大数据商业分析

大数据这个概念大家提得很多，能否落地是关键。麻省理工学院2010年做的一项调查显示，领先企业正大规模采用数据分析方法优化决策并提升业绩，它们在日常运营和决策过程中对数据分析方法的运用是运营欠佳企业的近三倍。传统认为，首先采用大量数据分析的是财务领域，这也是国内企业应用比较多的。但欧美领先企业，在战略、运营、市场营销、产品营销、顾客服务等很多方面都会进行数据分析，应用数据挖掘技术，提升管理和服务。应用数据比较丰富的企业，它们的业绩比数据分析少的企业高很多。麻省理工的调研显示，分析“行家”的利润率是信息“新手”的三倍。

数据分析应用的不断增长，实际上是由多股力量共同推动的。第一是数据量的增加：2011年一年就产生了1.8ZB的数据，足以装满575亿个32GB的iPad。其原因是企业大规模实施ERP系统，同时互联网、物联网快速发展，包括消费者、行业、产品、交易等的数据都在快速生成。第二是数据存储变得越来越便宜：2008年储存1MB数据的价格是2000年的1%。第三是处理器速度越来越快：自2000年以来，其处理速度快了256倍。第四是全球范围的连接，在任何地方都可以执行相关分析的工作。第五是更好的工具。国内企业应用ERP比较多，但是很多新兴的大数据分析工具（有些比较小众），正在被欧美企业界广泛应用。最后一个是可视化分析技术。对企业管理层来讲，很多时候，一些直观的数据展示非常重要。得益于图形技术、计算机处理能力和存储能力等因素的推动，可视化技术得到了非常好的发展，使我们得以直观地理解海量数据。

数据分析方法不是一个新概念，而是几个经过不断发展，能实现更深入见解的领域：数据管理、量化方法及可视化技术（见图4）。过去很多时候企业的决策者需要在模糊的信息、模糊的环境下做出决策。因此有人说管理是一门科学，也是一门艺术。但科学与艺术之间的平衡，正逐渐偏向于科学一端。很多决策，将越来越依赖科学的数据分析。

图4　数据分析法价值链

在数据分析领域，传统上更多是总结性和描述性的应用，例如业绩总结、问题的描述和诊断。比如说营销报告、财务报告，每个季度出一次财务报告，每个月出一个经营分析的报告。所有这些更多是事后的总结，具有很大的延时性。未来，更有价值的是更具有前瞻性、更具有预测性的、发掘深度规律的分析。例如库存优化、配送网络优化、需求预测、竞争仿真等。在高级需求预测中，基于POS数据的应用，基于消费者的大数据，基于事件的分析，甚至基于对天气数据的分析，来对需求数据进行准确把握。

在采用数据分析的过程中，相关经验值得大家借鉴。第一是数据即王道。企业平时应该注重积累数据，不管是经营还是跟客户交流的数据。在这个过程中，应不断对数据进行积累，通过多种渠道进行收集整合是非常关键的。

第二，尽早使用可视化技术。尤其是在跟管理层沟通的时候，如果有可视化手段，对信息系统的价值体现是有很大的帮助的。

第三，学会跑之前先学会爬和走。在采取更高级的预测性解决方案前，提高描述性分析能力就已经可以产生巨大的价值。

第四，人员配备是关键。建议企业成立专门的数据分析队伍，承担相应的数据分析职责，安排合适的人才进行持续性分析，这是维持成功的必要条件。