当前位置:大数据业界动态 → 正文

他们让大数据变商机——Google、UPS、亚马逊成功经验

责任编辑:editor006 |来源:企业网D1Net  2015-05-21 16:25:41 本文摘自:中国大数据

大数据

大数据掀起的革命,正在全面影响你我的生活。面对如此大量数据,该怎麽用?如何正确解读?国外企业成功经验,可以做为借镜。

一场大数据分析的「数据革命」登场,正掀起生活、工作和思考方式的全面革新。然而,面对杂乱无章的大数据,究竟怎麽理出头绪,却成了大家最头痛的问题。

麻省理工学院教授 Erik Brynjolfsson,具体研究擅长使用数据来决策的公司,整体绩效比不用数据的企业,生产力至少高出 6%,例如,Google、亚马逊等企业竞争力不断往上提上,而不少新创公司则因为有大数据思惟,成为明日之星。《大数据》作者、牛津大学教授 Mayer-Schonberger 提出使用大数据,五大最重要观念,只要跟着这样的逻辑,大家都可能成为新赢家。

1. 数据数量远比品质更重要

成功案例:Google

在大数据时代下,数据数量已比数据品质重要。涵盖 60 种语言的 Google翻译,就是一个绝妙例子。早在 1990 年代,IBM 的专家曾开发一套 Candide 翻译系统,采用加拿大国会的英法语双语文件,大约是 300 万个句对,训练电脑读懂使用机率,到底 A 语言的辞汇,最有可能对应到 B 语言的哪个词汇,来增加翻译的精准度,把翻译转换成数学问题 但後来进展却不大,终告放弃。

2000 年时,微软语言处理专家发现,当他们在进行文法校正的「机器学习」时,随着输入的数据量不断增加,准确度显着提升,他们当时下了一个假设,「或许我们要重新考虑,是要砸钱来开发程式演算法,还是扩大语料库。」

接受不精确 先求扩大数据规模

几年之後,Google 也决定投入翻译领域,但不同於 IBM 使用 300 万个精心翻译的句子,而是使用手边更庞大、更混乱的数据集。Google 的翻译系统母体大至全球网络,广达数十亿个翻译网页,有高达兆字的语料库,收录所找到的每一则翻译,用来训练电脑。

数据来源包含各公司网站、官方文件的多语翻译,国际组织的多语报告,或是Google图书扫描计画,纳入的书籍翻译,甚至包含网上各种断简残篇、品质参差不齐、混乱的数据。这样一来,翻译的准确度再度提升,甚至某个英文字之後,出现另外一个字的机率,都能够计算出来。

Google 人工智慧专家指出,Google 使用的数据,常有不完整的句子,拼字错误、文法缺误,但正因为拥有比其他语料库多出千万倍的数据,足以盖过缺点。因此,进入大数据时代的第一个观念,就是要接受,数据「数量」远比数据「品质」重要,而且要接受杂乱,不能事事要求精确。

2. 找相关性而非执着因果关系

成功案例:纽约市公安管理

以纽约市为例,每年都因为地下管道火灾,付出不少代价,路面上重达140公斤的铸铁人孔盖更常因为闷烧爆炸,飞到几层楼高,再砸回地面,造成严重公安困扰。但纽约市的地下电缆,长度超过15万公里,足以绕地球三圈半,光曼哈顿就有超过5万1000个人孔盖,数量之多,就算每年定期检查,意外仍然防不胜防。

负责管理的爱迪生联合电力公司,找上哥伦比亚大学统计专家鲁丁(Cynthia Rudin)协助。怎麽做呢?第一步,他们先蒐集1880年到2008年管路历史数据,但光是要表达「维修孔」,就有38种不同的写法,数据杂乱无章。研究的重点,在於找出「相关性」。不在於「为什麽会爆炸」,而是「哪个人孔会爆炸」。

挑有效指标 逐步缩小问题范围

研究小组从 106 个重大人孔灾害预测指标下手,慢慢去芜存菁,最後剩下几个最有效的指标。接着他们再缩小范围,仅研究某一区的地下电缆,分析截至2008年的数据,来预测 2009 年的危险人孔位置,结果小组列出的前 10% 危险清单,的确有 44% 曾发生过严重事故,也据此找出最有相关性的几个指标。

最後,小组发现「电缆年份」和「过去是否发生事故」,是最重要的判断指标,依此原则来替市区几万个人孔盖排定检查顺序。虽然答案好像显而易见,但是过去却浑然未觉,直到分析团队用大数据的科学验证,大家才恍然大悟。

纽约市还有另一个严重问题,是住宅非法改建,不少房子都隔成许多小间,住了比原本设计多十倍人数,常发生火灾。为了减少意外死亡,政府需要知道的,反而不是为何有如此多非法住宅,而是这些非法住宅到底在哪里?

