在數(shù)聚股份看來，企業(yè)已經(jīng)身處商務(wù)大數(shù)據(jù)時(shí)代。

　　每一次工業(yè)（科技）革命，都有其標(biāo)志產(chǎn)物。從一開始的蒸汽機(jī)、內(nèi)燃機(jī)、電信技術(shù)，到七八十年代崛起的互聯(lián)網(wǎng)技術(shù)。如今，在新一輪科技革命的浪潮之中，則是以數(shù)據(jù)和內(nèi)容作為互聯(lián)網(wǎng)的基礎(chǔ)，通過整合互聯(lián)網(wǎng)和IT技術(shù)，發(fā)現(xiàn)數(shù)據(jù)價(jià)值的商業(yè)智能和數(shù)據(jù)挖掘技術(shù)。

　　日本學(xué)者城田真琴在《大數(shù)據(jù)的沖擊》一書中，對大數(shù)據(jù)給出了這樣的定義：“大數(shù)據(jù)指的是無法使用傳統(tǒng)流程或工具處理或分析的信息。它定義了那些超出正常處理范圍和大小、迫使用戶采用非傳統(tǒng)處理方法的數(shù)據(jù)集。”目前業(yè)界用4個(gè)V概括大數(shù)據(jù)的特征，即：數(shù)據(jù)體量巨大(Volume)；數(shù)據(jù)類型繁多(Variety)；價(jià)值密度低(Value)；處理速度快(Velocity)。

　　可以想見，當(dāng)下能夠真正擁有商務(wù)www。datacvg。com大數(shù)據(jù)的，必然是各種大型企業(yè)，而一些沒有擁有足夠量級數(shù)據(jù)的小型企業(yè)，則無需對“大數(shù)據(jù)”的概念過于敏感，做好自身核心業(yè)務(wù)數(shù)據(jù)的理性分析也是一種成功。

　　當(dāng)前依靠各種技術(shù)手段挖掘大數(shù)據(jù)商業(yè)價(jià)值的主要應(yīng)用場景有如下四種：

　　1. 客戶群體細(xì)分，為特定群體提供定制化服務(wù)。

　　2. 模擬競爭環(huán)境，發(fā)掘新需求，提高ROI。

　　3. 加強(qiáng)部門聯(lián)系，提升管理、產(chǎn)業(yè)鏈條運(yùn)作效率。

　　4. 降低服務(wù)成本，發(fā)現(xiàn)潛在機(jī)會(huì)對產(chǎn)品和服務(wù)進(jìn)行創(chuàng)新。

　　對于大型企業(yè)而言，商業(yè)智能和數(shù)據(jù)挖掘的部署已經(jīng)成為大勢所趨，而對于中小型企業(yè)而言，部署相較于Excel業(yè)務(wù)報(bào)表更智能效率更高的BI 報(bào)表也成為他們青睞的選擇，如Microstrategy的達(dá)析報(bào)告、Tableau、Qlik等產(chǎn)品。

　　一般而言，商業(yè)智能更側(cè)重于智能報(bào)表帶來的數(shù)據(jù)清洗、數(shù)據(jù)展示和業(yè)務(wù)分析支持（側(cè)重于已有事實(shí)），而數(shù)據(jù)挖掘要求的數(shù)據(jù)量更大，深度建模能力更高，運(yùn)算層更為復(fù)雜（側(cè)重于預(yù)測分析）。

　　正如著名數(shù)據(jù)技術(shù)專家埃里克·西格爾所說的：“大數(shù)據(jù)時(shí)代下的核心，預(yù)測分析已在商業(yè)和社會(huì)中得到廣泛應(yīng)用。隨著越來越多的數(shù)據(jù)被記錄和整理，未來預(yù)測分析必定會(huì)成為所有領(lǐng)域的關(guān)鍵技術(shù)。”數(shù)據(jù)本身不產(chǎn)生價(jià)值，如何分析和利用大數(shù)據(jù)對業(yè)務(wù)產(chǎn)生幫助才是關(guān)鍵。無論是何種形式挖掘數(shù)據(jù)，數(shù)據(jù)蘊(yùn)含的最大價(jià)值，都在于其通過建模后形成的強(qiáng)大的預(yù)測能力和決策支持能力。這既是各類組織最想得到的答案，也是諸多數(shù)據(jù)技術(shù)廠商努力的方向。在大數(shù)據(jù)時(shí)代，無論組織是否擁有真正的“大數(shù)據(jù)”，成為“數(shù)據(jù)驅(qū)動(dòng)型組織”都會(huì)是他們建設(shè)和奮斗的目標(biāo)。