大数据的管理喻意和研究展望

大数据的管理喻意和研究展望大数据的管理喻意和研究展望大数据的管理喻意和研究展望大数据的管理喻意及研究展望生活、工作及思维的大变革ARevolutionThatWillTransformHowWeLive,Work,andThink史振厚2014.05.09历史视角——管理100年的启示3419001920194019501960197019801990

2010学习型组织

TQC\TQM

战略管理系统权变

战后丛林时期

行为科学

管理科学古典理论早期的思想与实践企业E化，供应链、顾客关系管理管理发展100年的9大启示4G的到来和普及，必将加速互联网向移动互联网的转变和革新。移动终端逐渐取代PC设备，成为企业及客户、媒体及读者之间新的沟通桥梁。传统产业向互联网转型已经越来越多的成为社会话题，互联网对传统企业的颠覆已不是趋势，而成为现实。不胜枚举的企业案例，已经促使有前瞻思维的企业领导、企业高管深刻认识到现实的窘境和自我变革的紧迫。那么，面对科技和社会这一趋势造成的影响，面对移动互联网这个既熟悉又陌生的概念，作为传统企业应该怎样应对?究竟什么是“互联网思维”?又有哪些方法和工具可以有效利用?在自我革新转型的时候需要注意哪些问题?从时代沿革来讲，大数据时代前期是“集中——分散——集中”的模式，它要求整合动态资源分配，即物理上分散，逻辑上集中。引言大数据让互联网及现实世界的疆界越来越模糊，当你用手机上微信、来往并记下生活的喜怒哀乐，当你用打车软件打车，当你用手机淘宝购物，当你在微信上开店……大数据开启了一场重大的时代转型。就像望远镜让我们能够感受宇宙，显微镜让我们能够感受微生物一样，大数据正在改变我们的生活和理解世界的方式，成为新发明和新服务的源泉，而更多的改变正在蓄势待发。。。。大数据理论大数据技术大数据实践大数据时代管理变革和研究展望讲座主要内容理论theory价值特征涵义技术technology现在与未来大数据隐私云计算分布式处理平台存储技术感知技术大数据思维大数据的商业价值大数据的具体实践信息产品及其应用实践Utilization大数据整合技术创新呈现新形态和特点管理变革研究展望展望researchprospects第一部分大数据理论大数据(bigdata)是指无法在一定时间内用常规软件工具对其内容进行撷取、管理和处理的数据集合。Gartner定义：大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据基本上是一个包罗万象的术语，指的是收集和分析大量信息的能力，而这些信息涉及到人类生活的方方面面。一、大数据的涵义最小的基本单位是Byte，按顺序给出所有单位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB它们按照进率1024（2的十次方）来计算：1Byte

=8bit1

KB

=1,024Bytes1

MB

=1,024KB=1,048,576Bytes1

GB

=1,024MB=1,048,576KB1

TB

=1,024GB=1,048,576MB1

PB

=1,024TB=1,048,576GB1

EB

=1,024PB=1,048,576TB1

ZB

=1,024EB=1,048,576PB1

YB

=1,024ZB=1,048,576EB1

BB

=1,024YB=1,048,576ZB1

NB

=1,024BB=1,048,576YB1DB=1,024NB=1,048,576BB大数据及《红楼梦》《红楼梦》含标点87万字（不含标点853059字）每个汉字占2个字节：1汉字=16bit-2*8位=2bytes1GB约等于671部《红楼梦》1TB约等于631,903部美国国会图书馆藏书151,785,778册书（2011年4月数据）1EB=4000倍美国国会图书馆存储的信息解读大数据大数据或称巨量资料，指无法在允许的时间里用常规的软件工具对内容进行抓取、管理和处理的数据集合。维基百科大数据指大小超出常规的数据库工具获取、存储、管理和分析能力的数据集，并强调说不一定要超过特定TB值的数据集才能算是大数据。麦肯锡定义大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。研究咨询机构Gartner123大数据的定义麦肯锡：数据已经渗透到当今每个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。大数据在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。大数据已成为作为云计算、物联网之后IT行业又一大颠覆性的技术革命。二、大数据的基本特征Volume（大量，超规模）

数据体量巨大。从TB级别，跃升到PB级别；Variety（多样性）

数据类型不仅是文本形式，更多的是图片、视频、音频、地理位置信息等多类型的数据，个性化数据占绝对多数。

Value（低价值密度）

价值密度低，商业价值高。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。Velocity（高速、实时性）

数据处理遵循“1秒定律”，可从各种类型的数据中快速获得高价值的信息。二、大数据的基本特征解读大数据需要超出常规的技术工具、新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产具备海量Volume、多样性Variety、高速性Velocity、易变性Variablity、巨大的数据价值Value、真实性Veracity和强关联性Viscosity的“7V”为标志的“Vs”特征大数据具有技术属性和社会属性的双重属性大数据是一种全新的大数据思维的思维方式和数据智慧三、大数据的价值探讨：

