论文部分内容阅读
摘 要:在当今这个数据量极速膨胀的时代,大数据成为了炙手可热的名词。而统计在大数据这个时代中的作用更加的重要。大数据是一个大样本和高维变量的数据集合。针对样本大的问题,统计学可以采用抽样减少样本量,达到需要的精度。这在大数据时代实现了效率的提升这是尤为重要的。大数据时代不缺乏数量,重要的是我们需要通过数量来发现整体的规律,从而对大数据进行分析。
关键词:大数据 特点 企业统计分析 需求分析 库存分析 质量分析
一、什么是大数据
大数据,即巨量数据集合,指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,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来适应海量、高增长率和多样化的信息资产。所谓的大数据就是足够全面,可以从中发现从前没有或者不可能发现的秘密;它其实是自然界原本早已存在,或者说一开始就是存在的,只不过人类没有意识到或者没有能力收集起来而已;它的本身不是新事物,人们的大数据意识和观念才是新事物;它是可以被现代先进媒体记录、采集和开发利用的数据集、数据流和数据体,由自然存在到社会存在进而转化为战略资源;它是人们科学技术进步的必然结果;大数据产生之母在于现代化的数据感知、采集、加工处理技术的成熟,和现代网络互联网物联网兴起以及网络自媒体的崛起的贯通作用的发生的;他的未来在于人类的应用开发、预警预判、先知先觉等,前景十分诱人和美好!
二、大数据的特点
一是数据体量巨大。我们先来看看一组公式:1024GB=1TB;1024TB=1PB;1024PB=1EB;1024 EB=1ZB;1024ZB=YB。到目前为止,人类生产的所有印刷材料的数据量是200PB,而历史上全人类说过的所有话的数据量大约是5EB。当前,典型个人计算机硬盘的容量为TB量级,而一些大企业的数据量已经接近EB量级。二是数据类型繁多。这种类型的多样性也让数据被分为结构化数据和非结构化数据。基于云时代背景下的数据类型变得更加复杂,不再是以前那种单一的、简单的数据,它涉及的领域包括金融、教育、销售等各个不同的领域,这就促使大数据的类型也变得多种多样,视频、图片、地理信息等都是大数据其中一种类型。三是价值密度低。随着互联网以及物联网的广泛应用,信息感知无处不在,信息海量,但价值密度较低,如何结合业务逻辑并通过强大的机器算法来挖掘数据价值,是大数据时代最需要解决的问题。四是处理速度快。这是大数据区分于传统数据挖掘的最显著特征。根据IDC的“数字宇宙”的报告,预计到2020年,全球数据使用量将达到35.2ZB。在如此海量的数据面前,处理数据的效率就是企业的生命。
三、大数据如何为工业企业统计分析服务
企业拥有大数据就像拥有金矿,这座金矿的含金量高低,直接影响到能提炼出多少黄金。同样,大数据的质量好不好,也直接决定了企业后续能利用的数据有多少。各行各业的决策正在从“业务驱动”转变“数据驱动”,工业企业应利用大数据做好哪些分析以提高自身的竞争优势,笔者认为可以从以下几个方面入手:
1.利用大数据需求分析 ,做好营销管理。借助大数据,我们对采集来的企业内部(内源数据),例如销售网点的数据,消费者直接反馈等,与外部数据(外源数据),例如社交媒体的评论,描述产品用途的传感器数据等,通过微观细分,情感分析,消费者行为分析以及基于位置的营销等手段,让我们企业“擦亮眼睛”,摸清消费者的需求,彻底改变曾经那种“跟者感觉走”的状态,走出直觉猜测消费者的需求的局面。企业由此迫切需要建立利用内源数据以及外源数据的机制,全渠道了解消费者的需求,使用多重分析法,例如联合分析法,来确定消费者对与产品某种特点的支付意愿,了解产品抢占市场的重要产品特征,从而改善产品设计,为产品提供相应的改造升级的明确方向和规格参数。
