最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
开启左侧

[报告] 数据应用工程成熟度模型

[复制链接]
发表于 2018-10-23 19:45:02 | 显示全部楼层 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x

在现代社会,随着企业的发展产生了大量的数据,生产部门有生产制造的数据记录,业务运营部门有营销数据,财务部门有经营数据,数据无处不在,数据又时时刻刻影响着企业运转中每个环节的决策。数据已经成为除了资金和人才以外企业新的资产价值增长点。

数据本身并不代表价值,数据仅仅是以一定格式对事实进行记录,是原始材料;只有结合环境和上下文的数据才有意义,这就是信息;伴随着信息的积累,我们从趋势和关系的挖掘中总结出了规律,这些规律就变成了知识;然后依据知识在企业经营中进行决策和行动,能进一步促进企业的良性循环。

数据产生价值的过程需要经历获取、存储、评估、整理、增强、分析、应用等多个环节,在小数据时代这些过程都相对简单和成熟。随着近些年数据收集方式的增多、传感设备数量的增加,计算能力的增强和存储方式的改进,导致了人们可感知的数据量急剧增多;按照摩尔定律,数据生成和存储的生长速度一直在呈现指数增长。大数据应运而生,带来了俗称的大数据4V特征:数量多(即数据集的规模)、多样性(即来自多种数据仓库、领域或类型的数据)、速度快(数据的流速)、多变性(在不同特征里的变化)。大数据的到来,使得在数据系统的演化进程中,人们对于高经济效益以及高效率的数据分析需求迫使现有技术不断变化。

伴随着大数据革命,必须考虑如下四个方面的相互作用:数据集的特征、对数据集的分析、数据处理系统的性能以及对经济效益的商业考虑。这些决定了数据应用的价值效果。通过不断的实践,我们总结出了当前大数据环境下的数据应用工程-成熟度(LPDT)模型。


楼主热帖
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-3-28 20:54

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表