数据演讲稿（精选3篇）由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“大数据演讲稿”。
第1篇：大数据演讲稿
大數據演講稿
第二頁:人類從十三世紀以來，透過測量世界、進而征服世界，為了減少資料錯誤，確保資料品質，我們不斷改善工具，好讓測量更精準。然而現在有愈來愈多的資料，我們必須要知道資料量越多，就愈不可能精確，因此我們必須換個心態，來接受這個事實。
第三頁:在大數據的概念裏頭，我們必須以新觀念來面對新局面，我們必須跳脫「越多越好」的概念，讓愈多會比品質愈好更重要。因此我們要開始認識在這些越多的東西裏頭，無可避免會產生的雜亂問題，而也就是這個問題，我們必須了解有哪些雜亂!雜亂基本上分成三種，第一種是資料量多而產生的雜亂，越多的資料出錯率越高。第二種是資料型態不同而產生相容性問題，例如:消防員用語音辨識系統和人做受災資料蒐集，機器和人收集資料型態不同，比對時無可避面會產生雜亂，但往往更能掌握當下的實際情況。第三種是不同格式的資料型態產生的雜亂，此雜亂往往發生在提取或處理資料時，因為接收端與輸出端，資料格式不一，而產生的雜亂問題。
但我們不用擔心，舉個例子->用十隻很貴的溫度計量和一百隻便宜的溫度計量，雖然便宜不準，但蒐集越多的數據，也可以越看清全貌，因此更多的資料點，帶來的巨大價值，使得雜亂變得微不足道。總之，我們可以犧牲一點精確度，取用所有的資料點，我們更能看出整體的大趨勢。
第四頁:西洋棋規則完善，行之有年，其主要歸功於他的演算法和殘局處理能力，而殘局處理能力往往源自於它內建的殘局應對資料，而這個殘局應對分析主要是在只剩下六顆棋子的情況下，每一步都經過完整的分析，做成巨量的表供程式做運算處理，那我們發現，如果我們讓其殘局應對資料增加越多，甚至高達1TB，我們越能讓程式變得完成無暇，無人能敵。在語料庫的例子，這個例子來自微軟在做word的文法檢查所得到的發現。他們一開始在增進文法檢查這個功能上，考慮到，是否要改良演算法、用更複雜的功能去實現，or使用更多的資料去餵給現有的演算系統，結果發現，改良演算法，準確率提升8%，但用後者方法，準確率提升足足20%以上，由此兩個例子可知資料數量子資料品質更重要。
第五頁:來到本章重點，我們逐漸打破層層的限制，我們接近樣本=母體的境界，過去我們注重資訊品質，重視的是資料的準確性與否，畢竟過去蒐集來的資料少，我們對樣本的要求也比較高。但現在，隨著科技快速的發展，我們有足夠的記憶體，足夠的運算速度，讓我們提升了資料量，讓我們從原本抽樣的方式，轉型到能夠使樣本=母體，我們追求的是整體的趨勢，即使越多的的資料會產生越多的混亂，我們依然能夠以資料量壓過現存的資料混亂，我們讓混亂在我們巨大的資料下顯得微不足道，因此得到一個結論，資料數量比資料品質更重要，寧可犧牲一點精確度，取用所有的資料點，我們反而更能看出整體的大趨勢。
第2篇：大数据演讲稿
まず、私はビッグデータについての簡単な内容を説明します。では、始めます。那么既然说到大数据，就得先了解大数据地定义。什么是大数据。试想如果未来我们一个人拥有的电脑设备超过现在全球现在计算能力的总和，一个人产生的数据量超过现在全球数据量的总和，甚至你的宠物小狗产生的信息量都超过现在全球数据量的总和，世界会发生什么呢？那么就先来看一些官方网站给出的大数据的定义。
为导出对事业起作用的数据。对于大数据商务有目的性的定义：“利用大数据解决经济和社会的问题。提高业务附加的价值。或者是支援事业”大数据不只指它的规模是多少，还有这些数据是由那些数据构成的，还有可以怎样利用大数据。由此是与到现在的系统是不同的。用被卖出的数据基础管理工具或者是到现在为止处理数据的应用程序，来处理巨大困难的复杂数据集合，这样的词语。再来看两个中文的。
那么大数据到底是啥。其实就是很多数据。它是把很多信息用数据的方式储存起来，然后不断累积，一直到这些数据大的没办法用简单进行利用。大数据并不是很神奇的事情。就如同电影《永无止境》提出的问题：人类通常只使用了20％的大脑，如果剩余80％大脑潜能被激发出来，世界会变得怎样？在企业、行业和国家的管理中，通常只有效使用了不到20%的数据（甚至更少），如果剩余80%数据的价值激发起来，世界会变得怎么样呢？特别是随着海量数据的新摩尔定律，数据爆发式增长，然后数据又得到更有效应用，世界会怎么样呢？发挥想象去思考一下。那么大数据是怎么形成的呢？