2.利用大数据进行库存分析,做好库存管理。总所周知,库存成本往往占了产品成本的50%,过多的库存会造成过高的库存管理成本。仓储管理部门在获得大数据分析中心提供的库存数据与客户偏好数据的基础上,能够做到对各仓库库存合理布局,减少调拨技术,节约库存管理成本。与此同时,库存的多少似乎永远也无法解决商品的脱销。无论是库存量还是脱销量,企业在发展过程中,都希望利用信息化手段,能够通过实时跟踪货物,采集数据,确定不同地区在不同时间的库存水平,使得库存水平具有适应性。为了提高企业整体运作效率,很多企业对库存管理采用了ABC控制系统及即时库存控制系统(JIT)。在ABC控制系统中,如何准确区分ABC三类存货并进行分类控制是企业需要解决的重要问题。JIT管理强调将库存数量减少到最小,实现物质供应、生产、销售连续同步问题。这种方式在提高生产效率,减少存储成本的同时需要考虑到与供应商协同接洽的问题,大数据能够通过对企业自身以往所有各种类型库存进行数据分析,可以对ABC三类存货进行更为科学合理的区分,为JIT一旦到库存预警就会导致生产线、销售告急的状况提供解决的方案。企业和供应商之间能够通过物联网同时获得库存的使用情况。在数据显示该存货需要补充时,及时将信息反馈到企业进行补给,通知供应商做好供货准备,并给出下一订货批量的预计时间及数量要求。运用大数据使得供应与需求信号紧密联系在一起变得容易实现和具有可操作性。我们可以把销售记录,销售网点数据,天气预报,季节性销售周期,区域库存信息等不同纬度的数据融合起来,形成实时感应需求信号,与实时货物位置等信息能关联分析,匹配供求关系。产生的精确的信息,可以反馈到生产计划,库存水平与订单量等库存计算的各个环节, 使企业了解具体地区的库存量并且自动生成订单,从“需求感应”实现“适应性的库存”管理,不断优化库存水平。
3.运用大数据进行质量分析,促进管理。早在上世纪90年代开始,大量的企业就开始通过应用分析法来提高产品质量和生产的效率,其核心是实现生产与服务的需求相匹配。今天的大数据分析手段也是如出一辙。大数据不仅能够使生产商制造产品的时间缩短20%-50%,还能够在产品批量生产前通过模拟,检验防止产品缺陷,减少产品开发周期过程中不必要的环节等。大数据的实时性与实效性,給企业的生产质量管理提供了质的飞跃。传统质量管理主要是通过静态的,历史的,沉淀的数据,通过检查表,散点图,控制图等检测手段,来发现生产过程的质量问。大数据通过物联网,通过产品上安装传感器,标签等手段,实时监测采集数据,认知产品性能,实时提高质量。大数据在产品质量改进有着广泛的应用潜力。企业所生产产品的质量改进主要通过对产品质量的监控来保证,目前监控手段主要包括生产工艺过程检验及成品检验。由于检验工作的特性,大部分工业产品的成品检验只能通过抽样完成,和市場抽样的合格率相比往往存在一定差距。大数据可收集大量产品的过程工艺参数、成品检验结果参数、检验不合格品的检验数据以及对应的工艺、管理参数,结合工厂的检查结果,找出各种定性、定量数据与成品质量的关系。从而能够依据企业工艺和管理信息,对产品成品的质量作出预测和判断,帮助企业改进产品和质量。
综上所述,对大数据进行有效地挖掘分析,能够帮助企业获得更多洞察,做出更加正确的决策,从而占领先机,这也是大数据所蕴含的最大魅力。
参考文献:
[1]维克托·迈尔一舍恩伯格,肯尼思·库克耶大数据时代【M】.盛扬燕,周涛,译.杭州:浙江人民出版社,2013:94.
[2]罗放华大数据时代的统计变革与服务型统计建设【J】.湖南城市学院学报,2014(7):95-101.
