
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
破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08CDA 数据分析师:解锁数据价值的专业力量 在当今这个数据爆炸的时代,数据已成为像石油一样珍贵的战略资源。而 CDA 数据分析师, ...
2025-08-08人工智能对CDA数据分析领域的影响 人工智能对 CDA(Certified Data Analyst,注册数据分析师)数据分析领域的影响是全方位、多层 ...
2025-08-07SPSS 语法使用详解 在当今数据驱动的时代,SPSS( Statistical Package for the Social Sciences)作为一款功能强大的统计分析软 ...
2025-08-07SASEM 决策树:理论与实践应用 在复杂的决策场景中,如何从海量数据中提取有效信息并制定科学决策,是各界关注的焦点。SASEM 决 ...
2025-08-07CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-07大数据时代对定性分析的影响 在大数据时代,海量、多样、高速且低价值密度的数据充斥着我们的生活与工作。而定性分析作为一 ...
2025-08-07K-S 曲线、回归与分类:数据分析中的重要工具 在数据分析与机器学习领域,K-S 曲线、回归和分类是三个核心概念与工具,它们各 ...
2025-08-07CDA 数据分析师考试全解析 在当今数字化时代,数据已成为企业发展的核心驱动力,数据分析师这一职业也愈发受到重视。CDA 数据分 ...
2025-08-07大数据时代的隐患:繁荣背后的隐忧 当我们在电商平台浏览商品时,系统总能 “精准” 推送心仪的物品;当我们刷短视频时,算法 ...
2025-08-07解析 F 边界检验:协整分析中的实用工具 在计量经济学的时间序列分析中,判断变量之间是否存在长期稳定的均衡关系(即协整关系) ...
2025-08-07CDA 数据分析师报考条件详解:迈向专业认证的指南 在数据分析行业蓬勃发展的当下,CDA 数据分析师认证成为众多从业者提升专业 ...
2025-08-07通过 COX 回归模型诊断异常值 一、COX 回归模型概述 COX 回归模型,又称比例风险回归模型,是一种用于生存分析的统计方法。它能 ...
2025-08-07评判两组数据与初始数据准确值的方法 在数据分析与研究中,我们常常会面临这样的情况:需要对通过不同方法、不同过程得到的两组 ...
2025-08-07CDA 数据分析师行业标准:构建数据人才的能力坐标系 在数据驱动决策成为企业核心竞争力的时代,CDA(数据分析师)行业标准作为 ...
2025-08-07反向传播神经网络:突破传统算法瓶颈的革命性力量 在人工智能发展的历史长河中,传统算法曾长期主导着数据处理与模式识别领域 ...
2025-08-07