“取之不尽，用之不竭”的数据创新三、大数据的价值探讨：

“取之不尽，用之不竭”的数据创新数据就像一个神奇的钻石矿，当它的首要价值被发掘后仍能不断给予。它的真实价值就像漂浮在海洋上的冰山，第一眼只能看到冰山的一角，而绝大部分都隐藏在表面之下。三、大数据的价值探讨：

“取之不尽，用之不竭”的数据创新大数据给企业带来了巨大的价值：比如在互联网金融领域降低了不良贷款率，减少了交易成本。谷歌利用大数据预测季节性流感的爆发和传播；AT&T将用户在WiFi网络中的地理位置、网络浏览历史记录以及使用的应用等数据销售给广告客户。当用户距离商家很近时，就有可能收到该商家提供的折扣很大的电子优惠券，等等。大数据的处理分析正成为新一代信息技术融合应用的结点。大数据是信息产业持续高速增长的新引擎。大数据利用将成为提高核心竞争力的关键因素。大数据时代科学研究的方法手段将发生重大改变。数据的价值在于将正确的信息在正确的时间交付到正确的人手中。未来将属于那些能够驾驭所拥有数据的公司，这些数据及公司自身的业务和客户相关，通过对数据的利用，发现新的洞见，帮助他们找出竞争优势。三、大数据的价值探讨：

“取之不尽，用之不竭”的数据创新从大数据的价值链条来分析，存在三种模式：手握大数据，但是没有利用好；比较典型的是金融机构，电信行业，政府机构等。没有数据，但是知道如何帮助有数据的人利用它；比较典型的是IT咨询和服务企业，比如，埃森哲，IBM，Oracle等。既有数据，又有大数据思维；比较典型的是Google，Amazon，Mastercard等。三、大数据的价值探讨：

