大数据与商业决策关系

1. 大数据与商业决策关系

大数据与商业决策关系
今天，我们正处于决策成本产生巨变的爆发点，过去那些想尽办法都无法获取的数据，在今天唾手可得，而当有些表面上完全不相关的行业数据关联起来时，居然产生了新的商业价值。更重要的是，过去，我们更多地是带着问题去寻找能够验证自己观点的数据，而今天我们却可以使用数据去预测可能出现的问题。海量数据可以使人的智慧得到更大的发挥，并变得更加规模化。大数据的本质是人，数据研究的极点就是莫测的人性。我们一旦掌控了数据之后的数据，就会拥有制胜未来商业的无敌利器。假定数据是脏的在处理数据的时候，会像污水处理厂一样，每一步都问自己要如何处理这些污水。这种情况的出现，到底是因为数据源脏了，还是因为数据提炼过程做得不好？美国有一家初创公司，专注于与地理位置相关的数据收集、整理和查询服务。它将地理位置的相关指标，按照酒店和旅馆等属性划分为不同细类，对外提供基于位置信息的实时查询，为包括美国最大点评网 Yelp在内的多个知名应用提供底层数据服务。这家公司最令人印象深刻的是，它对于所收集来的数据会提供一个数据质量评分，以反映数据的可信度和质量水平。它会对这些数据的源头以及对处理数据阶段所用的算法进行评分。也就是说，这家公司在提炼数据的每一个阶段都进行了数据化管理。这家公司的做法让我们看到了一个趋势，也是一个非常重要的趋势。因为它首先已经接受了数据源肯定是脏的和数据源一定会被污染的事实。所以，它在处理数据的时候，会像污水处理厂一样，每一步都问自己要如何处理这些污水。这种情况的出现，到底是因为数据源脏了，还是因为数据提炼过程做得不好？这个过程我们一定要区分，而且这样的区分是可取的。这家公司是假定数据是“脏”的来做数据管理，而不是假定数据是稳定的。而且，假定数据是“脏”的来处理数据，在大数据时代将是一个非常重要的趋势。事实上，我们今天在处理的大数据，依然只是冰山一角，而更大的数据都隐藏在我们的语言中，比如我们说的话和写的字。所以，将来我们要准确地从互动中抓取数据，也一定要依赖对自然语言的处理。现在，美国的很多数据研究人员都在瞄准非结构性数据，即语言处理这一领域。学会慢慢淡化数据数据是有优先值的，在数据中有些是特别核心的，有些即使缺失了也没有多大问题。所以，我们要学会真正坐下来盘点那些对公司最有价值、对用户最有价值的数据。想要确定数据的优先值，就要先解决以下几个问题。一是数据的标准化。在大数据时代，我们需要一个标准化的东西供我们进行交流。二是我们到底如何对接和交换数据，如何在交换的时候保持数据的稳定性。比如自然语言，比如在无线和 PC不同场景下受到的影响，这些情况都会滋生出许多新问题。第三个重要的问题是数据的存储，这将涉及数据的时效性这一问题。有人曾经提出过一个很有价值的观点，即现实中，网站最大的场景变化就是网站改版。因为重新设计网站，本身就影响数据，比如公司的详情页和首页，任何改变都在影响数据。如果在 1~3年后，你才说得出数据的这一改变是由于促销、用户行为或是改版引起的，那这一数据就已经没有任何价值了，这就是数据的时效性。所以，美国出现了一个概念叫数据淡化（ Data Decay），意思很明显，数据会慢慢淡化。我们要更清楚地认识到，数据是有优先值的，在数据中有些是特别核心的，有些即使缺失了也没有多大问题。所以我们要学会真正坐下来盘点那些对公司最有价值、对用户最有价值的数据，这是一个非常重要的趋势。重要的是数据和数据之间的关系，而不是数据本身大数据价值的实现，在于数据与数据的连接。Google做了一件非常惊人的事情 —— Google甚至能在不明白某个网页语言的情况下，知道其内容是什么。试想一下，如果你懂俄语，看出俄语网页里在讲什么当然很简单。但是，如果你仅仅通过看字词的排列和网站的分类，就知道网页的内容，这是不是很令人惊叹？这就是知识图谱，它是一个无穷无尽的世界。事实上，知识图谱并不是数据，而是数据和数据之间的关系。但这里有一个非常大的弊端，就是数据的储藏量非常大、储存的方法也很复杂，且稍微改变一点点关系的定义，整体就会产生巨大的变化。比如说，有一个知识图谱在说电商平台用户之间的关系，那数据信息就非常庞大了。试想一下，今天电商平台里有多少个用户跟你有关系？假如说有 25个人，那么 25个人的关系就演变成了 25×25条关系。这时候，我再问你“什么是关系”、“见过就算关系，还是一起买过东西叫关系”的问题就具备了一定的难度。关系建立的维度是无限大的，而且定义稍微改变一下，整个存储和整个数据库都会发生变化。所以，知识图谱的把控是有难度的。举个贴近我们生活的例子，比如说银行很早之前就给你开办了信用卡，决定银行这一决策的不是你的个人关系而是总关系。银行决定是否贷款给你，是要看你爱人做什么职业以及你家中其他人的经济情况如何。当这种种关系关联起来时，就会产生一个极为重要的知识图谱。以往我们谈大数据时候的本钱，莫过于“我有这种数据，你没有”。在未来，数据和数据之间的关系才是重中之重，而不是单纯的数据本身。
以上是小编为大家分享的关于大数据与商业决策关系的相关内容，更多信息可以关注环球青藤分享更多干货

