企业面对大数据问题

㈠ 企业大数据项目实施过程中遇到的那些挑战

企业大数据项目实施过程中遇到的那些挑战

说到大数据，人们很多还停留在概念的阶段，不过对于一些企业来说，大数据已经就在眼前，业务的需求驱使着IT部门不得不去做大数据的分析与处理。企业需要大数据的分析和处理，但是大数据并不是想象中的那么简单，在实际部署实施的过程中会遇到很多方面的问题。

尤其是目前社交网络的兴起带来了更多的数据量，企业需要面对的挑战就越来越高，因为社交网络的数据本身就是一个无底洞。一位企业CTO说：“目前我们的数据来源基本都是在社交网络上面，我么收集这些数据加以分析，帮助企业理解这些人的消费规律以及个人偏好。”

企业大数据项目遇到的那些挑战

这位CTO所在的团队运营着一个可以产生12亿美元的数据平台，以及每天超过400万人的PB级数据集群。所在团队的大数据环境中包括了大量的开源平台，他们所用的技术包括：Hadoop、HBase，Hive，ElasticSearch，Scala，Storm，Node.js以及其他的很多工具。这确实是一个非常严峻的挑战。

我们通过企业大数据项目的具体实施过程不难看出，在实施的过程中技术与人是最关键的两个问题。选择一个成熟的技术，并且让最合适的人来进行实施，这样才会有一个比较合理的结果。

目前，以及有不少的企业开始进行部署自己的大数据项目，下面我们就为大家总结一下企业在部署大数据项目过程中遇到的那些难题与挑战。

复杂的数据计算与存储

大数据，顾名思义海量的数据是不可避免的。这项对于传统的数据分析而言，大数据需要大量的存储空间来进行数据存储，现在数据的产生量已经不是人们所能想象的，传统的存储介质与存储方式并不能满足如此快速的数据产生量。换句话来说，看看新浪微博、Facebook每分钟产生的数据量你就会明白了，电商更是夸张，阿里双十一，百亿的交易额，这样的数据量需要具有针对性的数据存储方式。

而从项目的整体出发，只是存储并不能算得上大数据。在存储之后还需要对海量的数据进行分析与计算，只有最后得出的分析结果才会对企业有所帮助。存储只是万里长征的第一步，大数据处理团队需要弄清楚这些数据背后的价值，需要合理的对数据进行归档，并且数据价值是需要进行计算分析得出的，庞大的数据量需要更加庞大的计算能力才能完成。

技术的成熟度的挑战

开源技术就好比一只小狗，它很可爱，也很好。但你需要养活它。就目前的技术发展而言，开源的大数据技术还并不是十分成熟，商业的大数据解决方案价格有非常昂贵，所以对于大部分企业来讲，开源貌似是唯一的解决方向。但开源技术并不能很好的适应每一个企业的具体业务线，所以企业还要投入大量的技术力量进行维护与二次开发。开源技术是条可爱的小狗，但是你需要养活他。

许多大数据技术是在建工程。虽然基础技术日趋完善，管理和配置的工具都处于起步阶段，让IT专业人员做工作解决的差距。企业的IT团队不得不开发工具，从管理的角度，从工作流程的角度，从配置等不同的角度出发。

期待，努力发现人才

之前讲了，大数据需要成熟的技术以及合适的人来执行，这里指的合适的人是一个真正的数据分析专家。而这样的人往往是可遇而不可求的，除非你花重金去其他公司去挖人，而且还不能确定这个人是否能适应这个团队。

其实从技术的角度出发，大数据的技术与工具正在迅速发展，但是这些技术与工具只掌握在少数人的手里，并不能得到大规模的应用。所以对于企业来讲，大数据的技术与人同样重要。拥有了成熟稳定的技术，但是没有可以执行它的人，那么大数据项目也会相当危险，没准什么时候就成为了企业财政的累赘。

