大数据与商业的关系

❶ 大数据是如何正在改变整个商业属性的

大数据是如何正在改变整个商业属性的

专家们称这个状况为大数据。它的定义并不明朗，但它通常可以归结为：公司会得比过去得到更多机会和途径去获得更多的信息数据，它的信息源要比以前更多，而且他们几乎可以迅速得到它只要产生数据。

大数据经常能得到已经在处理信息的公司的链接，如谷歌， Facebook的和亚马逊。但企业在很多行业中都非常看重大数据并且当成信息和操作中心。他们收集了大量的信息，通常会与传统手段相适应，比如销售的东西，如社会媒体网站和移动设备位置信息的评论。他们研究找出如何提高自己的产品，降低成本，吸引客户。

托运人在卡车上使用的传感器要想方设法加快交货。制造商，可以搜罗通过成千上万的论坛帖子，从而调查出客户是否会喜欢自己产品的一个新功能。招聘经理研究候选人如何回答问题，从而确定他们是否会能够合作。

很多的障碍依然存在。有些是技术性的，但是商业决策通常也会产生障碍。在大多数公司里，决策仍然是基于HIPPO————收入最高的人的意见，同时，说服一个擅长数据胜过直觉的经理人去实施和执行，很难。

以下几种方法，公司正在利用数据的力量来改变他们的业务。

人力资源

员工福利——特别是员工福利保健，可以是昂贵的。一些公司正在使用大数据以获得更好的决策去处理。

凯撒娱乐公司，对其员工的医疗保险数据进行分析，发现数据能够覆盖到其65000名员工每个人和他们各自的家庭成员的医疗保险。管理人员可以追踪成千上万的员工如何使用医疗服务，如急诊室参观的人数，以及他们是否选择了一个通用的品牌药的变量。

“这个是一个关于非常不透明的和可以接受的商业经营成本，通常人事经理不会想到他们能够控制，”Emily Gaines，凯撒娱乐的CEO说，凯撒的高级副总裁的补偿，福利和人力资源的有效性。

例如，在2010年的数据表明，在公司财产，哈拉斯在费城，只有仅仅11%紧急措施被视为较便宜的紧急医疗设施，这一比例为在凯撒占了34%。Harrah的团队发起了一场斗争，以呼吁员工的成本高因为ER访问，并提供了一系列备选的其他设施。两年后，17%的紧急设施处理突发事件，紧急护理，个人的ER访问的百分比从40%下降到30%。

总体来看，由于凯撒在2009年开始跟踪ER访问，10,000紧急情况全公司已被转移到较便宜的替代品，共节省450万美元。

大的数据也在改变着招聘。比如说，Catalyst公司的IT服务，这是一家基于巴尔的摩技术的技术外包公司，主要是负责组装队的编程工作。今年，该公司将筛选超过10,000候选人。不仅是传统的招聘过于缓慢和繁琐的，该公司称，同时一个招聘经理做出的主观选择也常常导致新来员工不符合标准。

“你需要能够建立模型，可以帮助您采取这种主观的看法”，迈克尔·罗森鲍姆说，Catalyst的创始人兼首席执行官。

因此，催化剂要求候选人填写在线评估，许多公司都在这些日子里，最有名的是谷歌。Catalyst公司用它来收集成千上万位申请人的信息，事实上，从他们如何回答问题上，能比他们的答案获得更多的数据。

例如，评估可能会给一个申请人关于微积分的问题，而申请人完全出乎意料。申请人回答问题的反应——很吃力的回答一道题，快速的回答一道题然后很快又返回，或者完全跳过它，这些都位人们如何处理挑战提供了很多数据。

有些需要消耗体力解决问题的人，可能适合那种要求用有条理有技巧的方法去解决难题的任务，而在另一个状况下表现比较强势积极的申请人采可能会适合另外一种状况。

这种方法的优势在于它承认人具备各种不同的技能，并没有什么工作是能够适合所有人的。根据大量数据研究表明，有特定性格特质的候选人必须是在特定的情况下才会合适，有时候一些人的偏见，不能做什么。

对于一个行之有效的措施，Catalyst的员工流失率平均每年约15%的速度增长，与其在美国的竞争对手相比，超过30，与其在海外的同类竞争公司相比，超过20%。

产品开发

大的数据可以帮助捕获顾客的喜好，并把这些信息应用在新产品设计上。在这方面，网络公司正在处于领先地位。

Zynga公司，仅次于旧金山游戏FarmVille的Zynga的公司， 每天从它的游戏，足够的SNARE蛋白25兆兆字节，以填补1000 Blu-ray光盘。使用这些数据为客户服务，质量保证，并设定一些特点和功能应用在更新的游戏里。

例如，在原始版本的FarmVille的，动物更多是被设计成装饰。但Zynga的游戏分析师发现，队员们与动物的互动远远超过了设计者的预期，于是把动物移动到农场的周围然后使用游戏中的货币去进行购买。

