数据分析技术热情背后的交叉因素

在“数据分析技术成为主流”（Analytics Goes Mainstream）一文中，我对目前以数据为主导的决策模式得以如此广泛应用的原因进行了解释。或许除了其应用范围外，同样令人感兴趣的还有这股数据分析技术热情背后的许多交叉因素。或许存在诸多其他因素，但我这里想介绍以下九个因素。

1. 全面质量管理（Total Quality Management，简称TQM）和六西格玛管理计划（six-sigma program）培养出一代重视严格运用数据的产品经理。六西格玛计划遭到滥用和曲解是毫无疑问的事实，但是我认为，以数据为主导的决策方式所带来的成功，极大影响了现在企业内部对高等统计式数据分析更为广泛的兴趣。

2. 数量金融学将运筹学、物理学、生物学、供应链管理学及其他领域的一些理念用于解决货币及市场问题。经过一些转变，许多数据密集型技术，比如投资组合理论，现在正从形式上的金融学科转化成日常管理的工具。

3. 正如Google公司CEO埃里克·施密特（Eric Schmidt）今年8月谈到的，现在我们两天内所产生的信息量就相当于人类自有文字记载以来至2003年的总和。显然，这个统计是以比特（bit）为计量单位的，而且Google的这一估计会由于高清视频的剧增而有所偏颇，但是这个总体观点是正确的：人们及各类组织目前产生数据的速度远超过任何人类或程序可以收集、消化或做出反应行动的速度。手机作为传感及通讯的平台作出了巨大贡献，企业应用及图像生成系统同样功不可没。现在，世界上有更多的领域以日益标准化的方式装备起各类数据仪器，其规模远超以往任何时候：Facebook的状态更新、全球定位系统（GPS）、ZigBee无线通讯技术及其他“物联网”（Internet of things）技术，以及运用于越来越多的产品上的条形码及RFID电子标签技术等等，这些只是其中的一部分。

4. 正当我们人类作为一个物种，产生以往任何时候都远远要多的数据的时候，摩尔定律（Moore's Law）及其一些推论（比如有关硬盘驱动器的克来德法则）正为我们创建起一个计算构架，使数据处理的成本效益可以比以往任何时候都高。当然，这些数据处理过程还会产生更多数据，加剧了数据过量的问题。

5. 继推行业务流程重组/企业资源计划（BPR/ERP）、互联网泡沫以及将服务导向架构作为一个业务发展主题的努力基本失败之后，供应商们目前正主推数据分析技术。数据分析技术可以用来销售服务、硬件和软件；可以用于每个垂直细分市场；适用于各种企业规模；而且与其他宏观层面的发展动向相连：智能电网（smart grids）、碳足迹、医疗成本控制、电子政务、市场营销效率、精益制造（lean manufacturing）等等。总之，许多供应商有充分的理由在其市场进入策略中重视数据分析。许多完成的投资交易增强了这个着重数据分析的承诺：SAP公司对Business Objects公司的收购是其历来规模最大的一次并购交易，而IBM、甲骨文（Oracle）、微软及Google公司都已在数据分析领域花费了数十亿美元收购相关企业。