大數(shù)據(jù)近來在媒體上頻繁的出現(xiàn)，但其定義和應(yīng)用仍然被一些企業(yè)的決策者所回避。這些企業(yè)在商業(yè)智能(BI)的流程和應(yīng)用程序上投入了大量資金，并且希望將他們一直在做的事情冠以“大數(shù)據(jù)”的名義幸福地生存下去。可惜的是，BI與大數(shù)據(jù)所處理的事情確實(shí)是不同的。

　　概念戰(zhàn)正在進(jìn)行

　　雖然大數(shù)據(jù)是一個(gè)相對(duì)較新的學(xué)科，但它已經(jīng)集合了許多新的概念，用以解釋如何收集數(shù)據(jù)、如何分析數(shù)據(jù)以及如何使用數(shù)據(jù)。讓我們來看看其中的一些。

　　野生的大數(shù)據(jù)概念

　　當(dāng)供應(yīng)商構(gòu)建產(chǎn)品并提供旨在處理大數(shù)據(jù)整體或領(lǐng)域中一些部分的服務(wù)，他們通常會(huì)提出自己的概念。希望他們的概念能夠影響到其他人。這樣他們可以聲稱他們創(chuàng)造了這個(gè)概念，并且所有其他供應(yīng)商都在追隨他們。

　　在“機(jī)器智能”的旗幟下，業(yè)界已開始談?wù)摗叭斯ぶ悄堋?、“深度學(xué)習(xí)”和“機(jī)器學(xué)習(xí)”，這些術(shù)語可用于描述產(chǎn)品如何處理數(shù)據(jù)從而讓企業(yè)從數(shù)據(jù)中獲取價(jià)值。它也可用于描述工具如何找到數(shù)據(jù)中的模式和異常情況，以幫助企業(yè)的數(shù)據(jù)科學(xué)家。

　　如果我們關(guān)注數(shù)據(jù)是如何被使用的，我們會(huì)聽到諸如“預(yù)測分析”、“智能風(fēng)險(xiǎn)評(píng)估”，甚至“大數(shù)據(jù)分析”等詞語。在大數(shù)據(jù)技術(shù)用于改進(jìn)時(shí)，這些詞語已被大量使用在系統(tǒng)和應(yīng)用操作、網(wǎng)絡(luò)性能以及數(shù)據(jù)和應(yīng)用安全中。

　　隨著行業(yè)的發(fā)展，新的概念會(huì)定期出現(xiàn)。通常這意味著一個(gè)供應(yīng)商試圖以一種新的方式來定位他們的產(chǎn)品和服務(wù)，而不是在底層技術(shù)上提供明顯提升。

　　最后，當(dāng)供應(yīng)商揮舞大數(shù)據(jù)旗幟時(shí)，他們通常會(huì)談?wù)撈髽I(yè)如何審查從大量到海量的數(shù)據(jù)，以找出隱藏的規(guī)律，利用各種類型的數(shù)據(jù)的能力，并基于新的洞察來進(jìn)行有意義的調(diào)整，使他們能夠快速采取行動(dòng)。通常，其顯著的區(qū)別是在哪里以及如何部署這些技術(shù)。

　　企業(yè)決策者需要問的關(guān)鍵問題是：“為企業(yè)或組織帶來的影響是什么?”以及“我們是否應(yīng)該了解更多并開始使用大數(shù)據(jù)?”

　　BI的重點(diǎn)在于檢查已知信息

　　作者M(jìn)ary Pratt認(rèn)為，BI利用軟件和服務(wù)將數(shù)據(jù)轉(zhuǎn)化為可操作的情報(bào)，從而告知組織的戰(zhàn)略和戰(zhàn)術(shù)業(yè)務(wù)決策。BI工具可訪問和分析數(shù)據(jù)集，并在報(bào)告、摘要、儀表板、圖表和地圖中提供分析結(jié)果，為用戶提供關(guān)于業(yè)務(wù)狀態(tài)的詳細(xì)情報(bào)。換句話說，商務(wù)智能是企業(yè)提出問題，并從他們的信息系統(tǒng)獲得有用的回應(yīng)。