因此，在FarmVille 2，动物被给予更多关注和焦点。例如，如果你想制作和销售一块蛋糕，您可能需要一头母牛的牛奶和鸡的鸡蛋。

甚至当Zynga的艺术家设计新功能时，其实也在使用数据。在传统的市场测试中，游戏设计师可能测试不同版本，也就是说，一个圆点奶牛的焦点小组测试不同版本。Zynga的艺术家可以得出两个不同的版本，并把两种都放在游戏中，看看哪一种更受人欢迎。

当然，现实世界的制造商也使用大的数据，以了解顾客的兴趣。

作为福特汽车公司，在设计第一台微型模型其新的全球平台——一个福特汽车和周围卡车共同的一套组件设备，它决定一个地区的共同特点使适用于所有地区。

其中它考虑的一个功能，是一个“三眨眼”转向指示灯，多年一直在其在欧洲的汽车。不同于其在美国的车辆上的信号，该指示灯闪烁三次，在驱动器的触摸，然后关闭。

一个完整规模的市场研究试验被视为过于昂贵和费时的。因此，福特汽车发烧友搜寻网站和业主论坛，看看有什么司机说关于转向灯的。研究人员使用的文本挖掘算法，扑杀超过1万提到，总结了最相关的评论。

三一眨不眨指标在2010年推出的新嘉年华和现在上最福特的产品。虽然一些网上评论者抱怨说，他们很难去适应新功能，但是它也有很多的捍卫者。

“起初，它花了一些时间来适应。现在我将不会有任何其他的方式!!” 写了一个。

“的文本挖掘算法使用的是在这一努力中的关键，并帮助确保一个完整的画面，就不会使用传统的市场研究，说：”Michael,Cavaretta，福特公司的研究数据预测和处理的科技领导人。

经营

多年来，公司一直在使用数字技术，使他们的业务更有效的。随着大数据的兴起，当数据产生时，公司可以根据一种新的信息源捕获更多的信息。

美国联合包裹运送服务公司长期依赖于数据以提高其业务。在2009年，它开始在其送货车辆，除其他事项外，可以捕捉卡车的速度和位置，它被放置在反向倍的数量和驾驶员的安全带是否扣安装传感器。的许多信息被上载结束时的天至UPS数据中心，并分析过夜。

通过结合GPS信息和安装在超过46,000辆车上的数据传感器，UPS在2011年减少了燃料消耗8400000加仑削减85万英里外的路线。

市场营销

市场营销人员已长期使用的数据，以了解他们的客户，并针对他们的球场。现在，过多的数据意味着市场营销的目标可以更加个性化的信息。

像许多酒店经营者，总部设在英国的洲际酒店集团，多年收集的71万会员的优悦会奖励计划，如收入水平的详细信息，以及他们是否喜欢风格的家庭或商务旅客住宿。

几年前，该公司合并到一个数据仓库，它可以拉从社会媒体网站和处理查询的信息比以往任何时候都更快的所有客户营销信息。

使用该系统，推出新的营销活动在1月。在以前的活动可能有平均7至15定制营销信息，新的广告系列有1552，根据Atique，洲际酒店集团的全球客户活动营销的副总裁。

消息铺开阶段的最初的芯12的顾客群体，其中每一个被定义由4,000的属性。其中一组，例如，往往停留在周末，积分兑换的礼品卡和注册通过洲际酒店集团营销合作伙伴，根据Shah先生。因此，这些客户的营销信息，让他们了解当地在上周末的事件。

洲际酒店集团的高级副总裁史蒂夫·Sickel，分布和关系营销活动产生率较高，35%的顾客转换，或承兑，比类似的运动在去年夏天，他说。

以上是小编为大家分享的关于大数据是如何正在改变整个商业属性的的相关内容，更多信息可以关注环球青藤分享更多干货

❷ 大数据和企业发展有什么关系

大数据时代”是目前最为流行的词语之一，然而，多数企业仍不知道如何利用大数据来增加企业的价值，尤其是电子商务企业，对客户的消费数据仍处于人工统计阶段，对于下一季的流行趋势和消费者喜好，则是“凭感觉”或“凭经验”。但是，每天都有公司业务要忙，如何能更省力、省时、精准的预知商机？对于大数据发展可以通过河南电联通信的帮助。

