经过最近两年的理念阐释和技术准备，大数据应当进入到应用落地的阶段了。然而，大家对于大数据如何在现实世界中进行应用，仍然非常迷惑。无从下手的感觉，令大数据只闻楼梯响，不见人下来。

       最近，IBM商业价值研究院和牛津大学赛德商学院共同进行了一项研究，通过对全球95个国家、26个行业的1144名业务人员和IT专业人士的调研，撰写出《分析：大数据在现实世界中的应用》白皮书。

       这份白皮书最大的价值，是为我们找到了一套可行的大数据应用方法论，并给出了相应的路线图。

客户分析为驱动力

       大数据，一定是业务驱动的；只有业务部门的参与，大数据才能发挥价值。对于这一点，大家已经有了共识。大数据仍然是一项IT应用，但是已经有很多的大数据需求是来源于业务部门，而不是IT部门。

       业务部门是以客户为中心的，其职责是为客户提供更好的服务。要改善客户体验，就必须先了解客户偏好和行为，而大数据有能力更好地了解和预测客户行为。

       从客户分析开始，通过真正了解客户需求，并预测未来行为，这是企业最初的大数据应用的最大价值。无论客户是个人还是企业，都必须以客户认为有价值的方式进行联系。这种价值可能来自更及时、更明智或者更相关的交互；也可能来自于企业通过改进底层运作而增强交互的整体体验。无论来自何处，分析都有助于从大数据中获得洞察力。

       在《云端时代的杀手级应用——大数据分析》一书中，IBM大中华区软件集团总经理胡世忠介绍了一个案例：中国联通如何利用客户流失率分析来提升客户的续约率。

       联通重庆分公司面临着收入增长缓慢和用户消费下降的局面，因此需要了解：客户为什么会离开，哪些客户容易流失，客户需要哪些新服务，什么样的产品可以留住客户等信息。通过与IBM合作，开发了一套客户流失率分析和营销管理的平台。通过大量的资料分析，把预测流失率的准确性提高了五倍，营销人员能够针对“高危险性”的客户，根据他们的使用习惯提供更符合需求的方案。通过精准的预测和营销方案，该公司的客户续约率提高了34%。

       企业业务部门对大数据的重视，对于IT部门来说也是个挑战。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说，由于业务部门提出了很高的需求，大数据正在使业务部门与IT部门的关系趋于紧张。他认为，企业的CIO还是应该首先认识到大数据的价值，去与业务部门沟通协调，这样变被动为主动。

现有内部数据为数据来源

       或许是由于大家特别关注社交媒体，因此我们容易认为社交媒体的数据就是大数据。不过，这次调查的结果显示，只有不到一半的受访者在收集和分析社交媒体数据；而大多数人在当前的大数据项目中，只使用现有的内部数据来源。见图1。

       这表明企业正在采取一种注重实效的方式开展“大数据”工作，也显示出其内部系统中仍有巨大的价值尚未得到开发。

       内部数据是组织所能获得的最成熟、最易于理解的数据。这些数据是通过多年的企业资源规划、主数据管理、商业智能应用和其它相关工作收集整理而来，并经过了整合和标准化。利用分析技术解读这些来自客户交易、业务往来、事件和电子邮件的内部数据，能够为组织提供有价值的洞察。

       对社交媒体等外部数据源进行数据收集和分析的企业还不到一半。其中一个原因是很多组织难以应对和驾驭某些数据类型所固有的不确定性，例如天气、经济、或者社交网络所反映的人的情绪和真实想法。对于能否相信网络上的评论、意见、消息，受访者提出了质疑。虽然存在不确定性，但社交媒体数据中仍然蕴藏着宝贵的信息。企业必须认识并驾驭数据的不确定性，并了解这些数据应该如何为己所用。

       一个原因就是技能缺口。对大部分组织来说，掌握先进的新型数据分析能力仍然是从“大数据”中获得价值的重大挑战，比如文本、传感器数据、地理空间数据、音频、图像和视频这样的非结构化数据和流数据。在此项调查中，只有25%的受访者表示自己具备分析高度非结构化数据的能力。

提高分析能力至关重要

       大数据只有在企业用于应对重要的业务挑战时才能创造价值。这要求必须具备强大的分析能力，包括软件工具和使用这些工具的必备技能。后者指的就是要有相应的人才。

       刚刚开展大数据活动的企业，首先要建立的是处理结构化数据的分析能力。然后，它们进一步增强能力，利用进入企业的大量半结构化（可以转换为标准数据形式的数据）和非结构化（非标准形式的数据）数据。

       大数据的应用，需要更先进的技术和分析能力，这已经成为许多正在开展大数据应用的企业的首要挑战。在这些企业中，缺乏先进的分析技能是从大数据中获得最大价值的主要障碍。

       从图2可以看出，在开展大数据举措的企业中，超过75%使用核心分析能力，例如查询和报表以及数据挖掘，对大数据进行分析，而超过67%表示它们使用预测建模。以这些基础性的分析能力为出发点，是开始解释和分析大数据的实用方法，尤其是当大数据存储在关系型数据库中时。

       对于更多高级数据可视化的能力需求随着大数据的引入而增加。对业务或数据分析人员来说，数据集通常过大，他们利用传统报告和数据挖掘工具难以查看和分析这些数据。开展大数据举措的企业需要越来越多的高级能力，以发现大数据的固有复杂性中的模式。为了做到这一点，需要采用优化模型和高级分析技术，以更好地了解如何转变关键业务流程。

大数据应用路线图

       大数据的采用和发展过程，共可以分为四个主要阶段：教育、探索、接触和执行。见图3。

教育阶段：

       在教育阶段，主要注重知识积累和市场观察。大约有24%的企业处于该阶段。

       这个阶段的大多数企业正在考察大数据技术和分析带来的潜在收益，了解大数据如何帮助其行抓住业务机遇。在这些企业中，主要是由个人进行知识收集，而非正式的工作组，而且他们学到的知识并没有在企业内使用。因此，大数据的潜力尚未得到业务高管的全面了解和接受。

探索阶段：

       这个阶段的主要工作是，根据业务需求和挑战，制定战略和路线图。

       47%的企业，正在对如何利用大数据应对重要的业务挑战进行了正式的持续讨论。这些企业的主要目标包括制订和量化的业务投资回报分析，并创建大数据蓝图。这一战略和路线图考虑了现有数据、技术和技能，然后列出了从何处开始，以及如何制订与企业的业务战略相符的计划。

接触阶段：

       在接触阶段，企业开始证明大数据的业务价值，并对其技术和技能进行评估。

       22%的企业在进行概念验证测试（POC），以确认与实施大数据举措相关的要求，并且传达预期回报。这些企业正在努力了解并测试利用新的数据源所需的技术和技能。

执行阶段：

       在执行阶段，大数据和分析能力更广泛地在企业内应用并实施。

       6%的企业已经实施了两个或多个大数据解决方案，从而进入到执行阶段。这些领先企业利用大数据实现业务转型，并因此从信息资产中获得最大的价值。随着企业采用大数据的速度加快，预计2013年处于这个阶段的企业比例将翻一番以上。