正在阅读:大数据分析停滞不前 信任问题面临大考

大数据分析停滞不前 信任问题面临大考

2016-12-08 09:36:04来源:TechTarget中国 编辑:沐子飞 关键词:大数据 数据分析机器学习阅读量:32539

导读:有时候大数据分析似乎总是在原地踏步,似乎数据信任的问题阻碍了数据分析的进一步应用。
  【中国智能制造网 市场分析】有时候大数据分析似乎总是在原地踏步,似乎数据信任的问题阻碍了数据分析的进一步应用。业务领导们理解新数据分析是必须经历的转型,但是他们不确定这种转变是否值得信赖。近,来自咨询专业服务公司KPMG(毕马威会计事务所)的一份调查报告对这种进退两难的处境给出了一些看法。

大数据分析停滞不前 信任问题面临大考
  
  Forrester研究公司在2016年7月发起了一份调查报告,针对KPMG(毕马威会计事务所)管理的2165位数据和分析决策制造商进行调查。报告显示,数据和分析工具已被广泛用于分析现有客户(50%)和发现新客户(48%)。然而,只有大约34%的业务负责人“非常信任”工具分析业务运营数据得到的结论。
  
  有迹象表明,在数据和分析工具方面的投入在增加。因此,数据分析领域的专家Bill Nowacki认为,分析结果的受信任程度理所当然也在变好。在SearchDataManagement组织的一次采访中,Nowacki表示分析工具需要更透明。也就是说,分析工具应该给管理层展示推荐观点背后的逻辑,展示分析工具给出结论的依据。
  
  研究结果似乎把焦点集中在了数据信任的空白。未来大家对数据质量持有信心的趋势如何呢?
  
  Bill Nowacki表示,目前大家对于“分析是必不可少的”这一核心理念已经基本认同了。不过,与此同时我们对管理层的培训还不够,业界普遍应该对此采取一定措施。
  
  我们可以从调查报告的统计图表中看到,对分析的整体接受度展示出来是U形走势。回想前几年,那时候真的像是“西部狂野时代”,大家都在构建各种分析模型,没有充分的审查就很快直接购买。这些工具都被纳入常规决策。这种状态持续了较长一段时间。
  
  后来,我们看到某些决策并没有预期的那么准确和优。模型的真实可信度就面临了很大挑战。现在,我们处在U形趋势的底部,不过也开始苏醒了,现在是时候以更加严肃的态度来看待它了。我们要考虑使用哪些数据,数据来自哪里,数据是否足够正确等等。
  
  业界已经有一些预测模型在使用了,尤其是在市场营销和定价方面。人们用模型做优化或者资产管理。我们看到许多类似的案例。但是,如果涉及到公司的关键业务,我们要确保业务稳定就要慎重考虑了。我们开始看到了U型趋势的另一边——低谷后的上升趋势,不过结构合理性、治理、法规遵从都要求更多分析透明度。
  
  机器学习用于预测分析并没有改善透明度。看来要打开“黑盒子”帮助提升数据信任度并不容易啊。
  
  如果你回顾一下FICO公司(预测分析和决策管理公司)的发展历程,就会发现在20世纪80年代到90年代,他们已经使用神经网络实现了较好的高度可预测的信用评分。不过,缺失的仍然是解释能力。
  
  监管人员会来告诉我,“如果你想让大家都相信,你必须能解释为什么。”在“西部狂野时代”模型刚诞生时,大家都需要更好的透明度。我们需要理解引擎为什么会给出这些观点,并理解这些观点代表什么。
  
  如果工具都是“黑盒子”,大家很难信任它。因此,在设计阶段做选择时应考虑提高透明度,这样可以逐渐培养一些信任。
  
  今天我们看到的是更加深思熟虑的设计,我们花时间思考怎样才可以达到更好的效果,这样才会获得长足发展。例如,人们会检查他们的零售店投资组合,利用所有签名或登记信息发现所有店铺里真正的客户群。你能拿到的是所有的真实样本,可以在这个群体中设定目标价格,看是否能得到预期结果。一旦确认价格调整在小范围客户群中有效,就可以一点一点实施到更大范围的群体中。这种小步变革的方式很容易实现逐步推广。
  