❸ 大数据影响商业决策

大数据影响商业决策
现如今，无论哪个行业的企业都在谈论的是——数据。这里说的数据不是任意的数据，而是大数据。

如今我们生活在信息经济体制中，公司采集和分析的数据越多，就能在做重要的商业决策时参考更多的信息。因此，公司不必再盲目地做决定或者只能瞎猜了。而些曾经根本无法测量的参量，如今也可以进行准确地测量。
现如今，大数据非常重要，它已经能够影响到企业的估值。数据不属于公司的有形资产，但拥有着深度见解和长远预测的数据却可以指引企业走向成功。企业的声誉正是经典的案例之一。企业声誉是企业重要的无形资产，如今却可以通过采集的数据进行测算和价值评估。
除此之外，影响企业成功概率的因素还有使用数据的方式和依据数据分析所做的决策。数据变得如此有影响力，其本身也正被用来判定公司的价值。
最重要的决定——选择数据采集工具
选择商业智能软件是整个数据采集过程中最重要的部分之一，因为这是数据采集和分析的工具。许多企业最难通过软件平台来做商业决策，现在市面上有无数的数据采集软件程序，但是它们之间不尽相同，像Tableau及其它在BI领域的主要竞争对手，其数据采集软件程序在考虑用户界面之前就有着很多功能。
就这些软件而言，报告的功能是最重要的，数据的结果就是产生报告，只有数据没有报告，数据就失去其原本的作用了。用户需要定制用来生成报表的数据的呈现方式和数据类型。这样，用户就可以根据自己的核心业务指标来提取数据段。
自动采集数据的功能也极其重要。因为，数据采集应经是繁忙业务中的重要的一环，也是相当耗时的一环。所以，能够智能化采集数据并自动生成报告的软件程序，带来的实用性更强。
当然，能接入数据源也是商业智能分析软件极为重要的组成部分。商业智能软件（BI）获取的数据源越多样化，公司收集和使用的信息就越多。
数据影响重要商业决策的三种途径
根据大数据做出的决策可以在各个层面上对企业带来极大的影响。每个公司都有自己的需求，但是几乎每个公司都能利用大数据，就声誉、收入渠道和生产力方面充分考虑后做出决定。
1.声誉
2014年声誉研究会的年度声誉领袖研究显示：公司最关注的是如何量化衡量他们声誉的方式。同时，企业意识到，其中关键的一点是制定一份有效的舆情策略，提高公众可感知的品牌数据量。
通过对社交媒体平台和企业网站的数据分析，公司可以更好地测估他们在大众的眼中是什么样的形象。同时，他们也可以与客户互动，并从中了解到客户对公司品牌的满意度。这些都在很大程度上影响着公司的声誉。公司能够利用数据做关于品牌化、社交媒体营销和增进客户关系方面的决策。
2.收入渠道
在拥有大量数据的情况下，找到一个新的收入渠道会更加容易。同时，找到推广产品和服务的最佳市场营销渠道也是轻而易举的事情。两者相结合，发布新产品或者新服务的风险更低。大数据能够分析当前交易，用户投诉并改进企业产品。企业可以深入挖掘数据，发现新的机遇。
3.生产力
提高运营效率和生产力是快速提高利润的一个方法。市面上已经有大量的ERP软件，多数ERP程序可以分析从生产线正常运营时间到会计程序的几乎每种业务功能的数据。传感器可以实时追踪卡车和货物的运动，并将得到的大量数据记录到软件程序中。
收集到的数据能够告诉企业主效率低下之处，也能够找出提高生产力的自动化流程。有了大数据，你将能知道谁是生产力最高的员工，什么机器耐用性最高，甚至怎样通过缩短货车路线减少燃料费用的问题，也可以得到解答。生产力的提高的可能性是无穷的，这就是定制报告的重要性所在。
大数据背后有巨大的商业潜力，但是只有企业能够整理数据，找到真正重要的指标，才能更好地利用它。现在企业们或许正坐在一座金矿上，他们需要知道的就是怎样利用这些信息。

❹ 大数据时代对商业活动有什么影响

大数据(Big Data)是指无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合。数据科学的技术权威舍恩伯格提出：“大数据不是随机样本，而是全体数据；不是精确性，而是混杂性；不是因果关系，而是相关关系。”大数据拥有数据体量巨大、数据类型繁多、价值密度低、处理速度快、真实性5个特征。
大数据的价值在于，在不变的条件下，多次发生随机事件的频率近似于它概率，“有规律的随机事件”在大量重复出现的条件下，往往呈现几乎必然的统计特性。人们在拥有数据处理能力更庞大，互联网数据获取更容易的今天，通过新处理模式，可以将庞大的概率数据进行整理分析，从而发现事物基本规律来帮助自身进行决策、优化，形成海量、高增长率和多样化的信息资产。
从大数定理（在试验不变的条件下，重复试验多次，随机事件的频率近似于它概率。“有规律的随机事件”在大量重复出现的条件下，往往呈现几乎必然的统计特性。）的角度来看，对于大数据分析非常有助于企业对于消费者消费行为的判断和预测。拿零售业举例，企业可以通过客户购买记录，了解一类客户购买喜好和购买习惯从而将产品放到合理位置或者将相关产品放在一起增加来增加产品销售额。
另一方面，数据的分析也有利于企业了解消费者个体行为与偏好数据，并精准地根据每一位消费者不同的兴趣与偏好为他们提供专属性的个性化产品和服务，从而促使更多的交易行为。

