大数据企业的内外困局

A. 中国目前在大数据行业的发展情况如何

我国大数据产业开始已进入深化阶段

中国大数据产业从萌芽到如今渐成体系，已走过将近10个年头。“十四五”开局之年，大数据产业也进入了集成创新、深度应用的新阶段。大数据在医疗、工业、交通等领域的融合应用技术加快创新突破，大数据融合应用重点从虚拟经济转变为实体经济;大数据底层技术方面，信息安全、模式识别、语言工程、计算机辅助设计、高性能计算等加快突破，大数据技术领域逐渐补齐短板，并进一步强化长板。

—— 更多本行业研究分析详见前瞻产业研究院《中国大数据产业发展前景与投资战略规划分析报告》

B. 认清现实吧 中国大数据产业的痛点和困难

认清现实吧 中国大数据产业的痛点和困难

大数据作为一个新兴的产业，一直在处于舆论的风口浪尖。就像互联网＋的概念一样，大数据被神话了，被送上了“宗教”的神坛。大数据企业总是有一个担心，生怕大数据被捧得的太高，将来可能会被摔的很惨。

2015年中国大数据产业的热度从贵阳大数据交易所开始，到9月国务院的2015第50号文《促进大数据发展行动纲要》进入高峰，相信10月份的乌镇互联网大会上，大数据还会是一个大的热点。

大数据论坛上，数据产品和解决方案被介绍的很多。数据给企业带来的具体价值、数据应用场景、大数据产业的痛点介绍的很少。中国大数据产业经历着很多痛苦，大数据产业前景很好，但是大数据企业却很难做大，很难实现质的飞跃。中国大数据产业的痛点和困难如下。

中国大数据企业大概有200多家，将近60%集中在北京，以小微企业为主，年销售额达到十亿人民币的企业几乎没有。大数据产业处于春秋时代早期，各家诸侯割地而立，每家占领了一块小的细分领域，很难做大，都面临着同行的激烈竞争，有的领域例如舆情监控已成为红海。

大数据企业人数大多在几十人到几百人，少有千人以上的企业。没有一家大数据企业可以统领一个行业，没有一家企业占有细分市场10%的份额，没有一家大数据企业建立了行业标准，领导行业发展。

中国大数据产业处于极度分散状态，优秀的人才分布在不同企业，很难形成人才合力。各家企业规模小，很难在企业做深做大，很难利用大数据帮助企业实现业务提升。大多数企业的工具和数据很难满足企业整体的数据要求，中国的数据挖掘和分析产品也很难和国外的产品进行竞争。

大数据产业如果要形成产业优势，必须需要一批领军企业。参考国外大数据产业，中国在大数据基础架构，数据产品，数据工具、数据清洗和数据挖掘、数据分析、数据人才都需要产生一批标杆企业。每个领军企业都规模应该在千人以上，销售额应该在百亿以上，否则很难形成技术和人才优势，也很难利用大数据帮助客户实现业务提升。

贵阳大数据交易所《2015年中国大数据交易白皮书》提到2014年中国大数据市场规模为767亿元。这个数字看上去不错，估计其实真正和大数据工具和大数据产品相关的不足20%（业务价值提升）。大多数的经费都用于大数据基础平台（存储和计算）、咨询、报告等和业务价值提升相关度不大的领域。中国大数据市场销售额大多数集中在传统的IT企业例如IBM，Oracle，EMC，Intel，华为，联想等。真正大数据企业所有市场份额加起来可能就在百亿元左右。

中国大数据企业规模过小，领军企业缺少，行业过于分散，这些都是制约中国大数据产业发展的因素，也是产业做大的一个痛点。

数据是大数据产业发展的基础，具有商业价值的数据可以帮助企业洞察客户、数字化运营、风险管控、精准营销、预测和决策等。具有商业价值的数据和商业分析真正能够帮助企业提升业务，创造出新的价值。

