使用老数据做决策,大数据时代我们如何做决策

这个时候有人一直在责怪Tim，说你这个业务员不出去跑业务，为什么去IT部门无所事事？而且，你只想要你以前的客户数据而不关心新客户。其实Tim还有一个IT朋友James是分析师数据在零售行业有一些经验。蒂姆的第一个想法是向詹姆斯寻求一些建议。在两个人聊天的过程中，詹姆斯无数次给蒂姆讲商业智能。

一个是数据可用性，即决策based数据是否可以获得，是否有足够的时间，数据 dimensions是否足够等等。二、数据的质量，数据中是否有噪声，是否有假数据，以及数据有多稀疏？避免垃圾进出。三、数据的时效性是否满足决策的要求，如实时更新、每月更新或每季度更新？四是数据 决策的假设条件目前是否仍然满足要求，比如模型开发时的假设条件是否仍然有效，模型的有效性是否满足要求？

休斯顿乔治布什国际机场的领导收到了一份关于乘客行李到达时间过长的投诉。所以他们把行李认领处搬到了离出口很远的地方。乘客于是把所有的时间都花在走路上，而不是等行李，投诉的数量减少了，因为人们觉得拿行李的时间缩短了。在这个由数据驱动的世界里，你并不总是知道是什么在驱动数据。在数据的分析中，利用样本估计总体是常用的手段。

因此，要注意两类问题。外延效度是指对样本得出的结论进行概括，从而得出对整体数据人群有意义的结论。某期刊的一篇文章指出:“人类行为学家总是在世界顶级期刊上发表关于人类心理和行为的一般性结论，而这些结论都是从西方的、高学历的、工业化的、富裕的、民主的(前五个词的首字母是怪异的，意思是怪诞的)社会中取样的。

我认为，第一，可以用large 数据的方法对信息进行量化，只有对收集到的信息进行量化，才能科学地得出有效的结论。其次，Da 数据的量化思维可能与我们之前的量化思维不太一致。以前的量化思维太狭隘，数据的大小可以打开我们的思维和眼界。这里推荐使用CVSource，这是中投信息专门为一级市场开发的创投数据库。通过网络收集、调查访谈、数据合作等多种渠道保证了数据的完整性，同时采用大数据分析挖掘技术和人工操作相结合的方式保证了数据的准确性和及时更新，由专业的研究团队进行针对性的研究。

首先你需要有各种基础数据来支撑这个，然后管理层需要做什么决策，然后你要能够根据决策的目的提取出你需要的东西来进行分析，这样比如说公司决策想要提高产品的价格，这时候你要分析涨价的可行性，涨价多少在客户接受范围内，这才是你的目的。

General 决策一般包括八个基本步骤:发现问题、确定目标、价值准则、拟定计划、分析评估计划、优化计划、测试验证、一般实施。数据采矿是决策的配套过程。它通过分析自动化程度较高的企业的数据进行归纳推理，从中挖掘潜在的模式，帮助决策调整市场策略，降低风险，使。数据Mining数据常用的分析方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、网页挖掘等。他们从不同的角度挖掘。

分类就是通过分类模型映射数据库中的数据项。回归分析方法反映了事务数据中属性值的时间特性。聚类分析主要应用于客户群体的分类、客户背景分析、客户购买趋势预测、市场细分等方面。关联规则是描述数据Library数据Items之间关系的规则。如果想进一步了解数据矿业，建议你去CDA 数据分析师官网咨询。

随着信息技术的飞速发展，各个领域的数据的量呈爆炸式增长，尤其是云计算、物联网、移动互联网等it技术广泛应用后。数据的成长，实现了从量变到质变的转变，如浪。大数据不仅仅是颠覆性的技术革命，更是思维方式、行为方式、治理理念的全方位变革，尤其是在政府治理领域。Big 数据带来了巨大的变革潜力和创新空间。

一、Big 数据为政府治理理念转变带来新机遇；治理理念的转变是提高政府治理能力的前提；观念的转变需要新文化和新思维的融合，big 数据 culture和数据 thinking所包含的数据恰到好处。本文以“Da 数据”为基础，探索政府治理的多维度、多层次、多角度特征，最终实现从政府主导型的政府管制理念向协同治理、公共服务型理念的转变。