怎麽找出来?第一,先取得全市 90 万笔住宅数据,再整合 19 个机构数据,像房屋税缴纳状况、是否为法拍屋、水电费是否异常,都纳入考虑。团队也纳入住宅屋型、年份、救护车出勤率、鼠患、非法改建投诉等数据,再拿来与五年来火灾程度数据比对,找出「相关性」来建立预测系统。

除了已记录的数据,市府团队还访问了资深检查员,尽可能找出更多可以比对的指标。例如,他们从老干员的口中,发现新砌外墙的住宅,有问题的机率很低,但是调查员也说不上来为什麽,只说是凭直觉,後来发现曾经老屋拉皮的建筑,表示住户较重视环境维护,发生事故的机率就比较低。因此分析专家回头把「市府老旧建物拉皮」这个变项也纳入系统,就像用「删去法」一般,筛选掉相对低风险的住宅,提升预测的准确度。

透过反覆比对 提升预测准确度

另外,纽约市府本来以为某栋住宅投诉电话愈多,表示危险程度愈高,因此常常前往稽查,浪费不少人力。後来几番分析比对才发现,事实相去甚远,因为在上东城高级住宅区,只要有一只老鼠,投诉电话就成天响个不停,但是在相对落後的布鲁克林区,非得等到鼠患严重,才有投诉进线。

透过这样反覆比对原始指标和每周收到的即时数据,纽约市府每星期都能列出,可能发生火灾的前五名名单,立即交给检察员处理,让这套大数据预测系统大获成功。透过相关性筛选出来的危险建物名单,竟然有 70% 以上确实需要撤离住民,成效斐然。

3. 看似没用的数据也有商机

成功案例:Foursquare、UPS、推特、亚马逊

除了要能接受杂乱数据,从中找出相关性,迎接大数据,还有另一个重点,就是任何纪录,甚至连情绪、社交图谱、搜寻轨迹,都可数据化。例如,当「地理位置」成为数据,有无限商机。全球最大的打卡社群平台 Foursquare,最重要的功能就是让用户,随时打卡、拍照上传景点。

这些蕴含用户地域位置的打卡数据、轨迹,只要仔细纪录下来,便能够了解某一时间、地点,用户都在做些什麽事?藉此推播精准的广告、折扣讯息。甚至星巴克、麦当劳都跟 Foursquare 购买这些打卡数据,来分析决定要在哪里开新门市。Foursquare 也从一个社群平台,变成有附加价值的精确市场分析数据提供商。

循司机行车路径 找出省时省油路线

快递公司优必速(UPS)也是率先把「地理位置」数据化的成功案例。们透过每台货车的无线电设备和GPS,精确知道车辆位置,并从累积下来无数笔的行车路径,找出最佳行车路线。从这些分析中,UPS发现十字路口最易发生意外、红绿灯最浪费时间,只要减少通过十字路口次数,就能省油、提高安全。靠着数据分析,UPS 一年送货里程大幅减少 4,800 公里,等於省下 300 万加仑的油料及减少3万吨二氧化碳,安全性和效率也提高了。

当「情绪」和「社交互动」成为数据,又能做些什麽?推特就是最好的例子,每天至少有四亿则以上推文,明明大多数推文,看来就像是随口嚷嚷,但却成了重要「分析」指标,可以用来及早了解消费者反应,或是判断行销活动成果,不少公司都抢着要和推特签订数据的存取权。

当用户的网络「轨迹」成为数据,又有何用?网购龙头亚马逊正是依照客户浏览的历史,来比对「产品」和「产品」的关连性,开发无人能敌的自动推荐系统。现在亚马逊上,每三笔订单,就有一笔是来自电脑推荐和客制化系统。

4. 挖出大数据的新价值

成功案例:新创公司、老牌公司翻身

千万别以为用大数据分析,是大公司或是科技大厂的专利,小型企业不一定要自己拥有数据,可以靠授权获得,再使用廉价云端运算平台分析。拥有「大数据」思惟和好点子,能让新创公司蓬勃发展。一位美国顶尖的数据科学家 Oren Etzioni,就是利用大数据创业的先驱。