中国的大数据市场还不成熟，很多大数据企业拥的数据都是片段的数据，很难形成完整的，具有商业价值的数据。大数据市场的数据质量和企业的数据需求有较大的差距。外部数据大多处于孤岛状态，数据之间很少流动和整合；孤立、不流动、没有整合的数据很难帮到企业，很多需要数据的企业不得不从多个大数据企业采购数据，效率很低，采购来的数据价值不高，数据整合的难度较大，数据采购的整体费用过高。

大家都看到了数据分散的弊端，于是很多地方都建立了大数据交易市场，帮助大家进行数据交易和数据采购。由于缺少法律保护，很多企业不太想在交易市场进行数据交易，往往还是采用一对一的数据交易，这种交易方式可以保护交易双方的利益。具有商业价值的数据还在开发中，大数据交易市场，缺少大量可以进行交易的数据。大数据交易市场这种商业模式，还需要用很长的时间去证明。

中国质量最好的数据在金融行业、BAT、电信运营商，这些企业比较谨慎，很难向外部输出数据。这三大行业自身的主营业务也不在数据，其数据产品生产和输出的愿望也不强烈。政府的数据正在逐步开放，但是其数据质量、集中度、输出方式等多存在很大多挑战。在中国大规模的数据开放，至少需要3年时间才能达到商业应用要求。

大多数企业对数据有需求，但是其对数据商业敏感度很低。对数据商业应用的场景以及数据技术了解很少。即使是数据商业敏感度较高的银行，至少要沟通三次以上，其才能够建立起数据价值理念。其他行业例如制造业，房地产业，零售业，他们的数据商业敏感度更低。甚至万科的王石也大声疾呼，不要和房地产业谈大数据应用，房产行业数据还不全，很多还是手工数据。于是某个领先的电商开始帮助万科进行数据规划建设，研究大数据在房地产行业的应用。

已有的大数据企业商业案例中，大部分都是大数据企业主动去找客户谈合作，为企业提供数据产品、数据工具或数据技术，目的是帮助企业提升业务。但是这种商业模式很累，市场很难被引爆，被动的数据商业应用，往往和业务结合较弱，无法迅速帮助企业利用数据提升业务，同时也无法解决业务发展瓶颈。

企业内部人士深度了解业务需求，他们缺少的是市场数据和消费者反馈，缺少的数据分析方法和工具。企业内部人士更应该成为大数据商业应用的主力，参加一些行业活动，从需求出发，主动寻找数据和解决方案。移动互联网时代，商业竞争策略很清晰，一个是快，一个是要利用数据进行决策。

大数据产业的发展，不仅仅是大数据企业自身的事情，也是各家企业自身的事情。企业客户也应该依据业务需要，主动到市场寻找数据和解决方案，提升数据商业敏感度，从业务场景出发，寻找具有价值的数据。

市场上所有大数据企业和客户都面临一个难题，就是数据解决方案同客户业务结合的深度不够，数据对业务整体推动效果不如期望，这也是大数据产业爆发的一个痛点。由于外部数据质量、企业用户数据敏感度、企业管理方式、商业数据人才等问题，大数据解决方案很难和业务深度结合。

大数据核心价值就是揭示事务发展规律，帮助企业利用数据进行科学决策。目前大数据的商业应用领域主要集中在数据采集、数据存储、数据计算、用户画像、精准营销等领域。大数据最具商业价值的预测和辅助决策功能并没有被充分利用。特别是在重大战略决策方面，大数据的作用并不明显。企业的产品开发，市场策略，战略决策还是依靠过去的精英决策和经验主义。未来社会只有两类企业，一种是利用数据发展的企业，另外一种是不重视数据被淘汰的企业。

大数据企业如果想发展壮大，如果想成为行业领先的企业，其必须放弃短期利益，深入到客户的运营中去，了解客户的数据，了解客户的业务，了解客户的商业需求。同时利用数据了解客户，了解市场，了解业务场景。数据和业务深度结合的核心是掌握正确的数据、正确的方法、正确的工具。业务人员要懂数据，技术人员要懂业务。复合型数据人才是数据生意的关键，业务人员掌握数据技术的门槛较高，但是技术人员了解业务的门槛很低，复合性人才倾向于从技术人才培养开始。