[3]李建中,刘显敏大数据的一个重要方面:数据可用性【J】.计算机研究与发展,2013 50(6):1147-1157.
[4]刘智龙统计行业数据分析与数据挖掘应用——统计建模思想【J】.统计与咨询,2014(2):20-21.
关键词:大数据 特点 企业统计分析 需求分析 库存分析 质量分析
一、什么是大数据
大数据,即巨量数据集合,指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,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来适应海量、高增长率和多样化的信息资产。所谓的大数据就是足够全面,可以从中发现从前没有或者不可能发现的秘密;它其实是自然界原本早已存在,或者说一开始就是存在的,只不过人类没有意识到或者没有能力收集起来而已;它的本身不是新事物,人们的大数据意识和观念才是新事物;它是可以被现代先进媒体记录、采集和开发利用的数据集、数据流和数据体,由自然存在到社会存在进而转化为战略资源;它是人们科学技术进步的必然结果;大数据产生之母在于现代化的数据感知、采集、加工处理技术的成熟,和现代网络互联网物联网兴起以及网络自媒体的崛起的贯通作用的发生的;他的未来在于人类的应用开发、预警预判、先知先觉等,前景十分诱人和美好!
二、大数据的特点
一是数据体量巨大。我们先来看看一组公式:1024GB=1TB;1024TB=1PB;1024PB=1EB;1024 EB=1ZB;1024ZB=YB。到目前为止,人类生产的所有印刷材料的数据量是200PB,而历史上全人类说过的所有话的数据量大约是5EB。当前,典型个人计算机硬盘的容量为TB量级,而一些大企业的数据量已经接近EB量级。二是数据类型繁多。这种类型的多样性也让数据被分为结构化数据和非结构化数据。基于云时代背景下的数据类型变得更加复杂,不再是以前那种单一的、简单的数据,它涉及的领域包括金融、教育、销售等各个不同的领域,这就促使大数据的类型也变得多种多样,视频、图片、地理信息等都是大数据其中一种类型。三是价值密度低。随着互联网以及物联网的广泛应用,信息感知无处不在,信息海量,但价值密度较低,如何结合业务逻辑并通过强大的机器算法来挖掘数据价值,是大数据时代最需要解决的问题。四是处理速度快。这是大数据区分于传统数据挖掘的最显著特征。根据IDC的“数字宇宙”的报告,预计到2020年,全球数据使用量将达到35.2ZB。在如此海量的数据面前,处理数据的效率就是企业的生命。
三、大数据如何为工业企业统计分析服务
企业拥有大数据就像拥有金矿,这座金矿的含金量高低,直接影响到能提炼出多少黄金。同样,大数据的质量好不好,也直接决定了企业后续能利用的数据有多少。各行各业的决策正在从“业务驱动”转变“数据驱动”,工业企业应利用大数据做好哪些分析以提高自身的竞争优势,笔者认为可以从以下几个方面入手:
1.利用大数据需求分析 ,做好营销管理。借助大数据,我们对采集来的企业内部(内源数据),例如销售网点的数据,消费者直接反馈等,与外部数据(外源数据),例如社交媒体的评论,描述产品用途的传感器数据等,通过微观细分,情感分析,消费者行为分析以及基于位置的营销等手段,让我们企业“擦亮眼睛”,摸清消费者的需求,彻底改变曾经那种“跟者感觉走”的状态,走出直觉猜测消费者的需求的局面。企业由此迫切需要建立利用内源数据以及外源数据的机制,全渠道了解消费者的需求,使用多重分析法,例如联合分析法,来确定消费者对与产品某种特点的支付意愿,了解产品抢占市场的重要产品特征,从而改善产品设计,为产品提供相应的改造升级的明确方向和规格参数。