以前我们关注的都是交易系统和业务系统产生的数据，通过数据仓库去分析展现，其实终端，尤其是个人各种流水操作，例如购买物品清单，上网浏览历史，照片，微博等也有，但是不关注，而大数据时代，更多的是关注这些大量的数据，期望分析这些数据来发现价值，因此大数据其实以前在系统，终端，个人等等都在产生，只是没有加以利用而已，现在要分析这些数据从中发现价值。这才是大数据形成的原因和意义。数据再多，但如果被屏蔽或者没有被使用，也是没有价值的。中国的航班晚点非常多，相比之下美国航班准点情况好很多。这其中，美国航空管制机构一个的好做法发挥了积极的作用，说起来也非常简单，就是美国会公布每个航空公司、每一班航空过去一年的晚点率和平均晚点时间，这样客户在购买机票的时候就很自然会选择准点率高的航班，从而通过市场手段牵引各航空公司努力提升准点率。这个简单的方法比任何管理手段（如中国政府的宏观调控手段）都直接和有效。
先说一下这个打印的课本，它里面举了两个例子。对于福岛核电站的事，以及对于便利店的优势，都是利用了大数据。比如说超市，要进好多货，然后有的买的人少可能就堆积，即使减价处理也不一定能卖得掉，从而造成亏损。那么便利店，就会根据平时周围生活的人们来选择性的进货。在上班族公寓附近就多进快餐，在老年人或者中年人多一点的地方，就进一些生活用品。对于福岛核电站，如果将监测核电站的信息及时收集，并且分析就可能发现它有问题，可能会泄露，进而去解决问题避免损失。这就是预测未来可能发生的事故，这样的话可以有效的避免。再比如说，天文学家们研究天体的运动轨迹，发现更多的行星。将这些数据收集在一起就是大数据，对这些数据分析整理，就有可能计算出，未来某个行星可能会撞上地球。然后采取一些必要的措施，来将这种毁灭性的打击消除。如何认清现在呢？比如说在医学上，通过医疗设备对细胞进行观察，并根据其他测试进而推测出该细胞是不是癌细胞。如果把判断的依据变成数据化，输入到电脑中，并且再赋予她一定的学习能力，比如给他一个癌细胞，他会记住这些细胞的特征，久而久之，他的准确度会越来越高。在医学上的作用也会越快越明显。这就是对他的应用进行简单的了解。之后赵飞会更深入更仔细的讲一下这方面的内容。
那么，大数据对我们带来的都是好的么。不是的。就比如刚刚那个医学的例子。研究出的机器会让诊断癌细胞的工作人员逝去工作。就像是80年代工厂逐渐自动化一样，工人失业会很严重。如果你是一匹马，那么你肯定不喜欢工业革命。
接下来说一下大数据现在面临的难题，就是如何利用好这些大数据，进而为人们服务，造福我们。就个例子就拿LSST来说。他是一个广域的天文望远镜，是由多个国家参与研发，现在在智利的一个山上，2010年开始动工，并在2015年启用查尔斯·西蒙尼和比尔·盖兹分别捐赠2000万美金和1000万美金给LSST计划。LSST计划至今仍寻求美国国家科学基金会能拨发将近4亿美金的赞助费。它每三天可以拍摄整个天一次。到2022年，它会搭载一个超级数码相机，拍摄出的照片达到32亿像素。这样的照片需要1500块高清电视屏才能展示出来。LSST的照相机每年要拍摄超过人员所能分析的超过20万张影像。如果利用好了这些数据会是很大的一笔财富，但是目前还没有一个很有效的解决方法。没有那么多人力能去分析它，也没有那样的设备直接分析。所以这堆数据就是没用的数据，没有价值的。所以大数据是很有潜力的一门科学。接下来跟大家一起看一段TED的演讲视频。演讲人是肯尼斯-库克耶《经济学人》数据编辑，曾任职于《华尔街日报》（亚洲版）和《国际先驱论坛报》。他是美国外交关系协会成员，CNN、BBC和NPR的定期商业和技术评论员之一。对大数据有很深的研究，听一下他是如何评价大数据的。看完这个演讲之后，在有请赵飞带来对大数据更深入的认识。
第3篇：公众演讲从数据挖掘走向大数据演讲稿
(公众演讲)从数据挖掘走向大数据演讲稿
从数据挖掘走向大数据演讲稿
大家好！欢迎大家来参加我们今天这个联络中心大数据系列应用的讲座，这一次我们这个讲座是我们这一系列的第一次课程。现场有我们的观众，也有视频前面的观众。
首先简单介绍一下所谓联络中心的大数据应用，这个系列课程还是围绕着现在比较流行大数据的概念，然后跟联络中心之间彼此相关的关系，跟相应的应用，那我们会有六个课程的主题。
