大數據如今已經成為最新的競爭趨勢，原因在於數據數量汗牛充棟，所以也讓整個世界之間異常通透，影響范圍無遠弗屆，企業必須要隨時留意那些業務受到大數據的影響。

如健康照護服務及定位數據如果加以混搭，雖然可以提供更進一步的價值，但如何說動使用者開放或分享，其實需要更細致的說服過程。此外，大數據分析所呈現的世界，客戶需求會更加清晰，但市場區隔也會變小，產品及服務必須要更加客制化。

許多蒐集數據的工具或技術，如感測器、通訊裝置、解析軟體的價格不斷下降，形成物聯網與數位油田的世界絕非夢想。但數據分析技術愈精細復雜，決策考量雖然也會更加全面，可能遭遇的風險也會變得比較小，就連美國也缺乏分析人才，而且在擴大大數據管理的同時，會不會反而取代原來的管理，也是必須注意的課題。

盡管如此，大數據分析仍會為企業帶來許多機會，可以洞察出原本被隱藏的資訊，進而做出更明智的決策。例如消費者在購物網站上的點擊串流，與社群網路資訊結合起來，會形成更可靠的推薦品項;或是蒐集各地天候與土壤數據，以評估地域特殊性層級的農作物風險等。

如果能將數據分析融入作業流程中，甚至可能幫助企業進行自動化決策。如麥當勞的高速影像解析系統，可以直接提供管理者所需要的作業資訊，隨時進行調整，而不用再像過去一樣，依賴色紙與卡尺來控制產品的品質。

透過大數據分析技術，更可看到過去可能看不到的資訊，如電郵、保證卡、客服電話錄音、醫囑及來自社群媒體及政府的公開數據等，都可能為企業帶來更多的商業價值。

但企業的商業模式，也會因為大數據分析而有所改變。指出，企業要開始思考，可以通過什麼方式或途徑來賺錢，如何運用大數據產生差異化的產品或服務，例如企業是否能夠依天氣型態、付款量與熱銷商品類別，協助供應商適時發現真正的需求。

從目前云端或大數據有關的創新應用案例中，解決方案的發展趨勢有下列幾點，首先就是有能力整合結構性及非結構性數據，尤其是非結構化數據，重要性正在與日俱增，但由於不是每個使用者都熟悉工具的使用，因此應用介面一定要做到簡單化，而且要能善用開放數據及群眾外包(Crowdsourcing)的資源。

應用大數據的產業類別，目前以零售、健康與醫療、城市與運輸、制造業、金融服務業為主，如果想要發展大數據服務創新，當務之急就是要設法培育數據分析人才及導入云端服務。

企業如果想要建立與大數據相關的商業模式，一定要先建構出傳遞數據的網絡，以適地適時的傳遞數據，并加以整合、交換、重組。重點在於何種商業模式適合企業當前的組織，才能迎向下一波潮流的康莊大道。

企業如果想要運用大數據建立商業模式，在解決方案的使用技術方面，儲存與實現技術都要兼顧，而且儲存數據的技術最好能夠朝向分析的方向邁進;其次是數據類型，雖然非結構性的數據類型居多，但仍需要設法與結構化數據結合，因為許多演算法只能處理結構化數據;最後則是要有更多的數據解析任務類型，包括敘述性統計分析、(即時)預測建模、集群、推薦系統、聲紋分析及線上廣告等。

企業要建立大數據商業模式，必須要與許多合作夥伴共同承擔風險，而且形成規模經濟後，才能掌握相當的自主策略控制與更大的收益潛力。

至於大數據業務的的獲利方式，往往需要取決於數據的客制化程度，以及分析出來的數據與客戶的關系，才能讓客戶掏錢出來。如何做好數據建模，變得相當重要，需要融合統計、機器學習、作業研究(運籌學)等各種領域。

以文字數據探勘的過程為例，數據分析的過程常常需要相似性衡量，依此找出真正有價值的資訊。指出，數據科學的通用手法，除了要能明確說明理論與模型外，假設較少的機器學習的領域也需要加以注意。而模擬與數學規劃是常用作業研究工具，建立模型規格，并運用模型產生數據、預測值或推薦。

大數據其實也潛藏著許多虛假與危機，所以一定要做好數據前處理的工作，以及慎選適合數據性質的模型進行分析。這些要務先要有優質、開放及靈活的工具，才能具體實現各種創意，并做到跨領域且抓住知識的源頭，才能深入數據價值萃取的核心。

最後強調，企業只要「一」心向著數據理解的根本要務前進，精通至少「兩」種彈性的分析工具，掌握統計、機器學習與運籌學等「三」大類模型，就可大步邁向數據驅動的決策厘訂新紀元。

原文鏈接：http://www.thebigdata.cn/YeJieDongTai/13954.html