❺ 大数据背后的技术、商业和社会维度

大数据背后的技术、商业和社会维度

要想考察大数据最好同时考察大数据背后的技术、商业和社会维度。从发展成熟度来看，技术维度走的最远、商业维度有所发展但不算全面成熟，社会维度发展最差。所以虽然已经谈了很久大数据，但除了孕育出大数据自身的几个领域比如搜索等，其它领域却并没有从大数据中获得可见的收益。大多时候人们还是处在觉得这里肯定有金子，但需要更多的耐心的状态。这篇文章则尝试对大数据本身的特征做点挖掘，对未来的发展趋势做点预测。

大数据上的深度和广度

如果把大数据对应到海量的数据，那它就是非常含糊的概念，相当于变成信息的同义词，显然也就很难回答信息到底能干什么这样的问题。

这时候为了推进思考通常需要先分类。如果把时间空间作为最基本的视角，那首先要区分的就是大数据的深度和广度。从时间的角度看大数据是完整的历史，从空间的角度看大数据是全球活动的痕迹。前者可以看成一种深度，后者可以看成一种广度，不同的场景对深度和广度的侧重有所不同。

对于有些垂直的行业，比如医疗，大数据的深度更重要，所有的历史都可以在数据上得到找到之后，人们就可以更好的认知并优化相应的行业。

对社会而言，很多时候广度则更重要，具体到某个场景我们只有一鳞半爪的消息，但当这种信息足够多，范围足够广，就有可能描述出相对及时的全貌。经常举的Google预测传染病的例子依赖的就是这种广度。

这点决定了大数据的应用发展趋势，在深度重要的地方，公司这类组织需要成为主体，困难是如何跨越数据所有权的边界。对于医院而言，显然把所有治疗案例数据化并共享是有好处的，但如果只有一个医院这么做，那对这一家医院而言更多的可能是隐私上反弹所带来的坏处。

在广度重要的地方，虽然在搜索这样的领域里公司也可以受益，但真正可以从大数据全面受益的机构其实是政府。数据越广，其所描述的主体就越大，而如果描述的是整个社会，那显然应该是社会的主要责任人会从中受益。这是个常识问题，就和看病的时候不会吃了医生给别人开的药自己反倒好了差不多。有的时候央视会播放网络做的春节期间人员流动图，这件事情也正好可以从侧面说明这问题。这种人员流动地图对能做出地图的人公司帮助远没有对政府的帮助大。

深度和广度两个方向对数据的要求不同，前者需要更为详尽、有质量的数据源后者则对此要求不高，但两者在应用的时候都会面临付出回报不对等问题。大数据倾向于描述整体，而有能力收集或处理大数据的往往是个体，个体的回报在整体的提升中并不容易获得清晰体现。

现在大数据发展的瓶颈不是技术，而是背后所需要的分配关系的建立。这种关系理不顺，数据就会停留在孤岛层面，每个组织都有自己的东西，并把它命名为“大数据”。而为了理顺这种关系则要回到一个非常经典的问题，“公地”到底可不可以建立。

数据公地的设想

大数据其实有点像公地，在经济学里非常出名的一个论点是公地悲剧。《美国经济史》举了一个非常易懂的例子来说什么是公地悲剧：

这些经济推理命题有利于解释集体所有制和产出的共享(平分或固定份额)如何导致“免费搭车者”问题。为了说明这一点，考虑共享土地所有权，且共同生产了100蒲式耳玉米的10个工人，平均每人消费10蒲式耳玉米。假设一个工人开始偷懒并将其劳动努力减半，从而导致产出减少5蒲式耳。由于产出共享制度的安排，偷懒者的消费量和其它工人一样，现在都是9.5蒲式耳。尽管他的努力已经下降了50%，但他的消费量只下降了5%。偷懒者是在搭他人劳动的便车。…

这背后有非常深刻的人性问题，即使我们可以通过努力协作创造更多的财富，个人也可以从中分享更多，但在群体里明显的个人倾向则是自己工作更少但分享更多。这与囚徒困境其实是相通的。

基于实物的世界里眼下看不到彻底解决这问题的方法，只能依赖于某种被大家基本认可的分配秩序，比如：以前的血统现在的物竞天择，但基于比特的数字财富眼下看却有解决这问题的可能。

基于比特的数据与实物最大的区别是数据并非是你拿走我就没有的东西，并且硬件的价格在飞速下降，开源又使数据的访问工具基本免费。这几者叠加在一起，使数据公地成为可能。

如果大家更在意我拿到的东西是不是绝对值变大了那数据公地的形成可能性就大些，因为如果存在数据公地，那每个人(企业)一定收获更多，但如果大家更在意我是不是比你多，那数据公地的建设就会多很多障碍，因为公地其实是让相关人员站到同样的竞争起点上。

大数据整合营销专家罗百辉认为，大数据的问题，在数据的使用上是技术问题，但在数据源上其实是社会经济问题，后者更难，所以大数据应用的发展不取决于技术的发展而取决于社会经济方式的变革速度。在有限的领域里，比如搜索、电商、云计算，技术已经得到比较充分的发展，眼下来看谁付出谁受益的问题是把小数据变成大数据过程中最主要的问题。

大数据的路往那里走?