  高管们已经逐渐接受针对各种业务进行分析,但是没有什么比成功案例更有说服力了。我们应该深思熟虑地看待市场,看看我们设定的试验目标并验证之前利用大数据对市场的预测,这样也可以帮助增加对数据分析工具的信任。
  
  (原标题:大数据分析原地踏步 原来是分析工具面临信任问题)
我要评论
  • 稳中求进固根基 向智而行开新局——中国工业互联网研究院召开国家工业互联网大数据中心建设专题报告会

    10月26日,中国工业互联网研究院组织召开国家工业互联网大数据中心建设专题报告会。会议由中国工业互联网研究院院长鲁春丛主持,院党委书记田川及院班子成员出席会议,院本部及各分院干部职工500多人以线上线下相结合的方式参加会议。
    工业互联网大数据
    2026-10-28 11:52:37
  • 机器学习如何从模型走向生产系统

    相关工程实践揭示了机器学习落地过程中的一个关键变化:技术工作的重点,正在从单一模型的构建,转向整个系统的设计、优化与持续运行。
    机器学习计算机视觉
    2026-10-14 10:43:21
  • 2027年值得关注的十大大数据趋势

    进入2027年,大数据技术的发展重点将不再局限于数据量增长,而是更加关注数据的实时性、可用性、治理能力以及与人工智能系统之间的协同。企业需要解决的不只是“如何存储更多数据”,还包括如何让数据能够被快速理解、可靠调用并转化为实际价值。
    大数据数据治理
    2026-09-01 09:37:12
  • 工业和信息化部等八部门印发《关于推动工业互联网高质量发展的实施意见》的通知

    《关于推动工业互联网高质量发展的实施意见》提出,到2030年,工业互联网实现更广范围、更深程度、更高水平发展,推动实体经济和数字经济深度融合迈上新台阶。
    工业互联网大数据工业5G专网
    2026-07-01 10:47:35
  • 企业为何走向智能自动化?机器学习给出了答案

    机器学习驱动的流程自动化正在重塑这一格局。早期自动化主要基于规则引擎,通过预设条件触发固定操作,在结构稳定、场景可预测的任务中表现良好。
    机器学习流程自动化
    2026-01-27 11:50:06
  • 数据分析和人工智能正在重塑制造业效率

    数据分析可以帮助他们更好地完成工作,创造出色的产品,减少停机时间,像专家一样管理库存,并做出明智的决策。借助数据分析,制造商可以确保只有一流的产品才能到达客户手中。
    数据分析人工智能制造业效率
    2026-01-20 10:59:17
版权与免责声明:

凡本站注明“来源:智能制造网”的所有作品,均为浙江兴旺宝明通网络有限公司-智能制造网合法拥有版权或有权使用的作品,未经本站授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的,应在授权范围内使用,并注明“来源:智能制造网”。违反上述声明者,本站将追究其相关法律责任。

本站转载并注明自其它来源(非智能制造网)的作品,目的在于传递更多信息,并不代表本站赞同其观点或和对其真实性负责,不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、平台或个人从本站转载时,必须保留本站注明的作品第一来源,并自负版权等法律责任。如擅自篡改为“稿件来源:智能制造网”,本站将依法追究责任。

鉴于本站稿件来源广泛、数量较多,如涉及作品内容、版权等问题,请与本站联系并提供相关证明材料:联系电话:0571-89719789;邮箱:1271141964@qq.com。

不想错过行业资讯?

订阅 智能制造网APP

一键筛选来订阅

信息更丰富

推荐产品/PRODUCT 更多
智造商城:

PLC工控机嵌入式系统工业以太网工业软件金属加工机械包装机械工程机械仓储物流环保设备化工设备分析仪器工业机器人3D打印设备生物识别传感器电机电线电缆输配电设备电子元器件更多

我要投稿
  • 投稿请发送邮件至:(邮件标题请备注“投稿”)1271141964.qq.com
  • 联系电话0571-89719789
工业4.0时代智能制造领域“互联网+”服务平台
智能制造网APP

功能丰富 实时交流

智能制造网小程序

订阅获取更多服务

微信公众号

关注我们

抖音

智能制造网

抖音号:gkzhan

打开抖音 搜索页扫一扫

视频号

智能制造网

公众号:智能制造网

打开微信扫码关注视频号

快手

智能制造网

快手ID:gkzhan2006

打开快手 扫一扫关注
意见反馈
我要投稿
我知道了