大數據如何快速落地的戰略方法

數字信息大爆炸，世界潮流浩浩蕩蕩，大數據時代已然來臨。您的公司將如何應對大數據時代的挑戰呢？戰略決定未來的發展方向。沒有清晰的大數據戰略，不了解大數據，您的公司將如同盲人摸象般不僅無法駕馭大數據，而且會被大數據淹沒。那大數據如何落地，本文主要講大數據戰略落地。

為了什么需要考慮大數據戰略呢？

據調查顯示，大中型企業，甚至中小規模的企業都意識到，大數據可以為他們的業務帶來好處，以及提升他們企業的競爭力。

調查顯示，這些中小企業比其更大規模的競爭對手更加快速的利用大數據。雖然大多數受訪者承認大數據價值，然而，不同的受訪者對大數據這一術語有著不同的理解。28％的受訪者把大數據定義為交易數據的海量增長，而24％的受訪者形容它是一種新技術，幫助企業迎接海量數據的挑戰。18%把大數據定義為從社會媒體、移動設備和終端設備所產生的海量信息，而19％把它理解成合規性的存儲和歸檔數據。

無論怎樣定義大數據，據調查結果顯示，大中小型企業知道大數據可以帶來諸多好處。

每家公司都應該思考大數據戰略，無論他們公司規模是大還是小。大數據融合了社交媒體、終端設備、移動設備和企業內部等的數據，它正在史無前例的增長。沒有創建大數據戰略的企業將在新一輪競爭中迷失，而創建了大數據戰略的企業，將受益于大數據的即時訪問數據和即時洞察力的能力，它使得企業在為自己的客戶群服務時，企業可以采取更敏捷的業務操作，更好地吸引并留住客戶。

大數據會給企業帶來什么樣的影響？

從“直覺主義”到量化分析，企業管理讓大數據做主，大數據戰略成為新的競爭戰略的支撐，大數據變革企業決策。

目前，傳統的企業管理流程是出現問題、邏輯分析、找出因果關系、提出解決方案，使問題企業成為優秀企業，這是逆向思維模式。大數據競爭戰略咨詢流程是收集數據、量化分析、找出相互關系、提出優化方案，使企業從優秀到卓越，是正向思維模式。

　“數據是未來競爭優勢的基礎，將是重要的資源?！?/span> “云計算、移動互聯網、社交網絡和大數據正快速發展，這樣的技術進展將改變企業運營的方方面面?！贝髷祿⒏淖兤髽I決策、價值創造和價值實現的方式。以后，更多的決策將基于大數據分析而不是個人直覺。

大數據時代最大的轉變是放棄對因果關系的探尋，取而代之關注相關關系，這是舍恩伯格在《大數據時代》中的描述。也就是說只要知道“是什么”，而不需要知道“為什么”。這與現有科學研究思維慣例不同，對人類的認知和與世界交流的方式提供了全新的模式。舍恩伯格指出大數據應用的三個思維變化：隨機樣本到全體數據;精確性到混雜性，尤其是大數據的簡單算法比小數據的復雜算法更有效;因果關系到相關關系。

　大數據的技術挑戰顯而易見，但其帶來的管理挑戰更為艱巨要從高管團隊的角色轉變開始。大數據最重要的就是它會直接影響企業怎樣做決策、誰來做決策。在今天的整個商業世界中，人們仍然更多依賴個人經驗和直覺做決策，而不是基于數據。在信息有限、獲取成本高昂且沒有被數字化的時代，讓身居高位的人做決策是符合實際情況的。這種決策者和決策過程是直覺主義流派，現在這種方式遭遇了大數據的挑戰。

基于大數據平臺的量化分析

大數據挑戰直覺，首先要做的是量化分析。企業管理學界因觀點不同而分為眾多派系，但是“不會量化就無法管理”的理念卻是共識。這一共識足以解釋近年來的數字大爆炸為何無比重要。有了大數據，管理者可以將一切量化，從而對公司業務盡在掌握，進而提升決策質量和業績表現。