2. 大数据影响商业决策

大数据影响商业决策
现如今，无论哪个行业的企业都在谈论的是——数据。这里说的数据不是任意的数据，而是大数据。
 
如今我们生活在信息经济体制中，公司采集和分析的数据越多，就能在做重要的商业决策时参考更多的信息。因此，公司不必再盲目地做决定或者只能瞎猜了。而些曾经根本无法测量的参量，如今也可以进行准确地测量。
现如今，大数据非常重要，它已经能够影响到企业的估值。数据不属于公司的有形资产，但拥有着深度见解和长远预测的数据却可以指引企业走向成功。企业的声誉正是经典的案例之一。企业声誉是企业重要的无形资产，如今却可以通过采集的数据进行测算和价值评估。
除此之外，影响企业成功概率的因素还有使用数据的方式和依据数据分析所做的决策。数据变得如此有影响力，其本身也正被用来判定公司的价值。
最重要的决定——选择数据采集工具
选择商业智能软件是整个数据采集过程中最重要的部分之一，因为这是数据采集和分析的工具。许多企业最难通过软件平台来做商业决策，现在市面上有无数的数据采集软件程序，但是它们之间不尽相同，像Tableau及其它在BI领域的主要竞争对手，其数据采集软件程序在考虑用户界面之前就有着很多功能。
就这些软件而言，报告的功能是最重要的，数据的结果就是产生报告，只有数据没有报告，数据就失去其原本的作用了。用户需要定制用来生成报表的数据的呈现方式和数据类型。这样，用户就可以根据自己的核心业务指标来提取数据段。
自动采集数据的功能也极其重要。因为，数据采集应经是繁忙业务中的重要的一环，也是相当耗时的一环。所以，能够智能化采集数据并自动生成报告的软件程序，带来的实用性更强。
当然，能接入数据源也是商业智能分析软件极为重要的组成部分。商业智能软件（BI）获取的数据源越多样化，公司收集和使用的信息就越多。
数据影响重要商业决策的三种途径
根据大数据做出的决策可以在各个层面上对企业带来极大的影响。每个公司都有自己的需求，但是几乎每个公司都能利用大数据，就声誉、收入渠道和生产力方面充分考虑后做出决定。
1.声誉
2014年声誉研究会的年度声誉领袖研究显示：公司最关注的是如何量化衡量他们声誉的方式。同时，企业意识到，其中关键的一点是制定一份有效的舆情策略，提高公众可感知的品牌数据量。
通过对社交媒体平台和企业网站的数据分析，公司可以更好地测估他们在大众的眼中是什么样的形象。同时，他们也可以与客户互动，并从中了解到客户对公司品牌的满意度。这些都在很大程度上影响着公司的声誉。公司能够利用数据做关于品牌化、社交媒体营销和增进客户关系方面的决策。
2.收入渠道
在拥有大量数据的情况下，找到一个新的收入渠道会更加容易。同时，找到推广产品和服务的最佳市场营销渠道也是轻而易举的事情。两者相结合，发布新产品或者新服务的风险更低。大数据能够分析当前交易，用户投诉并改进企业产品。企业可以深入挖掘数据，发现新的机遇。
3.生产力
提高运营效率和生产力是快速提高利润的一个方法。市面上已经有大量的ERP软件，多数ERP程序可以分析从生产线正常运营时间到会计程序的几乎每种业务功能的数据。传感器可以实时追踪卡车和货物的运动，并将得到的大量数据记录到软件程序中。
收集到的数据能够告诉企业主效率低下之处，也能够找出提高生产力的自动化流程。有了大数据，你将能知道谁是生产力最高的员工，什么机器耐用性最高，甚至怎样通过缩短货车路线减少燃料费用的问题，也可以得到解答。生产力的提高的可能性是无穷的，这就是定制报告的重要性所在。
大数据背后有巨大的商业潜力，但是只有企业能够整理数据，找到真正重要的指标，才能更好地利用它。现在企业们或许正坐在一座金矿上，他们需要知道的就是怎样利用这些信息。