第一部分我们是在讲从数据挖掘到大数据。第二个主题是跟大家介绍有关大数据的基本概念，第三个部分会跟大家介绍联络中的一个全局的战略，第四个部分是在讲联络中的精准营销上面的运用，第五个部份是怎么运用联络中心提升客户的体验，最后第六个这个单元我们会跟大家介绍一下如何在联络中心内部搭建测试学习这个平台。
那开始我们后面课程之前，会花点时间简单介绍一下我自己个人背景。我叫徐元亮在联络中心这个行业工作有超过15年以上的时间，那最早我求学跟第一份工作是在台湾但是从____年以后就在内地开始工作，那在大陆这边也有超过10年以上工作时间。在学校部分我在台湾的国立台湾大学心理系取得本科的学历，之后在美国德克萨斯贝勒大学Baylor University取得教育心理学的学位。
(公众演讲)从数据挖掘走向大数据演讲稿
第一份工作是在台湾电信公司叫台湾大哥大它的一个2000以上规模的CallCenter里面担任培训主管一个工作，在____年到大陆之后陆陆续续保险公司在几家保险公司曾经公做过包括太平洋保险 天平保险 中国大地保险最后一份工作在大地保险工作七年时间，协助它建立电话销售中心整个筹建以及后面规模的运作，那个人最大的管理幅度当时大概下面管理大概超过有2000的座席。年营业额超过10亿。那在____年以后离开了企业界，在外面开始从事咨询与专门培训的工作那我今年开始____年也成立专门这个培训工作室，那主要培训内容主要围绕着联络中心开始跟各位能够有机会介绍这个有关联络中心大数据运用或者电话营销管理或者电话客服管理这个课程。以上是有关是自己资历的简介，那之后是我们这系列正式课程。
首先第一个我们要跟大家做报告分享主题是从数据挖掘走向大数据。开始今天主题之前要跟大家谈一下到底大数据是什么样概念，还有就是说我们跟联络中心彼此之间有什么样的关系。
这几年在我们国内大数据是热门的话题！各行各业几乎脱口都要谈到大数据，做一些数据分析整理的时候，基本上你不讲大数据感觉好像这个企业管理现在这个数据库管理就脱节了。实际上真真正有多少企业已经真正开始用大数据这个应用，就联络中心这个行业来讲又有那些联络中心真正开始应用大数据。
个人觉得就是说如果真正要了解大数据在联络中心的运用，可能要先从客户关系管理跟数据挖掘，这些基本的数据管理概念开始谈起。
这一张投影片大概是我在10多年前第一份工作，刚才提到的台湾大哥大有位同事叫李明德李先生，他现在应该还在台湾大哥大工作，当时他做的投影片。
(公众演讲)从数据挖掘走向大数据演讲稿
经过10多年时间，虽然中间有一些跟客互动渠道有了变化，但是里面一些包括联络中心跟数据仓储跟后面目标客户细分，客户忠诚度终身价值之间的关系，其实10多年来我认为还是没有太大的变化。中间数据挖掘技术其实从这个概念到现在有将近20年时间，但是真正在联络中心或者企业界，得到很好的应用可能也是最近几年的事情。
这张图可以跟大家解释，有关客户关系管理跟联络中心的一些说明，简单来讲就是说我们认为做到应用数据挖掘或大数据联络的前提，它必须是一个以客户为中心的联络中心，在前台部分它会有各种不同的接触渠道，跟客户进行互动包括传统电话语音包括现在比较流行的手机APP或即时通讯软件像QQ或者是说天猫、淘宝’上面的旺旺 包括微信上面的这个社交媒体，微信微博，包括上，包括微信的公众号等等。这些都可以依靠我们联络中心在后台给客户提供相应的一些支持。
另外来讲，ATM终端，或者是在国外我们看到有一些加油站或者便利超商它也有一些做娱乐或者是相关服务购买、充值的终端，事实上也能够由Call Center在后面提供相关的服务。
另外还有传统服务 传真 电子邮件等等，这些其实也都在联络中心提供互动的一些范围。还有就是一些实体渠道。传统上面我们大家认为联络中心跟面对面的机构跟渠道之间没有什么太大关系，但事实上我们看到很多先进公司事实上在传统渠道的部分他其实也是有Call Center在给我们传统渠道面对面销售人员或者这个中介销售队伍提供相应的支持。
(公众演讲)从数据挖掘走向大数据演讲稿
比如说十年前我在帮微软和Cisco 提供外包服务的时候，就看到他们的企业销售团队在跟客户去谈这些大的订制化IT系统解决方案的时候，不管是说买这个作业系统的软件或买一些服务器、Router路由器硬件，通常来讲他们会在Call Center 指定一个相应的助理做项目的支持，然后他们会提供简单的咨询及问题反应记录，甚至有一些制式化的报价等相应的工作。