企业内部的数据人才和大数据企业的数据人才需要互相学习，了解对方环境和需求，在同一个平台上进行对话和沟通。数据团队需要深入了解业务场景和背后的规律，从业务出发，从场景出发，从数据出发，将大数据解决方案同业务深度结合，利用数据推动业务发展，发挥大数据预测规律的核心价值。

传统的数据挖掘工具和BI系统存在很久了，通过各类报表展示，让管理层了解企业运营信息，过去的确帮助企业提高管理水平，达到了预期目的。

在大数据时代，企业需要的是实时数据，需要的是高效工具，需要的是决策支持和预测。传统的数据挖掘工具的性能和灵活性已经不能满足企业的需要，另外非机构化数据的应用也对传统数据工具提出了挑战。BI领域中的SAS，SPSS，TD等数据工具越来越被边缘化，R语言正在成为数据统计和可视化的新宠。

数据的时间价值正在得到重视，特别是金融企业，所有的业务部门都期望在最短的时间里，看到资金使用情况，客户交易情况，风险管控情况。企业越早了解信息，就会越早进行决策，时间就是Money。过去数据需求可能是T＋5或者T＋30，现在的数据需求往往是T＋1或者T＋0，数据实时性、准确性、相关度被提到了一个非常重要的地位。业务的需求已经很明显了，但是数据工具和人才却是一个很大的挑战。

中国200多家大数据企业，看到了大数据产业的曙光，看到了大数据产业的价值，同时也在经历着大数据企业的痛苦。大数据产业发展很快，市场正在逐步变大，但是其产业优势不明显，优势企业很少，数据商业化较慢，市场还不成熟，客户数据商业敏感度较低，缺乏高质量数据工具和人才。所有大数据企业内心的感受就是，站在了时代的风口，选对了方向和行业，但是发展壮大还是很难。200多家大数据企业正在努力耕耘着大数据产业，痛并快乐着。

以上是小编为大家分享的关于认清现实吧 中国大数据产业的痛点和困难的相关内容，更多信息可以关注环球青藤分享更多干货

C. 在当前大数据的新环境下 it企业面临哪些机会与挑战

挑战一：数据来源错综复杂
丰富的数据源是大数据产业发展的前提。而我国数字化的数据资源总量远远低于美欧，每年新增数据量仅为美国的7%，欧洲的12%，其中政府和制造业的数据资源积累远远落后于国外。就已有有限的数据资源来说，还存在标准化、准确性、完整性低，利用价值不高的情况，这大大降低了数据的价值。
大数据时代，我们需要更加全面的数据来提高分析预测的准确度，因此我们就需要更多便捷、廉价、自动的数据生产工具。除了我们在网上使用的浏览器有意或者无意记载着个人的信息数据之外，手机、智能手表、智能手环等各种可穿戴设备也在无时无刻地产生着数据；就连我们家里的路由器、电视机、空调、冰箱、饮水机、净化器等也开始越来越智能并且具备了联网功能，这些家用电器在更好地服务我们的同时，也在产生着大量的数据；甚至我们出去逛街，商户的WIFI,运营商的3G网络，无处不在的摄像头电子眼，百货大楼的自助屏幕，银行的ATM，加油站以及遍布各个便利店的刷卡机等也都在产生着数据。
挑战二：数据挖掘分析模型建立

步入大数据时代，人们纷纷在谈论大数据，似乎这已经演化为新的潮流趋势。数据比以往任何时候都更加根植于我们生活中的每个角落。我们试图用数据去解决问题、改善福利，并且促成新的经济繁荣。人们纷纷流露出去大数据的高期待以及对大数据分析技术的格外看好。然而，关于大数据分析，人们鼓吹其神奇价值的喧嚣声浪很高，却鲜见其实际运用得法的模式和方法。造成这种窘境的原因主要有以下两点：一是对于大数据分析的价值逻辑尚缺乏足够深刻的洞察；其次便是大数据分析中的某些重大要件或技术还不成熟。大数据时代下数据的海量增长以及缺乏这种大数据分析逻辑以及大数据技术的待发展，正是大数据时代下我们面临的挑战。

