相信大家都知道工业4.0理念,即利用物联网技术将生产中的供应、制造、销售信息数据化、智慧化,但推行效果并不是很理想,其中很大一部分原因是企业忽略了自身内部信息系统仍有冗余的现象而盲目跟风,过程中由于缺乏建设条件或前期信息化技术储备不足,形成跳跃式断层,最终导致信息化改革中断或失败。
这种结果让我不禁联想到现在很火的大数据理念,大数据一词一度被炒的沸沸扬扬,利用大数据创造企业价值和提高竞争力等各种偏实际或偏浮夸的理念和解决方案一瞬间让大数据变得炙手可热,无论是企业还是软件厂商都一拥而上,人人都想从大数据风潮中分一杯羹或得一份利,但是大数据并不是适合所有企业。即使要做大数据分析,也要有一套正确的落地方案,今天笔者将根据自身对大数据的理解与大家分享讨论下大数据到底适合应用在哪些领域及大数据的落地方案。
在此之前先来分析下,大数据理念推出后带来了哪些影响。
1.大数据为企业带来的变化
1.1 软件厂商
无论是做BI商业智能的厂商还是做报表分析统计业务的厂商,只要与数据沾边的,全部推出大数据解决方案,所谓的大数据分析产品,只不过是把原有的产品换个标签罢了。除此之外,应用软件提供商、软件集成商也纷纷将开源的大数据存储、分析产品与自身产品相结合,推出大数据产品及解决方案,至于产品或方案的效果就不得而知了。
1.2 企业客户
在大数据被热炒的浪潮下,特别是在一些行业/企业中成功实施并带来一定效果后,许多管理高层开始规划建设大数据分析平台,一部分原因是企业希望通过大数据平台带来利益并对其实现效果寄予厚望,另一部分原因是企业迫于同行业竞争压力,但尝试之后发现,真正建设成功或运行起来的企业少之又少。原因很简单,因为他们完全忽略了内部没有整合的信息化系统;重复、错误、不一致的数据;割裂的业务信息和流程,直到建设后才发现大数据为企业信息化带来了新的复杂性,且从中获益所需要付出的前提与努力比预计中的多得多。
目前看来,在大数据建设上,企业需要保持冷静,在真正了解大数据及建设大数据的前提之后在考虑也不迟。
2.大数据定义、特点、用途
2.1 定义
大数据(Big data) 或称巨量资料,指的是所涉及的资料量规模巨大到无法通过目前主流软件工具,在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。
对于“大数据” 研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
2.2 特点
- 体量巨大(Volume),伴随着各种随身设备、物联网、云计算、云存储等技术的发展,人和物的所有轨迹都可以被记录,数据因此被大量生产出来。
- 类型繁多(Variety),数据格式变得多样,涵盖了文本、音频、图片、视频、模拟信号等不同类型;数据来源也变得多样,不仅产生于组织内部运作的各个环节,也来自于组织外部。
- 价值性(Value),数据的价值真实性是获得真知的最重要因素,因为处理大数据的实质就是为企业提供决策支持,如果不能保证数据质量,数据分析只成空谈。
- 速度快(Velocity),包括两方面,一是数据产生快,二是数据处理快,在数据处理方面,要在秒级时间范围内分析出结果,超出这个时间,数据就失去了价值。
2.3 用途
- 精准营销:为企业营销投放渠道、营销内容、反馈等提供有效的数据支撑。
- 业务升级:通过数据反映产品、业务带来的影响和客户的反馈,为业务迭代、流程优化提供数据支撑。
- 趋势预测:为企业预测新的市场趋势,使企业可以衡量新产品是否会带来新市场,从而决定是否批量生产。
- 风险预警:通过数据分析进行风险预测,及时提供警告,便于企业进行相关调整与决断。
- 智能推送:分析用户行为,刻画人物画像,为用户提供智能所需消息推送。
3.大数据常见的应用场景
虽然当下不是所有企业都适用于大数据技术,但不可否认大数据技术在一些行业中是有成效的,如:政府机构、金融、互联网、医疗行业等。
大数据的来源就是基于互联网的数据,而互联网行业对于数据的利用具有先天优势,在数据的利用与分析上更具有准确性和权威性;金融行业属于一种特殊的行业,自有资本,独立核算,涵盖银行业、证券业、保险业,在可分析资源上占有绝对的优势;政府机构对于大数据平台建设的推进更有力度,更容易实施进行,同时在资金方面更加充足。
3.1 互联网应用场景
1.电商
大数据的来源就是基于互联网的数据,而互联网行业对于数据的利用具有先天优势,在数据的利用与分析上更具有准确性和权威性&