有一些比较复杂的工作他会即时联系大客户项目代表本人到现场进行处理，总而言之，就是说如果我们能够做到以客户为中心的后台，其实联络中心它是会随着我们交互渠道不断的演进，在前台各种不一样的交互渠道中去提供数据收集跟整理。
为了做到以客户为中心，联络中心后面必须要有一个数据仓储，在数据仓储里面包括来自市场营销来自客户服务，从前端销售到后端服务售后整个全方位的一些信息。通过数据挖掘的一些手段以及工具，那我们能够做到目标客户的细分，针对不同客户细分我们给他一些客制化这个产品服务或者是说对流层。最终目的是提高客户的忠诚度以及提高客户终身价值，这个是我对联络中心与数据挖掘彼此之间关系的理解。
下一张投影片主要跟大家介绍怎么样从数据挖掘到真正产生商业价值、企业管理价值的商业智能系统。
简单来讲就是说我们做大量数据挖掘工作之后最主要目的是能够帮我们很多线索，作为我们联络中心跟客户去做服务跟销售的一个参考依据，甚至说做一个重要的指导。
(公众演讲)从数据挖掘走向大数据演讲稿
为了达到这个目的从单纯数据挖掘 我们必须进一步要做到所谓商业智能系统，商业智能系统的基本雏形大概会是这个样子的，在这个整个系统的最后面会有一些各种各样的数据源，不同数据源经过ETL一些程序它会进入我们的数据仓库，在经过数据仓库之后同样进到另外一道ETL.它会进到各个子的数据集市DataMarket在我们不同业务部门有需要的时候，不管是给客户提供销售、给客户提供服务，这个时候我们会从不同的数据集市子集当中，去抽取我所需要的信息，给我的工作提供相应指导，这个是一个简单的商业智能系统的雏形架构。
中间跟大家提一下ETL这样的概念，我们在讲数据挖掘或者比较热门的大数据的时候，经常提到我这个系统、这个模型的ETL流程是怎样？他指的就是：数据的提取Extract、数据转换Transform、以及数据加载Load,那这几个是在做数据整理当中，经常要使用的步骤。
不同数据库的管理系统，不同数据库的模型 在这当中它其实有一些相应的不同作法，这也代表系统的优势和劣势，简单来讲，整个数据化到商业智能，后台部份必须具备跟数据库连接的功能、必须要具备ETL功能、必须要具备数据仓库跟数据集市管理功能，在前端的部份，它要有一个很友好的数据展示功能配置，同时要能做到数据探索的配置，比方说，我在显示的时候我可以看到全国的数据，我也可以进一步往下细分的每一个市，每一个三级的县或乡镇，甚至于来讲，可以看到某年龄段的客户或针对某一个产品曾经购买的客户。
回到我们讲数据挖掘在企业以及CallCenter的应用，我觉得可以从两个层面来看比较常见的应用。第一个跟我们联络中心比较有关的，是基于贯穿客户生命
(公众演讲)从数据挖掘走向大数据演讲稿
价值的数据分析，简单来讲，我们看整个生命周期可分为三个阶段：第一个阶段是客户获取、第二个阶段是客户接触、最后一个阶段是客户挽留跟赢回。
在客户获取阶段 我们可以去做相关的渠道分析，比方说络推广的成本跟收益，分析电话外呼响应率，分析交叉销售跟向上销售的效率。在客户生命周期价值部份，我们可以去分析客户价值模型，我们可以去做相关的客户分群，我们可以去做客户风险模型，针对他的信用、针对他的风险去做一些基于数据库的分析。
客户接触阶段主要可以从三个象限去做考虑，第一个是产品，第二个是客户，第三个是坐席，产品部份我们去分析它的产品设计对于整个销售行为、客户阶段的影响，产品定价可以去做进一步分析；客户的部份，我们可以分析他的沟通策略及用户体验；坐席部分，我们可以去做坐席的工作绩效，以及离职率等人力资源相关指标的分析。
最后是客户挽回跟赢回，客户挽回指的是说当客户有流失风险的时候，我应该怎么样作提早的介入，中间我们可以去分析客户挽回相应所花的预算，还有礼品的有效性，以及客户挽回成功率的模型。在客户赢回这个部份指的是说因为任何一个原因，这个客户可能不在我们这边继续购买产品或服务了，但是我有一个新的产品或服务，或者新的促销活动的时候，怎么想办法重新赢回。这里面我们可以分析客户流失的原因，流失率的分析，也可以去做重新赢回成功率的分析。
第二个我们经常使用到的数据分析向度，是贯穿整个企业经营的数据分析。从企业经营角度，我们分成四个部份来看，第一个是营销分析，第二是企业风险控制分析、第三个是产品创新、第四个是资源配置。