3. 大数据的商业魅力 从商业支撑到商业决策

大数据的商业魅力：从商业支撑到商业决策
电子商务、社交媒体、移动互联网、物联网的兴起极大地改变了人们生活与工作的方式，它们给世界带来巨大变化的同时，也让一个大数据时代真正地到来。与传统数据相比，大数据主要体现在数据量庞大、数据类型丰富、数据来源广泛三个方面，大数据的这三大特征不仅仅悄然改变着企业 IT 基础架构，也促使了用户对数据与商业价值之间关系的再思考。
 大数据所蕴含的价值
 对于当今的企业而言，数据就是一种重要的战略资产，它就像新时代的石油一样，极富开采价值。如果能够看清大数据的价值并且迅速行动起来，那么在未来的商业竞争中占据会占得先机。事实上，美国奥巴马政府已经投资 2 亿美金启动了“大数据研究和发展计划”，从政府层面鼓励企业收集海量数据、分析萃取信息的能力。英特尔亚太研发有限公司总经理何京翔博士表示：“信息数据就是 21 世界的石油，石油只有经过开采、提炼最后变成汽油等化学品才能够体现出价值。大数据与石油一样，仅仅存储而不进行分析和处理是体现不出它的价值。”

 图一：全球知名调研机构 IDC 公司 对全球数据增长以及数据类型分布情况的调研与预测。相对于传统的结构化数据，非结构化数据、内容数据的增长迅速，且蕴含了极大的价值。
 任何企业都希望能够充分挖掘出像数据这种战略资源的价值，从而做出更为准确的商业决策。过去传统的商业智能局限在分析企业信息系统自身产生出来业务数据，这些数据大部分为数据库等结构化数据，而随着非结构化数据成为企业数据的主力军，传统商业智能的方式方法显然已经落伍。传统商业智能就犹如坐在自己车里，通过后视镜看后面发生的情况；而大数据分析则像是向前看的望远镜，用户通过望远镜能够看到未来可能会发生的情况。之所以会这样，是因为大数据分析是基于构化和非结构化数据的总和，在数据分析的全面性上是传统商业智能所不能比拟的，这意味着通过分析结构能够提供给企业更加全面和准确的商业洞察力。

 图二：全球知名咨询机构麦肯锡对于不同行业所产生的数据类型的分析。麦肯锡全球研究所认为几乎所有行业正在大量产生非结构化数据。
 大数据打破了企业传统数据的边界，改变了过去商业智能仅仅依靠企业内部业务数据的局面，其背后蕴含的商业价值不可低估，IDC 就在其大数据相关报告中着重阐述了大数据的商业价值：行业领导企业与其他企业有着本质的区别，行业领导企业会积极将新的数据类型引入到数据分析之中，为商业决策做出更加准确的判断，那些没引入新的分析技术和新的数据类型的企业在未来是不可能成为行业领导者。这本质上其实是要求企业能够从思维的角度彻底颠覆过去的观点，大数据在未来企业中的角色绝对不是一个支撑者，而是在企业商业决策和商业价值的决策中扮演着重要的作用。
 从支撑到决策
 传统 IT，从服务器、存储、网络、PC 这些硬件设施，到 CRM、ERP、PLM 等应用软件，本质上是在对企业各个业务流程层面起到了支撑作用，虽然传统的商业智能分析能够对于企业的商业决策起到一定的作用，但是传统商业智能分析在当今这个大数据时代已经举步维艰。大数据的价值在于它能够有效的帮助各个行业用户做出更为准确的商业决策，从而实现更大的商业价值，它从诞生开始就是站在决策的角度出发。