想想模块化，准备投资

任何一个项目的组建都不可能是无成本的。每一个项目都会意味着人力与财力的投入。尤其是在大数据项目上，每一个关键的业务点都意味着大量的资源投入。相比于其他项目，大数据项目耗费的资源会更多，在基础设施上的投入，服务器、存储以及计算资源和开发人员的投入都是相当庞大的。

模块化的基础设施一直是重要的，因为它可以让IT团队能够处理的业务优先级的变化，并提供业务透明度。企业的IT团队有必要投资的管理和生产力工具。这就是20％，25％都集中在我的工程资源，生产力工具和工作流程管理。

将产品与业务线做对接

在企业中项目需要围绕着业务进行实施，再好的产品项目如果不能很好的与业务进行对接，也是不能实现其真正的价值。这很容易让大数据的专家紧密合作，产品专家和业务利弊谈，但它可以是难以贯彻的想法。越来越多在？？过去的几年中，我们已经给他们带来了起来，因为双方都需要了解的另一边。

在很多失败的案例中我们不难看出，企业大数据产品的最终失败原因有一条就是产品不能很好的服务于企业核心业务，这样就会导致大量投入的资源变成没有价值体现的投入。

而成功的大数据产品就不是这样子。一个成功的大数据分析产品可以为企业揭示风险并且识别新的商业机会，并且可以根据客户的喜好进行商业活动，并获得洞察客户情绪-然后与该公司分享成果。大数据展示业务和IT事件有助于创造一个时髦围绕大数据分析的潜力。

领导层到技术人的思想贯彻

这里说的还是与人有关，大数据项目在企业中算是一个牵动企业发展战略的大项目。这需要从企业领导层到开发人员的整体投入。企业花了很多的时间映射可以利用大数据在我们的承保和理赔流程，并回馈业务线。项目团队需要企业从领导层到技术层从上倒下的支持。ACE集团的督导委员会，负责领导公司的大数据议程。令人惊讶的是，它不是堆叠技术人员。“这是很难得的任何科技。有四个技术人员和大约20商界领袖在那个队。

关键的事情之一是投资建设第一的技能和资源，在我们开始这段旅程。如果没有，我们将不得不一个不可接受的滞后值回业务。一位成功部署大数据项目的CTO说。

把业务人员下放到项目中去

既然大数据项目是为了企业业务服务的，而对企业业务最为熟悉就是业务人员，在整个项目中业务人员的需求往往是必然的需求。

企业需要进行完全嵌入的做法，将一线的业务人员下派到项目的每一个关键环节。只要这样，整个项目完成之后才能更好的为业务服务。企业通过建立核心竞争力，搭配新的技能，在我们的业务统计人员，数据洗涤器，数据分析，工艺专家我们的赔款及承保专长。其实这是一只搭配的意识，分享知识，发展和创新，我们利用大数据帮助业务发展。

不要小看管理供应商或系统集成商

对于一些技术力量有限的企业来说，他们更喜欢寻找一个系统集成商或者方案供应商来进行外包。在这期间会进行方案招标，而每一家集成商的方案都不尽相同，而且没有一家可以提供即用的解决方案，对于供应商的管理也是一个挑战，整合所有不同的系统，将这些系统整合成为一个巨大的方案进行协同运行。

独立评估投资回报率

在很多企业中，使用大数据分析，改进和验证的营销活动的有效性。当大数据项目是成功的，每个人都希望它的一部分，当你走在你开始为公司创造新的收入，项目带来这么多钱，大家突然出来的木制品和希望声称。对于他的团队，问题解决了，当CFO加强仲裁，提供独立意见的投资回报率，公司就会更加承认大数据计划。

转变并不会在一夜之间发生。从多来源的数据采集，到通过深度分析获取洞察力，之间会是一段并不平坦的征程。毫无疑问，Hadoop等技术的日趋成熟，让企业用户可以更方便地、在更大的范围内收集业务的相关数据，但同时真正的挑战也会接踵而至。这就是如何高效地处理多来源的海量数据，并且为其找到适合的商业用途。

