大數據，盡管每個人都在談論，許多公司也已經著手發展，但現在還很難確切地知道它究竟有多大的功效。安永(Ernst & Young)對150家法國企業進行了一項調研，考察它們收集與使用客戶數據的方式，期間遇到的困難，以及數據這項新資產對業績增長與戰略發展的影響。
即使現在大數據以其諸多優勢有著大批擁護者，大數據革命并沒有真正擴散到全球電子巨頭以外的領域。
安永對全法150家公司的調查結果表明，盡管大體上看法積極，“數據大爆炸（大數據爆炸）” 還沒有在現實中發生。安永為這項研究特別設計的成熟數據指數顯示：只有小部分企業在數據開發上擁有較高成熟度，而大部分企業則采取觀望態度，不太清楚這模糊概念到底會帶來什么樣的結果。
圖1 :僅有17%的受訪公司數據擁有高成熟度，27%不太成熟，56%數據不成熟。
安永指出 ，整個（大）數據產業鏈上——從安全搜集、數據保護 、數據分析到公司的整體戰略，主要有10處來自心理、策略、組織和技術層面的限制導致大數據在法國企業發展的落后狀態。然而，如果能把（大）數據開發納入到公司整體發展戰略中，法國公司仍然可以迎頭趕上。
“在 早期，零售及消費品行業已經在使用客戶數據方面已形成一個強勁的氛圍：基于忠誠度的銷售；通過市場研究，地緣經濟分析，人們的喜好研究，來完成產業布局。 也正是純電子商務的玩家最先開始深度使用用戶數據。通過高精準的個人定制，推薦引擎，以及先進的促銷方法，這些電子商務形成了卓越的客戶體驗。
大數據給很多傳統行業帶了挑戰，尤其還涉及構成消費者信心基石的數據安全以及個人數據的保護。”——大衛·納伊姆，安永戰略咨詢師, 合伙人，市場營銷和創新負責人。
法企大數據有效開發之10大限制
1.數據收集仍很大程度局限于傳統渠道
用以提高對客戶的了解并定制相應市場戰略的數據，被調查的公司中有84%主要采集于傳統計費系統，有66%采集于CRM。
2.非結構化數據是分析中的薄弱環節
除了收集關于用戶的結構化文本數據 – 如：通信信息，行為和消費 – 之外， 90%的受訪企業還收集非結構化數據。
3.缺乏數據分析人才
只有30%的受訪企業招聘擁有專門處理或者管理數據能力的人才。其中僅6%擁有50人以上的數據處理團隊。
4.缺乏數據處理工具
許多大公司已經計劃加強非結構化數據處理，以及提升數據可信度。59%的受訪公司表示在未來18個月內將使有更多更可靠的數據。只有不到10%的公司擁有統計預測專用工具。
5.數據分析沒有或者說遠沒有涉及預測和實時分析
只有10%的受訪公司使用客戶數據進行預測，其中5%這樣做是為了優化工藝流程，以增加執行速度和增加存儲容量。企業還沒有形成讓數據為戰略決策提供支持的理念。
6.（大）數據項目管理缺乏深度與廣度
在大數據項目的組織和管理上缺乏深度與廣度，是用戶數據進一步產生價值的一個阻礙。大數據項目通常被視為太復雜，需要時間太長實施，因此不被優先立項。每個部門都習慣于使用自己的內部數據庫來處理日常工作所需，這樣企業的數據資產就不能很好的流通，也缺乏統一性。
7.缺乏（大）數據項目投資回報率的衡量標準
到目前為止，只有29%的受訪公司認為大數據是一個重要的里程碑，并代表著發展機會。僅18%的受訪公司會制訂“詳細的大數據實施計劃“。
8.缺少管理層的支持
由于缺乏量化投資回報率工具，再加上經濟不景氣，大部分公司的管理層在大數據項目上都持謹慎態度。大部分非成熟企業認為，公司高管的看法是對優化數據使用的一種制約，而在成熟企業中中，只有11%這么認為。
9.數據可靠性的一個主要風險：不愿分享個人資料
不愿共享個人數據對數據的可靠性造成不小的影響。如今對個人數據的保護，限制了對客戶數據的使用。安永最近的一份調查顯示，70%的消費者不會與公司分享他們的個人資料，其中49%的人說在未來5年他們都不太可能這么做。
10.對于數據保護安全問題的認識不足
30%的受訪公司認為他們在客戶數據時，并沒有很好的考慮保護其隱私問題。這在數據成熟度較低的公司中尤為明顯。
該研究的主要結果顯示，三分之二的法國公司（63%）認為大數據是一個有趣的概念，但如何使大數據成為一個增長動力仍然不是很清晰。57%的公司還沒有研究大數據帶來的潛在機會。
最后，近一半的受訪（45%）的公司都認為他們對收集到的客戶數據利用的還不夠。并且30%的受訪公司在使用數據時并沒有充分考慮其隱私問題。
大數據戰略成功部署之4大關鍵
不同企業的大數據有不同的模式，它們各有優勢，其區別并非在模式本身，而在于對某些構成大數據戰略成功的關鍵因素的考量。
企業應該像對待價格政策一樣把大數據納入戰略決策的一環，為其制定執行策略。以下就是大數據戰略成功部署的幾大關鍵：
1.加強數據項目管理的深度與廣度
第一個戰略關鍵就是將公司所有部門動員起來。不同部門常常有著不同的觀點，對客戶的認識也不盡相同，如果部門間能共享自己的數據庫，公司就能得到更為全面的客戶圖像，能做更加精準的客戶分析。
2.加大公司管理層的參與度
公司高層與各部門的管理人員應該成立一個大數據項目委員會，用于決策、統籌、戰略布局，以確保項目的良好運行。該委員會還要監管大數據戰略不是只為公司某些特定的目的而設立，如提高銷售、降低成本等。
3.設立靈活分析計劃（AgileAnalytics Program）
機遇與挑戰的戰略框架
在戰略部署之前，要投入時間弄清楚公司的需要與利害，評估各項技術的成熟度，然后選擇最符合公司需求的技術即可。
以PoV為基點
在數據這方面，與最終用戶一起工作是必不可少的，具體項目中可以運用概念驗證（Proof of concept）。首先，確定商業機遇，然后選擇一個滿足以下兩點的項目：最方便付諸實施，投資回報率最好。這個就是PoV概念驗證+投資回報率評估法。
靈活項目規劃和具體行動計劃
中期（三到五年）項目規劃要確定優先行動具體計劃、短期和中期目標以及各行動的KPI。概念驗證法要靈活開展。決策者和最終使用者要能自己使用數據分析的成果，而不是僅僅滿足于靜態的報告。
4.信心設計
在開展任何大數據項目之前，企業必須考慮到技術風險、法律風險與聲譽風險。確保數據安全性和數據處理完備性，對個人數據的保護和對數據使用的透明度，這些都是一個公司在數字時代聲譽所面臨挑戰的關鍵。
京公網安備 11010502049343號