大数据的大，一般人认为指的是它数据规模的海量。随着人类在数据记录、获取及传输方面的技术革命，造成了数据获得的便捷与低成本，这便使原有的以高成本方式获得的描述人类态度或行为的、数据有限的小数据已然变成了一个巨大的、海量规模的数据包。这其实是一种片面认识。其实，前大数据时代也有海量的数据集，但由于其维度的单一，以及和人或社会有机活动状态的剥离，而使其分析和认识真相的价值极为有限。大数据的真正价值不在于它的大，而在于它的全面：空间维度上的多角度、多层次信息的交叉复现；时间维度上的与人或社会有机体的活动相关联的信息的持续呈现。

挑战三：数据开放与隐私的权衡

数据应用的前提是数据开放，这已经是共识。有专业人士指出，中国人口居世界首位，但2010年中国新存储的数据为250PB，仅为日本的60%和北美的7%。目前我国一些部门和机构拥有大量数据但宁愿自己不用也不愿提供给有关部门共享，导致信息不完整或重复投资。2012年中国的数据存储量达到64EB，其中55%的数据需要一定程度的保护，然而目前只有不到一半的数据得到保护。

开放与隐私如何平衡，亦是一大难题。任何技术都是双刃剑，大数据也不例外。如何在推动数据全面开放、应用和共享的同时有效地保护公民、企业隐私，逐步加强隐私立法，将是大数据时代的一个重大挑战。
挑战四：大数据管理与决策
大数据的技术挑战显而易见，但其带来的决策挑战更为艰巨。大数据至关重要的方面，就是它会直接影响组织怎样作决策、谁来作决策。在信息有限、获取成本高昂且没有被数字化的时代，组织内作重大决策的人，都是典型的位高权重的人，要不然就是高价请来的拥有专业技能和显赫履历的外部智囊。但是，在今时今日的商业世界中，高管的决策仍然更多地依赖个人经验和直觉，而不是基于数据。
大数据开发的根本目的是以数据分析为基础，帮助人们做出更明智的决策，优化企业和社会运转。哈佛商业评论说，大数据本质上是“一场管理革命”。大数据时代的决策不能仅凭经验，而真正要“拿数据说话”。因此，大数据能够真正发挥作用，深层次看，还要改善我们的管理模式，需要管理方式和架构的与大数据技术工具相适配。这或许是我们最难迈过的一道坎了。
挑战五：大数据人才缺口
如果说，以Hadoop为代表的大数据是一头小象，那么企业必须有能够驯服它的驯兽师。在很多企业热烈拥抱这类大数据技术时，精通大数据技术的相关人才也成为一个大缺口。

大数据建设的每个环节都需要依靠专业人员完成，因此，必须培养和造就一支懂指挥、懂技术、懂管理的大数据建设专业队伍。

D. 互联网大数据时代企业面临的挑战

没有人会否定疫情下数据给全国防控带来的帮助。得益于大数据、 云计算 、人工智能以及5G技术的发展,数据得以更好的共享以及分析,政府、企业推出的健康码、防疫行程卡等应用,使得人员流通、密切接触者排查有数可依。

也没有企业不清楚数据在这个年代对经营管理的价值。通过将数据沉淀、清洗,并挖掘、分析,企业运营效率将得以提升、成本得以优化,经营也将得以改善。

事实正是如此。在智能终端、 物联网 以及5G的推动下,全球数据量正呈指数般增长:2010年全球数据量刚刚突破1ZB,而今年全球数据量预计将超过40ZB。相关数据表明,到2025年时,全球的数据量将达到163ZB。

数据洪流下,全球也正从IT信息时代走向DT数据时代。由大数据引发的产业变革已经开始。IDC发布的《全球半年度大数据支出指南,2018H2》曾预计, 2019年大数据与商业分析解决方案全球市场的整体收益将达到1896.6亿美元,同比增长12.1%。

