大数据产品价值主张_大数据的价值主张

大数据这个概念被人们曲解却在广泛使用。尽管如此，大数据对企业成长至关重要。但为什么是大数据呢?我们又能期待其能带来什么呢？

大数据成功案例

1.Nate

Silver成功预测了2008年美国总统大选50个中49个州的选举结果。

2.魔球(棒球选秀)。

3.活体细胞中检测癌症(大数据界定了12种类型，但医生只知道9种)。

4.百时美施贵宝减少了临床实验中模拟测试部分98%的运行时间。

5.Xerox利用大数据减少了其呼叫中心20%的损耗率。

6.Kroger的会员积分奖励计划已经连续45个季度增长。

正如这些例子所展示的，大数据确实行之有效。你了解了么？

大数据成功前提

当你从你的企业中收集数据并把其放到大数据系统中，系统会帮助你获得那些使你具有竞争优势的有用见解—(比如说，通过对数据集合的分析可以找到新关联用以指认商情趋势、阻止疾病发展以及打击犯罪等等。【维基百科】)

当我们谈论大数据将会使世界大有不同时，其基于的假设是我们的生活方式和公司运行方式是不那么高效的。

这也意味着大数据是一种优化手段。因此，你必须知道什么是值得优化的。如果你的老板要求你帮助公司应用大数据技术，首先进行的“大数据清洗”是很容易实现的。

1.用最少的功夫发布或收集你能得到的数据；

2.对数据进行大量简单整合；

3.找出最优数据组合以画出最漂亮的图像；

4.将数据应用于某些机器算法，算出结果但各自之间不要比较；

5.创建一个很酷的仪表盘图和一个很酷的演示物。向老板申明这只是初步工作。

然而，通过大数据使你的公司增值并不是那么容易。这是因为见解不是自动产生的。只有当我们手中握有正确数据，同时在找到正确的地方并能发现见解，这样的见解才是有价值的。

要想使公司有所不同，你需要了解大数据可能发挥的空间，大数据工具包括哪些，以及你公司和业务领域的痛点所在？下列图片展示了公司内部一些大数据应用。

第一步是自问，哪些大数据应用会使你的公司有所不同。

第二步是理解“大数据工具箱”中的工具。它们存在多种形式。

KPI(关键绩效指标)

人们曾经把金丝雀带入煤矿。由于这些小鸟儿对空气中的氧气含量非常敏感，如果他们开始失去知觉，人们就需要尽快逃出矿井。KPI就是公司的金丝雀。它们是供你了解某些方面性能表现的指标。这些方面包括国内生产总值，人均收入，国家HDI指数等，企业收入，客户的终身价值，每平方英尺的收入(零售业)。如果已经制定了相关指标，公司才有可能“逃出矿井”。具体实现途径是利用大数据来监控关键绩效指标。

仪表板

想像一下汽车仪表盘。它提供了一眼了解整个系统的机会。当一切运转良好的时候，它毫不起眼。可是当某个环节出现差错时，它会引人注目。然而，不同于汽车仪表盘，大数据仪表板可用于向下钻取和寻找根本原因。

警报

警报可以理解为通知(通过电子邮件，短信，寻呼机等发送)。它们存在的目的是解放时时检测运行状态的大脑，还你一个平和的心态。警报应该是特定的，低频率的，并且有非常低的误报率。

传感器

传感器收集数据，并将其提供给系统的其余部分。它们价格昂贵并且安装费时。

分析

分析帮助做出决定。它们有四种形式：批量性，实时性，交互性，预测性。

批次分析-处理驻留在磁盘上的数据。如果你能耐心等待数据生成(比如说超过一小时)，生成的将是之后使用的原材料。

交互式分析–其用于进行即席查询和了解数据集。你可以把它作为与数据交谈。

实时分析–其用于几毫秒至几秒内的快速检测。实时分析非常适合用于检测持续一段时间的情况。警报即在此阶段实现的。

预测分析–其通过实例实现自我学习解决方案。例如，很难编写一个自动驾驶程序，这是因为有太多的边缘条件。我们通过提供大量的实例，并要求计算机学习已解决此问题的项目(我们称之为模型)经验实现了自我学习。两种常见的预测分析类型包括预测下一个值(如用电负荷预测)和预测类别(例如，这封邮件是否为成功垃圾邮件？)。

向下钻取

做出决策，运营者需要了解数据所在环境并深入挖掘细节以了解根本原因。典型模式是从警报或仪表板开始，然后观察数据所在环境(同时发生的其他事务、同一用户前后行为)，然后引导用户深入。例如，请观看WSO2欺诈检测解决方案Demo。

根据数据并使用上述工具形成见解的过程有以下特征：

不同角色共同协作探索数据，理解数据，定义KPIs，创建仪表盘，警告等。

在这个过程中，面临的关键挑战是如何维持系统运行。这包括DevOps的挑战，不断整合数据，更新模型，并从决策成效(如欺诈的精度)获取反馈。因此，在生产过程中这样做是很昂贵的。

另一方面，“一次完成”很便宜。因此，必须先通过尝试某个特定方式实验自己的脚本(如果需要的话，雇佣专家完成工作)，并确保在公司的增值系统建立之前可以为公司带来价值。

可操作的见解是关键！

生成的见解必须是可操作的。这意味着:

1.分享的信息必须是显著的、值得关注的，并附有他们可能引起的后果(例如两个以上的技术问题会导致客户流失)

2.决策者可以识别见解背后的问题(例如，运营商可以通过客户的历史记录来确认资格)

3.决策者可依据见解进行决策(例如可与客户一起工作以消除疑虑和及时修复问题)

对于展示给用户的每个信息，你必须认真思考“为什么我要向他展示这个？”，“他可以利用这个信息做什么？“，以及”还需要提供什么信息使他理解内容？”。

从哪里开始？

大数据项目存在多种形式。

1.使用现有的数据集：我已经拥有一个数据集及潜在问题列表。我将利用大数据来解决一些问题。

2.解决一个已知的问题：发现一个问题，收集有关它的数据，分析，可视化，建立一个模型并改进它。然后创建一个仪表板来监视。

3.改进整体流程：用仪器记录流程(先从最关键的部分)，寻找KPI，分析和可视化整体流程，并改进。

4.找到相关性：收集所有可用数据，挖掘数据或视觉化，找到有趣的相关性。