任何業(yè)務(wù)的新基礎(chǔ)
當(dāng)前技術(shù)的進步在很多方面都受到來自多個來源的不斷增長的數(shù)據(jù)流的推動，這些數(shù)據(jù)流經(jīng)過分析以創(chuàng)造競爭優(yōu)勢。個人用戶和企業(yè)都在轉(zhuǎn)向數(shù)字系統(tǒng)，這反過來又會產(chǎn)生信息池。組織與其他公司共享數(shù)據(jù)，從而產(chǎn)生了開始模糊傳統(tǒng)行業(yè)邊界的數(shù)字生態(tài)系統(tǒng)。隨著可用數(shù)據(jù)量的增長，其規(guī)模、多樣性和應(yīng)用正以近乎指數(shù)級的速度加速增長，企業(yè)發(fā)現(xiàn)傳統(tǒng)的數(shù)據(jù)管理系統(tǒng)和策略無法支持新數(shù)據(jù)需求驅(qū)動世界的需求。
如果幾年前數(shù)據(jù)分析主要用于財務(wù)、銷售和營銷和風(fēng)險分析，那么今天分析無處不在：人力資源、制造、客戶服務(wù)、安全、犯罪預(yù)防等等。隨著收集和連接不同形式的數(shù)據(jù)以幫助企業(yè)在數(shù)據(jù)集之間進行類比，提出可操作的見解并改進決策，大數(shù)據(jù)和數(shù)據(jù)分析已轉(zhuǎn)移到工業(yè)和商業(yè)領(lǐng)域的前沿。但是，數(shù)據(jù)量可能不是優(yōu)化業(yè)務(wù)運營的決定性因素。中小型企業(yè)需要了解智能數(shù)據(jù)分析可以帶來的好處，以及數(shù)據(jù)收集和管理的機會。
大數(shù)據(jù)給企業(yè)帶來的挑戰(zhàn)
即使收集的數(shù)據(jù)量足以進行分析，也不能保證分析結(jié)果對公司有用。公司在尋求有效分析時面臨的問題可以歸結(jié)為與通用數(shù)據(jù)過多、工具缺乏和人才短缺相關(guān)的問題。在數(shù)據(jù)處理和機器學(xué)習(xí)方面，分析超大數(shù)據(jù)集、確保足夠的人員和資源，以及將新數(shù)據(jù)集成到現(xiàn)有管道被稱為實施項目的主要障礙。
大數(shù)據(jù)的應(yīng)用
大數(shù)據(jù)影響到幾乎所有行業(yè)和任何規(guī)模的組織，從政府和銀行機構(gòu)到零售商。
○制造業(yè)
借助大數(shù)據(jù)的力量，行業(yè)可以轉(zhuǎn)向預(yù)測性制造，從而提高質(zhì)量和產(chǎn)量，并最大限度地減少浪費和停機時間。大數(shù)據(jù)分析可以跟蹤流程和產(chǎn)品缺陷、規(guī)劃供應(yīng)鏈、預(yù)測產(chǎn)量、增加能源消耗以及支持制造的大規(guī)模定制。
○零售
零售業(yè)很大程度上依賴于客戶關(guān)系的建立。零售商需要他們的客戶、最有效的處理交易的方式，最戰(zhàn)略性的方式，以恢復(fù)失效的業(yè)務(wù)，而大數(shù)據(jù)為此提供了最佳解決方案。起源于金融領(lǐng)域，使用大量數(shù)據(jù)進行客戶畫像、支出預(yù)測和風(fēng)險管理成為零售行業(yè)必不可少的數(shù)據(jù)科學(xué)任務(wù)。
○營銷
數(shù)字營銷領(lǐng)域可能是數(shù)據(jù)分析和機器學(xué)習(xí)的最大應(yīng)用。從網(wǎng)站上的橫幅廣告到機場的數(shù)字廣告牌——幾乎所有的數(shù)字廣告都是由數(shù)據(jù)科學(xué)算法決定的?；谟脩暨^去的行為，數(shù)字廣告確保了比傳統(tǒng)廣告更高的點擊率，以更及時、更以需求為導(dǎo)向的方式瞄準受眾。數(shù)字營銷的另一個方面是推薦系統(tǒng)，即企業(yè)根據(jù)用戶的興趣和信息的相關(guān)性，對類似產(chǎn)品提出建議，以推廣其產(chǎn)品和服務(wù)。
○物流
作為數(shù)據(jù)科學(xué)的新應(yīng)用，物流受益于其洞察力，以提高運營效率。數(shù)據(jù)分析用于確定最佳的運輸路線、最合適的交貨時間、確保成本效益的最佳運輸方式。此外，物流公司使用安裝在其車輛上的GPS生成的數(shù)據(jù)反過來又為使用數(shù)據(jù)分析進行探索創(chuàng)造了新的可能性。
