对于中小企而言看似美丽的“大数据”成功其实还是有一定的门槛，理智看待和科学使用大数据应用对于SMB企业来说才是正确的方法。
前言
2012年的时候“大数据”的说法逐渐出现在我们的视野当中，到了2013年“大数据”成了最热门的讨论话题，那么什么是大数据呢，大数据到底拥有哪些魔力让人去热议呢？我们先看下大数据的定义：“大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。(在维克托•迈尔-舍恩伯格及肯尼斯•库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的方法）大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、veracity（真实性 ）。”此段关于大数据的说法来源百度百科。
其实“大数据”并不是2012年才诞生了，早在上世纪90年代的时候像亚马逊、谷歌、微软等公司就已经开始进行数据的挖掘，现在我们可以看到现在对于大数据利用和运用比较好的企业其实早在多年前就开始布局和研究数据对于企业的前景和应用开发，比如IBM现在它是全球最大的信息技术和业务解决方案公司。早在2011年IBM正式推出InfoSphere大数据分析平台；比如谷歌，BigQuery是谷歌推出的一项Web服务，用来在云端处理大数据。该服务让开发者可以使用Google的架构来运行SQL语句对超级大的数据库进行操作。 BigQuery允许用户上传他们的超大量数据并通过其直接进行交互式分析，从而不必投资建立自己的数据中心。
由此可见“大数据”其实相对较早就在国外已经开始兴起，只是到国内的时间比较短暂，伴随“大数据”在国内的兴起，一些SMB企业也开始追求大数据，想在大数据的潮流中捞到属于自己的那一桶金，但对于中小企而言看似美丽的“大数据”成功其实还是有一定的门槛，理智看待和科学使用大数据应用对于SMB企业来说才是正确的方法。
注：SMB（Small and Midium-sized Business）就是指经营规模不大，人员、资金有限的中小规模企业。各国对中小型企业的定义标准不同，有的以员工人数划分，有的以营业额或市场份额来划分。
大数据对于企业的诱惑
对于企业来说痴迷于“大数据”总是有理由的，尤其在一些行业专家的忽悠之下更是让一些中小企业主觉得大数据是非常神奇的，故此更是疯狂的追求大数据的应用和利用。
大数据的诱惑力
那么大数据对于企业到底有哪些好处呢，这里为大家简单的总结下：
第一、 大数据的挖掘能帮企业了解客户需求
大数据能够分析出企业用户群的属性从而加强企业对用户的需求？答案是“Yes”，其实这也正是大数据的魅力所在。企业用工庞大的数据来源但是这些数据看似分散和毫无关联，但是合理有效的理由数据模型进行建模分析你会发现一定的用户行为规律和轨迹，通过用户的这些习惯，企业可以根据自身的业务给用户推送相关的服务。
这里举一个例子说明下企业如何利用大数据来了解用户的需求。比如你的客户喜欢户外骑车运动，会在自己的自行车上安装一些监控仪器，通过这些仪器可以检测到一些骑车的状况，通过这样的数据积累，企业可以在用户骑车的时候推送其周边的一些交通状况、维修店信息或者商店等内容，方便用户使用，并可以通过用户的行为来判断用户的性质，在适当的时候推送适当的内容，说白了就是让企业做精准营销，当然，这个是在移动端体现大数据的价值。
第二、 大数据的应用可以节省企业时间
对于现在的企业来说不论规模大小节省时间就是节省金钱，但是在一些海量的数据面前如何提升自己的工作效率这一直是个难题，因为如何快速处理好这些数据他们没有好的办法，但是大数据的应用可以有效提升企业和减少企业的时间。比如沃尔玛，这家零售业寡头为其网站自行设计了最新的搜索引擎Polaris，利用语义数据进行文本分析、机器学习和同义词挖掘等。根据沃尔玛的说法，语义搜索技术的运用使得在线购物的完成率提升了10%到15%。“对沃尔玛来说，这就意味着数十亿美元的金额。
第三、 大数据对于企业发展有帮助
对于企业而言，大数据意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。而且目前就国内众多中小企业来说他们拥有的数据有很大一部分依然处于休眠或者半休眠的状态，并没有产生很大的价值。对于企业来说大数据也更多的帮助业务流程的优化，比如，可以通过利用社交媒体数据、网络搜索以及天气预报挖掘出有价值的数据，其中大数据的应用最广泛的就是供应链以及配送路线的优化。在这两个方面，地理定位和无线电频率的识别追踪货物和送货车，利用实时交通路线数据制定更加优化的路线。人力资源业务也通过大数据的分析来进行改进，这其中就包括了人才招聘的优化。
