1、大数据驱动管理变革随着云计算、移动互联网和物联网等新一代信息技术的创新和普及应用，社会信息化、企业信息化日趋成熟，社会化网络逐渐兴起，传感设备、移动终端正在越来越多地接入到网络，各种统计数据、交易数据、交互数据和传感数据正在源源不断从各行各业迅速生成，全球数据的增长速度之快前所未有、数据的类型也变得越来越多。种类广泛、数量庞大、产生和更新速度加剧的大数据蕴含着前所未有的社会价值和商业价值，发展潜力十分巨大。 不可忽视的大数据 据赛迪顾问统计，2012 年中国各行业大数据 IT 投资已经超过 4.5 亿元，年增长率达 78.9%，在未来三到五年总投资规模有望超过百亿。在未来 3 到 5 年，我们
2、将会看到那些真正理解大数据并能充分利用的企业和其他企业之间的差距。我认为，真正能够利用好大数据、并将其价值转化成生产力的企业必将具备强有力的竞争优势，从而成为行业的领导者。在零售业，对大数据的分析可以使零售商实时掌握市场动态并迅速做出反应。由于零售行业同类产品的差异小，可替代性强，销售收入的提高离不开出色的购物体验和客户服务，也离不开高效的商品流转率，需要实现精准营销和快速营销。沃尔玛已经开始利用各个连锁店不断产生的海量销售数据，并结合天气数据、经济学、人口统计学进行分析，从而在特定的连锁店中选择合适的上架产品，并判定商品减价的时机。农夫山泉通过大数据分析技术使销售额提升了大约 30%，并使库
3、存周转从5 天缩短到 3 天，同时其数据中心的能耗降低了约 80%。 在制造业，对大数据的管理与分析可以帮助生产商准确把握市场需求变动、提高产品设计与生产效率、提高供应链的敏捷性和准确性。随着制造业信息化的日臻成熟，ERP、PLM 等系统的广泛采用，制造业的整个价值链和产品的整个生命周期都涉及到诸多数据，包括产品数据、运营数据、价值链数据等等。以产品质量数据为例，生产商在生产过程中会通过大量传感器来获取各种海量数据。将这些数据整合在一起，再结合维修、售后服务等方面的数据，可以从不同角度分析与产品质量数据间的关系。最终将这些数据集成在一起，在可视化的环境下，工程师可以在一个集成视图上看到整体情况
4、，从而对产品质量的管理和完善做出更加精准的决策。 在互联网行业，对大数据的分析可以为商家制定更加精准有效的营销策略提供决策支持。互联网行业主要特征之一是各种类型的信息和数据都呈现爆炸式增长，同时用户行为和网络中的社会群体变得更加多样化、复杂化。Facebook 通过对海量社交网络数据与在线交易数据进行分析和挖掘，从而提供点对点的个性化广告投放策略，实现了广告份额翻番（2009 年到 2010 年） 、2010 年到 2011 年增长 95%，比 Google 的增速快了近 3 倍。百度通过搜集整理网络玩家搜索需求与热点，将用户人群细分，并对网络游戏的搜索行为数据提炼组织，建立用户行为数据库销售
5、给网络游戏运营商，创造了以数据销售为主，广告服务为辅的双轨模式。 在金融行业，对大数据的分析可以为金融机构实现快速科学决策与服务创新提供支撑。金融行业的信息化程度高，数据量非常庞大，并且数据管理集中化，为大数据的分析与利用提供了良好的基础。中信银行信用卡中心通过部署大数据分析系统，实现了近似实时的商业智能（BI）和秒级营销，运营效率得到全面提升，每次营销活动配置平均时间从 2 周缩短到 2-3 天，交易量增加 65%，不良贷款比率同比减少了0.76%。 在电信行业，对大数据的分析可以使营销策略和产品设计更加精准，帮助运营商从数据流量中获益、向智能管道转型。近些年由于无线上网和智能手机的推广，导
6、致电信行业数据量呈现爆炸性增长。同时电信业面临着市场饱和度高、产品服务同质化明显、从快速增长的数据流量业务中获利有限的业务挑战，迫切需要通过新的技术手段突破现状。中国联通通过部署大数据组织与管理系统，使得用户记录 10 分钟内可查询，并使在几千亿条记录当中检索的时间缩短到一秒钟内，提高了对客户投诉的反馈效率和质量，增强了客户服务满意度。 数据资产化+决策智能化 大数据将从数据资产化和决策智能化两个方面推动企业管理变革。 数据资产化。信息部门将从“成本中心”转向“利润中心” 。在大数据时代，数据渗透各个行业，渐渐成为企业战略资产。有些公司的数据相对于其他公司更多，使其拥有更多获取数据潜在价值的可
