在大數據時代下，大數據概念已經深入人心，大數據也成為一個繞不開的話題了。然而怎樣才能擁有大數據能力，卻是眾多企業頭疼的問題。畢竟大數據能力并不是簡單的擁有大數據，而是如何利用大數據來創造價值。

實時決策系統為啥淪為馬后炮？

決策能力中很重要的一部分就是實時決策，然而不少企業建立了大數據平臺，也有不少支持實時決策的，但實際效果卻很難達到預期。這是什么原因呢？

雖然到了大數據的時代，但是很多企業在建立大數據實時決策系統時，卻依然采用傳統意義上的財務數據或者銷售數據指標來作為決策的依據。實際上這類數據只是對過去的情況的總結，因為財務和銷售指標是來自于其它活動的多層次數據堆積的，這個過程需要時間，有時個過程還會很長，而且財務和銷售指標往往局限于特定的職能部門，用于決策當今扁平化的面向互聯網甚至是物聯網和“務（服務）”聯網的組織架構下職能交叉的運作體系，也就是所謂的馬后炮，根本達不到實時響應的效率。簡而言之，這些指標是滯后指標，不能預示未來的情況，也不能為實時決策提供依據，采集這些數據來做實時決策就猶如看著后視鏡在開車。

挖掘前置數據指標才是王道

大數據時代，數據專業處理能力已成為企業核心競爭力，如何從數據中創造商業價值才是問題的關鍵。海量的數據中，并不是所有的數據都能反應業務情況，并為實時決策提供支持。那么到底該如何從大數據中找到能快速反應業務情況的數據呢？

筆者曾經在以前撰文討論過業務流程和成熟度的關系，其實伴隨著業務流程，還有另外一個流程，那就是數據流程，這兩個流程是相輔相成的，業務流程運作中一定會有大量的數據產生，而產生的數據中的一部分通過處理分析和挖掘，又能為業務流程的運作提供實時決策支持，這些數據也可以稱為前置指標。但是對業務大數據中支持實時決策的前置指標的挑選，還要跳出傳統的視角，換一個角度去看，特別是從數據流程的前后因果關系去上溯。比如，訂單滿足率、發貨到貨及時率、定價、客戶投訴與和及時處理效訴率、產品性能、客戶交易頻率等等，這些指標在業務操作的過程中就會產生，同時也是驅動需要匯總的銷售和財務指標的起因，所以建立這些前置指標和滯后指標之間的關聯邏輯，就能充分利用好大數據系統，根據前置指標的變動及時作出實時的決策，而不必等待滯后指標發出的信號。

由于各行各業的業務情況各不相同，因此前置指標的識別和設置，需要企業對自身的業務流程以及相應的數據流程有清晰的了解，根據業務流程和數據流程中數據的流向和因果關系，找出主要的業務活動，再找出具體觸發那些滯后指標的數據，也就是前置指標，進而利用這些前置指標作為基礎，構建實時決策體系。

D1Net評論：

綜上所述，可以看出，將大數據運用于決策系統中，如果能通過對業務流程和數據流程的綜合分析，從源頭上對大數據進行把控，建立各個業務部門有共識的，同時又適應互聯網和大數據環境的前置指標體系，用前置指標提供實時決策支持，這樣就能很大程度上提升利用大數據的實時決策能力，從而為企業在大數據時代，向數據驅動業務靠近，從而提升運營效率和組織效率，利用大數據實現精準決策，也可以避免企業對大數據的誤解。