在我們身處的時代，數(shù)據(jù)無處不在。據(jù)IBM公司估算，人類每天產(chǎn)生約2.5萬ZB的數(shù)據(jù)，這意味著世界上90%數(shù)據(jù)都是過去的兩年中產(chǎn)生的。Gartner公司分析報告顯示，在2015年財富500強的公司中百分之八十五的企業(yè)無法利用大數(shù)據(jù)來獲取競爭優(yōu)勢。

大數(shù)據(jù)無處不在 企業(yè)實踐指南有哪些？

　　數(shù)據(jù)無處不在

　　到2020年，全世界將有上百萬大數(shù)據(jù)相關(guān)的就業(yè)機會產(chǎn)生。這些龐大的數(shù)據(jù)蘊藏了寶貴財富，企業(yè)可以使用最先進的分析技術(shù)，利用這些數(shù)據(jù)更好地了解客戶的行為，識別商業(yè)機會，制定運營戰(zhàn)略。
　　
　　讓我們舉幾個例子，金融機構(gòu)每天通過信用評分模型，了解他們的客戶在未來12個月內(nèi)每種信貸產(chǎn)品(抵押貸款、信用卡、分期貸款)上的信用。他們以該信用評分為基礎(chǔ)來進行壞帳準備，計算巴塞爾協(xié)議II/III規(guī)定所需資本金數(shù)量，或是制定營銷方案(例如根據(jù)信用評分調(diào)整信用卡額度)。
　　
　　電信運營商使用最近通話行為數(shù)據(jù)建立流失模型，估計客戶在未來一到三個月流失的可能性。運營商會根據(jù)模型得分來制定營銷活動，避免有價值的客戶流失。Facebook和Twitter會使用社交媒體分析技術(shù)進行內(nèi)容分析和情感語義分析，以便更好地了解品牌認知度，進一步調(diào)整產(chǎn)品服務(wù)設(shè)計。
　　
　　亞馬遜和Netflix等在線零售商不斷地分析顧客的購買行為，以決定產(chǎn)品捆綁銷售策略，并利用推薦系統(tǒng)為客戶下一次購買推薦產(chǎn)品。信用卡公司使用欺詐檢測模型，檢測付款是否具有欺騙性，是否發(fā)生了信用卡盜刷。政府采用數(shù)據(jù)分析技術(shù)來預(yù)測逃稅行為，優(yōu)化公共預(yù)算分配，分析交通數(shù)據(jù)提高公共交通效率，分析預(yù)測恐怖襲擊保障國家安全。
　　
　　化數(shù)據(jù)為價值
　　
　　數(shù)據(jù)是任何分析模型成功的基礎(chǔ)。當啟動分析項目時，有必要詳細列出企業(yè)內(nèi)所有可用于分析的數(shù)據(jù)。這里的原則就是數(shù)據(jù)越多越好！因為很多分析模型都能自動決定哪些數(shù)據(jù)對當前分析很重要，哪些數(shù)據(jù)可以排除在下一步分析之外。
　　
　　我們的研究不斷印證了這樣一個觀點：改善分析模型最好的辦法，就是投資于你的數(shù)據(jù)！這可以通過數(shù)量和質(zhì)量兩個維度的提升來完成。對于前者，一個關(guān)鍵點是如何整合結(jié)構(gòu)化數(shù)據(jù)(例如關(guān)系數(shù)據(jù)庫)和非結(jié)構(gòu)化數(shù)據(jù)(如文本)，提供全方位綜合視角進行客戶行為分析，另一個關(guān)鍵點則是在線數(shù)據(jù)和離線數(shù)據(jù)的整合，很多企業(yè)為這個問題所困擾。
　　
　　此外企業(yè)還可以超越其內(nèi)部邊界，考慮從外部數(shù)據(jù)供應(yīng)商那里購買外部數(shù)據(jù)，以彌補其內(nèi)部數(shù)據(jù)的不足。大量的研究表明采用外部數(shù)據(jù)，對比較和完善分析模型非常有用。雖然數(shù)據(jù)常常體量巨大，但是數(shù)據(jù)質(zhì)量經(jīng)常是一個痛點。GIGO(garbage in garbage out)的原則在這里非常適用，爛數(shù)據(jù)只會生成爛模型。
　　
　　聽起來顯而易見，然而實踐中數(shù)據(jù)質(zhì)量往往成為許多分析項目的“阿喀琉斯之踵”。數(shù)據(jù)質(zhì)量可以分解成很多維度：準確性、完整性、新近度、一致性等。在大數(shù)據(jù)分析中，企業(yè)必須專門制定數(shù)據(jù)質(zhì)量管理方案，設(shè)立數(shù)據(jù)審核員、數(shù)據(jù)管家或數(shù)據(jù)質(zhì)量經(jīng)理等職位，持續(xù)監(jiān)測數(shù)據(jù)質(zhì)量。