“大數據”時代到來了嗎？

潮流是一股可笑又可敬的力量：今天，如果打開任何媒體，要是不提“大數據”，恐怕都不好意思出版。這股潮流，鋪天蓋地，連國家領導人都不例外。問題在于：為什么人人言必稱大數據？

數據的價值，隨著數據量的幾何級數增長，已經不再能夠通過傳統的圖表得以顯現，這正是為什么商業智能還沒來得及流行，便已被“數據分析”擠下舞臺。因為，價值隱藏在數據中，需要數據分析方可釋放這些價值。

數據分析能力的高低，決定了價值發現過程的好壞與成敗。可以說，沒有數據分析，“大數據”只是一堆IT庫存，成本高而收益為零。但是國內熱潮的“大數據”概念，目前仍然停留在數據收集、整理、存儲和簡單報表等幾個初級階段。能夠對大數據進行基本分析和運用的，只有少數幾個行業的少數企業。關于這一點，我們可以通過谷歌搜索結果來簡單揭示這一現狀的:

2014-04-08 19:22, google.cn search result

挑選四個關鍵詞，并且分別搜索，并且對搜索結果計數用JMP數據分析軟件進行制圖：

很明顯，英文世界里，“big data”的搜索結果計數比中文世界里的“大數據”搜索結果計數要多了不少； 而“analytics”（分析）的搜索量不僅僅高于“big data”，更是遠遠高于“分析”在中文世界里的搜索結果，大概是169倍！

這個結果，盡管不能100%還原中國業界對“大數據“和”分析“的重視程度，但仍然可以揭示一個起碼的事實：作為大數據概念源頭的西方國家尤其是美國業界對于”分析”的重視，遠甚于中國業界對分析的關注。

這個來自谷歌搜索的簡單分析結果，和我們對于中國企業大數據實施現狀的理解不謀而合。

中國式大數據與分析的現狀

所謂”大數據分析“，其和”小數據分析“的唯一差別在于數據量以及數據量帶來的對于數據存儲、查詢及分析吞吐量的要求。本質上，”大數據分析“仍然需要通過數據分析來發現現狀，找到導致現狀的根源要素，并且通過模型與預測分析技術來對改善進行預測與優化，并且實現企業運營各個領域的持續改善與創新。要談”大數據分析”的中國現狀，首先必須深入了解”數據分析“在國內的應用情況。

國內企業，不論是國企還是民企，真正在業務決策中以數據分析結果為依據的，主要集中在銀行，保險，電信和電商等幾個行業。以IT預算最充沛，人員能力最強的銀行為例，目前主要是大型銀行在導入數據分析。中小銀行尚在觀望與學習階段，人員與能力建設正在起步階段。數據分析的應用范圍主要集中在信用風險、流程優化、市場營銷、成本與預算等幾個方面，深度尚可，但廣度一般，尚未擴充到運營管理的所有領域。

而談到“大數據”或者數據倉庫，上述行業中的絕大多數企業早已實施了各種數據倉庫，以管理數據。這種買藥再看病的模式，完全本末倒置。數據倉庫與數據庫不一樣，其使命就是為了分析而存在的。沒有分析，倉庫何用之有？ 四大行之一的某大型國有銀行，90年代末期就開始花費好幾億元IT預算，建設“數據大集中”項目，受該行影響，其他國內銀行掀起了一股數據集中的熱潮。而當時連商業智能還是個尚未傳入中國IT概念，更遑論數據分析了。15年過去了，這些被集中的數據，還在么？

至于支撐起我國龐大GDP的制造業、建筑業和貿易業，在運用數據分析進行業務決策方面，則尚未見規模。其IT開支仍然主要集中在基礎架構與流程化的軟件套件領域（如ERP，CRM，HRM, SCM等），部分企業開始導入商業智能（報表、制圖、管理駕駛艙），而數據分析應用遠遠沒有進入規模發展階段。以我國制造業企業為例，從五、六年前開始熱炒“六西格瑪”、”全面質量管理“，”精益生產“，盡管這些舉措對中國制造、中國創造等帶來本質變化尚需時日，但是就提升企業決策能力和管理水平而言，這些舉措的的確起到了一定的作用，對于中國企業從拍腦袋到用數據決策這一本質轉變打下了一個基礎。

這一現狀的原因，我們認為主要提現在如下幾個方面：

1.企業的權力來源

數據分析才是真正的一把手工程。分析的使命，在于改善決策。決策的第一責任人，也就是企業最高層管理人員。國企，尤其是大型央企，職業經理人體系并不完善，董事長、總經理級別的任命是由組織部門而不是經濟部門來決定的。“講政治”的人事任命體系決定了企業決策的復雜性和特殊性，科學管理方法和決策手段的推廣，完全取決于企業最高領導人本身對于這些手段的認可程度。