○媒體與娛樂
當(dāng)前消費者的搜索模式以及隨時隨地在任何設(shè)備上訪問內(nèi)容的需求導(dǎo)致媒體和娛樂領(lǐng)域出現(xiàn)了新的商業(yè)模式。大數(shù)據(jù)提供了關(guān)于數(shù)以百萬計的人的可操作信息點，用于預(yù)測觀眾的需求、調(diào)度優(yōu)化、提高獲取和留存率，以及內(nèi)容貨幣化和新產(chǎn)品開發(fā)。
○教育
在教育領(lǐng)域，數(shù)據(jù)驅(qū)動的洞察力可以通過識別面臨風(fēng)險的學(xué)生，實施更好的評估和支持教師和校長的系統(tǒng)來影響學(xué)校系統(tǒng)、學(xué)生和課程。
○衛(wèi)生保健
大數(shù)據(jù)分析被認為是通過提供個性化醫(yī)療和處方分析來改善醫(yī)療保健的關(guān)鍵因素。研究人員挖掘數(shù)據(jù)以了解哪些治療方法對特定病癥有效，確定與藥物副作用相關(guān)的模式，制定診斷策略并計劃儲備血清和疫苗。
如何運作？
步驟1.發(fā)現(xiàn)數(shù)據(jù)源
處理數(shù)據(jù)的第一步是發(fā)現(xiàn)可能對業(yè)務(wù)有用的來源。大數(shù)據(jù)的來源通常分為三類：
流數(shù)據(jù)——從聯(lián)網(wǎng)設(shè)備網(wǎng)絡(luò)到達IT系統(tǒng)的數(shù)據(jù)，通常是物聯(lián)網(wǎng)的一部分。
社交媒體數(shù)據(jù)——可用于營銷、銷售和支持功能的社交互動數(shù)據(jù)。
公開來源——大量數(shù)據(jù)可通過開放數(shù)據(jù)來源獲得，例如美國政府的data.gov、CIA World Factbook或歐盟開放數(shù)據(jù)門戶。
步驟2.利用數(shù)據(jù)
利用信息是下一步，需要選擇存儲和管理數(shù)據(jù)的策略。
數(shù)據(jù)存儲和管理：目前，有一些低成本的方法可以將數(shù)據(jù)存儲在云中，可供小型企業(yè)使用。
要分析的數(shù)據(jù)量：雖然一些組織并不會從他們的分析中排除任何數(shù)據(jù)，依賴網(wǎng)格計算或內(nèi)存分析，但其他組織會嘗試預(yù)先確定哪些數(shù)據(jù)與備用機器資源相關(guān)。
洞察力的潛力：通常，你掌握的知識越多，在做出業(yè)務(wù)決策時就越有信心。但是，關(guān)鍵是選擇與特定業(yè)務(wù)或市場相關(guān)的見解。
步驟3.選擇技術(shù)
讓大數(shù)據(jù)為你的企業(yè)服務(wù)的最后一步是研究可幫助你充分利用大數(shù)據(jù)分析的技術(shù)。如今，有各種針對小型企業(yè)的現(xiàn)成解決方案，例如SAS、ClearStory Data或Kissmetrics。解決特定需求的另一種選擇是開發(fā)你自己的解決方案。在選擇時，需要考慮：
●價格便宜，存儲豐富；
●快速處理器；
●經(jīng)濟實惠的開源、分布式大數(shù)據(jù)平臺，如Hadoop；
●并行處理、集群、MPP、虛擬化、大型網(wǎng)格環(huán)境、高連接性、高吞吐量和其他優(yōu)化分析的技術(shù)；
●云計算和其他靈活的資源分配解決方案。
結(jié)論
過去，大數(shù)據(jù)主要由大企業(yè)使用，因為他們是唯一負擔(dān)得起用于收集和分析信息的技術(shù)和渠道的企業(yè)。然而，今天，即使是規(guī)模較小的企業(yè)也可以通過選擇可能用于滿足其特定需求的相關(guān)信息，并選擇可以遠程和按需訪問的工具或團隊來利用大數(shù)據(jù)和數(shù)據(jù)科學(xué)。
至關(guān)重要的是，大數(shù)據(jù)的重要性不在于收集到的數(shù)據(jù)量，而在于它可能為特定業(yè)務(wù)或行業(yè)帶來的具體見解。相關(guān)大數(shù)據(jù)與強大且有針對性的分析相結(jié)合，可以完成以下任務(wù)：
●近乎實時地確定故障和缺陷的原因；
●根據(jù)客戶的購買習(xí)慣生成廣告或促銷活動；
●在幾分鐘內(nèi)重新計算風(fēng)險投資組合；
●庫存和銷售預(yù)測；
●檢測和預(yù)防欺詐行為等等。