同时,在2019-2023年预测期内,全球大数据市场相关收益将实现13.1%的CAGR(复合年均增长率),并预计总收益于2023年达到3126.7亿美元。

具体到中国大数据市场, 2019-2023年预测期内的年CAGR(复合年均增长率)为23.5%,增速高于全球平均水平。到2023年,中国大数据市场规模则将增长至224.9亿美元。

尽管大数据市场前景一片光明,但真正能很好把握数据,充分发挥数据价值的企业,往往是少数在技术、资本、人才均占据优势的行业领导者。

而绝多数长尾企业,本就在行业竞争中处于劣势,在大数据产业变革中,尽管知道数据对经营管理那么重要。但受限于运营成本、人才以及技术,很难找到一款合适的工具,去抓住这些数据中蕴藏的商机。

数字经济下的企业经营困扰

众所周知的是,无论是国家层面“新基建”概念的提出,还是受疫情影响企业、组织加速数字化转型的步伐,这些均代表着数字经济时代的到来。

数据最直观:到2021年,全球数字经济规模将达到45万亿美元,全球数字经济的比重将超过50%。中国是全球数字经济的引领者之一。到2021年,中国数字经济规模将达到8.5万亿美元,其中数字经济所占比重将超过55%。截止目前,中国数字经济增速已连续3年排名世界第一。

但作为数字经济的推动者,企业在面对错综繁杂的 互联网 大数据时,依然不能采取行之有效的方案,将其妥善的用于经营管理。具体来看的话,企业在借助互联网大数据帮助经营管理时面临的挑战主要在以下几方面:

一是缺乏专业的市场研究工具或团队。 相比企业现在所使用的IT技术,大数据可以说是一门新技术。对于没有部署这一技术的企业而言,由于没有专业的市场研究工具或者研究团队,一方面将由于数据质量不佳面临产品开发设计难题。

这是因为企业无法对所处的市场进行量化统计分析,如市场规模是否增加,友商最近有何动态,是否有新入局者,该市场某细分市场是否有潜在机会。同时,由于不知道市场上有哪些爆款产品、创新产品,友商的竞品有何特性以及潜在市场的需求,导致企业在产品开发、策划、推广时没有针对性,难以形成爆款。

另一方面导致店铺运营效率不佳: 同样,由于缺乏专业的监控、分析工具,企业无法对友商线上渠道布局清晰掌握,无法实现自营/经销店铺的批量监控、店铺异动的自动记录以及爆款产品的促销复盘。并且,由于无法及时获取用户的吐槽、建议等,店铺在改善运营上也存在难度。

二是部署大数据技术面临的资金、周期等问题。 使用大数据改善经营管理是大势所趋,所以企业要么已经部署大数据要么考虑部署。而在自行部署大数据技术时,不免要多方考虑,既要考虑新硬件的采购费用或者云服务的购买费用,同时还要考虑开发人员的招聘费用,开发周期及运维等。而对 中小企业 而言,这无疑又是一项重大开支。

三是数据的安全问题。大数据技术从诞生到现在,其发展并不算太完善,因此自身安全性相对弱一些。同时,大数据平台又存在诸多组件,以Hadoop为例,至少包含了二三十个组件,这意味着黑客入侵某一个组件便可对整个组群整个平台进行控制。