取之不尽，用之不竭的数据创新迎接大数据时代硬件成本的降低网络宽带的提升云计算的兴起网络技术的发展智能终端的普及电子商务、社交网络和电子地图的全面应用物联网的发展四、大数据的现在和未来大数据帮助政府实现市场经济调控、公共卫生安全防范、灾难预警、社会舆论监督；帮助城市预防犯罪，实现智慧交通，提升紧急应急能力；帮助医疗机构建立患者的疾病风险跟踪机制，帮助医药企业提升药品的临床使用效果，帮助艾滋病研究机构为患者提供定制的药物；四、大数据的现在和未来帮助航空公司节省运营成本，帮助电信企业实现售后服务质量提升，帮助保险企业识别欺诈骗保行为，帮助快递公司监测分析运输车辆的故障险情以提前预警维修，帮助电力公司有效识别预警即将发生故障的设备；帮助电商公司向用户推荐商品和服务，帮助旅游网站为旅游者提供心仪的旅游路线，帮助二手市场的买卖双方找到最合适的交易目标，帮助用户找到最合适的商品购买时期、商家和最优惠价格；四、大数据的现在和未来大数据帮助企业提升营销的针对性，降低物流和库存的成本，减少投资的风险，以及帮助企业提升广告投放精准度；帮助娱乐行业预测歌手，歌曲，电影，电视剧的受欢迎程度，并为投资者分析评估拍一部电影需要投入多少钱才最合适，否则就有可能收不回成本；帮助社交网站提供更准确的好友推荐，为用户提供更精准的企业招聘信息，向用户推荐可能喜欢的游戏以及适合购买的商品。大数据的发展关乎到广大公众的切实利益专家们认为利用大数据可以有效地实现“智慧医疗”，为全面的个人健康管理进行服务；个人可以方便获取医院的就诊信息、检查数据、医疗影像等，以及个人健康的历史数据;为慢性病患者提供远程数据分析和服务；辅助临床诊断和用药决策；为公共卫生机构提供及时的统计分析；以及为药品研发、治疗方案设计提供数据分析。随着大数据的发展，广大公众的生活也将变得更加便利。五、大数据隐私你或许并不敏感，当你在不同网站上注册了个人信息后，可能这些信息已经被扩散出去了；当你莫名其妙的接到各种邮件、电话、短信的滋扰时，你不会想到自己的电话号码、邮箱、生日、购买记录、收入水平、家庭住址、亲朋好友等私人信息早就被各种商业机构非法存储或贱卖给其它任何有需要的企业或个人了。更可怕的是，这些信息你永远无法删除，它们永远存在于互联网的某些你不知道的角落。除非你更换掉自己的所有信息，但是这代价太大了。五、大数据隐私用户隐私问题一直是大数据应用难以绕开的一个问题，如被央视曝光过的分众无线、罗维邓白氏以及网易邮箱都涉及侵犯用户隐私。目前，中国并没有专门的法律法规来界定用户隐私，处理相关问题时多采用其他相关法规条例来解释。但随着民众隐私意识的日益增强，合法合规地获取数据、分析数据和应用数据，是进行大数据分析时必须遵循的原则。五、大数据隐私爱德华·斯诺登，这位前美国中央情报局雇员一手引爆了美国“棱镜计划”的内幕消息。“棱镜”项目是一项由美国国家安全局（NSA）自2007年起开始实施的绝密电子监听计划，年耗资近2000亿美元，用于监听全美电话通话记录，据称还可以使情报人员通过“后门”进入9家主要科技公司的服务器，包括微软、雅虎、谷歌、Facebook、PalTalk、美国在线、Skype、YouTube、苹果。这个事件引发了人们对政府使用大数据时对公民隐私侵犯的担心。五、大数据隐私当微博、微信、QQ空间这些社交平台肆意的吞噬着数亿用户的各种信息时，你就不要指望你还有隐私权了，就算你在某个地方删除，但也许这些信息已经被其他人转载或保存了，更有可能已经被百度或Google存为快照，早就提供给任意用户搜索了。因此，在大数据的背景下，很多人都在积极的抵制无底线的数字化，这种大数据和个体之间的博弈还会一直继续下去……2013年1月份全国人大通过了关于个人用户隐私保护的决定，同时工信部根据全国人大的决定，出台了关于互联网和电信网个人信息保护的条例以保护用户的隐私，这些都对个人隐私的保护具有一定的作用。企业要履行自己的社会责任，通过特定的技术手段对用户信息进行不可逆的处理。一旦发生用户信息外泄，企业要承担相应的责任。用户也需要注意保护自己的隐私。一些信息泄露事件的出现也及广大用户本身对个人信息的保护意识不足存在着一定的关系，因而在大数据时代，迫切需要向用户开展加强自身信息保护意识的教育，也就是安全上网的知识普及和教育。大数据隐私如何有效保护大数据背景下隐私权的建议：1、减少信息的数字化；2、隐私权立法；3、数字隐私权基础设施（类似DRM数字版权管理）；4、人类改变认知（接受忽略过去）；5、创造良性的信息生态；6、语境化。第二部分大数据技术大数据技术是指从各种各样类型的数据中，快速获得有价值信息的能力。适用于大数据的技术，包括大规模并行处理（MPP）数据库、数据挖掘电网、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。什么是大数据技术?大数据技术数据采集：ETL工具负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。数据存取：关系数据库、NOSQL、SQL等。基础架构：云存储、分布式文件存储等。数据处理：自然语言处理(NaturalLanguageProcessing)是研究人及计算机交互的语言问题的一门学科。