几年前,Oren Etzioni 在从西雅图飞往洛杉矶参加弟弟婚礼的飞机上,发现临座几位乘客的票价都比他的便宜,打破以往觉得飞机票愈早买、愈省钱的想法,萌生创业点子。

分析旧票价数据 抓出未来涨跌

Oren Etzioni 开发出预测飞机票未来是涨是跌的服务「Farecast」。最重要的关键是取得特定航线的所有票价资讯,再比对与出发日期的关连性,如果平均票价下跌,买票的事还可缓一缓,如果平均票价上升,系统会建议立即购票。他先在某个旅游网站取得 1 万 2,000 笔票价数据,作为样本,建立预测模型,接着引进更多数据,直到现在,Farecast 手中有 2,000 亿笔票价纪录。

後来他的公司被微软并购,把这套服务结合到 Bing 搜寻引擎中,平均为每位用户节省 50 美元。去年被 eBay 并购的价格预测服务 Decide.com,也是 Oren Etzioni 的杰作。在 2012 年,开业一年的 Decide,已调查超过 250 亿笔价格资讯、分析 400 万项产品,随时和数据库中的产品价格比对。从普查中,他们发现零售业秘辛,就是新型号上市时,旧产品竟不跌反涨,或异常的价格暴涨,来警告消费者先等一等,再下手。

观察网友文章 老产品找到新用法

一个老品牌翻身的故事,也是藉助网络上的部落格文,触类旁通的创新行销范例。风靡澳洲的酵母咸味酱 Vegemite 品牌(已被美国最大食品集团卡夫 Kraft 并购),一直是澳洲家庭必备涂酱,但 2009 年时突然市占率下滑。卡夫集团委托 IBM 调查 150 万笔论坛、部落格文、网络新闻,发现近 50 万笔、38 种不同语言关於酵母涂酱的内容,更发现大家会把酵母酱搭配酪梨、烤肉、番茄一起吃,是以往没想过的新资讯。

於是,他们开启公司史上最成功的行销「你都怎麽用酵母酱?」让大家分享吃法,成功让Vegemite酵母酱再度热卖,比过去销量高峰期再高出5%。

5. 拒绝「数据独裁」,小心依赖、滥用数据

失败案例:Google

要成为大数据的赢家,要小心,不要被数据蒙蔽。就算是数据高手的 Google,也三不五时失败。转战 Yahoo 的 Google 前高层 Marissa Mayer,曾要求工作人员测试足足 41 种不同色阶的蓝色,有的甚至肉眼难以分辨,只为了知道网站工具列该挑什麽颜色。Mayer-Schonberger 指出,这些例子都证明 Google 对数据太言听计从了,极端数据独裁的结果,也遭来反抗。

Google 的顶尖设计师鲍曼正是受不了一切都要量化,愤而离职。他在部落格上写道:「我们争论到底某个边界究竟该是 3、4 还是 5 个像素宽,??如果以为每个决定都可以简化成逻辑问题,这些数据最後就会变成拐杖,每个决定都需要拄着柺杖,让整个公司瘫痪!」

Mayer-Schonberger 提醒,不能过分依赖数据,否则可能如同希腊神话中伊卡洛斯(Icarus)所犯的错误——他搭着鸟羽和蜡,制成的飞行翼翱翔天际,但却太相信自己的飞翔技能,使用不当而折翼坠海。