 图三：全球知名咨询机构麦肯锡对美国不同行业应用大数据技术潜在价值评估。
 麦肯锡认为大数据正在为全球创造不可低估的商业价值。首先，大数据能够能够明显提升企业数据的准确性和及时性；此外还能够降低企业的交易摩擦成本；更为关键的是，大数据能够帮助企业分析大量数据而进一步挖掘细分市场的机会，最终能够缩短企业产品研发时间、提升企业在商业模式、产品和服务上的创新力，大幅提升企业的商业决策水平，降低了企业经营的风险。
 事实上，大数据离我们并不遥远，现实生活中已经有很多活生生的案例，这些案例充分说明大数据对于未来的商业决策有着不可低估的作用。比如 2011 年，英国对冲基金 Derwent Capital Markets 花费 4000 万美金首次建立了基于社交网络的对冲基金。该基金通过对 Twitter 的数据内容来感知市场情绪，从而进行投资。美国加州大学河滨分校也在 2012 年公布了一项通过对 Twitter 消息进行分析从而预测股票涨跌的研究报告。

 图四：英国对冲基金 Derwent Capital Markets 通过分析 Twitter 数据来预测股市的波动，该应用为典型的大数据应用，通过实时分析数据来获得更为准确的投资趋势。图中红线代表 Tweets 中“平静”数值；蓝线表示 3 天后的道指变化。在这两条线段重合的部分，“平静”指数预测了 3 天后道指收盘指数，从图中我们可以发现红、蓝两线经常走势相近。
 可以说，在 IT 日益渗透到企业和个人方方面面的今天，大数据将逐渐成为很多行业企业实现商业价值的最佳途径。IDC 中国企业级系统与软件研究部高级研究经理周震刚就表示：“毫无疑问，未来几年大数据会逐渐向更多行业发展，除了互联网和电信之外，其他像政府、金融、制造业都会开始有大数据的应用。”当然，可能还有人会质疑大数据的决策效果，但是不可否认的是大数据正在彻底改变商业决策的模式与方法，大数据是 IT 价值从企业业务支撑到企业决策转变的最好体现。

 图五：美国德克萨斯大学《measuring the business impacts of effective data》报告，该报告认为数据使用率提升 10% 对行业人均产出的平均提升幅度有着重要影响，最为明显的就是零售行业，在零售行业数据使用率提升 10% 就能够使得人均产出提升 49%，效果异常明显。
 另外值得关注的是，企业的商业决策带有很强烈的行业特性，不同行业的企业对于大数据分析的需求并不相同，甚至由于不同行业的关系，这种需求可能是千差万别。这也就要求大数据解决方案不仅仅包括良好的数据分析能力，也需要包含很多行业的知识。IDC 中国企业级系统与软件研究部高级研究经理周震刚就表示：“从传统概念来讲，大数据非常复杂，无法形成打包好的分析应用解决方案。不过在未来几年中，某个行业的应用会形成一个共性，厂商们会基于这个共性打包出一些大数据的解决方案推向这些行业用户。另外，会有更多的行业 ISV 会加入到大数据平台，基于这个大数据平台来开发应用。”从本质上来看，企业用户在商业决策中需要的是一个包含了灵活可靠的基础架构、功能强大的数据分析能力与经验丰富的行业分析能力的大数据综合性解决方案，仅仅依靠几套开源软件和设备是不能满足企业在商业决策上的长久需求，英特尔亚太研发有限公司总经理何京翔博士就表示：“大数据不仅仅是一个技术问题，英特尔认为大数据需要一个全面的大数据解决方案。英特尔在提供优秀的基础架构同时，还重点将 Hadoop 软件平台进行优化并提供软件服务，更加重要的是会针对分析工具和用户界面进行不同行业解决方案的定制。此外，英特尔也和众多行业 ISV 进行多角度、多方位的合作，从而构建出一个完善的大数据解决方案。”
 从商业支撑到商业决策，大数据的商业魅力正在逐渐显现。在这个商业迅速信息化、社交化、移动化的时代，大数据必然会成为大部分行业用户商业价值实现的最佳捷径，我们需要做的就是认清本质、转变思路、未雨绸缪、运筹帷幄，在大数据时代中抓住无限商机。

