运营智能,是大数据应用的终极形式_数据分析师

数据从无到有，从简到繁，从过去的硬件为主再到未来的数据为王，一步步的变化都体现了人类对于数据和信息的应用能力在不断加强。而大数据正是人们总结前人经验，站在巨人的肩膀上继续前行的有力工具，人们不断地发掘大数据的价值，也促进了大数据应用的不断发展，那么大数据的终极形式会是怎样呢?

　　可以说，在过去的20年中，我们只是在谈数据分析的概念，却没有真正进行数据分析的实践应用。但这并不是说公司没有做数据分析;他们做了。可以发现很多的制药公司、银行、保险公司、大型零售行业已经聘请了一些人作为数据分析师，使用数据分析工具已经成为了他们工作的一部分。一旦网络开启，他们便利用自己的数学工具获取网络数据文件，进行整理分析。

　　然而，直到谷歌出现，我们才真正拥有了一个靠数据分析来驱动的公司。可以不自欺欺人地讲：智能业务方面的创新虽然带动了许多谷歌所做的项目，但数据分析才是真正大量促进这些项目发展和推动创新的源泉。

　　水煮大数据

　　“冰冻三尺非一日之寒”，数据变“大”也不是一夜之间完成的，在这之前它只是没有被分析罢了，或者就某种情况来讲，它没有被深入分析。正是易于部署的公共云资源和易于管理的私有云资源，再加上价格低廉的Hadoop堆栈的出现，为数据分析师们创造了对数据集——一个他们之前从未调查研究过的数据形式，进行研究和分析的机会。因为一旦研究可行，便能从数据中挖掘出有价值的知识。

　　大数据在某种程度上会涉及到大体量数据，高速数据和复杂的结构化数据，普遍的观点还是认为，数据分析在商业中的重要性在增加。虽然不是每一块的知识都需要立即获取和研究，但确实有一部分需要尽快进行。

　　谈到广阔的商业智能(BI)市场，大家可以看一下Bloor Group通过对业务整理得出的商业智能四点总结：事后处理能力，监察能力，洞察力和远见。前两个是事后处理能力和监察能力，许多公司通过定期报告、仪表盘、OLAP功能和多种方式的数据可视化等形式进行运作，而且都运用地相当不错。公司通过以上方式获取的数据可以开发成新的数据源，利用这些数据可以很容易地提高事后处理能力和监督能力。

　　大部分的行为经过大数据分析之后会涉及到洞察力和远见(深层分析和预测分析)的领域，这其中一些正在被挖掘的知识需要迅速地付诸实践，而且速度是一个重要因素。

　　很显然：欺诈行为越容易被察觉，那么欺诈就会越少。网络安全漏洞和在金融市场上的一些风险因素也同样遵循这样的规律。另外，信息(情报)的价值随着时间的增长而衰减，这可能是因为该信息是共享的或者因为其他竞争对手也发现了此类信息。因此，关键不只是挖掘这类信息，还应该尽可能快地将这些信息加以利用。

　　运营智能势头飞涨

　　我们相信运营智能即将起飞。一方面，我们看到越来越多的厂商使用这个词来形容自己的技术。不论他们的所从事着怎样的行业，但他们都有一个共同的需求：寻求商业智能能够实时或接近实时地转化为企业的行动。

　　我们这里所说的商业智能以数据分析或预测分析为主。我们所说的商业行动主要是指：依靠商业智能提供的信息让用户立刻可以执行的行动，或者以提供的信息作为指导可以触发软件自动采取的行动。

　　按理说，这样的运营智能应用已经存在了相当一段时间。银行业已经基于智能算法自动进行交易多年了。但是一套可直接向企业行为提供决策或者智力支持的软件还是相当新颖的。

　　运营智能的上升趋势十分明显，并很有可能在几年完成行业的起飞。