“企业品牌需要大发现内在而非大数据”

本篇文章875字，读完约2分钟

请记住，在老虎越来越重视大数据的市场中，企业品牌需要的是大数据背后的大发现的内在，而不是“大数据”本身。 十多年来，快递承运人和包裹运输企业ups尽量不让运输车辆左转。 分析 跟踪系统的数据发现，不使车辆左转，可以节约时间和汽油。 这样的发现的内在有助于更好地改善公司的服务，但是即使有多个可用的数据，这样的发现的内在也很少被发现。 ups最初的数据观察追溯到2001年，当时大数据还没有得到很大的普及。 但是，当时确实有这样的事实:如果能够研究和分解公司经营和市场营销所获得的大量数据，公司就会因此而受益。 2004年，ups提出“不左转战略”，迄今为止节省了1000万加仑汽油，并为此减少了10万吨以上的碳排放量。 用于ups分解的跟踪数据可以说是现在所说的“大数据”吗？ 这取决于你怎么定义大数据。 如果ups的所有运输车辆跟踪数据都用于分解——当时约有9万辆——据牛津大学维克多·梅耶教授( viktor mayer )称，它可以被称为大数据。 他在《金融时报》上刊登的副本中认为，要评价是否为大数据，需要看看所运用的数据集是否为所有数据集( n=all )。 换言之，为了避免样本偏差导致错误的结论，必须分解所有的数据。 当然，这是当今大数据面临的首要问题。 事实上，使用的数据集很少与所有数据集相同。 《大数据:我们犯了大错吗？ 在( big data:are we making a big mistake )一文中，维克多强调了为什么大数据有可能让我们误入歧途。 他引用样本偏差的例子，证明了这种方法会带来的结果，得出了大数据可能会把我们引入歧途的结论。 他说:“大量新的廉价数据工具和强大的分解工具会带来多重利益。 对这些没有人会怀疑。 有几个例子说明了大数据观察工具确实能带来了不起的业绩。 但是，问题是所有数据的重要性——无论是大数据还是小数据，都依赖于数据源的可靠性以及对分解者的信任和期望。 即使我们成功地处理了成见问题，理解了研究中的所有运用，也还是有最大的问题。 以及应该如何利用分解结果。 怎么让事件变得更好？ ”