好的分析數據，指導合適的商業決策。但是必須承認，隨著數據的越來越大，更新速度越來越快，在帶來發展機遇的同時，也帶來諸多挑戰。如何商業化地利用這次變革是亟待面對的課題。

二、大數據營銷的本質

隨著顧客主導邏輯時代的到來以及互聯網電商等多渠道購物方式的出現，顧客角色和需求發生了轉變，世界正在被感知化、互聯化和智能化。大數據時代的到來，個人的行為不僅能夠被量化搜集、預測，而且顧客的個人觀點很可能改變商業世界和社會的運行。由此，一個個性化顧客主導商業需求的時代已然到來，大數據沖擊下，市場營銷引領的企業變革初見端倪。

（一）大數據時代消費者成為市場營銷的主宰者

傳統的市場營銷過程是通過市場調研，采集目前市場的信息幫助企業研發、生產、營銷和推廣。但是在大數據以及社會化媒體盛行的今天，這種營銷模式便黯然失色。今天的消費者已然成為了市場營銷的主宰者，他們會主動搜尋商品信息，貨比三家，嚴格篩選。他們由之前的注重使用價值到更加注重消費整個過程中的體驗價值和情境價值。甚至企業品牌形象的塑造也不再是企業單一宣傳，虛擬社區以及購物網站等的口碑開始影響消費者的購買行為。更有甚者，消費者通過在社交媒體等渠道表達個人的需求已經成為影響企業產品設計、研發、生產和銷售的重要因素。

（二）大數據時代企業精準營銷成為可能

在大數據時代下，技術的發展大大超過了企業的想象。搜集非結構化的信息已經成為一種可能，大數據不單單僅能了解細分市場的可能，更通過真正個性化洞察精確到每個顧客。通過數據的挖掘和深入分析，企業可以掌握有價值的信息幫助企業發現顧客思維模式、消費行為模式。尤其在今天顧客為了彰顯個性，有著獨特的消費傾向。相對于忠誠于某個品牌，顧客更忠誠與給自己的定位。如果企業的品牌不能最大化地實現客戶價值，那么即使是再惠顧也難以保證顧客的持續性。并且，企業不能奢望對顧客進行歸類，因為每個顧客的需求都有差別。正是如此，大數據分析才能更好地把握顧客的消費行為和偏好，為企業精準營銷出謀劃策。

（三）大數據時代企業營銷理念———“充分以顧客為中心創造價值”

傳統的營銷和戰略的觀點認為，大規模生產意味著標準化生產方式，無個性化可言。定制化生產意味著個性化生產，但是只是小規模定制。說到底，大規模生產與定制化無法結合。但是在今天，大數據分析的營銷和銷售解決的是大規模生產和顧客個性化需求之間的矛盾。使大企業擁有傳統小便利店的一對一顧客關系管理，以即時工具和個性化推薦使得大企業實現與顧客的實時溝通等。

三、基于數據營銷案例研究

———京東京東是最大的自營式電商企業。其中的京東商城，涵蓋服裝、化妝品、日用品、生鮮、電腦數碼等多個品類。在整個手機零售商行業里，京東無論是在銷售額還是銷售量都占到市場份額一半的規模。之所以占據這樣的優勢地位，得益于大數據的應用，即京東的JDPhone的計劃。JDPhone計劃是依據京東的大數據和綜合服務的能力，以用戶為中心整合產業鏈的優質資源并聯合廠商打造用戶期待的產品和服務體驗。京東在銷售的過程中，通過對大數據的分析，內部研究出一種稱為產品畫像的模型。這個模型通過綜合在京東網站購物消費者的信息，例如：年齡、性別、喜好等類別的信息，然后進行深入分析。根據分析結果結合不同的消費者便有諸如線上的程序化購買、精準的點擊等營銷手段，有效的幫助京東實現精準的營銷推送。不僅如此，通過對于后續用戶購物完成的售后數據分析，精確的分析商品的不足之處或者消費者的直接需求。數據3.0時代的一個特征便是企業不在單純的在企業內部分析數據，而是共享實現價值共創。所以，京東把這些數據用于與上游供應商進行定期的交流，間接促進生產廠商與消費者溝通，了解市場的需求，指導下一次產品的市場定位。總的來說，這個計劃是通過京東銷售和售后環節的大數據分析，一方面指導自身精準營銷，另一方面，影響供應商產品定位和企業規劃，最終為消費者提供滿足他們需求的個性化產品。

四、大數據營銷的策略分析

（一）數據分析要樹立以人為本的思維

“以人為本”體現在兩個方面，一方面是數據分析以客戶為本，切實分析客戶的需求，用數據分析指導下一次的產品設計、生產和市場營銷。另一方面，以人為本體現在對用戶數據的保密性和合理化應用。切實維護好大數據和互聯網背景下隱私保護的問題，使得信息技術良性發展。

（二）正確處理海量數據與核心數據的矛盾

大數據具有數據量大、類型繁多、價值密度低和速度快時效高的特點。所以在眾多海量的數據中，只有反映消費者行為和市場需求的信息才是企業所需要的。不必要的數據分析只會影響企業做出時代Time2017年第04期中旬刊（總第657期）正確的決策。鑒于此，首先企業需要明確核心數據的標準；其次企業要及時進行核心數據的歸檔；最后要有專業的數據分析專業隊數據進行分析，得出科學合理的結果以指導實踐。

（三）整合價值鏈以共享數據的方式實現價值創造