7、能，例如互联网领域与金融领域。拥有数据的规模、活性，以及收集、运用数据的能力，将决定企业的核心竞争力。掌控数据就可以深入洞察市场，从而做出快速而精准的应对策略。这意味着巨大的投资回报，因此企业的 IT部门将从“成本中心”转变为“利润中心” ，而数据将成为企业的核心资产。 决策智能化。企业战略将从“业务驱动”转向“数据驱动” 。智能化决策是企业未来发展方向。过去很多企业对自身经营发展的分析只停留在数据和信息的简单汇总层面，缺乏对客户、业务、营销、竞争等方面的深入分析。如果决策者只凭主观与经验对市场进行评估而制定决策，将导致战略定位不准，存在很大风险。在大数据时代，企业通过收集、分析大量内部和外部
8、的数据，获取有价值的信息。通过挖掘这些信息，企业可以预测市场需求，进行智能化决策分析，从而制定更加行之有效的战略。 如何制定大数据战略 企业应当如何制定大数据应对策略以充分利用其蕴含的商业价值？赛迪顾问提出以下两方面建议： 一方面，应当通过云平台实现数据大集中，形成企业数据资产。对于大型集团企业用户，其各级子公司和分公司的 ERP 系统中每天都在生成大量的交易数据和业务数据。分散在各个业务系统中的数据无法形成集中的资源池，不能互联互通，将严重影响对大数据的统一管理与价值挖掘。因此首先要通过云平台实现集团数据大集中，从而形成企业的数据资产。这是集团企业利用大数据资源的重要基础。只有把集团的信息化
9、架构向云平台迁移，才能促使集团数据的大集中与统一管理，从而在此之上对数据资源的价值进行挖掘，促进企业数据的资产化。 另一方面，应当深度挖掘大数据的价值，推动企业智能决策。之前企业对数据的关注主要是存储和传输，通常利用的不足其获得的 5%，在数据每年增长约 60%的背景下，企业平均只获取了 25%-30%的数据，作为企业战略资源的数据还远远未被挖掘。因此，企业应当重视对大数据价值的深入分析与挖掘，推动企业决策机制从“业务驱动”向“数据驱动”转变。可以说，数据将成为企业的利润之源，掌握了数据也就掌握了竞争力，企业必须更加注重数据的收集、整理、提取与分析。 形成数据资产、实现智能决策的关键步骤 第一
10、步，明确业务需求。来自业务的需求永远是采用新技术的第一驱动力。也只有与业务需求紧密结合的新技术战略才能够真正发挥作用。企业在考虑采用大数据相关分析处理技术推动管理变革、提高效率、降低成本的时候，不能为了大数据而大数据。必须首先对自身业务流程进行梳理，找出瓶颈所在，不仅分析需要进行哪些决策智能化变革，还应分析按照什么业务顺序进行部署。从而确保大数据实施的成功率和实施效果。 第二步，确保数据质量。如果进入信息系统的数据是错误的，经过系统加工处理后的结果就不可能正确。只有保证数据的高质量、真实性、可靠性，基于大数据分析的商业智能才能提供正确的决策支持并真正发挥作用。因此，企业要通过从意识、管理和技术
11、等几个方面，多管齐下来保证数据质量：首先，树立全面的数据质量意识，使每一个操作使用信息系统的员工意识到“数据是系统的生命，保障数据真实准确就是对自己工作的负责和对企业发展的支持” ；第二，颁布并严格执行数据管理规定，在制度上规范数据的管理；第三，通过引入主数据管理平台等技术手段保障数据质量，集中管理主数据，加强系统对错误业务数据的检查校验功能，把错误数据堵在源头。 第三步，选择合适的大数据服务或架构。一方面，不一定所有的企业都适合在企业内部构建完整的大数据架构（从 IT 基础设施到数据管理工具，再到数据分析软件） ，这必然带来巨大的 IT 投入。在大数据时代，数据租售业务、分析预测服务、决策外
12、包服务、数据分析平台等大数据服务模式正逐渐兴起。企业可以考虑外包采购数据分析服务或租用数据分析平台。另一方面，对于决定自己构建大数据系统的企业而言，面对不同 IT 厂商提出的各种大数据解决方案、以及 IBM 的 Pure System，Oracle 的 Exadata 等 IT 厂商力推的大数据一体机、SAP HANA等内存计算平台，企业应当审慎选择，从适合自身业务需求与兼容既有IT 架构等方面进行考虑。 第四步，评估大数据实施效果。企业在采购任何 IT 服务或部署任何IT 系统时，都应当及时对 IT 新技术的应用进行科学合理的成效评估，从而及时总结经验教训，以调整完善 IT 战略，确保企业 IT 对企业管理决策的支撑效果。大数据的实施将影响到企业管理决策模式的根本性变革，因此，应当更加注重对实施效果的评估。