数据的内在发展动力是数据越全价值越大，其实这也是一种网络效应，这种内在动力导致宏观来看数据所有权的发展只有两种趋势：

一种是像现在移动端一样，每个人都有自己的私有数据源，接下来开始你死我活的竞争，最终有一家活下来，这也可以达成数据统一的终极目标。

另一种则是在竞争中开始联合，建设上面所说的数据公地。

如前所述行业数据和全社会的数据性质上差别很大所以要分开来探讨。

对于行业数据而言，竞争对手间彼此的坦诚合作除非有极为特别的人物出现，否则是不太可能的。这种情况下最简单的办法是引入第三方。

比如说每家运营商都握有几乎所有网民的行动数据，但要想让运营商彼此间开诚布公的合作把这些数据整合在一起创造某种价值，这就很难。这时候如果有第三方介入，制定好利益分配方案那就是可能的。

如果这点可以达成，那唯一的关键点就是相应的商业模式是不是可以超越数据处理的成本。这点必须强调下的是，大数据的价值密度是很稀疏的，很多东西有价值但并不一定值得做，视频网站之所以赚不到钱一个关键原因就是带宽和存储的成本比较高，而对大数据而言商业模式找不好，情形可能比视频网站还差。挖矿的成本怎么也要小于挖矿所得挖矿才有价值。

上述问题在行业数据里可能问题还不是太大，一般来讲行业数据的价值密度终究会大一些，并且因为相对比较垂直，总量终究有限制。所以大数据的行业应用比较容易发展。

但对社会性的数据，这在很多时候就是个问题。我们都知道样本的全面性比数据的多少更有价值，但是如果多是确保样本全面性的唯一手段的话，那就意味必须有全的数据做一件事情才有意义。

社会化的数据有两种应用方向，一种就是企业可以搞定的比如Google，一种则是属于社会层面，很难单独属于某个企业的比如智慧城市相关的人的活动数据。后者则需要上面所说的数据公地来做支撑。

从数据的视角来看，现在有两种数据存放形式：一种是Google这样的企业拥有整个社会某个横截面上的全部数据，这应该是种特例，并且数据会局限在公开信息;一种则是被割裂的各种与人行为相关的数据，比如购物相关的在电商，与人相关的在社交网络和IM，线下服务相关的则在O2O企业，铁路相关的在12306等。Google这种拥有全的数据，但并不拥有人的行为，所以说Google这种企业相当于拥有整个社会的一个横截面的数据。而所有其它企业则只拥有某个垂直领域的数据。

如果依赖于企业做这种数据统一的尝试，在前者就会有投资200亿做O2O类的举动，因为这会补全数据，在后者就会有做电商的想做社交，做社交的想做电商这类事发生。类似的故事还可以在终端上发生，所有这些行为的终极目标都是一家企业搞定所有这些事情，但这是不可能的，这种不可能还不单是经济原因。而数据不能打通，那就只能在割裂的数据上做自以为是大数据的大数据。

所以说这骨子里是数据公地究竟能不能建立的问题，而要想建立数据公地，那至少要解决谁来做的问题，对此开源给出的启示有两点非常关键：第一这不能是个盈利组织;第二这要能获得众多企业的支持。因为数据会牵涉隐私，所以同开源相比那就一定还要有比较清晰的界定数据使用的规则。

在有一种切实的办法解决数据所有和使用权之前，大数据的应用应该还都是局部的。因为它的深度应用牵涉社会很多部分的彼此协调，所以这个过程可能是非常漫长的。这里面有意思的事情是，大数据的出现直接推动了机器智能的发展，而机器智能产生影响的速度可能会远快于大数据本身。

以上是小编为大家分享的关于大数据背后的技术、商业和社会维度的相关内容，更多信息可以关注环球青藤分享更多干货

❻ 大数据 商业智能两者有什么关系

你好，这个很多的。商业智能不能等同于不是大数据。它是一套版完整的解决方案，用权来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。
大数据的侧重点在于数据海量处理，主要是对非结构化的数据进行处理。大数据是传统数据库、数据仓库、BI概念外延的扩展，手段的扩充，不存在取代的关系，也并不是互斥的关系。考虑实用性的话，传统商业智能指基于传统数据仓库进行分析以辅助决，可以说BI工具会更适合一般企业，这是未来趋势。在选择方面，很多国内厂商比如FineBI会更贴近国内企业的情况，可以了解一下。