4. 大数据时代商业智能的发展趋势

大数据时代商业智能的发展趋势

信息技术的高速发展带来了企业利用信息技术提高自身竞争力的巨大空间，人们愈发重视通过更加高级的分析来解答更加深入的问题，以及为管控自助商业智能而生的全新方法便是这些趋势之一。创新的潜能远未耗竭。那么商业智能将会朝着什么发向发展呢？
数据挖掘将成为基本的应用程序功能
数据挖掘融入到现代商务智能应用程序的方法将会更智慧，并提供巨大的价值。
数据容量和种类持续增长
大数据时代的到来，由于获取数据更加便利，收集的数据种类也更加复杂。大部分数据都很松散，复杂，需要创新的方式实现存储、集成、分析和报告。
便捷人类生活
商务智能的发展势必给人类生活带来极大的便利：商务智能监测交通，运用于临床医学，智能可穿戴设备等等。商务智能已经开始进去我们的生活并影响我们的决定。
人人都能数据分析
随着数据的不断更新，膨胀。传统的报表工具等分析已经不能满足日常企业、用户的需求，他们希望获得更深入有效多样化的恩熙体验。
可视化分析成为通用语言
随着移动互联网的发展日趋成熟，人们交流方式无不因数据而改变。人们通过将数据可视化来探讨问题、揭示洞见，随着数据使用量的增长，可视化已是大势所趋。
经过多年的发展，综合了数据仓库、联机分析处理工具和数据挖掘等技术的商业智能系统，已经成为影响企业发展的重要工具，在不远的将来，势必颠覆我们的生活。

5. 大数据从数据挖掘、商业智能发展而来

大数据从数据挖掘、商业智能发展而来
云计算与大数据专题论坛很好的为我们阐释了大数据如何与云计算相辅相成，为什么没有大数据的需求，云计算的功用也不能完全发挥。
    据介绍，业界正在逐步开始区分大数据和云计算两个概念，对大数据的需求主要集中在分析和应用当面，关注数据架构，并面向业务问题解决。对云计算的需求主要在资源的服务模式方面，主要指资源动态分配和按需付费的商业模式。
    我们在看回大数据本身，中国工程院院士倪光南这样认为“大数据从数据挖掘、商业智能（BI）发展而来。”我们从数据量、数据特性、数据来源、应用领域四个方面给商业智能和大数据做个比较，两者还是有着明显区别。
    据悉，大数据有着“实时”性的特征但并不意味着真正的实时，而往往是近似的实时，并且其还具有新的数字数据源特点。
    我们现在看到的大数据分别包括了个人、公共部门、私人部门三种，这些数据共享后，进行数据挖掘和分析，可以对突发事件更快的跟踪和响应、对违纪性质和变化的更好了解、对需要服务地区的准确定位、对于供求关系的预测能力。这一流程组成了我们大数据的生态系统。
    倪光南为我们讲述了大数据的典型处理流程包括数据获取和记录、数据清洁/抽取/标注、数据的整合/聚类/表达、数据分析/建模、以及数据解释等5个阶段。而在处理过程中，异构行、规模、及时性、复杂性和隐私权等问题是大数据想要创造价价值所需解决的困难。
    而在分析过程中我们要从数据中发现关联性，从而正确提供更快速近似的预测。但是许多新数据源的价值不在于规模和速度，而在于包含的信息丰富性。姜欣也认同相关性分析是大数据分析中的主要方法。