处理自然语言的关键是要让计算机"理解"自然语言，所以自然语言处理又叫做自然语言理解(NaturalLanguageUnderstanding)，也称为计算语言学(ComputationalLinguistics）。一方面它是语言信息处理的一个分支，另一方面它是人工智能(ArtificialIntelligence)的核心课题之一。大数据技术统计分析：假设检验、显著性检验、差异分析、相关分析、T检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测及残差分析、岭回归、logistic回归分析、曲线估计、因子分析、聚类分析、主成分分析、因子分析、快速聚类法及聚类法、判别分析、对应分析、多元对应分析（最优尺度分析）、bootstrap技术等等。数据挖掘：分类、估计、预测、相关性分组或关联规则、聚类、描述和可视化、复杂数据类型挖掘(Text,Web,图形图像，视频，音频等)模型预测：预测模型、机器学习、建模仿真。结果呈现：云计算、标签云、关系图等。云技术云计算（cloudcomputing）是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。大数据常和云计算联系到一起，因为实时的大型数据集分析需要分布式处理框架来向数十、数百或甚至数万的电脑分配工作。可以说，云计算充当了工业革命时期的发动机的角色，而大数据则是电。狭义的云计算指IT基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需资源；广义云计算指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需服务。云计算（CloudComputing）是分布式计算（DistributedComputing）、并行计算（ParallelComputing）、效用计算（UtilityComputing）、网络存储（NetworkStorageTechnologies）、虚拟化（Virtualization）、负载均衡（LoadBalance）等传统计算机和网络技术发展融合的产物。云技术大数据及云计算的关系就像一枚硬币的正反面一样密不可分。没有大数据的信息积淀，则云计算的计算能力再强大，也难以找到。大数据必然无法用单台的计算机进行处理，必须采用分布式计算架构。它的特色在于对海量数据的挖掘,但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。云计算VS大数据在概念上两者有所不同：云计算改变了IT，而大数据则改变了业务。然而大数据必须有云作为基础架构，才能得以顺畅运营。大数据和云计算的目标受众不同：云计算是CIO等关心的技术层，是一个进阶的IT解决方案。而大数据是CEO关注的、是业务层的产品，而大数据的决策者是业务层。云计算有哪些好处?1、安全，云计算提供了最可靠、最安全的数据存储中心，用户不用再担心数据丢失、病毒入侵等麻烦。2、方便，它对用户端的设备要求最低，使用起来很方便。3、数据共享，它可以轻松实现不同设备间的数据及应用共享。4、无限可能，它为我们使用网络提供了几乎无限多的可能。分布式处理技术分布式处理系统可以将不同地点的或具有不同功能的或拥有不同数据的多台计算机用通信网络连接起来，在控制系统的统一管理控制下，协调地完成信息处理任务。存储技术大数据可以抽象的分为大数据存储和大数据分析：大数据存储的目的是支撑大数据分析。大数据存储致力于研发可以扩展至PB甚至EB级别的数据存储平台；大数据分析关注在最短时间内处理大量不同类型的数据集。感知技术以传感器技术、指纹识别技术、RFID技术、坐标定位技术等为基础的感知能力提升同样是物联网发展的基石。全世界的工业设备、汽车、电表上有着无数的数码传感器，随时测量和传递着有关位置、运动、震动、温度、湿度乃至空气中化学物质的变化，都会产生海量的数据信息。而随着智能手机的普及，感知技术可谓迎来了发展的高峰期，除了地理位置信息被广泛的应用外，一些新的感知手段也开始登上舞台。感知技术及感知相关的技术革新让人耳目一新：牙齿传感器实时监控口腔活动及饮食状况，婴儿穿戴设备可用大数据去养育宝宝，Intel正研发3D笔记本摄像头可追踪眼球读懂情绪，日本公司开发新型可监控用户心率的纺织材料，业界正在尝试将生物测定技术引入支付领域等。这些感知被逐渐捕获的过程就是就世界被数据化的过程，一旦世界被完全数据化了，那么世界的本质也就是信息了。就像一句名言所说，“人类以前延续的是文明，现在传承的是信息。”第三部分大数据的应用维克托·迈尔-舍恩伯格1、更多：不是随机样本，需要全部数据；2、更杂：不是精确性，而是混杂性；3、更好：不是因果关系，而是相关关系。一、什么是大数据思维？维克托·迈尔-舍恩伯格1、更多：不是随机样本，需要全部数据；当数据处理技术已经发生了翻天覆地的变化时，在大数据时代进行抽样分析就像在汽车时代骑马一样。一切都改变了，我们需要的是全部数据，“样本=总体”。穿孔卡片及美国人口普查大数据及乔布斯的癌症治疗2、更杂：不是精确性，而是混杂性；执迷于精确性是信息缺乏时代和模拟时代的产物。只有5%的数据是结构化且能适用于传统数据库的。如果不接受混乱，剩下95%的非结构化数据都无法被利用，只有接受不精确性，我们才能打开一扇从未涉足的世界的窗户。无所不能的谷歌翻译系统3、更好：不是因果关系，而是相关关系。