五大观念,挖出潜在新商机

第一、数据数量要够大、够多,量比质更重要。

第二、找出「相关性」,而非因果关系。

第三、地理位置、情绪贴文、社群图谱、看似无用的散漫纪录,都是有用的。

第四、只要有大数据思惟,小公司也能靠创新的点子致胜。

第五、要小心数据独裁,不要被大数据掌控。

大数据领域权威专家——麦尔荀伯格(Viktor Mayer-Schonberger)访台论坛

BIG DATA 大数据时代来临,谁能在庞杂的讯息中掌握关键,谁就能取得解决问题的先机。

不论你从事的是商业、资讯科技、公共行政、教育、医疗,或者只是单纯对未来趋势感到好奇,麦尔荀伯格亲自剖析如何拥抱不精确,创造新生意。
 

原文链接:http://www.thebigdata.cn/YeJieDongTai/14280.html

关键字:Google让用户变项UPS成功案例

本文摘自:中国大数据

x 他们让大数据变商机——Google、UPS、亚马逊成功经验 扫一扫
分享本文到朋友圈
当前位置:大数据业界动态 → 正文

他们让大数据变商机——Google、UPS、亚马逊成功经验

责任编辑:editor006 |来源:企业网D1Net  2015-05-21 16:25:41 本文摘自:中国大数据

大数据

大数据掀起的革命,正在全面影响你我的生活。面对如此大量数据,该怎麽用?如何正确解读?国外企业成功经验,可以做为借镜。

一场大数据分析的「数据革命」登场,正掀起生活、工作和思考方式的全面革新。然而,面对杂乱无章的大数据,究竟怎麽理出头绪,却成了大家最头痛的问题。

麻省理工学院教授 Erik Brynjolfsson,具体研究擅长使用数据来决策的公司,整体绩效比不用数据的企业,生产力至少高出 6%,例如,Google、亚马逊等企业竞争力不断往上提上,而不少新创公司则因为有大数据思惟,成为明日之星。《大数据》作者、牛津大学教授 Mayer-Schonberger 提出使用大数据,五大最重要观念,只要跟着这样的逻辑,大家都可能成为新赢家。

1. 数据数量远比品质更重要

成功案例:Google

在大数据时代下,数据数量已比数据品质重要。涵盖 60 种语言的 Google翻译,就是一个绝妙例子。早在 1990 年代,IBM 的专家曾开发一套 Candide 翻译系统,采用加拿大国会的英法语双语文件,大约是 300 万个句对,训练电脑读懂使用机率,到底 A 语言的辞汇,最有可能对应到 B 语言的哪个词汇,来增加翻译的精准度,把翻译转换成数学问题 但後来进展却不大,终告放弃。

2000 年时,微软语言处理专家发现,当他们在进行文法校正的「机器学习」时,随着输入的数据量不断增加,准确度显着提升,他们当时下了一个假设,「或许我们要重新考虑,是要砸钱来开发程式演算法,还是扩大语料库。」

接受不精确 先求扩大数据规模

几年之後,Google 也决定投入翻译领域,但不同於 IBM 使用 300 万个精心翻译的句子,而是使用手边更庞大、更混乱的数据集。Google 的翻译系统母体大至全球网络,广达数十亿个翻译网页,有高达兆字的语料库,收录所找到的每一则翻译,用来训练电脑。

数据来源包含各公司网站、官方文件的多语翻译,国际组织的多语报告,或是Google图书扫描计画,纳入的书籍翻译,甚至包含网上各种断简残篇、品质参差不齐、混乱的数据。这样一来,翻译的准确度再度提升,甚至某个英文字之後,出现另外一个字的机率,都能够计算出来。

Google 人工智慧专家指出,Google 使用的数据,常有不完整的句子,拼字错误、文法缺误,但正因为拥有比其他语料库多出千万倍的数据,足以盖过缺点。因此,进入大数据时代的第一个观念,就是要接受,数据「数量」远比数据「品质」重要,而且要接受杂乱,不能事事要求精确。

2. 找相关性而非执着因果关系

成功案例:纽约市公安管理

以纽约市为例,每年都因为地下管道火灾,付出不少代价,路面上重达140公斤的铸铁人孔盖更常因为闷烧爆炸,飞到几层楼高,再砸回地面,造成严重公安困扰。但纽约市的地下电缆,长度超过15万公里,足以绕地球三圈半,光曼哈顿就有超过5万1000个人孔盖,数量之多,就算每年定期检查,意外仍然防不胜防。

负责管理的爱迪生联合电力公司,找上哥伦比亚大学统计专家鲁丁(Cynthia Rudin)协助。怎麽做呢?第一步,他们先蒐集1880年到2008年管路历史数据,但光是要表达「维修孔」,就有38种不同的写法,数据杂乱无章。研究的重点,在於找出「相关性」。不在於「为什麽会爆炸」,而是「哪个人孔会爆炸」。

挑有效指标 逐步缩小问题范围

研究小组从 106 个重大人孔灾害预测指标下手,慢慢去芜存菁,最後剩下几个最有效的指标。接着他们再缩小范围,仅研究某一区的地下电缆,分析截至2008年的数据,来预测 2009 年的危险人孔位置,结果小组列出的前 10% 危险清单,的确有 44% 曾发生过严重事故,也据此找出最有相关性的几个指标。

最後,小组发现「电缆年份」和「过去是否发生事故」,是最重要的判断指标,依此原则来替市区几万个人孔盖排定检查顺序。虽然答案好像显而易见,但是过去却浑然未觉,直到分析团队用大数据的科学验证,大家才恍然大悟。

纽约市还有另一个严重问题,是住宅非法改建,不少房子都隔成许多小间,住了比原本设计多十倍人数,常发生火灾。为了减少意外死亡,政府需要知道的,反而不是为何有如此多非法住宅,而是这些非法住宅到底在哪里?