6. 大数据正掀起一场商业变革

大数据正掀起一场商业变革
时下，一场以大数据为核心的商业变革正在兴起。从搜索引擎、社交网络、电子商务平台等IT企业，到电信运营商、航空公司、物流企业，再到医院、超市、饮料制造等传统企业，由大数据引发的商业变革如火如荼。众多的企业实践和研究案例表明，数据分析在广度和深度上的拓展能够帮助企业增强竞争力，提升盈利能力。不过大数据对经济的影响绝不仅仅停留在微观企业层面和商业领域，它在经济信息统计和指导经济政策制定等方面也将发挥重要作用。
   大数据让信息统计更快、更准、更广、更细
    随着计算机和互联网的普及和电子商务的发展，越来越多的经济行为被记录下来。传统意义上，经济统计一般只细分到产品、行业层面，通常以月为频率；条形码出现后，记录可以具体到每一次交易行为；而对于淘宝、亚马逊等网上购物平台，能被记录的则不仅仅是交易行为，还包括消费者从搜索、对比、选择、购买、一直到售后评价等一系列操作都会被记录。事实上，电信、医疗、物流等其他行业，都在实现更详尽的记录。
    传统的经济统计工作在未来将大数据化——以往生产统计更多地停留在行业层面（或局限于规模以上企业），而未来可能是针对所有企业；传统的消费统计主要基于抽样调查，而未来可能具体到每个家庭或个人；传统的价格统计（比如通常所说的“CPI指数”）中仅包含千种商品、涉及几万个调查销售网点，而今后可能是几万种商品、所有的在线销售商和大部分线下销售网点。随着大数据技术的成熟，“样本即总体”将成为趋势，抽样变得越来越不重要。
    相对于传统经济统计来说，大数据引发的变革主要在四个方面：时效性提高，记录更加准确，覆盖的经济行为面更广，对单次经济行为的记录更加精细。简单地讲就是：更快、更准、更广、更细。
    麻省理工大学斯隆管理学院的两位教授正在主持一项名为“百万价格工程”的研究计划。他们通过搜集互联网上不同国家各种零售商品的价格数据，编制了各国的“在线价格指数”。
    谷歌和百度先后推出了基于互联网搜索频率的“谷歌指数”、“百度指数”，将互联网用户对特定关键词的搜索量通过统计学方法编织成指数，用来反映大众对于该关键词关注度的变化趋势。
    阿里巴巴推出了基于淘宝电商平台的“iSPI”系列指数，这些指数以网络交易的实时数据为基础，能够反映食品、烟酒及其用品、衣着等十个商品和服务类别的网络零售价格和交易量的变化趋势；可以辅助洞悉通货膨胀、经济增长、居民消费等宏观经济指标。
   大数据能指导经济政策制定
    传统经济统计数据有两个缺陷：一是存在滞后性，二是低频率。而大数据可以在这些方面作出改进。例如：各国消费者物价指数（CPI）的发布一般都存在滞后期，以我国为例，通常要等到下个月的9号左右才发布上月CPI数据；而“在线价格指数”是对市场价格的实时跟踪和汇总，不存在滞后性，从而能为货币政策提供更为及时的信息。
    同时，在线价格指数可以做到以天为频率、甚至更高频率，从而能用来更细致地分析通货膨胀规律和定价行为。还有研究发现，该指数与资本市场走势具有相关关系。
    另外，传统经济统计的思想是以样本表征总体，可能出现偏差。而大数据时代的经济信息统计包含的样本量大，甚至可以覆盖全部总体，从而包含更多的信息量。例如，通过对比在线价格指数和官方CPI可以发现：美国的在线价格指数与官方发布的CPI契合地很好；而对于阿根廷，在线价格指数系统性地大幅高出官方发布的通货膨胀率。
    在行业层面，大数据也能发挥作用。笔者曾在一篇学术论文中证实：互联网搜索引擎频率数据对中国汽车市场的需求量具有很强的预测力；笔者构建的基于互联网搜索量的“中国汽车需求先导景气指数”不仅能够提高销量预测的精度，还能够增强预测的时效性。
    另外，随着大数据相关技术的成熟，公共部门和私人企业过去积累的大量“垃圾”数据有可能重新焕发光彩。比如用微观居民和企业用电量数据指导智能电网建设、用交通事故和犯罪数据指导警力布局、用消费和税收数据指导收入分配、用客流量数据指导铁路和民航调配、用互联网关键词传播数据进行流行病预防等等。
    补充而非替代
    需要指出的是，大数据之于传统经济统计，是补充，而非替代。基于抽样、调查、汇总等程序获得的数据仍将在经济分析和政策制定中发挥重要的作用。横向来看，传统统计方法在经济增长、税收、贸易、收入分配等领域的统计上具有主导优势，而大数据在物价、通货膨胀、失业率、消费等方面的统计上更具有优势。