以上是小编为大家分享的关于企业大数据项目实施过程中遇到的那些挑战的相关内容，更多信息可以关注环球青藤分享更多干货

㈡ 大数据分析给企业带来哪些挑战

IT源系统的多样性

存储数据是一个复杂的过程，维护时会增加并发症。财富500强企业平均拥有数百个企业IT系统。由于格式不同，跨数据源的引用不匹配以及重复，大多数文件处于混乱状态。

管理高频数据

实时数据流。存在诸如数据审查之类的问题，例如，对于海上低压压缩机的排气温度的读取本身仅是有限的值。但是，结合环境温度，风速，压缩机泵转速，以前的维护操作历史和维护日志，可以为海上钻机操作员创建有价值的警报系统。

与数据湖一起运作

数据湖是一个集中式存储库，可以存储任何规模的结构化和非结构化数据。将组织的所有数据放在一个窗口中不会带来任何好处。它不仅使数据位于孤立的企业系统中，还激起了数据的复杂性。

组织各种数据内容

无法保证数据采用单一格式。公司通过图像，文件，视频，文档等收集数据。但是，它们被放在称为大数据的同一个屋檐下。因此，在进行分析之前，很难区分它们并将其置于不同的渠道，并且涉及许多机制。另一个麻烦是数据的清晰度，有些文件甚至不符合最低清晰度要求。

采用新兴的AI工具

人工智能工具正在发芽，在管理大数据时，它们非常有用。企业IT和分析团队需要提供工具，使具有不同水平的数据科学能力的员工能够使用大型数据集并使用统一的映像执行预测性分析。

关于大数据分析给企业带来哪些挑战，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。

㈢ 如何应对大数据

确定企业的短中期目标和标准

大数据的资源极大繁杂丰富，如果企业没有明确的目标，就算没有走入迷途至少会觉得非常迷茫。因此，首先，要确定企业运用大数据的短中期目标，定义企业的价值数据标准，之后再使用那些能够解决特定领域问题的工具。逐步推广，步步为营，不要把理想定得太高，否则失望会愈大。

储备好大数据相关技术人才

企业运用大数据为营销管理服务之前，技术团队要到位是基础。企业管理团队要能够非常自如地玩转数据。许多人认为社交媒体营销人是个有趣的工作，其实它是个艰苦的活儿。社交化空间非常注重数据、衡量标准和数据可视化等问题。要能熟悉驾驭，首先要确保企业技术人员已经接受过相关技能培训，了解如何最大化利用大数据的作用和潜力为企业营销管理服务。

解决碎片化问题

企业启动大数据营销管理一个最重要的挑战，是数据的碎片化、零杂化。许多公司组织中，数据都散落在互不连通的数据库中，而且相应的数据技术也都存在于不同部门中，如何将这些孤立错位的数据库打通、互联，并且实现技术共享，才是能够最大化大数据价值的关键。管理者当留意的是，数据策略要成功提升网络营销管理成效，要诀在于无缝对接网络企业管理与营销的每一步骤，从数据收集、到数据挖掘、应用、提取洞悉、报表等。

培养内部整合能力

要做好大数据的应用管理，其一，要有较强的整合数据的能力，整合与来自企业各种不同的数据源、各种不同结构的数据，如客户关系管理、搜索、移动、社交媒体、网络分析工具、普查数据以及离线数据，这些整合而得的数据是定向更大目标受众的基础;其二，要有研究探索数据背后价值的能力。未来营销管理成功的关键将取决于如何在大数据库中挖掘更丰富的营销价值。像是站内、站外的数据整合、多方平台的数据接轨、结合人口与行为数据去建立优化算法等都是未来的发展重点;其三，探索出来之后给予精确行动的管理指导纲领，同时通过此纲领进行精确快速实时性行动。

而从社会、国家领域而言，我国亟须在国家层面对大数据给予高度重视，特别需要从政策制定、资源投入、人才培养等方面给予强有力的支持;另一方面，建立良性的大数据生态环境是有效应对大数据挑战、用好大数据的主要出路，需要科技界、工业界以及政府部门在国家政策的引导下共同努力，通过消除壁垒、成立联盟、大数据质量标准、建立专业组织等途径，建立和谐的大数据生态系统。

总之，谁率先具备从各种各样类型的数据中快速获得有价值信息的能力与机会，谁就是赢家!