　　最終，BI基于企業(yè)知識(shí)，即正在發(fā)生的事情以及需要被跟蹤和了解的已經(jīng)發(fā)生的事情。為此，企業(yè)建立流程和系統(tǒng)來收集所需數(shù)據(jù)，分析數(shù)據(jù)，然后根據(jù)分析匯報(bào)結(jié)果。企業(yè)知道需要跟蹤什么、如何分析這些數(shù)據(jù)以及如何報(bào)告分析結(jié)果以及應(yīng)該匯報(bào)給誰。

　　BI成為許多供應(yīng)商的盈利來源。他們開發(fā)了構(gòu)建和利用“數(shù)據(jù)倉庫”的工具，并通過復(fù)雜的工具來為決策者提供有用的儀表板和報(bào)告工具。

　　大數(shù)據(jù)在幾個(gè)重要方面與BI相關(guān)，但它們是不同的。

　　大數(shù)據(jù)

　　另一邊，大數(shù)據(jù)被認(rèn)為是處理大量數(shù)據(jù)，但它的范圍更廣，尤其是在探索未知方面。通常，目標(biāo)是通過篩選企業(yè)自己的操作和機(jī)器數(shù)據(jù)來了解要提出什么問題。一旦這些問題被知曉，BI流程就可以用于額外的探索和報(bào)告。但大數(shù)據(jù)更有趣的用途之一是在業(yè)務(wù)活動(dòng)發(fā)生時(shí)將分析集成到業(yè)務(wù)操作中。所以，大數(shù)據(jù)不僅僅是解釋已經(jīng)發(fā)生的事情的更好方式，而是可以直接影響業(yè)務(wù)結(jié)果。

　　大數(shù)據(jù)希望解決的難點(diǎn)是：

　　如何有效地獲取和存儲(chǔ)如此大量的數(shù)據(jù)

　　如何分析這些數(shù)據(jù)，以便企業(yè)能夠更好地了解自己的業(yè)務(wù)或客戶需求，以及如何滿足這些需求

　　如何收集如此大量的數(shù)據(jù)并直接支持處理和分析，特別是以一種安全的方式來滿足越來越多的隱私條例

　　企業(yè)如何篩選數(shù)據(jù)，提出重要問題，并將結(jié)果可視化

　　如何減少延遲和等待時(shí)間，以便將分析納入企業(yè)的運(yùn)營中

　　另一種看待這個(gè)問題的方式是，企業(yè)并不完全理解正在發(fā)生的事情。它觀察到其業(yè)務(wù)運(yùn)營或客戶需求的變化，但并未完全了解發(fā)生了什么。它可能會(huì)看到收入突然增加或減少，客戶滿意度或競爭環(huán)境發(fā)生變化。實(shí)時(shí)應(yīng)對(duì)這些變化的能力提供了顯著的競爭優(yōu)勢。尤其是，相較之下，BI所主要提供的商業(yè)洞察無法全面自動(dòng)化的發(fā)現(xiàn)洞察背后的那些變化。

　　意想不到的變化

　　當(dāng)企業(yè)經(jīng)歷意外的或突然的變化時(shí)，他們通常會(huì)開始思考為什么會(huì)錯(cuò)過以及是如何錯(cuò)過的。

　　例如，競爭對(duì)手可能突然進(jìn)入市場。老競爭對(duì)手可能會(huì)消失或被視為局外人的公司收購。還可能開始與其他緊密相關(guān)的市場發(fā)生合并或沖突，以導(dǎo)致意想不到和被認(rèn)為是不受歡迎的變化。

　　海量數(shù)據(jù)可能提供線索

　　很多時(shí)候，這些企業(yè)擁有大量的數(shù)據(jù)，這些數(shù)據(jù)已經(jīng)積累了很長時(shí)間，但企業(yè)根本不知道該如何處理它。這些數(shù)據(jù)可能包含運(yùn)營數(shù)據(jù)，其中包括銷售數(shù)據(jù)、生產(chǎn)數(shù)據(jù)、研究數(shù)據(jù)和天氣數(shù)據(jù)。它也可能有大量來自銷售點(diǎn)設(shè)備或制造過程控制系統(tǒng)的數(shù)據(jù)。它也可能包含對(duì)監(jiān)管變化或其他經(jīng)濟(jì)變化的信息。

