京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代 机遇?挑战?
越来越多的企业意识到了这种挑战:IT 负责人和职员无法有效地对海量数据进行收集、处理和分析;另一方面,企业CEO 以及高层管理人员因不能及时获得所需的信息,而无法预测出潜在的业务风险,坐等商机的流失
2012年5月17日,《中国新时代》作为特邀嘉宾全程参与了在北京召开的主题为“洞察 优于析 智于行”的智慧的分析洞察论坛。在本次大会上,IBM正式发布了基于业务分析洞察(BAO)理论基础之上的IBM智慧的分析洞察(Smarter Analytics)战略,以及帮助企业将“洞察力”转化为行动力,实现业务价值的“3A5步”智慧分析洞察动态路线图。
毫无疑问,IBM此举再次将“大数据”的实战意义推进了一步。近几年来,“大数据(Big Data)”一词快速升温,逐渐成为IT网络通信领域热门词汇。包括IBM、EMC、甲骨文、微软在内的各大巨头厂商纷纷跑马圈地,强势进入,投入了巨大的资源抢占这个领域的话语权。大数据市场的快速发展,主要得益于非结构化数据的爆炸式增长。
事实上,“大数据”并不是一项技术,而是由于不断增长的数据量和数据种类而逐渐衍生出来的一种现象。因此,“大数据”在业内并没有统一的定义。不同厂商,不同用户,站的角度不同,对大数据的理解也不一样。
一场信息社会的变革
然而,最早提出“大数据”时代已经到来的机构并非IBM, 而是全球知名咨询公司麦肯锡。麦肯锡在研究报告中指出,数据已经渗透到每一个行业和业务职能领域,逐渐成为重要的生产因素;而人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。
麦肯锡的报告发布后,大数据迅速成为计算机行业争相传诵的热门概念,也引起了金融界的高度关注。随着互联网技术的不断发展,数据本身是资产,这一点在业界已经形成共识。“如果说云计算为数据资产提供了保管、访问的场所和渠道,那么如何盘活数据资产,使其为国家治理、企业决策乃至个人生活服务,则是大数据的核心议题,也是云计算内在的灵魂和必然的升级方向。” 业内人士如是说。
事实上,全球互联网巨头都已意识到“大数据”时代数据的重要意义。包括EMC、惠普、IBM、微软在内的全球IT 巨头纷纷通过收购“大数据”相关厂商来实现技术整合,亦可见其对“大数据”的重视。
IDC研究表明,数字领域存在着 1.8 万亿 GB 的数据。企业数据正在以 55% 的速度逐年增长。ReadWriteWeb表示,如今,只需两天就能创造出自文明诞生以来到 2003 年所产生的数据总量。现代企业正在经历规模化、多样化、高速化的数据挑战,“大数据”已成为重要的时代特征。
IBM全球副总裁兼大中华区软件集团总经理胡世忠表示:“大数据正带来一场信息社会的变革。大量的结构化及非结构化数据以及流数据的广泛应用,致使企业需要重新思考已有的IT模式;与此同时,大数据又将推动企业进行又一次基于信息革命的业务转型,使企业能够借助大数据带来的大洞察,获取更多的商业价值和发展机会,在激烈的市场竞争中脱颖而出。”
挑战?机遇?
然而,2011 年的《IBM - 麻省理工斯隆管理学院评论》显示:在对全球 100 个国家及地区从事 30 个行业的 3,000 名高管进行的调查中,有60% 的受访者表示无法有效利用所有数据。而近期 IBM 对 64 个国家及地区从事 19 个行业的 1,700 名首席营销官开展的最新调查更是进一步体现出了这个问题的严峻性:调查结果显示,71% 的首席营销官表示他们的企业没有做好充分准备来应对大数据的挑战。
因为大数据的概念听起来很美好,似乎利用大数据的大门在不久的将来就会打开。但一切并没有那么简单。企业需要的并不仅仅是供应商卖出的技术,而是借助他们的专家来解决海量数据。
SAP商业智能和内存售前经理Carl Streatfield说:“和10-15年前相比,企业现在的环境截然不同。”“2005年,人们创造的信息量达到了150EB,而到2011年,这一数字达到了1200EB。这便是大数据时代的来临。”这样的数据量是巨大的,是IT刚开始时所无法想象的,不过企业必须找到最好的有竞争力的方式解决这些数据。
“改变的机会存在于信息洪流中。不过了解数据的内部结构成为一大挑战,因为数据增长的速度太快,”Forrester高级分析师Brian Hopkins说。
越来越多的企业意识到了这种挑战:IT 负责人和职员无法有效地对海量数据进行有效地收集、处理和分析;另一方面,企业CEO 以及高层管理人员因不能及时获得所需的信息,而无法预测出潜在的业务风险,坐等商业机会的流失。
与此同时,也有越来越多的企业正在把握“大数据”时代的机遇:《麻省理工学院斯隆管理评论》和IBM商业价值研究院联合举行的2011年新智能企业全球高管调查和研究项目指出,2011年,58%的企业已经将分析技术用于在市场或行业内创造竞争优势,实现业务价值,这一数据比2010年增加了21%。
毫无疑问,“大数据”时代的机遇和挑战同时摆在了企业面前。
从“大数据”到“大洞察”
IBM在此时提出大数据平台战略,其目的显而易见,它正在以自己的优势瓜分这块庞大而诱人的蛋糕。IBM表示,IBM智慧的分析洞察将成为企业成长转型的重要战略之一,帮助企业成功将“大数据”挑战转化为机遇,最终实现从“大数据”到“大洞察”的重大转型及革新。“我们的大数据平台战略突破了传统数据仓库和数据管理理念,为企业组织提供实时分析信息流和因特网范围信息源的能力,实现更为经济高效的大数据管理,并为在此之上的业务分析和洞察奠定坚实的基础。”
IBM全球企业咨询服务部业务分析与优化服务大中华区总经理段仰圣表示:“在大数据时代,‘洞察’成为企业各个环节上至关重要的需求。因此IBM提出‘大洞察’的概念,通过IBM智慧的分析洞察为企业客户提供四个方面全方位的‘洞察’:第一是通过客户行为分析留住客户,并在此基础上实现客户群体的持续增长;第二是通过信息管理、业务分析、内容管理等先进手段,帮助企业优化IT水平及业务流程,提高运营效率;第三是通过将业务分析贯穿财务规划流程,洞悉企业利润和成本来源,改善结算流程的处理时间和完整性,促进财务流程转型;第四是将分析洞察包含在传统和新兴的风险类别中,预测未来的法规要求及检测欺诈,帮助企业管理风险、欺诈和合规性。”
IBM称,IBM智慧的分析洞察能够与任何企业以及职能部门进行整合,帮助其将“大数据”转化为“大洞察”。在此次大会上,IBM首次发布智慧分析洞察“3A5步”动态路线图(如图),旨在以全面完善的方法助力企业开辟“大洞察”征程。
IBM软件集团大中华区业务分析洞察及智慧地球解决方案总经理卜晓军表示:“IBM智慧的分析洞察在行业是独一无二的。‘智慧分析洞察3A5步动态路线图’不仅涵盖了IBM从软件、硬件、咨询服务到研究领域的卓越能力,同时也前瞻性地将普遍的大数据处理拓展到完善的‘大洞察’战略高度,充分涵盖信息价值发掘历程中的各个层面。目前,IBM在金融、医疗、制造、零售、公共、保险等领域具有深刻的实践。相信在未来,智慧的分析洞察将辐射各个行业,为大数据时代的企业带来不可估量的信息价值。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16