❼ 大数据和商业智能的关系是什么

商业智能BI（Businesslntelligence），是基于企业服务的一整套数据利用方案，在实际运作中主要负责打通企业各部门业务系统（ERP、OA）数据，并将这些不同来源的数据经过ETL处理后整合汇总到数据仓库中。

后续企业可以通过BI包含的数据可视化分析功能，将这些业务数据转化为可用的信息，方便企业不同人员进行数据查询、分析、挖掘等，为管理和业务人员提供数据和信息上的依据，辅助进行决策。

通常来说，大数据指的是从收集数据到利用的全过程，在实际工作中可以帮助企业采集到不同来源、不同格式的海量数据，然后通过预处理、存储和分析的方式进行利用。

企业对大数据的利用主要是对海量数据进行分析挖掘，根据得到的信息，实现对用户的精准营销、针对性广告推广等，辅助企业业务和管理人员更好地完成日常工作。

商业智能是一套为企业或组织机构设计的完整的数据类技术解决方案，能够帮企业解决数据孤岛，提供数据仓库、数据分析、可视化分析、多终端展现等功能。而大数据更偏向于对数据进行处理，通常都是采集海量数据，然后将这些数据进行存储分析，借助统计分析方法展现数据报告。两者间有差异也有相通之处。

这个术语指在公司内部使用数据，帮助经理做出决策。

BI工具(报告、仪表板)告诉我们发生了什么，因此基于这些工具的决策将是被动的。

一个随机仪表板

这个解释起来就简单了：大数据就是大量的数据。

要定义大数据，通常会用3V来解释，这是产生大数据的3个主要原因：

· 容量：收集的数据量每分钟都在巨幅增长，我们需要使用分布式解决方案(使用多台机器，而不是非常非常昂贵的超级计算机/主机)来调整我们的存储和处理工具以适应该容量。

· 速度：处理数据的紧急程度与产生/获取数据的频率相关，还与决策中迫切使用数据的需求有关；即使是实时(或者几乎实时)。

· 种类：数据不再（仅）是结构化的，所以我们得忘记适用于传统数据库的东西。我们必须为添加各种格式的新数据源做准备；纯文本和多媒体内容都包括在内。

之后更多V被添加进来：真实性 （数据必须真实、可靠、可用）、价值（数据应有商业或 社会 价值）、易损性（数据必须合法、尊重隐私，并以安全的方式存储和访问）。

大数据可能是解决这些问题的方案。不要把它和本文解释的第一个概念混淆了：大数据就是实现或促进应用数据科学领域先进技术的事物，是数据的本质要求。例如，作为数据科学家，我们试图从数据集中得到答案。数据集不仅超过了RAM的大小，还超过了硬盘的大小。大数据为我们提供了跨多台机器承载数据的分布式存储技术，以及并行处理数据的分布式处理技术。

我们一起分享AI学习与发展的干货

欢迎关注全平台AI垂类自媒体 “读芯术”

简单来说，大数据可以更好的为商业智能服务，商业智能（BI）包括企业用于商业信息数据分析的策略和技术。商业智能技术提供业务运营的 历史 ，当前和预测性视图。商业智能技术的常见功能包括报告，在线分析处理，分析，数据挖掘，流程挖掘，复杂事件处理，业务绩效管理，基准测试，文本挖掘，预测分析和规范分析。 商业智能技术可以处理大量的结构化数据，有时还可以处理非结构化数据，以帮助识别，开发和创造新的战略商业机会。他们的目标是让这些大数据的解释变得容易。发现新机遇并基于洞察力实施有效战略可以为企业提供有竞争力的市场优势和长期稳定性。

商业智能可以被企业用来支持范围广泛的业务决策，从业务到战略。基本的运营决策包括产品定位或定价。战略业务决策涉及最广泛的优先级，目标和方向。在所有情况下，商业智能在将来自公司运营市场的数据（外部数据）与企业内部的公司数据（例如财务和运营数据（内部数据））数据相结合时最为有效。如果将外部和内部数据结合起来，可以提供完整的图像，实际上可以创建无法从任何单数据集中导出的“智能”。在众多用途中，商业智能工具使组织能够深入了解新市场，评估不同细分市场对产品和服务的需求和适宜性，并评估营销工作的影响。

大数据和商业智能BI的关系从应用上来讲，BI（BusinessIntelligence）即商业智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。

商业智能BI在数据架构中处于前端分析的位置，其核心作用是对获取数据的多维度分析、数据的切片、数据的上钻和下钻、cube等。通过ETL数据抽取、转化形成一个完整的数据仓库、然后对数据仓库的数据进行抽取，而后是商业智能的前端分析和展示。

