返回首页> 大数据 > 大数据培训:一场管理革命
跳过导航链接

大数据培训:一场管理革命

文章摘要: 大数据培训:一场管理革命,挖掘全新的海量信息流将为公司业绩带来革命性的提升,前提是:你要改变制定决策的文化。 管理大师戴明(W. Edwards Deming)与德鲁克(Peter Drucker)在诸多思想上都持对立观点,但“不会量化就无法管理”的理念却是两人智慧的共识。这一共识足以解释近年来的数字大爆炸为何无比重要。...
 

大数据培训:一场管理革命,挖掘全新的海量信息流将为公司业绩带来革命性的提升,前提是:你要改变制定决策的文化。

管理大师戴明(W. Edwards Deming)与德鲁克(Peter Drucker)在诸多思想上都持对立观点,但“不会量化就无法管理”的理念却是两人智慧的共识。这一共识足以解释近年来的数字大爆炸为何无比重要。

简而言之,有了大数据,管理者可以将一切量化,从而对公司业务尽在掌握,进而提升决策质量和业绩表现。

关于亚马逊那些耳熟能详的故事遮蔽了它的真正实力。这些先天带有数字基因的公司所能做到的事,是上一代商业领袖梦寐以求的。但实际上,大数据的潜力也可以帮助传统企业实现转型,甚至帮它们获得更好的机会提升其竞争优势(线上企业一直都知道其核心竞争力来自于对数据的理解力)。

这场大数据的革命远比之前的“数据分析”要强大得多。企业因此可以做精准地量化和管理,可以做更可靠的预测和更明智的决策,可以在行动时更有目标更有效率;而且这些都可以在一直以来由直觉而不是数据和理性主宰的领域实现。

随着大数据之工具与理念的不断传播,许多深入人心的观点将被撼动,比如经验的价值、专业性与管理实践。各个行业的商业领袖都会看清运用大数据究竟意味着什么:一场管理革命。

数据决定业绩

怀疑论者会问:“有何证据显示,明智地运用大数据能提升公司业绩?”商业媒体上充斥着各种轶事案例,似乎在证明大数据驱动带来的价值。但我们最近发现的事实是,根本没人真正拿出严谨有力的证据。

为了弥合这种尴尬的缺失,我们在麻省理工学院的数字商业中心(MIT Center for Digital Business)组织了一个团队,与麦肯锡的商业技术部、沃顿商学院的同事洛林•希特(Lorin Hitt)以及麻省理工学院的博士生西克扬•金(Heekyung Kim)一起合作,考察大数据驱动的公司是否业绩更佳。我们对北美330家上市公司的高管进行了结构性访谈(structured interview,这是一种对访谈过程高度控制的访问。访问的过程高度标准化,即对所有被访者提出的问题,提问的次序和方式,以及对被访者回答的记录方式等是完全统一的。—译者注),调研其组织与技术管理实践,然后从年报和其他一些独立信息源那里收集它们的业绩数据。

很显然,不是每家公司都喜欢数据驱动型的决策制定过程。事实上,我们发现,各行各业对大数据的态度和应用方法五花八门。但是,透过所有的分析,我们发现一种显著的关联性:越是那些自定义为数据驱动型的公司,越会客观地衡量公司的财务与运营结果。尤其是,运用大数据做决策的那些行业前三名企业,比其竞争对手在产能上高5%,利润上高6%。如果把劳动力、资金、购买服务和投资传统技术的投入都纳入计算,这些企业的表现依然卓越。它不仅有统计学上的显著性和经济上的重要性,而且也反映在其股票估价的增值上。

五大管理挑战

大数据转型并不是万能的,除非企业能成功应对转型过程中的管理挑战。以下五个方面在这一过程中尤为重要。

1、领导力

那些在大数据时代获得成功的企业,并不是简单地拥有更多或者更好的数据,而是因为他们的领导层懂得设计清晰的目标,知道自己定义的成功究竟是什么,并且找对了问题。

大数据的力量并不会抹杀对远见与人性化洞察的需求。相反,我们仍然需要这种领导者—他们能抓住某个绝好的机会、懂得如何开拓市场、用自己的创意提供那些相当新奇的产品和服务,并且巧舌如簧地勾勒出一幅激动人心的前景,说服下属们激情澎湃地为此拼命工作,最终成功赢得顾客。未来十年获得成功的企业,其领导者必然具备以上特质,与此同时推进了公司决策机制的转型。

