飛速發展的大數據產業除了改變人們生活的方方面面、促進社會快速進步之外，也為企業這個社會主體帶來了更為直觀和有效的影響。　　
我國企業大數據發展現狀與應用總攬之分析
　　一、我國企業大數據產業發展現狀
　　
　　近年，企業級大數據應用逐漸普及，消費者行為分析、精準營銷、新業務新產品推廣、廣告推送、代言人選擇、社交媒體、可視化、溢價收益、庫存管理、信貸保險等相關應用不斷豐富。伴隨著一批致力于商業和企業應用服務的大數據初創企業迅速成長，大數據更廣泛地應用到各領域企業中。
　　
　　業務轉型是目前大多數企業的普遍需求，大數據分析不僅可以優化訪問、加快決策、最大程度提高可用性，還可以輔助業務轉型。 　　
　　當前，我國企業中已經有越來越多的高管開始關注IT，不僅限于CIO。在信息爆炸的時代，企業需要更多的數據科學家來進行數據分析，甚至一些企業還設立了CDO（首席數據官）的職位，對大數據和分析進行單獨的管控。這相對于沒有數據提供參考，往往依靠直覺和過往的經驗作出決策的企業，他們很容易誤入不可挽回的誤區，而利用大數據和分析則可以更好、更快速的對業務和市場把脈。
　　
　　雖然大數據應用在新興企業中受到高度重視，但未來企業大數據交易最大的應用前景會在傳統行業。這不僅是由于幾乎所有傳統產業中的企業都在快速互聯網化，更是因為傳統產業仍然占據了國內生產總值的絕大部分份額。大數據交易會幫助這些傳統企業更快地完成轉型升級。
　　
　　目前在傳統行業中，金融、電信、制造、交通、醫療類企業已經成為大數據分析使用的主力。以制造企業為例，傳統制造企業可以通過大數據交易獲得市場終端銷售情況，了解自身以及競爭對手的市場表現以及消費者的喜好類型；通過用戶購買習慣及購買評價的數據獲得，可以針對不同類型、不同區域消費群體實現定制化生產的精準營銷；通過交易獲得的產業鏈數據，可以降低生產成本，提升企業整體競爭力。
　　
　　而以新興的互聯網金融為例，通過用戶信息的獲得，可以從財富、安全、守約、消費、社交等幾個緯度來綜合評判，為用戶建立信用報告，形成以大數據為基礎的海量數據庫，以此幫助企業降低信貸風險。
　　
　　此外，還有更多的企業正在使用著大數據分析幫助企業決策，提升用戶體驗，并以客戶為中心造就著越來越多的新型商業模式。
　　
　　（1）什么是企業大數據
　　
　　企業大數據最核心的價值就是企業在對于海量數據進行收集、存儲和分析之后，通過對這些數據的挖掘與分析，為提高企業運營效率、業務價值和開拓企業新業務提供參考與導向，并為企業未來發展戰略提供支持，實現企業整體競爭力的提升。相比起現有的其他技術而言，大數據的“廉價、迅速和優化”使其綜合成本是最優的。
　　
　　（2）中國企業大數據產業發展軌跡
　　
　　我國企業對大數據的應用主要可分成三個階段：在2010年到2012年之間的第一階段，大數據應用關注數據和機器的關系，由于局限于傳統的IT思維，只不過在很多小數據應用上貼上了大數據標簽；從2013年開始的第二階段關注數據與人的關系，可視化和預測應用成為了市場的寵兒；2014年之后，大數據應用的重點已經轉向分析數據和數據之間的關系，這要求對企業大數據應用進行開放式的創新：從數據的開放、共享和交易，到基礎處理和分析平臺的開放，再到價值提取能力的開放。
　　
　　而隨著企業業務外延從企業內部不斷向外部、向企業所處的產業鏈和生態圈擴展，企業的數據視野也越來越寬，從主要關注企業內部數據，已經延伸到關注社會數據，包括交易的數據、人工合成的數據、機器的數據、社會網絡的數據等在內的企業數據在不斷被重新認識。
　　
　　（3）企業大數據發展的意義
　　
　　對于企業而言，應用大數據解決方案主要有三方面的價值。第一，能夠處理以前無法處理，或者無法實時與快速處理的海量數據，包括結構化和非結構化數據。第二，企業可以利用大數據解決方案，對分布于社交網絡、視頻網絡等各種互聯網中的海量數據進行提取、整理、分析，并進而從這些新的數據中獲取新的洞察力，將它與已知業務的各個細節相融合，促進企業產品和服務的營銷。第三，還可以利用自己積累的或存在于互聯網中的大數據，推出各種新產品和新服務。
　　
　　企業大數據的意義除了重塑客戶行為，利用客戶交互數據重塑客戶行為，這類數據使企業可以預測和引導市場尚未出現的需求，進而創造新的利潤外，更多的是增強了數據生態系統的視野，因為企業可以從生態系統中的其他企業處獲得補充數據，這種生態系統以適當的合作戰略為基礎。
　　
　　（4）企業大數據發展存在的問題
　　
　　①仍待落地
　　
　　隨著大數據的概念不斷宣傳推廣，現在的企業如果不談大數據，就會讓人感覺落伍，讓人感覺企業的管理水平已經落后于時代了。這個現象，固然有理論先行于實踐導致的過分概念化的問題，雖然企業確實已經感覺到對數據進行深入使用來幫助企業增強核心競爭力的迫切需要，但如何應用好這些數據仍還處于摸索階段。
　　
　　②數據孤島