7. 大数据时代 让决策者更聪明

大数据时代：让决策者更聪明
“大数据”作为时下最火热的IT行业词汇，随之数据仓库、数据安全、数据分析、数据挖掘等等围绕大数量的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。
    拥有哈佛大学、牛津大学、耶鲁大学和新加坡国立大学等多个互联网研究重镇任教经历的维克托·迈尔·舍恩伯格被誉为“大数据商业应用第一人”，维克托最具洞见之处在于，他明确指出大数据时代最大的转变就是，放弃对因果关系的渴求，而取而代之关注相关关系。也就是说只要知道“是什么”，而不需要知道“为什么”。
   海量数据中的商业机遇
    “可能感兴趣的人”“猜你喜欢”“购买此商品的人还购买了……”在你刷微博、网上购物时，经常会在相应的位置上见到如上提示。这些看似简单的用户体验背后，其实正孕育着被誉为“新油田”的大数据产业。
    美国互联网数据中心指出，互联网上的数据每年将增长50%，每两年便可以翻一番，而目前世界上90%以上的数据是最近几年才产生的。这些数据又并非单纯指人们在互联网上发布的信息，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，也产生了海量的数据信息。
   大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，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”。
    虽然大数据目前在国内还处于初级阶段，但是商业价值已经显现出来。首先，手中握有数据的公司站在金矿上，基于数据交易即可产生很好的效益；其次，基于数据挖掘会有很多商业模式诞生，定位角度不同，或侧重数据分析。比如帮企业做内部数据挖掘，或侧重优化，帮企业更精准找到用户，降低营销成本，提高企业销售率，增加利润。据统计，目前大数据所形成的市场规模在51亿美元左右，而到2017年，此数据预计会上涨到530亿美元。
    新创公司进入数据服务领域存在三大挑战：一是有无全面开发技术的能力及实力；二是有无足够多的钱，做数据服务需要很多基础设施、海量数据的存储、计算等，这些都需要有硬件投入；三是要跑得比大公司快。
    “大数据的前景大方向是符合趋势的，但具体产品和数据处理能力，可能是最终成败的因素。如何获得大量数据，数据的质量、相关性以及是否有好的处理能力和技术，最终应用的方向是商业化的关键。”一位分析人士如此表示。

8. 从支撑到决策 大数据实现企业商业价值

从支撑到决策：大数据实现企业商业价值
电子商务、社交媒体、移动互联网、物联网的兴起极大地改变了人们生活与工作的方式，它们给世界带来巨大变化的同时，也让一个大数据时代真正地到来。与传统数据相比，大数据主要体现在数据量庞大、数据类型丰富、数据来源广泛三个方面，大数据的这三大特征不仅仅悄然改变着企业IT基础架构，也促使了用户对数据与商业价值之间关系的再思考。
    大数据所蕴含的价值
    对于当今的企业而言，数据就是一种重要的战略资产，它就像新时代的石油一样，极富开采价值。如果能够看清大数据的价值并且迅速行动起来，那么在未来的商业竞争中占据会占得先机。事实上，美国奥巴马政府已经投资2亿美金启动了“大数据研究和发展计划”,从政府层面鼓励企业收集海量数据、分析萃取信息的能力。英特尔亚太研发有限公司总经理何京翔博士表示：“信息数据就是21世界的石油，石油只有经过开采、提炼最后变成汽油等化学品才能够体现出价值。大数据与石油一样，仅仅存储而不进行分析和处理是体现不出它的价值。”
 
图一：全球知名调研机构IDC公司 对全球数据增长以及数据类型分布情况的调研与预测。相对于传统的结构化数据，非结构化数据、内容数据的增长迅速，且蕴含了极大的价值。
    任何企业都希望能够充分挖掘出像数据这种战略资源的价值，从而做出更为准确的商业决策。过去传统的商业智能局限在分析企业信息系统自身产生出来业务数据，这些数据大部分为数据库等结构化数据，而随着非结构化数据成为企业数据的主力军，传统商业智能的方式方法显然已经落伍。传统商业智能就犹如坐在自己车里，通过后视镜看后面发生的情况；而大数据分析则像是向前看的望远镜，用户通过望远镜能够看到未来可能会发生的情况。之所以会这样，是因为大数据分析是基于构化和非结构化数据的总和，在数据分析的全面性上是传统商业智能所不能比拟的，这意味着通过分析结构能够提供给企业更加全面和准确的商业洞察力。
图二：全球知名咨询机构麦肯锡对于不同行业所产生的数据类型的分析。麦肯锡全球研究所认为几乎所有行业正在大量产生非结构化数据。[page]
大数据打破了企业传统数据的边界，改变了过去商业智能仅仅依靠企业内部业务数据的局面，其背后蕴含的商业价值不可低估，IDC就在其大数据相关报告中着重阐述了大数据的商业价值：行业领导企业与其他企业有着本质的区别，行业领导企业会积极将新的数据类型引入到数据分析之中，为商业决策做出更加准确的判断，那些没引入新的分析技术和新的数据类型的企业在未来是不可能成为行业领导者。这本质上其实是要求企业能够从思维的角度彻底颠覆过去的观点，大数据在未来企业中的角色绝对不是一个支撑者，而是在企业商业决策和商业价值的决策中扮演着重要的作用。
    从支撑到决策
    传统IT,从服务器、存储、网络、PC这些硬件设施，到CRM、ERP、PLM等应用软件，本质上是在对企业各个业务流程层面起到了支撑作用，虽然传统的商业智能分析能够对于企业的商业决策起到一定的作用，但是传统商业智能分析在当今这个大数据时代已经举步维艰。大数据的价值在于它能够有效的帮助各个行业用户做出更为准确的商业决策，从而实现更大的商业价值，它从诞生开始就是站在决策的角度出发。
图三：全球知名咨询机构麦肯锡对美国不同行业应用大数据技术潜在价值评估。
    麦肯锡认为大数据正在为全球创造不可低估的商业价值。首先，大数据能够能够明显提升企业数据的准确性和及时性；此外还能够降低企业的交易摩擦成本；更为关键的是，大数据能够帮助企业分析大量数据而进一步挖掘细分市场的机会，最终能够缩短企业产品研发时间、提升企业在商业模式、产品和服务上的创新力，大幅提升企业的商业决策水平，降低了企业经营的风险。
    事实上，大数据离我们并不遥远，现实生活中已经有很多活生生的案例，这些案例充分说明大数据对于未来的商业决策有着不可低估的作用。比如2011年，英国对冲基金Derwent Capital Markets花费4000万美金首次建立了基于社交网络的对冲基金。该基金通过对Twitter的数据内容来感知市场情绪，从而进行投资。美国加州大学河滨分校也在2012年公布了一项通过对Twitter消息进行分析从而预测股票涨跌的研究报告。
 