知道“是什么”就够了，没有必要知道“为什么”。在大数据时代，我们不必非得知道现象背后的原因，而是要让数据自己“发声”。建立在相关关系分析法基础上的预测是大数据的核心。沃尔玛把蛋挞及飓风用品摆在一起美国折扣零售商Target及怀孕预测UPS及汽车修理预测大数据分析及利用的案例Wal-Mart作为零售行业的巨头，他们的分析人员会对每个阶段的销售记录进行了全面的分析，有一次他们无意中发现虽不相关但很有价值的数据，在美国的飓风来临季节，超市的蛋挞和抵御飓风物品竟然销量都有大幅增加，于是他们做了一个明智决策，就是将蛋挞的销售位置移到了飓风物品销售区域旁边，看起来是为了方便用户挑选，但是没有想到蛋挞的销量因此又提高了很多。如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。Target超市以20多种怀孕期间孕妇可能会购买的商品为基础，将所有用户的购买记录作为数据来源，通过构建模型分析购买者的行为相关性，能准确的推断出孕妇的具体临盆时间，这样Target的销售部门就可以有针对的在每个怀孕顾客的不同阶段寄送相应的产品优惠卷。三分技术，七分数据，得数据者得天下二、大数据的商业价值数据搜索顾客细分模拟实境个性化准确推荐提高投入回报率管理客户关系数据存储空间出租三、大数据的具体实践1、互联网的大数据互联网上的数据每年增长50%，每两年便将翻一番，而目前世界上90%以上的数据是最近几年才产生的。据IDC预测，到2020年全球将总共拥有35ZB的数据量。互联网是大数据发展的前哨阵地，随着WEB2.0时代的发展，人们似乎都习惯了将自己的生活通过网络进行数据化，方便分享以及记录并回忆。三、大数据的具体实践互联网大数据的典型代表1、用户行为数据（精准广告投放、内容推荐、行为习惯和喜好分析、产品优化等）2、用户消费数据（精准营销、信用记录分析、活动促销、理财等）3、用户地理位置数据（O2O推广，商家推荐，交友推荐等）4、互联网金融数据（P2P，小额贷款，支付，信用，供应链金融等）5、用户社交等UGC数据（趋势分析、流行元素分析、受欢迎程度分析、舆论监控分析、社会问题分析等）2、政府的大数据近期，奥巴马政府宣布投资2亿美元拉动大数据相关产业发展，将“大数据战略”上升为国家意志。奥巴马政府将数据定义为“未来的新石油”，并表示一个国家拥有数据的规模、活性及解释运用的能力将成为综合国力的重要组成部分，未来，对数据的占有和控制甚至将成为陆权、海权、空权之外的另一种国家核心资产。三、大数据的具体实践2、政府的大数据在国内，政府各个部门都握有构成社会基础的原始数据，比如：气象数据，金融数据，信用数据，电力数据，煤气数据，自来水数据，道路交通数据，客运数据，安全刑事案件数据，住房数据，海关数据，出入境数据，旅游数据，医疗数据，教育数据，环保数据等等。这些数据在每个政府部门里面看起来是单一的，静态的。但是，如果政府可以将这些数据关联起来，并对这些数据进行有效的关联分析和统一管理，这些数据必定将获得新生，其价值是无法估量的。三、大数据的具体实践3、企业的大数据哪些传统企业最需要大数据服务呢？抛砖引玉举几例：1)对大量消费者提供产品或服务的企业（精准营销）；2)做小而美模式的中长尾企业（服务转型）；3)面临互联网压力之下必须转型的传统企业（生死存亡）。三、大数据的具体实践《大数据时代》案例在大数据时代已经到来的时候要用大数据思维去发掘大数据的潜在价值。Google如何利用人们的搜索记录挖掘数据二次利用价值，比如预测某地流感爆发的趋势；Amazon如何利用用户的购买和浏览历史数据进行有针对性的书籍购买推荐，以此有效提升销售量；Farecast如何利用过去十年所有的航线机票价格打折数据，来预测用户购买机票的时机是否合适。沃尔玛的啤酒和尿布调研沃尔玛在研究中发现，一类顾客经常在购买尿布的同时也购买啤酒。尿布跟啤酒自然是毫无关联的两个品类的商品，从个人经验上来看，根本想不到二者的联系。后来发现，这是一类社会现象所导致的。美国有很多年轻夫妇，尿布用完后，女主人在家带孩子，而男主人就去超市买尿布。买完尿布之后，男主人通常会顺带着买些啤酒。3、企业的大数据随着数据逐渐成为企业的一种资产，数据产业会向传统企业的供应链模式发展，最终形成“数据供应链”。这里尤其有两个明显的现象：1)外部数据的重要性日益超过内部数据。在互联互通的互联网时代，单一企业的内部数据及整个互联网数据比较起来只是沧海一粟；2)能提供包括数据供应、数据整合及加工、数据应用等多环节服务的公司会有明显的综合竞争优势。三、大数据的具体实践4、个人的大数据个人大数据就是及个人相关联的各种有价值数据信息。被有效采集后，可由本人授权提供第三方处理和使用，并获得第三方提供的数据服务。（1）数据仅留存在个人中心，其它第三方机构只被授权使用（有一定使用期限），且必须接受用后即焚的监管。（2）采集个人数据应明确分类，除国家立法明确要求接受监控的数据外，其它类型数据都由用户自己决定是否被采集。（3）数据使用将只能由用户进行授权，数据中心可帮助监控个人数据的整个生命周期。三、大数据的具体实践4、个人的大数据展望过于美好，也许实现个人数据中心将遥遥无期，也许这还不是解决个人数据隐私的最好方法，也许业界对大数据的无限渴求会阻止数据个人中心的实现，但是随着数据越来越多，在缺乏监管之后，必然会有一场激烈的博弈：到底是数据重要还是隐私重要；是以商业为中心还是以个人为中心。三、大数据的具体实践虚拟体验个性推荐社会网络网络搜索四、信息产品及其应用五、大数据分析的5个基本方面可视化分析AnalyticVisualizations数据挖掘算法DataMiningAlgorithms预测性分析能力PredicativeAnalyticCapabilities语义引擎SemanticEngines数据质量和数据管理DataQualityandMasterDataManagement五、大数据分析的5个基本方面1、可视化分析大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。五、大数据分析的5个基本方面2、数据挖掘算法大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。五、大数据分析的5个基本方面3、预测性分析能力大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。五、大数据分析的5个基本方面4、语义引擎大数据分析广泛应用于网络数据挖掘，可从用户的搜索关键词、标签关键词、或其他输入语义，分析，判断用户需求，从而实现更好的用户体验和广告匹配。五、大数据分析的5个基本方面5、数据质量及数据管理大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。IT融合内外融合价值融合一、大数据的融合第四部分管理变革与研究展望二、技术创新呈现新形态和特点新模式（线上线下互动的O2O运作模式）Online-to-offline,offline-to-online新业态（如众包，crowdsourcing,生产和创新组织）新人群（如生活在赛博空间的人群及其行为和需求）第四部分管理变革与研究展望二、技术创新呈现新形态和特点在大数据时代企业和个人的能力，竞争的核心能力就是一个，就是BA（businessanalysis），深度商务分析。这是面向大数据分析，大数据业务的核心能力。大数据时代的核心力是BA，企业要建造这样的能力，个人要培养或者学习这样的能力。随着4G网络的普及，视频类应用将迎来新的爆发，视频的真实感将更大的拉近网络空间的距离感。移动互联网的每个信息发布节点，将是每一个网民，全民麦克风的时代即将爆发。第四部分管理变革与研究展望三、大数据时代的管理变革第四部分管理变革与研究展望大数据时代下的思维变革过去，由于技术和资源的限制，只能通过采样调研和统计分析等手段了解关注的对象。如今，数据采集和存储成本很低，完全可通过全部数据分析，不存在样本抽样的概念；大量数据的应用还具有充分的容错性，过去采样的数据如果出现失误可能导致统计结果偏离严重，而采用全部的数据则会将有瑕疵的若干数据淡化处理。由此带来的数据分析也不再局限于验证已有的推测是否正确，不再是寻找背后的因果关系，根据大数据分析你只需要知道“是什么”就能做出决策，而不需要对“为什么”太较真。大数据时代下的商业变革大数据将会使得大公司和小公司更容易成功，因为大公司是数据拥有者，并且他们技术领先，而小公司则反应迅速，能灵活适应市场。中型规模的公司未来将会处于夹缝中不利于发展。未来大数据催生的三种商业模式可以分为三个角色：数据拥有者；技术领先者，思维敏捷者。未来一切都可量化，一切量化的数据都将会被记录，并将被多次挖掘利用，如果说前十年是数字化时代，那未来十年将是数据化时代，两者的不同在于挖掘数据中存在的潜在商业价值。