商业智能BI处理的数据量是极大的，如 FineBI商业智能，自带ETL，可在短时间内响应数据处理的请求，并输出分析结果。

BI对稳定性以及易用性有一定要求，这是其他数据分析工具所不能比拟的。

大数据的应用的数据来源包括结构化数据，如各种数据库、各种结构化文件、消息队列和应用系统数据等，其次才是非结构化数据。

大数据为商业智能提供了先决条件。

商业智能 指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。

过去20年，中国企业经过一轮又一轮的信息化建设，已经积累的足够的数据基础，每个企业都拥有海量的数据。到了数字化时代，如何将这些数据价值扩大化，通过智能数据分析辅助企业做高效决策变得越来越关键，也为商业智能能够更加智能提供了基础。

当然，智能数据分析处理除了

到了2016年，一个巨大的时间点到来。几股浪潮已经融合在了一起，算法、算力和数据......我们看到了巨大的拐点，过去的数据分析和商业智能仍然有价值，但是它没有解决的问题——对于海量数据的 探索 ，对于未来的预测，对于异常诊断，对于行动的建议，因为这些技术浪潮的到来，成为了可能。

❽ 大数据的商业魅力 从商业支撑到商业决策

大数据的商业魅力：从商业支撑到商业决策
电子商务、社交媒体、移动互联网、物联网的兴起极大地改变了人们生活与工作的方式，它们给世界带来巨大变化的同时，也让一个大数据时代真正地到来。与传统数据相比，大数据主要体现在数据量庞大、数据类型丰富、数据来源广泛三个方面，大数据的这三大特征不仅仅悄然改变着企业 IT 基础架构，也促使了用户对数据与商业价值之间关系的再思考。
大数据所蕴含的价值
对于当今的企业而言，数据就是一种重要的战略资产，它就像新时代的石油一样，极富开采价值。如果能够看清大数据的价值并且迅速行动起来，那么在未来的商业竞争中占据会占得先机。事实上，美国奥巴马政府已经投资 2 亿美金启动了“大数据研究和发展计划”，从政府层面鼓励企业收集海量数据、分析萃取信息的能力。英特尔亚太研发有限公司总经理何京翔博士表示：“信息数据就是 21 世界的石油，石油只有经过开采、提炼最后变成汽油等化学品才能够体现出价值。大数据与石油一样，仅仅存储而不进行分析和处理是体现不出它的价值。”

图一：全球知名调研机构 IDC 公司 对全球数据增长以及数据类型分布情况的调研与预测。相对于传统的结构化数据，非结构化数据、内容数据的增长迅速，且蕴含了极大的价值。
任何企业都希望能够充分挖掘出像数据这种战略资源的价值，从而做出更为准确的商业决策。过去传统的商业智能局限在分析企业信息系统自身产生出来业务数据，这些数据大部分为数据库等结构化数据，而随着非结构化数据成为企业数据的主力军，传统商业智能的方式方法显然已经落伍。传统商业智能就犹如坐在自己车里，通过后视镜看后面发生的情况；而大数据分析则像是向前看的望远镜，用户通过望远镜能够看到未来可能会发生的情况。之所以会这样，是因为大数据分析是基于构化和非结构化数据的总和，在数据分析的全面性上是传统商业智能所不能比拟的，这意味着通过分析结构能够提供给企业更加全面和准确的商业洞察力。

图二：全球知名咨询机构麦肯锡对于不同行业所产生的数据类型的分析。麦肯锡全球研究所认为几乎所有行业正在大量产生非结构化数据。
大数据打破了企业传统数据的边界，改变了过去商业智能仅仅依靠企业内部业务数据的局面，其背后蕴含的商业价值不可低估，IDC 就在其大数据相关报告中着重阐述了大数据的商业价值：行业领导企业与其他企业有着本质的区别，行业领导企业会积极将新的数据类型引入到数据分析之中，为商业决策做出更加准确的判断，那些没引入新的分析技术和新的数据类型的企业在未来是不可能成为行业领导者。这本质上其实是要求企业能够从思维的角度彻底颠覆过去的观点，大数据在未来企业中的角色绝对不是一个支撑者，而是在企业商业决策和商业价值的决策中扮演着重要的作用。
从支撑到决策
传统 IT，从服务器、存储、网络、PC 这些硬件设施，到 CRM、ERP、PLM 等应用软件，本质上是在对企业各个业务流程层面起到了支撑作用，虽然传统的商业智能分析能够对于企业的商业决策起到一定的作用，但是传统商业智能分析在当今这个大数据时代已经举步维艰。大数据的价值在于它能够有效的帮助各个行业用户做出更为准确的商业决策，从而实现更大的商业价值，它从诞生开始就是站在决策的角度出发。

