一、大數據時代需要深度挖掘與精細管理

    (一)大數據時代的數據特征

    牛津大學教授維克托.邁爾)舍恩伯格(Viktor Mayer-SchÊnberger)在5大數據時代6中前瞻性地指出,大數據帶來的信息風暴正在變革我們的生活、工作和思維,大數據開啟了一次重大的時代轉型,講述了大數據時代的思維變革、商業變革和管理變革。據統計,近兩年內由人類產生的數據,竟然達到了人類有史以來的全部數據的90%以上。數據量的龐大,遠遠超出了我們的想象;數據量的巨大增長速度,也是我們始料未及的,這就是大數據時代的最大特征。這個巨大,不僅是數據量本身極為巨大,更深層意義是,數據所含的信息量同樣巨大無比。同時,這些海量的數據及信息量必然給數據處理以及分析帶來極大的困難。因此,我們必須學會處理與分析海量數據的手段與方法,因為只有這樣,才不會被大量數據信息弄得頭昏腦脹,才能在大數據的海洋中暢游。

    (二)大數據時代的數據挖掘

    數據挖掘,簡單來說就是對數據進行處理和分析,找到自己所需要的,扔掉自己不需要的信息。大數據時代,是一場數據上的革命時代,對人類社會生活具有顛覆性的影響。不僅如此,它還將對企業的決策、組織、業務流程等產生重要影響,甚至在某種程度上,它也能對國家的治理模式產生不可估量的影響。在大數據時代,人與人之間不再存在界限,甚至于完全模糊到沒有國界與任何疆界的程度。以前的種種最為寶貴的資產變成了數據,成為大數據時代最為寶貴的財富,因此只有學會分析處理數據,才能獲得這些所謂的財富。然而這些海量的“寶貴財富”就像一座藏寶山,它不在表面直接出現,而是被層層包裹著。我們必須利用我們所能想到的各種工具去尋找寶藏,而這些工具中相當重要的一種便是數據挖掘。

    數據挖掘需要一個建模的過程,選取所需的大量數據,然后利用各種數理模型對這些大數據進行整理和分析,來有效地幫助企業了解不同的客戶,以及它們的市場劃分,并據此來了解消費者的喜好和消費者的行為方式,這便是數據挖掘的具體含義:從大數據中找出企業所需的一種方法。這些大量的數據之中必然隱藏著一種規律性的東西,要想找到這種規律,就得經過數據挖掘過程并對數據進行建模,利用所建的模型將這種關聯性、規律性從數據中找出來。由此可見,數據挖掘和統計的關系十分密切,數據挖掘過程中經常會用到統計分析的一些方法,除此之外,還會利用到聯機分析與處理系統、專家系統及模式識別系統等科學方法。

    (三)大數據時代的精細管理

    2012年《大數據時代》呱呱墜地,不到一年時間便暢銷遍全球。從數據發展情形來看,工業、農業、教育和軍事等多個信息化的發展過程中肯定會產生十分龐大的數據量,這便為數據精細管理提供了巨大的發展潛力。

    大數據的精細管理永無止境,因為數據不斷被更新,大數據的作業模型不斷在改進,分析、處理和應用技術也在不斷進步。就我國目前狀況而言,我國存在著非常大量的數據,但是對這些數據的精細管理卻十分缺少。精細管理有一個步驟是數據采集,這個過程務必須要十分詳細、資料完備,只有這樣,我們才能在數據中找到我們所需要的客觀信息,才能更好地分析處理數據。目前,我國的大型互聯網行業大都十分重視數據的采集工作,這對于未來的數據精細管理的作用至關重要,在后續的數據分析中有著舉足輕重的地位。