图四：英国对冲基金Derwent Capital Markets通过分析Twitter数据来预测股市的波动，该应用为典型的大数据应用，通过实时分析数据来获得更为准确的投资趋势。图中红线代表Tweets中“平静”数值；蓝线表示3天后的道指变化。在这两条线段重合的部分，“平静”指数预测了3天后道指收盘指数，从图中我们可以发现红、蓝两线经常走势相近。[page]
可以说，在IT日益渗透到企业和个人方方面面的今天，大数据将逐渐成为很多行业企业实现商业价值的最佳途径。IDC中国企业级系统与软件研究部高级研究经理周震刚就表示：“毫无疑问，未来几年大数据会逐渐向更多行业发展，除了互联网和电信之外，其他像政府、金融、制造业都会开始有大数据的应用。”当然，可能还有人会质疑大数据的决策效果，但是不可否认的是大数据正在彻底改变商业决策的模式与方法，大数据是IT价值从企业业务支撑到企业决策转变的最好体现。
 
图五：美国德克萨斯大学《measuring the business impacts of effective data》报告，该报告认为数据使用率提升10%对行业人均产出的平均提升幅度有着重要影响，最为明显的就是零售行业，在零售行业数据使用率提升10%就能够使得人均产出提升49%,效果异常明显。
    另外值得关注的是，企业的商业决策带有很强烈的行业特性，不同行业的企业对于大数据分析的需求并不相同，甚至由于不同行业的关系，这种需求可能是千差万别。这也就要求大数据解决方案不仅仅包括良好的数据分析能力，也需要包含很多行业的知识。IDC中国企业级系统与软件研究部高级研究经理周震刚就表示：“从传统概念来讲，大数据非常复杂，无法形成打包好的分析应用解决方案。不过在未来几年中，某个行业的应用会形成一个共性，厂商们会基于这个共性打包出一些大数据的解决方案推向这些行业用户。另外，会有更多的行业ISV会加入到大数据平台，基于这个大数据平台来开发应用。”从本质上来看，企业用户在商业决策中需要的是一个包含了灵活可靠的基础架构、功能强大的数据分析能力与经验丰富的行业分析能力的大数据综合性解决方案，仅仅依靠几套开源软件和设备是不能满足企业在商业决策上的长久需求，英特尔亚太研发有限公司总经理何京翔博士就表示：“大数据不仅仅是一个技术问题，英特尔认为大数据需要一个全面的大数据解决方案。英特尔在提供优秀的基础架构同时，还重点将Hadoop软件平台进行优化并提供软件服务，更加重要的是会针对分析工具和用户界面进行不同行业解决方案的定制。此外，英特尔也和众多行业ISV进行多角度、多方位的合作，从而构建出一个完善的大数据解决方案。”
    从商业支撑到商业决策，大数据的商业魅力正在逐渐显现。在这个商业迅速信息化、社交化、移动化的时代，大数据必然会成为大部分行业用户商业价值实现的最佳捷径，我们需要做的就是认清本质、转变思路、未雨绸缪、运筹帷幄，在大数据时代中抓住无限商机。