2、人才

随着数据越来越廉价,实现大数据应用的相关技术和人才也变得越来越昂贵。其中最紧迫的就是对数据科学家和相关专业人士的需求,因为需要他们处理海量的信息。

统计学很重要,但是传统的统计学课程几乎不传授如何运用大数据的技能。尤其需要的能力是将海量数据集清理并系统化,因为各种类型的数据很少是以规整的形态出现的。

视觉化工具和技术的价值也将因此突显。随着数据科学家的涌现,新一代的电脑工程师必须能够处理海量数据集。而设计数据试验的技能,则会非常有助于弥补数据呈现的复杂关系与因果之间的鸿沟。除此之外,那些最优秀的数据科学家还需要掌握商业语言,帮助高管把公司面临的挑战变为大数据可以解决的形式。毫无疑问,这类人才炙手可热,很难找到。

3、技术

处理海量、高速率、多样化的大数据工具,近年来获得了长足的改进。整体而言,这些技术已经不再贵得离谱,而且大部分软件都是开源的。Hadoop,这个目前最通用的平台,就整合了实体硬件和开源软件。它接收涌入的数据流并将其分配至很便宜的存储盘,同时它也提供分析数据的工具。

尽管如此,这些技术需要的一整套技能对大部分企业的IT部门来说都是全新的,他们需要努力将公司内外所有相关的数据都整合起来。只有技术远远不够,但技术是整个大数据战略中不可或缺的部分。

4、决策

一家高效的公司通常把信息和相关的决策权统一在一起。而在大数据时代,信息的产生与流通,以及所需人才都不再是以往那样了。精明的领导者会创造一种更灵活的组织形式,尽量避免“自主研发综合症”,同时强化跨部门合作:收集信息的人要提供正确的数据给分析数据和理解问题的人,同时,他们要和掌握相关技术、能够有效解决问题的人并肩工作。

5、文化

大数据驱动的公司要问自己的第一个问题,不是“我们怎么想?”而应该是“我们知道什么?”这要求企业不能再跟着感觉走。

很多企业还必须改掉一个坏习惯:名不副实的大数据驱动。我们发现很多这样的企业,最常见的表现是,高管们明明还是按传统方式做决定—以些高薪人士的意见为主,却拿出一份香艳的数据报告支撑自己的决定是多么英明。其实那不过是分配下属四处寻找的专为这个决定做辩护的一堆数字。

证据一目了然:大数据驱动下的决策更高明。高管们要么拥抱这一现实,要么卷铺盖走人。在各个领域中,企业只有找到将数据科学与传统技能完美结合的方式,才能打败对手。我们不能说,所有的赢家都会将大数据用于其决策制定。但数据告诉我们,这样确实胜算最大。

安德鲁•麦卡菲(Andrew McAfee)埃里克•布林约尔松(Erik Brynjolfsson|

安德鲁•麦卡菲是麻省理工学院数字商业中心的首席科学家,著有《企业2.0》(Enterprise 2.0)一书,哈佛商学院出版社2009年出版。

埃里克•布林约尔松是麻省理工学院斯隆商学院“许塞尔家族”教授兼数字商业中心院长。他们合作了《对抗机器的竞赛》(Race Against the Machine)一书,Digital Rrontier出版社2012年出版。本文有删节,原文参见《哈佛商业评论》201210月《大数据,一场管理革命》。

 

更多推荐:大数据云计算  Cloudera认证培训  Hadoop基础培训  Apache Hadoop CCAH培训

 

