大数据驱动管理学研究变革

编辑:光环大数据 来源: 互联网 时间: 2017-11-01 11:55 阅读:

  随着科学技术的迅速发展,互联网、云计算、大数据等现代信息技术不仅影响到人们工作生活的方方面面,也在深刻改变着人类的思维方式、学习方式。其中,作为一种海量、高增长率和多样化的信息资产,大数据受到了人们的广泛重视,并成为学者们的研究热点。法国亚眠大学市场营销学讲师卡罗琳·里谢(CarolineRiché)和法国国际商业与发展研究院研究员奥利维耶·玛玛维(OlivierMamavi)等学者10月16日在“对话”网站发文表示,大数据的出现给管理学带来了新挑战,甚至将引领新学科领域的出现,因此有必要开展跨学科研究、培养跨学科人才来应对挑战。

数据成为核心战略资产

里谢表示,大数据具有大量、高速、多样、低价值密度、真实五个方面的特性。与大数据有关的管理活动包括收集、存储、可视化、交叉分析和评估实时大数据,从而产生可操作信息,并根据有关信息作出决定。它意味着提取研究背景相关数据,并进行有效的知识处理和生产过程。

玛玛维表示,在全世界,每一分钟约有20亿字节的数据被创建。如此规模庞大的数据不仅意味着新资源、新机遇,也带来了新挑战。大数据的管理和分析涉及许多方面,例如电信、健康、广告、消费、金融等。

尽管目前对大数据的分析主要是在企业层面进行,但在法国,为应对经济、社会问题,数字转型已成为所有人都要面对的一项挑战。数据已经成为一项需要重视的核心战略资产。那么我们应当如何分析、使用大数据,为战略性、行动性决定提供参考意见?大数据将如何改变公司,又将如何影响日常工作、各机构间的关系以及生态系统?科学研究应该对这些新现象进行解读,并提出应对之道。由于研究对象的特异性,对新研究方法或工具的需求,以及与其他学科交叉合作的必要,大数据及其采集、分析、运用、影响等方面的研究或将导致新学科的诞生。

影响管理学多个传统领域

大数据的出现,使人们可以省略抽样调查这一步骤,直接对采集到的所有数据进行分析,有助于避免数据疏漏。此外,由于不需要在数据收集阶段浪费资源,人们可以直接关注存储数据的处理和评估,并在此方面投入更多精力。

大数据也给管理学研究带来了许多挑战。玛玛维表示,大数据影响到管理学的多个传统领域,企业价值链中的众多变量受到数据分析的影响,包括营销分析、消费者数据分析、人力资源分析以及供应链分析等。此外,数据共享和保密也是管理的核心问题。

从数据管理的角度来看,管理学研究者需要回答三个方面的问题。一是数据处理问题,包括如何编纂、编录、编译各种不同性质的数据,进而作出有效决定;如何改进数据收集、综合分析的方法、程序等。二是概念框架的演变,包括如何把大数据研究与现有管理学理论和概念框架进行融合,神经科学、人工智能以及机器学习在大数据管理中可以发挥哪些作用等。三是如何将数据管理整合到原有管理框架中,包括如何将大数据分析整合到管理决策过程中,如何从管理角度简单理解这些新的、复杂的研究方式等。

加快培养数据科学家

里谢表示,可以从以下三个方面应对大数据带来的挑战。

第一,采用新的研究工具和数学方法,以保证信息可靠性,这涉及数据采集、分析等多方面。只有保证数据正确性、准确性,才能让预测误差最小化。

第二,整合大数据带来的新概念、新理论、新方法,进而改变管理学的经典概念框架。将管理学、信息学、统计学、数据挖掘、神经科学、人工智能、机器学习等不同学科领域有机结合,利用不同学科优势和理论范式展开研究。同时利用网络平台分享研究成果,鼓励学者们参与到有关研究中来,通过合作获得更多成果。

第三,加强科研人员培训,特别要加快培养跨学科、复合型研究人员,鼓励不同学科研究人员之间进行交流与合作。里谢认为,在数据驱动环境下,我们必须拥有数据科学家,即兼具统计学、计量经济学、信息学和管理学等学科背景和能力的人才。对管理学每一分支领域来说,收集到的数据都不一样,对其分析也不一样,然而有能力研究每一领域内数据的人才很少。因此管理学教育,既需要具备多领域分析能力的管理人员,也需要能够整合管理问题的数据科学家、数据工程师,更需要了解大数据最新进展、引领大数据和管理学发展的专家学者。

  大数据时代大数据培训,就选光环大数据、数据分析师培训机构!


大数据培训、人工智能培训、Python培训、大数据培训机构、大数据培训班、数据分析培训、大数据可视化培训,就选光环大数据!光环大数据,聘请专业的大数据领域知名讲师,确保教学的整体质量与教学水准。讲师团及时掌握时代潮流技术,将前沿技能融入教学中,确保学生所学知识顺应时代所需。通过深入浅出、通俗易懂的教学方式,指导学生更快的掌握技能知识,成就上万个高薪就业学子。 更多问题咨询,欢迎点击------>>>>在线客服

你可能也喜欢这些

在线客服咨询

领取资料

X
立即免费领取

请准确填写您的信息

点击领取
#第三方统计代码(模版变量) '); })();
'); })();