2.利用大数据进行库存分析,做好库存管理。总所周知,库存成本往往占了产品成本的50%,过多的库存会造成过高的库存管理成本。仓储管理部门在获得大数据分析中心提供的库存数据与客户偏好数据的基础上,能够做到对各仓库库存合理布局,减少调拨技术,节约库存管理成本。与此同时,库存的多少似乎永远也无法解决商品的脱销。无论是库存量还是脱销量,企业在发展过程中,都希望利用信息化手段,能够通过实时跟踪货物,采集数据,确定不同地区在不同时间的库存水平,使得库存水平具有适应性。为了提高企业整体运作效率,很多企业对库存管理采用了ABC控制系统及即时库存控制系统(JIT)。在ABC控制系统中,如何准确区分ABC三类存货并进行分类控制是企业需要解决的重要问题。JIT管理强调将库存数量减少到最小,实现物质供应、生产、销售连续同步问题。这种方式在提高生产效率,减少存储成本的同时需要考虑到与供应商协同接洽的问题,大数据能够通过对企业自身以往所有各种类型库存进行数据分析,可以对ABC三类存货进行更为科学合理的区分,为JIT一旦到库存预警就会导致生产线、销售告急的状况提供解决的方案。企业和供应商之间能够通过物联网同时获得库存的使用情况。在数据显示该存货需要补充时,及时将信息反馈到企业进行补给,通知供应商做好供货准备,并给出下一订货批量的预计时间及数量要求。运用大数据使得供应与需求信号紧密联系在一起变得容易实现和具有可操作性。我们可以把销售记录,销售网点数据,天气预报,季节性销售周期,区域库存信息等不同纬度的数据融合起来,形成实时感应需求信号,与实时货物位置等信息能关联分析,匹配供求关系。产生的精确的信息,可以反馈到生产计划,库存水平与订单量等库存计算的各个环节, 使企业了解具体地区的库存量并且自动生成订单,从“需求感应”实现“适应性的库存”管理,不断优化库存水平。
3.运用大数据进行质量分析,促进管理。早在上世纪90年代开始,大量的企业就开始通过应用分析法来提高产品质量和生产的效率,其核心是实现生产与服务的需求相匹配。今天的大数据分析手段也是如出一辙。大数据不仅能够使生产商制造产品的时间缩短20%-50%,还能够在产品批量生产前通过模拟,检验防止产品缺陷,减少产品开发周期过程中不必要的环节等。大数据的实时性与实效性,給企业的生产质量管理提供了质的飞跃。传统质量管理主要是通过静态的,历史的,沉淀的数据,通过检查表,散点图,控制图等检测手段,来发现生产过程的质量问。大数据通过物联网,通过产品上安装传感器,标签等手段,实时监测采集数据,认知产品性能,实时提高质量。大数据在产品质量改进有着广泛的应用潜力。企业所生产产品的质量改进主要通过对产品质量的监控来保证,目前监控手段主要包括生产工艺过程检验及成品检验。由于检验工作的特性,大部分工业产品的成品检验只能通过抽样完成,和市場抽样的合格率相比往往存在一定差距。大数据可收集大量产品的过程工艺参数、成品检验结果参数、检验不合格品的检验数据以及对应的工艺、管理参数,结合工厂的检查结果,找出各种定性、定量数据与成品质量的关系。从而能够依据企业工艺和管理信息,对产品成品的质量作出预测和判断,帮助企业改进产品和质量。
综上所述,对大数据进行有效地挖掘分析,能够帮助企业获得更多洞察,做出更加正确的决策,从而占领先机,这也是大数据所蕴含的最大魅力。
参考文献:
[1]维克托·迈尔一舍恩伯格,肯尼思·库克耶大数据时代【M】.盛扬燕,周涛,译.杭州:浙江人民出版社,2013:94.
[2]罗放华大数据时代的统计变革与服务型统计建设【J】.湖南城市学院学报,2014(7):95-101.
[3]李建中,刘显敏大数据的一个重要方面:数据可用性【J】.计算机研究与发展,2013 50(6):1147-1157.
[4]刘智龙统计行业数据分析与数据挖掘应用——统计建模思想【J】.统计与咨询,2014(2):20-21.