　　
　　數據孤島是企業大數據行業發展面臨的最大問題。一方面，各行業、企業和政府都在竭盡所能地采集數據、占有數據和利用數據。另一方面，大部分數據被各個行業、企業、機構和政府封鎖起來，形成一個個“數據孤島”，無法自由流通，數據之間缺少連接。
　　
　　③技術鴻溝
　　
　　在當下數據為王的時代，企業若要利用現有資源爭取更大的市場，必須自主掌握消費者的大數據。然而，大數據的有限接入產生新的壟斷和技術雙重鴻溝，大數據的應用同樣存在著接入和技能的雙重鴻溝，這不僅浪費了數據資源，也給企業精準營銷帶來了難題。
　　
　　④中小企業之殤
　　
　　對于中小型企業來說，大數據很可能是他們不愿被揭起的“傷疤”：大數據技術是目前對企業發展起著至關重要的技能，但是對他們來說，資金的缺乏和數據聯系的不成熟卻使他們無法很好地使用大數據。
　　
　　大數據不只是大企業的專利，更是小企業的機遇，在很多情況下，大數據都非常適合小企業使用。但是如果企業無法靈活地采取行動，即使再高明的見解也變得毫無價值。小企業通常有靈活的優勢，這令其可迅速高效地完美適應數據驅動的趨勢。以智能化、結構化的方式執行數據戰略，是區分大數據驅動企業與基于臨時想法簡單利用數據的企業的最大分別。對于小型、靈活和處于發展狀態的企業來說，這些基礎與那些已經利用大數據多年的行業巨頭來說并無明顯差異。
　　
　　⑤企業應如何利用大數據
　　
　　在大數據時代，企業面對眾多新的數據源和海量數據，能否基于對這些數據的分析進行決策，進而將其變成一項企業競爭優勢的來源，這是對企業高層的挑戰。面對大數據給企業帶來的諸多好處，企業當前面臨的問題是要如何獲取與分析數據，以使企業立于不敗之地。互聯網是大數據的一個主要來源，然而對一些線下的傳統企業來說很難獲得，對于企業而言可以采取以下策略獲得數據化支持。
　　
　　首先、企業必須作出文化層面的調整，建立數據驅動決策的文化。大數據首先是個理念問題，即通過客觀的，理性的數據來提供決策的依據。在傳統的企業，尤其是取得過成功的企業，往往形成了固定的企業文化和奉為經典的管理經驗，流程和制度。建立數據驅動決策的文化，就必須打破原先的以經驗，流程和制度為核心的決策機制，將決策的過程數據化，客觀化和扁平化。歷史經驗在新的競爭市場和規則下，往往已經滯后了，特別是進入互聯網時代后，互聯網以客戶為中心，以生態鏈為運行模式的理念，已經對傳統企業造成了顛覆性的影響。因此，只有通過建立以客觀數據為驅動的扁平化的決策機制，才能更好地應對快速變化的市場和客戶要求。
　　
　　第二、企業要建立對應的數據管理中心的組織架構。沒有一個相對完整和專業的數據管理團隊，是難以發揮出大數據分析的功效。數據本身只是信息，如果不能將這些有用的信息轉化為對企業有價值的決策依據，數據就只是一堆存放在倉庫的廢紙。要想把數據和信息轉化成對企業有用的決策信息，就必須建立專業的數據管理團隊，這個團隊包括數據采集和處理人員，數據分析人員和數據溝通和展示人員。
　　
　　第三、企業要建立頂層的數據架構設計并加以實施。在規劃信息化系統建設時，需要有頂層的信息化戰略規劃，其中核心一環是數據架構設計和實施線路圖。數據構架設計的主要目的，是確保企業的所有數據環節有統一的標準，有唯一的數據設計字典，有核心的主數據管理系統，從而保證企業數據的完整性，一致性和有效性。在有了頂層的數據架構設計后，建立合適的實施線路圖，可以幫助企業在清晰的數據架構框架下，逐步建設各個信息化系統，
　　
　　確保同一對象對應唯一的數據源，消除信息孤島，提升數據的一致性和有效性。
　　
　　第四、企業要建立完善的數據治理體系。如果沒有完善的數據治理體系，即使有良好的頂層數據架構設計和嚴格的系統實施，如果缺乏數據治理的體系，數據的質量很快就會大失所望，也就難以完成驅動決策的使命，即出現“Rubbishin,RubbishOut”的糟糕狀況。良好的數據治理體系，覆蓋數據完整的生命周期管理，包括數據所有者的職責和權利、數據格式和標準、數據建立和變更流程、數據使用制度、數據安全制度和數據銷毀流程等。
　　
　　第五，企業要建立合適的數據分析的技術平臺和團隊。這一部分，屬于傳統信息部門熟悉的領域，一般是難度最小的部分。其中的困難點，是如何設計兼容傳統內部數據分析和目前在不斷出現的海量外部數據分析的需求，最有效地低成本建立技術平臺，并且能滿足未來擴展性的要求。
　　
　　最后是與大數據分析和挖掘公司合作。目前，許多傳統企業沒有分析海量數據的能力，但是可以與目前市場上已經有的如用友、IBM等一批提供大數據分析和挖掘服務的公司合作，這是傳統企業進行大數據分析可以借助的力量。
　　
　　總而言之，企業應該做好數據管理，要不然只是一家囤積數據的公司。把大數據轉化為落地的可以為企業發展提供建議的“小數字”。企業如果能夠站在大數據這個風口上順勢而為，也許就真的可以騰飛起來。
　　

?