大数据时代的管理变革大数据带来的社会问题关系到法律的重建和制度的重构。伴随大数据的商业化应用，人们的隐私问题和安全问题，通过现有的法律法规已经无法保障，需要管理者制定符合大数据模式的制度。大数据的价值很美，但是不能让他们取代人类的自由选择和决策过程。比如通过大数据挖掘可以发现某人有潜在的犯罪倾向，不能因此就认定他会犯罪，因为还需要考虑到道德主体的自由选择和环境的影响，或许适度的干预是合理的选择。大数据时代的管理变革数据运作深度业务分析营销策略资源整合决策变革管理创新领导力提升大数据时代传统企业的管理变革一切生产经营流程都需要数据化。搭建大数据分析平台。培养数据挖掘和分析团队。建立开放性的数据共享制度。战略性的数据资源储备。四、人力资源管理中的大数据BigDatainHRM类型内容特点事实性数据个人层面：人员数量及结构、学历、年龄、性别、家庭背景、工作经历、技能特长、兴趣爱好等收集简单信息量丰富组织层面：招聘——时间、次数、完成率培训——对象、内容、时间、地点、次数、满意度绩效——指标、次数、时间、得分薪酬——总数、增幅、构成比例动态性数据招聘完成率、员工流失率、核心员工流失率、员工换岗、员工晋升等收集较为简单，需跟踪记录整合性数据个性测试、情商、智商、管理能力测试、员工满意度、员工敬业度等需要设计问卷进行收集，数据指向性明确在日常的人力资源管理中，有哪些数据可以被利用呢四、人力资源管理中的大数据04030201收集和呈现数据关注培训小时数、招聘时间、招聘成本、抱怨、人员基础信息、离职率、绩效分布等解释如何配置人力资源、工作群体状况的人力资源管理衡量措施预测阶段及战略相连接关注理解战略驱动因素，建立战略及人力资源的联系开发战略驱动的人力资源能力素质模型主动阶段分析数据关注人均销售收入、流动率、人均人事费用率、研发效率、时间趋势数据比较和改进人力资源管理；展示趋势和分析的数据战略阶段预测未来关注运用模型识别未来的潜在风险，基于环境变化预见组织结构和能力的需求变化；识别现在和未来的人才风险有助于变革商业以及阐述未来反应阶段根据Bersin&Associate的调研，目前企业HR大数据的应用成熟度有4级低高HR大数据的应用阶段BigDatainHRM大数据分析在HR领域的典型应用捷兰航空（JetBlue)数据分析师开发了一个量化分析工具，用以测量员工的敬业度并依此预测公司的财务业绩陶氏化学（DowChemical)使用一个数据分析模型进行人员规划。该模型可以根据行业发展趋势、政治和法律因素及时对人员规划进行动态调整.西斯克（Sysco)通过持续跟踪员工满意度数据，及时采取相应的干预措施，将其员工保留率从65%提高到85%，仅此一项就为公司节约了大约五千万美金的招聘和培训费用谷歌（Google)利用数据分析方法，对其高绩效经理和低绩效经理的行为数据进行分析挖掘，找到了谷歌高绩效经理特有的八项能力素质，并将其应用在经理人员的招聘和发展上应用案例四、人力资源管理中的大数据