　　在了解了“大數(shù)據(jù)”的概念后，企業(yè)決策者被鼓勵(lì)系統(tǒng)地評(píng)估這些數(shù)據(jù)，并尋找模式和異常。這些有價(jià)值的信息可以為最近獲得的數(shù)據(jù)提供適當(dāng)?shù)谋尘靶畔?。因此，在網(wǎng)頁加載時(shí)，就可以根據(jù)深層的歷史數(shù)據(jù)以及流式和實(shí)時(shí)操作對(duì)客戶體驗(yàn)進(jìn)行優(yōu)化。

　　最后，他們發(fā)現(xiàn)了該去了解的新問題，以幫助他們了解所發(fā)生的事情并推動(dòng)洞察力。這意味著他們開始明白，他們需要更智能的、由機(jī)器學(xué)習(xí)所驅(qū)動(dòng)的自動(dòng)化響應(yīng)，來識(shí)別背景和意義，從而改善企業(yè)自身的實(shí)踐。他們的目標(biāo)當(dāng)然是增加收入，或降低成本，或兩者兼而有之。

　　企業(yè)將意識(shí)到需要新的工具和專業(yè)知識(shí)

　　一旦企業(yè)開始利用大數(shù)據(jù)，決策者很快就會(huì)認(rèn)識(shí)到，它需要一套不同的工具和專門知識(shí)。首先，這個(gè)領(lǐng)域看起來需要企業(yè)“面面俱到”，才能通過整個(gè)過程獲得價(jià)值。當(dāng)然，這可能是耗費(fèi)時(shí)間的，并且可能最終不會(huì)獲得在流程開始時(shí)所期望的價(jià)值。

　　我們建議最好找一些更有可能產(chǎn)生新價(jià)值或容易學(xué)習(xí)的簡單東西。這種學(xué)習(xí)應(yīng)該帶來新的機(jī)會(huì)和/或改變對(duì)當(dāng)前業(yè)務(wù)、產(chǎn)品或服務(wù)的認(rèn)識(shí)，而不是對(duì)已經(jīng)顯而易見的事情進(jìn)行痛苦的研究。

　　一旦踏上這段旅程，企業(yè)很快就會(huì)發(fā)現(xiàn)，亡羊補(bǔ)牢的寶貴見解并不那么具備價(jià)值。企業(yè)很快就會(huì)發(fā)現(xiàn)，一遍又一遍地做同樣的事情而沒有實(shí)現(xiàn)流程的自動(dòng)化，意味著任何好處都可能會(huì)在流程本身造成的時(shí)間和成本增加的情況下被淹沒。

　　通常，企業(yè)意識(shí)到它“知道”組織中的某個(gè)地方即將發(fā)生變化，甚至應(yīng)該如何處理這些變化。有些時(shí)候企業(yè)會(huì)意識(shí)到利用了這些知識(shí)并獲得了一些重要的好處。其他時(shí)候，企業(yè)發(fā)現(xiàn)沒有利用上這些知識(shí)，而是被事件“蒙蔽”了。

　　現(xiàn)在是時(shí)候了

　　大數(shù)據(jù)工具和流程已經(jīng)發(fā)展到足夠讓企業(yè)在學(xué)習(xí)如何利用它們時(shí)有安全感。他們很快就會(huì)了解到，這個(gè)領(lǐng)域已經(jīng)迅速開發(fā)出新的工具、新的方法和新的思維方式。許多專家認(rèn)為數(shù)據(jù)流(Data Logistics)是關(guān)鍵(可參考Ted Dunning和Ellen Friedman撰寫的關(guān)于“機(jī)器學(xué)習(xí)流(Machine Learning Logistics)”的文章了解更多信息)。

　　既然大數(shù)據(jù)的概念已經(jīng)發(fā)展了一段時(shí)間，那么企業(yè)決策者就不必再覺得需要自食其力，并且沒有路線圖、沒有既定的道路、也沒有指引?，F(xiàn)在有許多供應(yīng)商提供工具、現(xiàn)成的流程和專業(yè)服務(wù)，可以很好地利用。記得從小處著手，積累經(jīng)驗(yàn)，并在過程中逐步獲得實(shí)際價(jià)值。