㈣ 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。

㈤ 大数据时代企业面临哪些风险

数据作为基础来性战略自资源的地位日益凸显，个人数据信息被严重过度采集。人工智能、物联网、云计算、大数据等领域高度依赖对个人数据的读取、采集和应用，存在着严重的数据安全隐患；企业对个人数据信息隐私无底线无节制的采集和使用，一旦服务器遭到黑客攻击导致数据泄露，对用户的隐私、财产甚至是人身安全都有可能危及。

㈥ 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。

㈦ “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。”

㈧ "大数据"时代到来，电商行业企业该如何应对

电子商务大数据伴随着消费者和企业的行为实时产生，广泛分布在电子商务平台、社交媒体、智能终端、企业内部系统和其它第三方服务平台上。电子商务数据类型多种多样，既包含消费者交易信息、消费者基本信息、企业的产品信息与交易信息，也包括消费者评论信息、行为信息、社交信息和地理位置信息等。

想要将各个渠道来源的数据进行整合，就必须要深度分析和挖掘，形成智能化和快速化的数据化运营体系！

然而对于中小企业来说，数据化运营困难重重：

1、海量数据处理难：电子商务系统产生了海量数据且数据增长速度越来越快，导致数据查询及报表生成速度变慢，使用率也不高。

2、管理人员认知难：大多数传统ERP系统，订单系统，运维系统，供应链系统中，已有简单的分析统计图表，但数据格式比较单一，灵活性差，交互性低，管理者难以对全院数据有很好的认知。

3、管理决策难：不能迅速从底层数据中提取关键数据，以数据驱动运营方向，只能通过运营部门、订单部门，供应链部门的统计报表及各个离散系统中的统计报表进行管理决策。

数据类型及来源的多样性、数据产生与分析的实时性、数据的低价值密度等复杂特征日益显著，使用敏捷BI来协同运作成为了电商行业从业者无法避开的难题。

不过对于很多有潜力发展壮大但目前预算还不足以支撑购买企业级BI产品的电子商务公司来说，依然有不少可以选择的产品，这里比较推荐：Yonghong Desktop

桌面智能数据分析工具Yonghong Desktop

之所以推荐永洪BI不仅仅是因为它是国内首个完成全场景闭环的免费BI产品，更是因为永洪科技即将推出的同样免费的服务端产品，这两款产品完成了整个数据处理、分析与分享的闭环。

对于管理层和决策层来说，数据分析平台能够洞察全企业的状况。

对于业务部门来说，数据分析平台能满足实时探索的分析需求。

对于个体工作者来说，数据分析平台能做到秒级响应，基于明细数据能够帮助个体提高工作效率。

懂行的业务大神或者数据分析师可能已经在使用各个品牌BI产品了，作为电子商务企业，顺应数据化转型进程是企业能够保持生命力的重要动力。从产品本身来说，目前的业内市场主要比拼的是业态和服务，对于企业用户来讲，尤其是电子商务企业来讲，关键点在于如何能够完成使用场景的适配，让数据化成为企业运营的习惯性动作。