BigDatainHRM五、大数据助推人力资源管理变革HRMTransformationintheeraofBigData.人力资源管理理念的大数据思维变革战略人力资源管理的变革人力资源管理内容和管理系统的变革人力资源管理模式和组织构架升级变革人力资源管理手段和技术的变革231大数据45模糊管理→量化管理观念呈现→数据呈现效率优先→效能优先模仿为主→创新管理人力资源→人力资本大数据思维变革人力资源管理者首先应具备大数据思维,并打造企业全方位立体式的大数据思维将大数据人力资源视为核心资产，为组织绩效及长久竞争优势的获取提供强劲的人力资源保障依据大数据“7V”特征，人力资源决策的思维模式由“经验＋感觉”转型为“事实＋数据”预见性地确立以人为本的大数据战略方针，通过大数据解决企业人的问题“大数据颠覆了千百年来人类的思维惯例，对人类的认知和及世界交流的方式提出了全新的挑战”——维克托.迈尔-舍恩伯格(数据科学家)1

人力资源管理理念的大数据思维变革五、大数据助推人力资源管理变革HRMTransformationintheeraofBigData.大数据时代到来，组织外部环境不断变化，企业战略周期越来越短，组织战略目标不断变化和调整。1利用大数据资源和大数据技术洞悉企业面临的风险和挑战，预测分析未来环境和组织目标可能发生的变化，确保长期、中期和短期战略实施的人力资源需求，使人力资源供给和需求达到动态平衡人力资源管理作为企业和外部环境的有效连接者，须确立战略人力资源管理的大数据思维2大数据为战略人力资源管理从人及工作流程、日常运作、未来发展、战略四个角度将人力资源管理的角色更清晰分为战略伙伴、职能专家、员工支持者和变革推动者四类，形成具有外部和内部匹配的配置效率，提升人力资源管理效率核心

—利用相关关系分析法进行预测战略人力资源管理真正从“幕后走向台前”2

战略人力资源管理的变革五、大数据助推人力资源管理变革HRMTransformationintheeraofBigData.采用的工具主要有专家预测、回归分析、趋势分析和比率分析等。管理者在使用这些工具时大多具有主观臆断性，不能做到全面客观通过收集统计和分析组织内外部信息资料，建立数据分析模型，掌握反映每一位员工真实情况的各种数据，并结合企业的战略目标，制定未来人力资源规划。能够做到全面客观应用案例回顾人力资源规划传统HRM大数据时代HRM陶氏化学（DowChemical)使用一个数据分析模型进行人员规划。该模型可以根据行业发展趋势、政治和法律因素及时对人员规划进行动态调整3

人力资源管理内容和管理系统的变革五、大数据助推人力资源管理变革HRMTransformationintheeraofBigData.数据处理帮助招聘者详细了解应聘者的社交信息，提高招聘质量，节约招聘成本；拓宽求职者了解所应聘公司信息资料的渠道，提高其应聘的效率社交网络及招聘平台在收集信息的基础上，充分利用现代的云计算技术对大量数据进行处理实现简历解析和职位管理的智能化&招聘及选拔互联网＋大数据利用大数据发现和选拔人才可以尽可能做到“全息搜索”，实现精准的“人岗匹配”3

人力资源管理内容和管理系统的变革五、大数据助推人力资源管理变革HRMTransformationintheeraofBigData.支持决策诊断原因洞察问题招聘工作跟踪招聘分析应用模型1·

关键岗位的计划完成率·

完成招聘计划的周期·

完成招聘计划花费的成本2345·

招聘计划完成率低·

简历量少、面试到场率低·Offer接受率低·

薪酬不具有竞争力·

猎头供应商推荐简历质量低·区域内相关人才少·

调整薪酬·

更换渠道供应商·

树立雇主形象·

更好的招聘成果·

更高的招聘效率·

更低的招聘成本招聘价值：价值体现及决策招聘运营：持续优化及改进商业价值招聘及选拔3

人力资源管理内容和管理系统的变革五、大数据助推人力资源管理变革HRMTransformationintheeraofBigData.培训开发大数据提供更具有说服力的信息并增强决策的可行性2012年7月阿里巴巴在集团层面设立首席数据官岗位ChiefDataOfficerGartner高级副总裁兼全球研究负责人Peter表示，到2015年，大数据将为全球带来44万个IT岗位，预计每个大数据相关的岗位将催生三个非IT的就业机会利用软件技术开发设计基于大数据理念的职业生涯管理测评系统人才培养建立全新的社会化学习平台传播优质的课程上海肯耐柯萨人才服务有限公司开设在线人才培养公开课催生新业态和新职位职业生涯管理3