图三：全球知名咨询机构麦肯锡对美国不同行业应用大数据技术潜在价值评估。
麦肯锡认为大数据正在为全球创造不可低估的商业价值。首先，大数据能够能够明显提升企业数据的准确性和及时性；此外还能够降低企业的交易摩擦成本；更为关键的是，大数据能够帮助企业分析大量数据而进一步挖掘细分市场的机会，最终能够缩短企业产品研发时间、提升企业在商业模式、产品和服务上的创新力，大幅提升企业的商业决策水平，降低了企业经营的风险。
事实上，大数据离我们并不遥远，现实生活中已经有很多活生生的案例，这些案例充分说明大数据对于未来的商业决策有着不可低估的作用。比如 2011 年，英国对冲基金 Derwent Capital Markets 花费 4000 万美金首次建立了基于社交网络的对冲基金。该基金通过对 Twitter 的数据内容来感知市场情绪，从而进行投资。美国加州大学河滨分校也在 2012 年公布了一项通过对 Twitter 消息进行分析从而预测股票涨跌的研究报告。

图四：英国对冲基金 Derwent Capital Markets 通过分析 Twitter 数据来预测股市的波动，该应用为典型的大数据应用，通过实时分析数据来获得更为准确的投资趋势。图中红线代表 Tweets 中“平静”数值；蓝线表示 3 天后的道指变化。在这两条线段重合的部分，“平静”指数预测了 3 天后道指收盘指数，从图中我们可以发现红、蓝两线经常走势相近。
可以说，在 IT 日益渗透到企业和个人方方面面的今天，大数据将逐渐成为很多行业企业实现商业价值的最佳途径。IDC 中国企业级系统与软件研究部高级研究经理周震刚就表示：“毫无疑问，未来几年大数据会逐渐向更多行业发展，除了互联网和电信之外，其他像政府、金融、制造业都会开始有大数据的应用。”当然，可能还有人会质疑大数据的决策效果，但是不可否认的是大数据正在彻底改变商业决策的模式与方法，大数据是 IT 价值从企业业务支撑到企业决策转变的最好体现。

图五：美国德克萨斯大学《measuring the business impacts of effective data》报告，该报告认为数据使用率提升 10% 对行业人均产出的平均提升幅度有着重要影响，最为明显的就是零售行业，在零售行业数据使用率提升 10% 就能够使得人均产出提升 49%，效果异常明显。
另外值得关注的是，企业的商业决策带有很强烈的行业特性，不同行业的企业对于大数据分析的需求并不相同，甚至由于不同行业的关系，这种需求可能是千差万别。这也就要求大数据解决方案不仅仅包括良好的数据分析能力，也需要包含很多行业的知识。IDC 中国企业级系统与软件研究部高级研究经理周震刚就表示：“从传统概念来讲，大数据非常复杂，无法形成打包好的分析应用解决方案。不过在未来几年中，某个行业的应用会形成一个共性，厂商们会基于这个共性打包出一些大数据的解决方案推向这些行业用户。另外，会有更多的行业 ISV 会加入到大数据平台，基于这个大数据平台来开发应用。”从本质上来看，企业用户在商业决策中需要的是一个包含了灵活可靠的基础架构、功能强大的数据分析能力与经验丰富的行业分析能力的大数据综合性解决方案，仅仅依靠几套开源软件和设备是不能满足企业在商业决策上的长久需求，英特尔亚太研发有限公司总经理何京翔博士就表示：“大数据不仅仅是一个技术问题，英特尔认为大数据需要一个全面的大数据解决方案。英特尔在提供优秀的基础架构同时，还重点将 Hadoop 软件平台进行优化并提供软件服务，更加重要的是会针对分析工具和用户界面进行不同行业解决方案的定制。此外，英特尔也和众多行业 ISV 进行多角度、多方位的合作，从而构建出一个完善的大数据解决方案。”
从商业支撑到商业决策，大数据的商业魅力正在逐渐显现。在这个商业迅速信息化、社交化、移动化的时代，大数据必然会成为大部分行业用户商业价值实现的最佳捷径，我们需要做的就是认清本质、转变思路、未雨绸缪、运筹帷幄，在大数据时代中抓住无限商机。

❾ “大数据”如何应用在商业上

大数据技术是指从各种各样类型的数据中，快速获得有价值信息的能力。适用于大数据的技术，包括大规模并行处理（MPP）数据库，数据挖掘电网，分布式文件系统，分布式数据库，云计算平台，互联网，和可扩展的存储系统。

大数据的应用：大数据是信息产业持续高速增长的新引擎。面向大数据市场的新技术、新产品、新服务、新业态会不断涌现。在硬件与集成设备领域，大数据将对芯片、存储产业产生重要影响，还将催生一体化数据存储处理服务器、内存计算等市场。在软件与服务领域，大数据将引发数据快速处理分析、数据挖掘技术和软件产品的发展。