全球数据量正呈现出前所未有的爆发式增长态势，“大数据”时代下掌控数据才能带领企业不断前进，与君共勉。

㈨ 小公司如何应对大数据

小公司如何应对大数据
“大数据”已经成为互联网上最热门的概念之一，我看到许多创业者都开始谈论大数据的商用价值，创业项目一定得和“大数据”挂钩，有些人更是把《大数据时代》一书奉为圣经，仿佛只要买一本祭在家里的某个角落，自己就有资格高谈论阔、指点江山了。但实际上，虽然书中洞见了数据分析的趋势和隐忧，可由于作者Viktor Mayer Sch nberger是一个典型的学术派，并没有什么值得称耀的实践经验，导致此书缺乏落地感，大数据商业应用在没有可靠技术支撑的状况下也只能是一纸空谈。
不可否认的是，“大数据”确实拥有十分重要的价值，如今从传统行业到互联网行业的很多产品也需要依靠“大数据”来作为功能支撑和核心竞争力，借用阿里巴巴数据平台与产品部数据仓库架构师占超群（花名离哲）的概括，目前阶段，大数据解决的主要问题分为3类：
小公司如何应对大数据
1. 拓展传统的商业智能（BI）领域。以前针对大数据量的统计、关联分析、趋势预测由抽样变成全量分析、将数据回流到各种报表。
2. 业务流程改。对各种数据进行聚合分析，用来做业务流程改进和考核的依据。
3. 数据商品和商业应用。通过对已有数据或数据处理能力进行服务化或产品化包装，形成数据产品或数据服务。
其中，我们在互联网行业最常见的就是通过已有的数据来形成数据产品和数据服务，最典型的应用场景就是“个性化推荐”，但这并非是人人都可以染指的概念——我们知道，行业内依靠四个特征界定“大数据”：
第一，Volume，体量巨大，PB级别；
第二，Variety，数据类型繁多；
第三，Veracity，价值密度低；
第四，Velocity，处理速度快。简而言之，需要从不同维度抓取海量数据并将其快速转变为有序的可用信息。
实际上，在中国互联网，完全具备以上四点特征也只有腾讯、阿里巴巴、网络等较大型公司，对于一般公司而言，根本就不可能拥有PB级别的数据，也无法支撑高昂的数据存储成本，而且大数据方面的技术人才十分稀缺。最近就有不少创业团队告诉我他们产品的愿景，很多想法都十分新颖，但迫于数据处理能力，只好选择“慢慢来”或者将产品功能阉割。那么，这类公司该如何在“大数据”浪潮中崛起呢？
我首先想到的就是利用第三方的数据处理服务平台，这是一项在海外已经比较成熟的业务，从字面不难理解，这些公司为那些没有大数据和大数据处理能力的公司提供“数据”或“服务”。
服务可以分为两大类：基础服务和个性化服务。
基础服务即帮助公司解决数据存储、框架搭建和管理等大数据处理的基础能力，这类公司的代表有Hadoop（分布式软件框架）管理软件与服务提供商Cloudera、非关系型数据库MongoDB开发商 10gen等。
另一类则直接帮助企业直接打造个性化解决方案，我认为这类公司更适合大部分从整体上就缺乏数据能力的中国的小型互联网公司和希望互联网化的传统企业，譬如帮助电商提供个性化网上购物体验的RichRelevance、个性化和数字市场营销优化服务提供商Baynote、为广告商提供数据和分析的eXelate，以及数据拍卖平台BlueKai等。在国内，也有一些不错的平台开始涌现，例如个性化推荐引擎服务商百分点。利用这些第三方的服务和数据，可以让小公司的产品也兼具优秀的个性化能力，融入大数据时代。
但我认为，还有另一种应对大数据浪潮的做法——逆势而为。我并不认为大数据是解决个性化的唯一方案，同是它还带有相当强的局限性——基于数据意为着用数据建立模型，从某种意义上说，它也像是一个牢笼：设想一下，如果你所有的信息全部来自个性化推荐，那么你很可能错失那些你从未接触过的全新领域，而这些开放的、全新的信息不正是互联网最迷人之处么？
事实上，已经有些产品这么做了，唐茶计划的李如一就曾表示，不会受数据干扰去决定出售/推荐哪一本电子书，而是完全基于他们的个人对内容的判断，还有进来比较受关注的电台Fuzz，完全由人工DJ来推送音乐。反过来想，如果同一类型的产品都具有精准的大数据处理能力，那么它们为用户提供的内容也很可能是千篇一律的，而这些逆势而为的产品，反而更像是真正的“个性化”服务。