大數據:全新機遇還是一紙空談

目前，人們對大數據及其價值的認知各有不同。一部分人認為大數據的價值在于幫助企業各部門獲得新的洞察力并付諸行動;另一部分人認為大數據不過是天花亂墜的宣傳而已。這兩種觀點都有可取之處，而有趣的是，這兩種觀點都成立。盡管外界對大數據大肆宣傳，人們還是很快了解到大數據真正價值與空談之間的區別。

弄清這種區別將非常有助于了解大數據價值(最好考慮投資大數據)并認清仍對大多數企業發展構成主要阻礙的挑戰。姑且假設未來相關技術將逐漸成熟，并能通過釋放其潛力創造價值。這種預測已在以往多種技術上都得到證實，大數據技術應該也不例外。制約大數據技術發展的主要瓶頸在于它自身的問題：人們會忽略大數據的嚴重依賴性，或認為這種依賴性僅僅是我們為創造價值而必須接受的前提。

這種依賴性是指用戶認為在創造價值前，必須保持數據一致性，或在數據庫等持久保存數據的系統內實現數據標準化，這需要企業大張旗鼓，投入數十億美元，卻導致效率低下和重復勞動。因此，在沒有創造任何價值前，企業的項目投入已達到70%，用于數據識別、采集、遷移、存儲及優化。雖然過去十年間分析技術已取得多次重大突破，而分析技術終端及平臺數量激增，但與過去30年相比，企業分析解決方案開發及部署模式仍未發生變化。

令人關注的是，在利用大數據技術真正創造價值的行業內，大數據市場正呈現出不斷細分的趨勢，且這一趨勢已逐漸明朗。我們最好從這些細分市場入手，深入了解大數據價值與空談之間的區別。

能夠體現大數據價值的領域

大數據技術在數據探索、趨勢分析、調整機會分析等領域已獲得成功應用。這看上去毋庸置疑，而以下兩個共同點卻不明顯，但大數據技術在符合這些共同點的領域內已具有切實的可行性，并已站穩腳跟。

·全新的海量交互信息：基于Web的購物與數字化零售、移動端活動、社交媒體互動信息及互聯網搜索條件。換言之就是全新的海量同類數據。

·重視營銷機會：為產品銷售提升潛在客戶識別成功率，這種技術應用通常由大眾化營銷與媒體費用承擔。

無法體現大數據價值的領域

隨著數據同類性降低，導致獲得洞察力的成本相應增長，大數據的價值開始降低，而對于大數據綜合價值因素的炒作也導入歧途。在談到典型的企業問題時，大數據鮮有成功案例。原因何在?

·業務問題已是老生常談。這已經無需再議，可能在過去5-10年內使用“新型”數據是大數據技術順利部署的成功因素之一。

·解決方案使用不同類型的組件。企業數據面臨的挑戰是它廣泛分布在各種不同的技術和數據平臺上。例如，數字化零售、電信業及社交媒體使用結構化數據，其表現形式相似;而企業數據則分布在主機、ETL(提取、轉換和加載)工具、虛擬層、關系數據庫、商業智能(BI)數據庫、交易數據庫以及數百種其它組件中，這些技術在過去30年中已不斷發展。更糟糕的是，每種應用程序使用不同的數據模型，導致數據與其相關技術平臺整合越來越復雜，因此，利用當前大數據工具訪問企業數據，難以創造直接的價值。

這就是企業大部分業務問題與大數據無關的原因。這些業務問題實際上是分布式數據問題：在這種模型下，信息、數據、價值和分析廣泛分布在不同的位置、技術平臺和數據源內。但我們仍繼續使用與以往相同的集中式模型來解決這一日趨嚴重的分布式問題。當用戶能夠通過常見的界面外觀穩定地訪問數據時，這些集中式模型能夠發揮很大的作用，這在社交媒體、數字化零售等行業新的成功案例中屢見不鮮。但集中式模型卻無法解決銀行、保險、醫療行業及其它廣泛的業務問題。

目前，企業實現大數據價值需對多種不同數據及功能體系進行數據整合及標準化規劃。如不改變現有數據管理機制，那么企業解決方案采用越多的分布式組件，項目回報率越低。

大數據技術促進深度分析及分析性能取得技術突破，其價值毋庸置疑。但這種價值卻被數據提取和/或整合成本破壞，導致價值/炒作的底線被輕易沖破。目前，市場在數據價值上多少存在一些分歧，其中一部分行業尚處于初創時期，可保持技術一致性，因此，這些行業可以暫時解決分布式數據的問題。

由于技術孤島仍將持續存在，且數據仍保存在不同的位置，Gartner公司分析師Doug Laney預計到2017年，90%的大數據項目仍無法發揮它們的作用。Doug最近總結到，雖然數據復雜性、企業內外部數據的分布和離散度不斷提升，但也不會因為大數據技術作出的各種承諾而承認系統及數據大規模整合項目的合理性，它們只是大數據價值的體現。

我們只有意識到大數據技術雖已占有一席之地，但仍受到分布式數據源的直接影響，才能盡早通過真正具有成本效益的途徑，根據數據復雜度和分布情況，充分利用數據價值。

大多數企業可靈活使用雙重數據策略：運用大數據技術對大量同類數據進行深入分析及機會辨別;或運用分布式數據應對運營、風險、管理等復雜但已為人所了解的挑戰。人們將能夠接受這種雙重數據管理策略，充分發現、挖掘并管理大數據技術的價值，并在行業內實現不斷靈活創新。