怎麽找出来?第一,先取得全市 90 万笔住宅数据,再整合 19 个机构数据,像房屋税缴纳状况、是否为法拍屋、水电费是否异常,都纳入考虑。团队也纳入住宅屋型、年份、救护车出勤率、鼠患、非法改建投诉等数据,再拿来与五年来火灾程度数据比对,找出「相关性」来建立预测系统。

除了已记录的数据,市府团队还访问了资深检查员,尽可能找出更多可以比对的指标。例如,他们从老干员的口中,发现新砌外墙的住宅,有问题的机率很低,但是调查员也说不上来为什麽,只说是凭直觉,後来发现曾经老屋拉皮的建筑,表示住户较重视环境维护,发生事故的机率就比较低。因此分析专家回头把「市府老旧建物拉皮」这个变项也纳入系统,就像用「删去法」一般,筛选掉相对低风险的住宅,提升预测的准确度。

透过反覆比对 提升预测准确度

另外,纽约市府本来以为某栋住宅投诉电话愈多,表示危险程度愈高,因此常常前往稽查,浪费不少人力。後来几番分析比对才发现,事实相去甚远,因为在上东城高级住宅区,只要有一只老鼠,投诉电话就成天响个不停,但是在相对落後的布鲁克林区,非得等到鼠患严重,才有投诉进线。

透过这样反覆比对原始指标和每周收到的即时数据,纽约市府每星期都能列出,可能发生火灾的前五名名单,立即交给检察员处理,让这套大数据预测系统大获成功。透过相关性筛选出来的危险建物名单,竟然有 70% 以上确实需要撤离住民,成效斐然。

3. 看似没用的数据也有商机

成功案例:Foursquare、UPS、推特、亚马逊

除了要能接受杂乱数据,从中找出相关性,迎接大数据,还有另一个重点,就是任何纪录,甚至连情绪、社交图谱、搜寻轨迹,都可数据化。例如,当「地理位置」成为数据,有无限商机。全球最大的打卡社群平台 Foursquare,最重要的功能就是让用户,随时打卡、拍照上传景点。

这些蕴含用户地域位置的打卡数据、轨迹,只要仔细纪录下来,便能够了解某一时间、地点,用户都在做些什麽事?藉此推播精准的广告、折扣讯息。甚至星巴克、麦当劳都跟 Foursquare 购买这些打卡数据,来分析决定要在哪里开新门市。Foursquare 也从一个社群平台,变成有附加价值的精确市场分析数据提供商。

循司机行车路径 找出省时省油路线

快递公司优必速(UPS)也是率先把「地理位置」数据化的成功案例。们透过每台货车的无线电设备和GPS,精确知道车辆位置,并从累积下来无数笔的行车路径,找出最佳行车路线。从这些分析中,UPS发现十字路口最易发生意外、红绿灯最浪费时间,只要减少通过十字路口次数,就能省油、提高安全。靠着数据分析,UPS 一年送货里程大幅减少 4,800 公里,等於省下 300 万加仑的油料及减少3万吨二氧化碳,安全性和效率也提高了。

当「情绪」和「社交互动」成为数据,又能做些什麽?推特就是最好的例子,每天至少有四亿则以上推文,明明大多数推文,看来就像是随口嚷嚷,但却成了重要「分析」指标,可以用来及早了解消费者反应,或是判断行销活动成果,不少公司都抢着要和推特签订数据的存取权。

当用户的网络「轨迹」成为数据,又有何用?网购龙头亚马逊正是依照客户浏览的历史,来比对「产品」和「产品」的关连性,开发无人能敌的自动推荐系统。现在亚马逊上,每三笔订单,就有一笔是来自电脑推荐和客制化系统。

4. 挖出大数据的新价值

成功案例:新创公司、老牌公司翻身

千万别以为用大数据分析,是大公司或是科技大厂的专利,小型企业不一定要自己拥有数据,可以靠授权获得,再使用廉价云端运算平台分析。拥有「大数据」思惟和好点子,能让新创公司蓬勃发展。一位美国顶尖的数据科学家 Oren Etzioni,就是利用大数据创业的先驱。