从这几个简单的例子我们不难看出来其实“大数据”对于企业来说还是非常有益的，不论在精准营销方面还是企业内部流程管理等方面都有着很重要的意义，但是对于一些中小企业来说追求大数据的挖掘会如此轻松和简单吗？其实不然，对于一些企业来说对于“大数据”的挖潜是要有付出的。
困难一：传统企业IT构架无法适应
众所周知，大数据简单来说就是企业存储的数据，而在计算机中数据的存储是按照字节来统计的，那么大数据应该是多少字节呢？我们简单的查找了一些目前企业大数据的存储量，大家可以了解下。
企业IT架构组成
据悉，目前互联网企业数据量达到了1000PB；在能源行业，仅中国国家电网智能电表数据就达数十PB；在医疗行业，一个大型城市的居民健康档案一年可达5PB；气象领域，气象卫星及天气雷达，每日可形成TB级观测数据。据统计，2013年中国产生的数据总量超过了0.8ZB，是2012年的两倍。从这些数据我们不难发现，其实我们现在已经进入了信息和数据爆炸的时代，每个行业的数据都成倍的增长。
正是因为数据量成倍的增长对于企业来说存储就成了负担，简单的存储设备完全不能满足企业的数据存储需求，加上数据量的庞大给检索、备份等应用都带来极大的负担，传统的IT架构已经无法满足时代需求。我们以SAS提供的产品为例，他们的产品售价为10万美金一台，对于普通的企业来说5-10台即可满足需求，以五台为基础，对于企业来说设备基本要支出近700万人民币，这还不包括后续的升级和维护等成本。因此，看似美好的大数据应用其实对于资金有限的企业来说绝对是个美好的愿景，一旦投入其中，使用不当绝对就是个资金的无底洞。
困难二：数据模型复杂数据变现价值难度大
对于企业来说其实单纯的数据并不会产生价值，如何把这些数据进行加工整理之后运用到实际当中才会产生价值，为了让数据变得可视化所以运用数据模型进行数据建模和分析就是非常必要的，因此数据模对于大数据来说是非常重要的。
大数据的模型复杂
不同的企业拥有不同的数据，比如人员数据、WEB文本、交易数据、呼叫数据、传感器数据、海量音频视频而这些数据中当前结构化数据只占5%，半结构化数据占10%，非结构化数据占85%，所以对于企业来说如何让这些纷繁复杂的数据类型进行整合、管理、分析，实现数据价值最大化成为一大难题。
目前来说成熟有效的数据模型还是有限，仅能满足部分企业或者行业的应用，因此对于众多中小企业来说如果没有合适自己的数据模型进行数据的分析和整理要利用好大数据也是很有些困难的。而且数据模型有着各自的优缺点，它们适用于不同的领域。不管那种模型都要根据实际应用的场景做出选择。尤其对于一些企业来说单一的数据模型不能满足自己的解决方案，许多大型应用可能需要集成多种数据模型。
困难三：数据独立性强连通性差
在分析第二个困难的时候我们知道数据的种类非常多而且数据的结构也不同，并且在数据的共享过程由于涉及不同的数据库导致在不同的操作系统、数据库类型、硬件平台等方面存在一些差异，从而形成一些数据的独立性，这对于数据的共享和运行产生了一定的阻碍。因此如何实现异构数据库间的数据整合与共享成为急需解决的问题。
数据孤立
对于企业来说“大数据分析”其实还是要依靠数据分析来发现问题所在，并通过模型和预测分析和改善进行发展，以实现企业在行业的改革和创新。同时当我们对数据的盲目依赖会导致思维和决策的僵化。当越来越多的事物被量化，人们也更加容易陷入只看重数据的误区里。因此如何避免成为数据的奴隶，也成为非常重要的课题。
困难四：数据安全与个人隐私如何平衡
我们在前面的时候说过“大数据”的有效应用可以让企业做到精准营销和提升企业的流程或者对未来的预判，但是在大数据面前个人隐私问题也被直接摆上了台面上，尤其目前个人用户对于个人隐私逐渐的重视，这也让企业进入一个难以平衡的处境。
安全和隐私成关键
对于企业来说，有效的利用电子商务、搜索引擎、SNS社交应用等互联网服务商都对可以对用户行为数据进行了挖掘和分析，以便可以日后可以做到精准营销或者得道一些商业利益，但通过这些手段和形式活动用户信息的同时无可避免的要涉及到个人隐私。对于企业来说如何避免企业对于用户信息的泄露和保证数据的安全是企业利用大数据分析的一个基本保证。
不仅如此，如果遇见一些不法企业运用大数据还可能预测并控制人类的潜在行为，在缺乏有效伦理机制下有可能造成一些违法的事情发生，因此大数据对于一些企业应用还涉及道德底线的问题。
总结
对于企业来说大数据最核心的价值就是在于对于海量数据进行存储和分析，通过合理有效的分析去进行相关的改变和预判，相比起现有的其他技术而言，大数据的“廉价、迅速、优化”这三方面的综合成本是最优的。尤其在互联网的大潮推动下“大数据”日后一定会有更好的发展前景。
对于企业来说大数据可能不会满足所有企业的需求，但是它的确给企业带来了发展和提高收入的契机，但同样如何对数据收集、处理、分析都是企业面临的实际问题。
网友评论