    (四)大數據時代數據挖掘與數據精細管理的意義

    無論是數據挖掘,還是精細管理,在大數據時代都有著十分重要的意義,因為通過分析,我們可以提出提供決策的意見與建議,這些都是靠強大的數據支持的。目前,世界五百強企業中絕大多數在提出管理建議時,都需要大量數據為其作為理論依據。而在我國,即使是中小企業,也在分析、解決問題時開始傾向于用數據說話,如若沒有大量數據,便沒有理論依據,也就無法提出科學合理的建議。此外, 數據本身其實是會“說話”的,只不過這些話需要自己找出來,在對這些數據進行分析處理之后,就可能從中發現企業所需要的東西。大量的數據中其實隱藏著很多寶藏,比如客戶的喜好及市場未來的可能發展趨勢等,這些對于企業有極其重要的意義,只有更加了解、接近市場的企業,才能從競爭中脫穎而出。企業必須依靠大量數據的分析才能更好地為客戶服務,更好地完成企業的各項工作。

二、大數據時代如何進行數據的深度挖掘

    由于企業對大數據資源有開發方面的需求,于是便有了數據的深度挖掘。企業擁有大量寶貴的數據資源,它們都希望從中提煉出最有用的信息與線索。深度數據挖掘包括了準備階段、挖掘階段以及結果的表達和解釋工作。數據挖掘的手段也有很多,諸如關聯分析、分類分析、聚類分析、特異群組分析以及演變態勢分析等。

    根據數據中的差異性,可以很好地建立分類模型,這樣做有十分明顯的作用,它能夠把狀態細分化,實施更具有針對性的營銷,找到更有價值的客戶群體。可以在進行正式分類前先進行一次估計,然后根據估計結果對數據進行預分類,再進行修正直到達到更好。

    對數據進行預測有著十分重要的意義,這是對數據進行深度挖掘的一個不能缺少的過程,也是對于數據挖掘更為高級的應用。預測不僅是估計大數據,更要求根據這些大數據進行準確的預判。預測要對以前做好的大數據集進行分析整理,對它所代表的現實世界進行抽象,初步得到最基本的模型,然后從信度及效度兩個方面對模型進行檢驗,確保建立的模型的準確性。建立模型只是一個對數據進行模擬的過程,其目的是通過這一過程對未來趨勢進行預測,盡量達到準確。數據本身是過去的,從這一方面來說它們只能代表過去,但是我們可以通過模型找到其產生的基本機制,使預測成為可能并有準確性。過去的數據并不只是能夠表示過去,它們是十分珍貴的財富,因為從這些數據之中我們能夠預測未來。預測是一個復雜的過程,據統計,目前有關預測已經存在的模型已經有了幾百種,就算是最常用模型的也有好幾十種,因此這個過程有待于進一步提高和改進。現實世界是復雜的,雖然說預測技術到目前有了突飛猛進的發展,但是預測只是預測,永遠都替代不了現實,而且任何已經存在的模型都不一定比量身定做出來的更符合當前的業務。目前,可以運用于大部分企業應用的模型有很多種,包括多元回歸、非線性回歸、AR模型、MA模型等各種各樣的預測模型。還有一些是專業級統計應用軟件,比如矩陣實驗室、SAS、SPSS、MATLAB等,這些也為深度數據挖掘提供了便利條件。

三、大數據時代數據精細管理淺析

    如果說數據挖掘提高了企業的洞察力,那么大數據管理的精細程度則為企業提供了數據管理方面的保障。目前,大數據的精細管理僅限于大型企業,尤其是互聯網或其他高科技企業,因為龐大的數據量在目前并不會出現于普通百姓之家,即使一些企業有數十年的數據量,也都沒有達到大數據的水平。不管是以利潤為中心,還是以客戶為中心,大數據的精細管理都是一種推動力量,有利于推動企業的發展。大數據的精細管理為其提供了管理方面的基礎,同時為差異化競爭提供了原始理論方面的強有力支撐。目前大型企業在精細管理方面存在著不少問題,正是由于這些問題的存在才導致企業主營業務缺乏方向性、針對性、導向性以及向心性等諸問題。

結束語

    “大數據時代”這個概念的出現只有短短數年時間,但是這個概念已經滲透到五洲四海,與之伴隨的則是大數據時代的數據挖掘與管理革命。我國的大型企業都十分重視對大量數據的獲取與掌握,這充分說明,數據挖掘與精細管理在這個嶄新的大數據時代中具有非同一般的重要意義。