人力资源管理内容和管理系统的变革五、大数据助推人力资源管理变革HRMTransformationintheeraofBigData.人才素质模型雷达图利用雷达图等大数据信息和技术从大型的人力资源数据库中找到阴藏在其中的信息在线测评系统各种测评工具可以随需调用并有机整合准确衡量、预测人才表现和组织效能传统的人才测评大多依赖有限的记录：如员工的出勤率、工作热情程度及任务完成率等岗位型的效率数据来确定员工对企业的贡献，评价较主观大数据时代人才测评建立以数据为依托的人员考核和胜任力分析工具。如·人才测评“人才素质模型雷达图”在线测评系统3

人力资源管理内容和管理系统的变革五、大数据助推人力资源管理变革HRMTransformationintheeraofBigData.人力资源信息（大数据）管理人力资源信息（大数据）管理的职能将日益凸显，并作为人力资源管理的一项重要职能及传统的六大模块相互独立又高度融合随着云技术、分布式处理技术、存储技术的日渐成熟，大多处于“休眠”状态的海量数据可以被利用，真正提升人力资源效率人力资源大数据拥有者、提供者和服务者等产业链的建设进程加快，大批人力资源专业公司和人力资源外包业务的发展人力资源管理内容和管理系统推陈出新3

人力资源管理内容和管理系统的变革五、大数据助推人力资源管理变革HRMTransformationintheeraofBigData.人力资源管理组织结构转换50%90%员工招聘、培训、职位管理等为独立的工作单位，大部分人力资源是在无系统化的情形下进行碎片化的管理将组织中每一个岗位单元链接成有序高效的整体，创建人力资源新模式和流程，使得人力资源信息孤岛或单线信息关联及碎片化的管理得到整合基于岗位的人力资源管理模式，各个具体岗位为完成一定工作任务而设，组织分工合作是企业的基本形态基于能力为核心、能力和岗位结合的人力资源管理模式，形成岗位和能力的真正匹配“金字塔”组织结构人力资源主管处于金字塔尖，多级的管理模式，使成本增加、沟通减少“扁平化”的优化组织架构决策层及基层员工通过网络更好地传递工作过程中的信息，有效沟通减少了成本，提高了管理效率，真正形成以人为中心的管理大数据时代HRM传统HRM人力资源管理模式转变4人力资源管理管理模式和组织架构升级变革五、大数据助推人力资源管理变革HRMTransformationintheeraofBigData.大数据技术渗透人力资源管理、创新管理方法通过大数据多维数据仓库功能进行数据建模，提高大数据时代的人力资源分析率原有人力资源管理方法的完善和创新大数据技术能从一些大型的人力资源数据库中找到隐藏在其中的相关信息，帮助决策人员找到数据间潜在的联系，从而有效进行人力资源开发配置现代信息技术催生虚拟人力资源管理虚拟人力资源管理采用现代信息技术，将企业内部的人力资源管理的一部分职能分离出来，使企业的人力资源管理更灵活、更高效员工离职分析海氏分析法北森测评模型胜任力模型的改进人力资源外包5人力资源管理手段和技术的变革五、大数据助推人力资源管理变革HRMTransformationintheeraofBigData.一切都在“云”端行至网深处，坐看云起时。随着应用的深入、Internet对于信息使用方式的深刻改变，云已成为IT发展不可逆转的趋势。网络让世界扁平，让人类相互联接。云时代下人力资源管理模块创新六、大数据＋云时代下人力资源管理变革12345云存储云招聘1.云招聘模块通过云技术管理招聘需求计划、职位发布及管理、候选人申请及面试等活动，实现HR部门、业务部门、第三方招聘服务提供商、求职者的实时在线协同，提高招聘效益、降低招聘成本百度公司的云招聘管理系统能满足每小时数万量级的简历接受承载力度，上千用户开发访问的平均响应时间仅3秒钟，大幅度提高了招聘效率2.云存储模块云技术可以为人力资源管理提供海量信息。人力资源云存储模块可提供共享的云计算数据库，各个数据有效衔接且有据可查，保证了数据的有效性和完整性，提高了人力资源效能中国农业银行的员工多达十几万人，仅仅做一些数据统计都非常困难，但引入云管理软件后，管理效率和数据准确度都大幅提升创新五个云模块云招聘云存储HRMTransformationintheeraofBigDataandiCloud.云时代下人力资源管理模块创新大数据＋云时代下人力资源管理变革3.云协同模块员工可便捷地访问人力资源管理数据库，获得薪酬和副利信息.，通过移动终端进行工作签到、签离，自主生成考勤表