不可避免,企业在开发大数据方案时需要与公司原有IT系统以及各部门数据间打通,这些入口也增加了大数据平台的安全风险。

不难看出,数字经济时代,企业在借助互联网大数据改善经营管理过程中,主要面临的便是大数据平台的部署、应用以及运维难题。

○本文节选自DOIT传媒《释放数据红利 美云智数互联网大数据与企业掘金数字经济》，图片为阴山所加。

E. 大数据传统的企业管理存在着哪些问题

大数据时代传统企业管理遇到的问题：
随着信息化程度不断提高，互联网、物联网、云计算和智能手机终端等技术的不断发展，数据的产生、存储、传播和分析等，不论从数量、方式方法上都较以往有了天壤之别，大数据时代给各行各业带来了巨大的冲击，给传统的企业管理带来一系列挑战。
1、企业决策过程
传统企业的经营决策往往更多地依靠企业的管理者，依靠管理者的经验、直觉和魄力，这样的企业在以前可能会发展壮大，但是缺乏对决策管理过程的监控，缺乏对数据的搜集、提取和分析，没有明确数据与决策结果的关联关系。另外，传统企业的数据分散在各个部门，数据的集中度不高，人们对其关注程度也不高。随着大数据时代的到来，传统企业的组织结构和决策过程必将面临前所未有的考验。
2、智能化、信息化程度不够
大数据的“4V”特征在数据存储、传输、分析、处理等方面较以往均有本质变化。数据量几何倍数的增长，对存储技术提出了挑战，需要高速信息传输能力支持，对非结构化的数据、低密度有价值数据的快速分析和处理能力提出更高要求。据统计，企业中85%的数据都属于非结构化、低密度的数据，大多数企业现有的数据处理方法和系统无法将大量的非结构化数据进行处理。另外，随着数据量的快速增长，对数据的存储、传输能力也提出更高的要求，这都将成为企业在大数据时代遇到的难题。
3、信息安全问题
随着大数据的发展，企业的海量数据中不仅包括业务数据、客户数据、公司内部数据，也不乏大量个人信息，数据本身的安全及个人隐私面临着泄露的挑战。大数据环境下通过对用户数据的深度分析，很容易了解用户行为和喜好，严重的将导致企业的商业机密及个人隐私泄露。如何保证商业秘密、个人隐私秘密等安全问题，对企业是一道难题。
4、人力资源匮乏
大数据改变了企业的传统管理思维，大数据时代的到来企业的管理者和员工都需要重新认识数据的重要性，提高相应的素质才能胜任原有的职位。在大数据时代，对数据的处理和分析已经超出了信息化的范畴，超出了市场营销的范畴，超出了运营管理的范畴，需要具有综合能力的人才，需要有相应新的部门来整合数据资源。对大数据的处理需求，必须有专业的数据分析人才运用这些大数据，才能将其转化为经济价值，数据人才必须能够深入了解企业业务与组织，具有统计应用知识、熟悉大数据数据分析工具的运用等，这就要求数据分析人员必须有整合运用3项基本技能的要求，而传统企业这方面人才非常稀少。