几年前,Oren Etzioni 在从西雅图飞往洛杉矶参加弟弟婚礼的飞机上,发现临座几位乘客的票价都比他的便宜,打破以往觉得飞机票愈早买、愈省钱的想法,萌生创业点子。

分析旧票价数据 抓出未来涨跌

Oren Etzioni 开发出预测飞机票未来是涨是跌的服务「Farecast」。最重要的关键是取得特定航线的所有票价资讯,再比对与出发日期的关连性,如果平均票价下跌,买票的事还可缓一缓,如果平均票价上升,系统会建议立即购票。他先在某个旅游网站取得 1 万 2,000 笔票价数据,作为样本,建立预测模型,接着引进更多数据,直到现在,Farecast 手中有 2,000 亿笔票价纪录。

後来他的公司被微软并购,把这套服务结合到 Bing 搜寻引擎中,平均为每位用户节省 50 美元。去年被 eBay 并购的价格预测服务 Decide.com,也是 Oren Etzioni 的杰作。在 2012 年,开业一年的 Decide,已调查超过 250 亿笔价格资讯、分析 400 万项产品,随时和数据库中的产品价格比对。从普查中,他们发现零售业秘辛,就是新型号上市时,旧产品竟不跌反涨,或异常的价格暴涨,来警告消费者先等一等,再下手。

观察网友文章 老产品找到新用法

一个老品牌翻身的故事,也是藉助网络上的部落格文,触类旁通的创新行销范例。风靡澳洲的酵母咸味酱 Vegemite 品牌(已被美国最大食品集团卡夫 Kraft 并购),一直是澳洲家庭必备涂酱,但 2009 年时突然市占率下滑。卡夫集团委托 IBM 调查 150 万笔论坛、部落格文、网络新闻,发现近 50 万笔、38 种不同语言关於酵母涂酱的内容,更发现大家会把酵母酱搭配酪梨、烤肉、番茄一起吃,是以往没想过的新资讯。

於是,他们开启公司史上最成功的行销「你都怎麽用酵母酱?」让大家分享吃法,成功让Vegemite酵母酱再度热卖,比过去销量高峰期再高出5%。

5. 拒绝「数据独裁」,小心依赖、滥用数据

失败案例:Google

要成为大数据的赢家,要小心,不要被数据蒙蔽。就算是数据高手的 Google,也三不五时失败。转战 Yahoo 的 Google 前高层 Marissa Mayer,曾要求工作人员测试足足 41 种不同色阶的蓝色,有的甚至肉眼难以分辨,只为了知道网站工具列该挑什麽颜色。Mayer-Schonberger 指出,这些例子都证明 Google 对数据太言听计从了,极端数据独裁的结果,也遭来反抗。

Google 的顶尖设计师鲍曼正是受不了一切都要量化,愤而离职。他在部落格上写道:「我们争论到底某个边界究竟该是 3、4 还是 5 个像素宽,??如果以为每个决定都可以简化成逻辑问题,这些数据最後就会变成拐杖,每个决定都需要拄着柺杖,让整个公司瘫痪!」

Mayer-Schonberger 提醒,不能过分依赖数据,否则可能如同希腊神话中伊卡洛斯(Icarus)所犯的错误——他搭着鸟羽和蜡,制成的飞行翼翱翔天际,但却太相信自己的飞翔技能,使用不当而折翼坠海。

五大观念,挖出潜在新商机

第一、数据数量要够大、够多,量比质更重要。

第二、找出「相关性」,而非因果关系。

第三、地理位置、情绪贴文、社群图谱、看似无用的散漫纪录,都是有用的。

第四、只要有大数据思惟,小公司也能靠创新的点子致胜。

第五、要小心数据独裁,不要被大数据掌控。

大数据领域权威专家——麦尔荀伯格(Viktor Mayer-Schonberger)访台论坛

BIG DATA 大数据时代来临,谁能在庞杂的讯息中掌握关键,谁就能取得解决问题的先机。

不论你从事的是商业、资讯科技、公共行政、教育、医疗,或者只是单纯对未来趋势感到好奇,麦尔荀伯格亲自剖析如何拥抱不精确,创造新生意。
 

原文链接:http://www.thebigdata.cn/YeJieDongTai/14280.html

关键字:Google让用户变项UPS成功案例

本文摘自:中国大数据

电子周刊
回到顶部

关于我们联系我们版权声明隐私条款广告服务友情链接投稿中心招贤纳士

企业网版权所有 ©2010-2024 京ICP备09108050号-6 京公网安备 11010502049343号

^