此處的大數據的量化分析與傳統的“數據分析”有相同之處，大數據也力圖從數據中收集智慧，并將其轉化為企業的優勢。不同之處在于大數據數據量巨大、產生數據速度快、種類多樣。當一個數據源具備這三個性質的時候，它就形成一個平臺。那些天生帶有數字基因的企業，比如谷歌和亞馬遜，已然是大數據平臺。但是，對于傳統企業而言，運用大數據獲得競爭優勢的潛力可能更大。企業可以做精準的量化和管理，做更可靠的預測和更明智的決策，可以在行動時更有目標、更有效率。

伴隨商業世界其他一些深刻的變革，公司向“大數據驅動”轉型必將遭遇巨大的挑戰，它需要管理者具有放手讓“大數據說話”的意識、對大數據量化分析的能力、利用大數據提升業績的管理能力。

大數據決定業績

如何運用大數據提升公司業績?各行各業對大數據的態度和應用方法五花八門。但是，其中有一定的關聯性：越是那些自定義數據驅動型的公司、平臺型公司，越會客觀地衡量公司的財務與運營結果。

大數據帶來更準的預測，更準的預測帶來更佳的決策和管理，零售業也有這樣的案例。美國零售巨頭西爾斯公司收集其專售的三個品牌的客戶、產品以及銷售數據，從這些海量信息中挖掘價值。大數據潛在價值巨大，挖掘的困難也巨大：這些數據需要超大規模分析，且分散在不同品牌的數據庫與數據倉庫中，不僅數量龐大而且支離破碎。西爾斯公司需要八周時間才能制定出個性化的銷售方案，但往往做出來的時候，它已不再是最佳方案了。

西爾斯集團開始使用群集收集來自不同品牌的數據，并在群集上直接分析數據，而不是像以前那樣先存入數據倉庫。為了避免浪費時間，西爾斯集團先把來自各處的數據分析之后再做合并，這種調整讓公司的推銷方案更快、更精準。

當大數據應用于供應鏈管理的時候，它讓我們了解為什么一家汽車制造商的產品故障率突然飆升;它可以持續詳細調查和處理幾百萬人的醫保狀況;它還可以基于產品特性的數據集，為在線銷售做出更好的預測和規劃。大數據在其他行業的應用也同樣成效顯著，無論金融業、旅游、政府部門還是機械維修，在市場推廣、人力資源管理方面也都有極大的功用。

當然，基于大數據戰略的管理也有很多挑戰。調整領導力、人才、技術、決策、文化才能應對大數據戰略轉型。

企業只有找到將數據科學與傳統技能完美結合的方式，才能打敗對手。不是所有的贏家都會將大數據用于其決策制定，但數據告訴我們，這樣確實勝算最大。

那大數據戰略如何具體落地呢？

大數據如何落地呢？同時，經常聽到很多大數據的概念和趨勢，但是落地而務實的介紹相對較少。筆者根據大數據分析領域的實際從業經驗，總結出大數據戰略落地方法。下面講逐層介紹。

第一是數據基礎平臺層(Hadoop優化，集群優化和安全管理優化)，金字塔的最底層也是整個金字塔的基礎層，如果基礎層搭建不好，上面的應用層也很難在企業運營中發揮效果。沒有數據或者沒有高質量的數據，所有的分析都是誤導，所有的數據挖掘都是錯誤的引導。

第二是數據抽取集成層，數據抽取包括結構化數據抽取和非結構化數據抽取，WEB數據抽取。

第三是NO SQL數據存儲層，這里包含高頻內存數據庫、圖形數據庫、文件數據庫、鍵值數據庫等的建設管理。

最四是分析可視化平臺層，這包含大數據可視化、大數據分析平臺和海量數據查詢的建設。

在進行大數據戰略建設時，先分析本公司大數據現狀、差距和需求，依據企業的信息化實際情況，我們就可以制定大數據的戰略目標了。大數據戰略的制定是整個大數據建設的靈魂和核心，它將成為整個組織大數據發展的指引。