上一篇:架构师和开发者争吵的理由
下一篇:大数据领域的顶级开源大数据软件产品大集合
文章摘要: 大数据领域的顶级开源大数据软件产品大集合,随着大数据与预测分析的成熟,开源作为底层技术授权解决方案的最大贡献者的优势越来越明显。 如今,从小型初创企业到行业巨头,各种规模的供应商都在使用开源来处理大数据和运行预测分析。借助开源与云计算技术,新兴公司甚至在很多方面都可以与大厂商抗衡。 以下是一些大数据方面的顶级开源工具,分为四个领域:数据存储、开发平台、开发工具和集成、分析和报告工具。 数据...
◆最近面试的大数据岗位的公司经历 ◆用大数据预测雾霾,已获得环保部订单的微软是如何做到的? ◆大数据学习经验 ◆身处大数据时代,大数据这些误区你知道吗 ◆大数据分析促进人才招聘 ◆微软将在Office中引入人工智能 ◆微软发Surface Pro 4/Studio固件更新日志 ◆微软:AI人工智能应该帮助,而不是替代人 ◆微软推出WDATP强化企业终端威胁防护 ◆Windows申请免费SSL证书-Let's Encrypt ◆思科ASAP助力全数字化时代数据中心创新 ◆怎样选择合适的PoE交换机? ◆思科持续保持企业基础设施市场优势 ◆网络工程师需要的8项技能 ◆思科IOS中改善CLI的用户体验 ◆H3C交换机以太网端口类型 ◆H3C交换机做DHCP ◆H3C交换机常用配置命令 ◆新华三集团总裁兼首席执行官于英涛2017年会致辞 ◆新华三加速云落地 ◆RHEL7 配置VNC远程桌面 ◆RHEL7利用iso镜像制作本地yum源 ◆RHEL6 学习笔记 ◆RedHat5和RedHat6 配置yum源详解 ◆RedHat7上为Nginx编译安装nginx_push_stream_module ◆是否有必要参加PMP考试培训 ◆该怎么选择PMP培训公司 ◆企业为什么需要IT配置管理及其如何使用 ◆PMP考试心得 ◆IT资产管理与ITIL配置管理的区别和联系 ◆Juniper用户快更新:Junos OS、SRX有DoS漏洞 ◆Juniper防火墙之恢复出厂默认设置 ◆Juniper SSG双机高可用(HA)平滑升级经验分享 ◆高盛:Juniper市场表现将超过Cisco和Arista ◆Juniper收购云管理公司AppFormix ◆F5 Network:让爱点亮世界 ◆F5发布2017年应用交付状态报告 ◆除F5外,其他负载均衡软件的优缺点 ◆负载均衡的那些算法们 ◆F5配置手册:设备初始化配置 ◆Oracle培训:Oracle数据泵导入dmp文件 ◆Oracle培训:Oracle手工建库出现ORA-01519错误 ◆Oracle培训:Oracle CDC部署 ◆Oracle培训:Oracle 12c创建可插拔数据库(PDB)及用户 ◆Oracle EXP和IMP使用方法介绍 ◆VMware中CentOS 6.6的kdump启动失败解决 ◆VMware NSX升级:微细分、安全启动和支持非vSphere环境 ◆VMware虚拟化培训:虚拟化的基础知识 ◆VMware发布2016数字化工作空间现状报告 ◆VMware助力广州科政实现恒大集团打造全虚拟化数据中心 ◆戴尔EMC补丁在VMAX存储系统中出现漏洞 ◆EMC进行SAN拆分,解决更细化的存储需求 ◆EMC数据中心全闪存年,机架级闪存可让Hadoop提速10倍 ◆EMC发布2016年新品和技术路线 ◆重新定义企业IT,EMC联手VMware推超融合 ◆最近面试的大数据岗位的公司经历 ◆用大数据预测雾霾,已获得环保部订单的微软是如何做到的? ◆大数据学习经验 ◆身处大数据时代,大数据这些误区你知道吗 ◆大数据分析促进人才招聘 ◆云计算SaaS采用要考虑的5大因素 ◆如何构建一个私有存储云 ◆云计算的三大支柱 ◆云计算的真正价值不仅仅是节省开支 ◆云计算将改变我们的生活? ◆Apache Spark也有不完美 ◆Spark将机器学习与GPU加速机制纳入自身 ◆spark作业调优 ◆Spark基本工作流程及YARN cluster模式原理 ◆从Spark 2.0版的推出,看开源大数据技术的商业化发展 ◆EasyStack郭长波当选OpenStack基金董事 ◆OpenStack私有云:好处、挑战和未来 ◆在Openstack上创建并访问Kubernetes集群 ◆思科公司关闭基于OpenStack的公共云 ◆2017年OpenStack管理员认证会不会火? ◆IBM和Bell联手共同打造苹果iOS企业应用 ◆IBM首席执行官提出人工智能部署三大基本原则 ◆调研IBM与西门子:软件将是工业的未来! ◆IBM在美获专利最多 ◆IBM闪存迎接新挑战 ◆Hadoop创始人Doug Cutting寄语2017:五种让开源项目成功的方法 ◆基于Ubuntu Hadoop的群集搭建Hive ◆HDFS以及HBase动态增加和删除节点 ◆Cloudera提供课程帮助缩小数据技能差距 ◆Cloudera提供课程帮助缩小数据技能差距 ◆扩大与Azure合作,思杰力推超融合基础设施上部署VDI ◆MapReduce工作流多种实现方式 ◆Citrix虚拟化技术:XenServer6.2资源池配置 ◆Citrix虚拟化技术:XenServer6.2虚拟机创建 ◆Citrix虚拟化技术:XenServer6.2存储管理 ◆2017年十大最热IT技能:安全位列其中 ◆筑牢个人信息安全防火墙 ◆2016年最热门的六大IT职位 ◆CISP认证和CISSP认证区别 ◆成为CISSP的理由