F. “大数据”时代企业面临着三大严峻现实挑战

“大数据”时代企业面临着三大严峻现实挑战
所谓的“大数据”有两个方面的内涵——海量和非结构化。这并非一个很突然的变化，更不是一个很新鲜的趋势，那它究竟意味着什么？答案是——机遇。一方面，对于企业是一种机遇。企业可以基于现有的大量的数据、海量数据进行分析，并利用这些数据产生效益。另一方面，对一些特定领域的发展来说也是机遇。如医疗等领域，有着大量的文献、化验结果、病例等等，这些信息大部分以人类语言方式记录下来，通过对这些信息的挖掘，可以辅助医生作出正确的决策。
当然，机遇与挑战并存，“大数据”对于企业来说也是如此。在谈如何帮助中小企业应战“大数据”时代之前，首先需要了解“大数据”对于企业来说究竟意味着怎样严峻的挑战。
“大数据”时代企业面临着三大严峻现实
现实之一：海量
IDC最新数字宇宙研究报告表明，到2020年，全球数据使用量预计暴增44倍，达到35.2ZB。35ZB是什么概念？（1ZB=1024EB=1048576PB=1073741824TB，1073741824TB*35=37580963840TB），也就是说全球大概需要376亿个1TB硬盘来存储数据。
现实之二：非结构化
相对于结构化数据（即行数据，存储在数据库里，可以用二维表结构来实现的数据）而言，不方便用数据库二维逻辑表来表现的数据即称为非结构化数据，包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等等。
据统计，企业中20%的数据是结构化的，80%是非结构化或半结构化的。当今世界结构化数据增长率大概是32%，而非结构化数据增长则是63%，至2012年，非结构化数据占有比例将达到互联网整个数据量的75%以上。
现实之三：实时处理
一项对全球CIO调查得出的结论表明：“通过对企业界搜集的大量数据进行实时分析，并从中获得启示，进而将这些启示转化为自身的竞争优势，对当今企业来说至关重要。”
某证券公司的CIO在介绍公司对于数据实时处理的需求时曾经表示，上亿条数据的分析要在5秒钟内完成。
“大数据”来袭！中小企业如何应战？
如同第二次工业革命中的电力和第三次工业革命中的互联网一样，大数据和云计算并不是一种新兴的行业，而是各行各业在社会转型的过程中为了实现其目标而使用的一种科学方法和技术手段。在即将到来的第四次工业革命中，大数据和云计算并不是企业转型的最终目的地，而是智能化社会中万物生长不可或缺的阳光。
每个人每天都在产生大量数据，云计算正是数据从量变产生质变的过程中应运而生的解决方案。在大数据时代里，很多有代表性的企业都为云概念的形成起到了推波助澜的作用，比如苹果和谷歌，然而，仅有理论是远远不够的。云对于个人或者企业来说，并不只是一个虚无缥缈的大硬盘，而是能够产生财富的聚宝盆，云计算就是盘活聚宝盆里每一个数字的时代利器。
对于企业而言，将服务器置于云端不仅仅节约了占地面积和维护成本，还为企业提供了更好的管理渠道和经营模式。微软公司的首席执行官史蒂夫·鲍尔默曾大胆预测：“受云计算冲击，5年后企业内部服务器将完全消失。在企业自身管理的服务器上保存数据或是实施事务（Transaction）的企业将消失。几乎所有的事务和应用软件以及系统管理功能将通过互联网的云计算运行。”