另外，數據分析帶來的不僅僅是分析軟件和分析方法論，更需要決策、運營進行相應的改善與調整，我們通常稱之為“變革”。 任何變革都會帶來相匹配的風險與收益。國企的權力架構和民企、外企非常不同，哪怕總經理決定了要變革，還得征求企業內部各路權力部門的認可與接受，變革的難度導致了我們通常看到和聽到的“轉型極其艱難”，“身為大家長要對幾十萬張嘴負責”等煽情苦情的自我表白。不要說數據分析，就連開除幾個績差員工，一不小心就要得罪人，嚴重了還要危及烏紗帽，改革談何容易。

相比之下民企和外企在這方面的轉變要敏捷、迅速很多。比如蘋果，很多年前就開始全球范圍導入JMP數據分析平臺，在我們的跨國團隊的幫助下從搭建數據分析能力、規范數據分析流程、導入高級數據分析方法、直到生產與研發環節的數據分析全球標準化等工作。整個過程長達數年，涉及到龐大的機構、人員、方法、流程的轉變，卻平穩有序。其間還發生了Steve Jobs辭世，新任CEO上臺等足以中斷一切的重大企業事件，但導入數據分析能力這一過程絲毫沒有受到任何影響。

2.企業的運營能力儲備

能力儲備也是個關鍵要素。哪怕管理層決心一致，雄心壯志，重大變革能否落地，還得取決于團隊能否升級與被變化。意志力盡管重要，體能卻是個關鍵。數據分析對于參與者的統計、概率、數學、計算機、業務理解等幾個方面的能力要求甚高。盡管“能力是可以培養的”，但是我們在國內這么多年的眾多數據分析導入項目中，面臨最多的挑戰就是人員培訓和流程變革。

以電信運營業為例，BOSS系統，各種業務系統和數據倉庫搭建了許多年，數據分析對于客戶行為的理解與促銷產品的層出不窮也使得這個行業的數據分析應用遠遠超過絕大多數其他行業。但電信業在大規模導入數據分析方面面臨的首要問題，仍然是專業人才儲備以及與數據分析有關的規章制度、決策流程與文化體系的建立。

我們在市場上看到更多的，是IT部門主導的數據分析項目。項目名稱是數據分析，而內容仔細一了解，往往都是數據倉庫+企業報表。不是傳統財務三表，而是用于展現核心KPI的圖表。對“數據分析”不了解，把報表和制圖當成“分析”，是這一現狀的根源。

3.市場環節與競爭壓力

不同企業對市場競爭的變化是非常不同而有趣的。比如三桶油，建立競爭力的方法，在于找油田、收購加油站，利用壟斷性政策優勢抬高行業準入門檻。三大電信運營商，若干年前曾經有子公司互相攻擊，甚至發展到人員斗毆，割斷對方光線網絡的事件。而華為與中興的競爭，若干年前除了口水仗，還有互相挖對方技術團隊。

政策性壟斷行業，盡管有壓力，但是在提升生產力和生產效率的手段方面，改變緩慢而低效。 高度市場化領域，比如家電，汽車，消費電子，華工、醫藥等領域，對以數據分析為代表的“高級能力”的接受程度則高了不少。

綜上所述，我國企業界對于數據分析的應用仍然停留在個別行業與個別應用的階段。不過，盡管導入數據分析的過程是如此艱難而挫折，我仍然認為，隨著我國各行業市場化進程的推動，隨著互聯網、數據分析技術不斷對傳統產業的顛覆過程，“數據分析”或者“大數據分析”遲早會成為中國企業界突破藩籬的關鍵手段。

數據大不大其實一點也不重要

只要是數據，里面必然有故事。與其在能力毫不匹配的情況下片面追求大數據，還不如立即行動起來，從手頭、身邊保有的小數據當中提取價值，進而為真正的大數據時代的數字化決策打下基礎。

從微觀角度來看，我們以中國零售及消費品行業為例，看看數據分析在這一領域的應用現狀：

1.企業內部采用的分析手段是非標準化的，零散的—--例如把圖表當分析；

2.更多地關注數據獲取和管理，而不是開展面向客戶的預測性建模與數據挖掘。前者是IT工作，后者才是從數據里獲取價值的過程

3.尚未在公司真正地運行或者構建持續的分析能力、分析流程和與數據分析有關的業務與管理決策機制。

而根據我們為中國企業提供JMP數據分析戰略拓展與項目支持的多年經驗，我們的建議是：

1.從項目級別的數據分析應用開始，逐漸現成項目組級別的標準化分析流程與業務決策制度。借助項目拓展出有基本分析與應用能力的團隊；

2.將項目分析經驗擴展到部門級別，拓展 數據分析—價值獲取—業務決策 這一價值鏈。 根據部門級數據分析應用的需要來開展數據獲取和管理。借助部門級引用導入拓展出數據分析與業務決策的流程，以及統一、先進的數據分析平臺與業務實踐庫

3.從部門級到企業級應用，縱橫兩個維度都在拓展，需要企業管理層的高度參與與制度支持，推廣基于數據分析為核心的文化與模式轉變，建立支撐這些變化的長遠的數據分析戰略

4.至于數據是不是夠大，是不是需要“云計算“，全看業務需要而定！