G. 大数据的预测功能是增值服务的核心

大数据的预测功能是增值服务的核心
从走在大数据发展前沿的互联网新兴行业，到与人类生活息息相关的医疗保健、电力、通信等传统行业，大数据浪潮无时无刻不在改变着人们的生产和生活方式。大数据时代的到来，给国内外各行各业带来诸多的变革动力和巨大价值。
最新发布的报告称，全球大数据市场规模将在未来五年内迎来高达26%的年复合增长率——从今年的148.7亿美元增长到2018年的463.4亿美元。全球各大公司、企业和研究机构对大数据商业模式进行了广泛地探索和尝试，虽然仍旧有许多模式尚不明朗，但是也逐渐形成了一些成熟的商业模式。
两种存储模式为主
互联网上的每一个网页、每一张图片、每一封邮件，通信行业每一条短消息、每一通电话，电力行业每一户用电数据等等，这些足迹都以“数据”的形式被记录下来，并以几何量级的速度增长。这就是大数据时代带给我们最直观的冲击。
正因为数据量之大，数据多为非结构化，现有的诸多存储介质和系统极大地限制着大数据的挖掘和发展。为更好地解决大数据存储问题，国内外各大企业和研究机构做了许许多多的尝试和努力，并不断摸索其商业化前景，目前形成了如下两种比较成熟的商业模式：
可扩展的存储解决方案。该存储解决方案可帮助政府、企业对存储的内容进行分类和确定优先级，高效安全地存储到适当存储介质中。而以存储区域网络（SAN）、统一存储、文件整合/网络连接存储（NAS）的传统存储解决方案，无法提供和扩展处理大数据所需要的灵活性。而以Intel、Oracle、华为、中兴等为代表的新一代存储解决方案提供商提供的适用于大、中小企业级的全系存储解决方案，通过标准化IT基础架构、自动化流程和高扩展性，来满足大数据多种应用需求。
云存储。云存储是一个以数据存储和管理为核心的云计算系统，其结构模型一般由存储层、基础管理、应用接口和访问层四层组成。通过易于使用的API，方便用户将各种数据放到云存储里面，然后像使用水电一样按用量进行收费。用户不用关心数据的存储介质、网络状况以及安全性的管理，只需按需向提供方购买空间。
源数据价值水涨船高
在红红火火的大数据时代，随着数据的累积，数据本身的价值也在不断升值，这种情况很好地反应了事物由量变到质变的规律。例如有一种罕见的疾病，得病率为十万分之一，如果从小样本数据来看非常罕见，但是扩大到全世界70亿人，那么数量就非常庞大。以前技术落后，不能将该病情数字化集中研究，所以很难攻克。但是，我们现在把各种各样的数据案例搜集起来统一分析，我们很快就能攻克很多以前想象不到的科学难题。类似的例子，不胜枚举。
正是由于可以通过大数据挖掘到很多看不见的价值，源数据本身的价值也水涨船高。一些掌握海量有效数据的公司和企业找到了一条行之有效的商业路径：对源数据直接或者经过简单封装销售。在互联网领域，以Facebook、twitter、微博为代表的社交网站拥有大量的用户和用户关系数据，这些网站正尝试以各种方式对该源数据进行商业化销售，Google、Yahoo!、网络[微博]等搜索公司拥有大量的搜索轨迹数据以及网页数据，他们可以通过简单API提供给第三方并从中盈利；在传统行业中，中国联通[微博]（3.44, 0.03, 0.88%）、中国电信[微博]等运营商拥有大量的底层用户资料，可以通过简单地去隐私化，然后进行销售盈利。
各大公司或者企业通过提供海量数据服务来支撑公司发展，同时以免费的服务补偿用户，这种成熟的商业模式经受住了时间的考验。但是对于任何用户数据的买卖，还需处理好用户隐私信息，通过去隐私化方式，来保护好用户隐私。
预测是增值服务的核心
在大数据基础上进行深度挖掘，所衍生出来的增值服务，是大数据领域最具想象空间的商业模式。大数据增值服务的核心是什么？预测！大数据引发了商业分析模式转变，从过去的样本模式到现在的全数据模式，从过去的小概率到现在的大概率，从而能够得到比以前更准确的预测。目前形成了如下几种比较成熟的商业模式。
个性化的精准营销。一提起“垃圾短信”，大家都很厌烦，这是因为本来在营销方看来是有价值的、“对”的信息，发到了“错”的用户手里。通过对用户的大量的行为数据进行详细分析，深度挖掘之后，能够实现给“对”的用户发送“对”的信息。比如大型商场可以对会员的购买记录进行深度分析，发掘用户和品牌之间的关联。然后，当某个品牌的忠实用户收到该品牌打折促销的短信之后，一定不是厌烦，而是欣喜。如优捷信达、中科嘉速等拥有强大数据处理技术的公司在数据挖掘、精准广告分析等方面拥有丰富的经验。
企业经营的决策指导。针对大量的用户数据，运用成熟的数据挖掘技术，分析得到企业运营的各种趋势，从而给企业的决策提供强有力的指导。例如，汽车销售公司，可以通过对网络上用户的大量评论进行分析，得到用户最关心和最不满意的功能，然后对自己的下一代产品进行有针对性的改进，以提升消费者的满意度。
总体来说，从宏观层面来看，大数据是我们未来社会的新能源；从企业微观层面来看，大数据分析和运用能力正成为企业的核心竞争力。深入研究和积极探索大数据的商业模式，对企业的未来发展有至关重要的意义。

H. 在当前大数据的新环境下it企业面临哪些机会与挑战

1. 挑战一：数据来源错综复杂，丰富的数据源是大数据产业发展的前提。而我国数字化的数据资源总量远远低于美欧。

2. 挑战二：数据挖掘分析模型建立，关于大数据分析，人们鼓吹其神奇价值的喧嚣声浪很高，却鲜见其实际运用得法的模式和方法。

3. 挑战三：数据开放与隐私的权衡，目前我国一些部门和机构拥有大量数据但宁愿自己不用也不愿提供给有关部门共享，导致信息不完整或重复投资。

4. 挑战四：大数据管理与决策，在今时今日的商业世界中，高管的决策仍然更多地依赖个人经验和直觉，而不是基于数据。

5. 挑战五：大数据人才缺口，精通大数据技术的相关人才也成为一个大缺口。