【编者按】本文转载自大众号“TalkingData”译者为TalkingData 架构师曾晓春，原文作者Dan Kusnetzky。亿欧在此转载，供行业人士参考。
大数据 近来在媒体上频繁的呈现，但其定义和使用依然被一些企业的决策者所逃避。这些企业在 商业智能 （ BI ）的流程和使用顺序上投入了少量资金，并且希望将他们不断在做的事情冠以“大数据”的名义幸福地生活下去。惋惜的是，BI与大数据所处置的事情的确是不同的。
概念战正在停止
虽然大数据是一个绝对较新的学科，但它曾经集合了许多新的概念，用以解释如何搜集数据、如何剖析数据以及如何运用数据。让我们来看看其中的一些。
野生的大数据概念
当供给商构建产品并提供旨在处置大数据全体或范畴中一些局部的效劳，他们通常会提出本人的概念。希望他们的概念可以影响到其别人。这样他们可以宣称他们发明了这个概念，并且一切其他供给商都在跟随他们。
在“机器智能”的旗帜下，业界已开端议论“ 人工智能 ”、“深度学习”和“机器学习”，这些术语可用于描绘产品如何处置数据从而让企业从数据中获取价值。它也可用于描绘工具如何找到数据中的形式和异常状况，以协助企业的数据迷信家。
假如我们关注数据是如何被运用的，我们会听到诸如“预测剖析”、“智能风险评价”，甚至“大数据剖析”等词语。在大数据技术用于改良时，这些词语已被少量运用在零碎和使用操作、网络功能以及数据和使用平安中。
随着行业的开展，新的概念会活期呈现。通常这意味着一个供给商试图以一种新的方式来定位他们的产品和效劳，而不是在底层技术上提供分明提升。
最初，当供给商挥舞大数据旗帜时，他们通常谈判论企业如何审查从少量到海量的数据，以找出隐藏的规律，应用各品种型的数据的才能，并基于新的洞察来停止有意义的调整，使他们可以疾速采取举动。通常，其明显的区别是在哪里以及如何部署这些技术。
企业决策者需求问的关键成绩是：“为企业或组织带来的影响是什么？”以及“我们能否应该理解更多并开端运用大数据？”
BI的重点在于反省已知信息
作者Mary Pratt以为， BI应用软件和效劳将数据转化为可操作的情报，从而告知组织的战略和战术业务决策。 BI工具可拜访和剖析数据集，并在报告、摘要、仪表板、图表和地图中提供剖析后果，为用户提供关于业务形态的详细情报。换句话说，商务智能是企业提出成绩，并从他们的信息零碎取得有用的回应。
最终，BI基于企业知识，即正在发作的事情以及需求被跟踪和理解的曾经发作的事情。为此，企业树立流程和零碎来搜集所需数据，剖析数据，然后依据剖析汇报后果。企业晓得需求跟踪什么、如何剖析这些数据以及如何报告剖析后果以及应该汇报给谁。
BI成为许多供给商的盈利来源。他们开发了构建和应用“数据仓库”的工具，并经过复杂的工具来为决策者提供有用的仪表板和报告工具。
大数据在几个重要方面与BI相关，但它们是不同的。
大数据
另一边， 大数据被以为是处置少量数据，但它的范围更广，尤其是在探究未知方面 。通常，目的是经过挑选企业本人的操作和机器数据来理解要提出什么成绩。一旦这些成绩被知晓，BI流程就可以用于额定的探究和报告。但大数据更风趣的用处之一是在业务活动发作时将剖析集成到业务操作中。所以， 大数据不只仅是解释曾经发作的事情的更好方式，而是可以直接影响业务后果。
大数据希望处理的难点是：
如何无效地获取和存储如此少量的数据
如何剖析这些数据，以便企业可以更好地理解本人的业务或客户需求，以及如何满足这些需求
如何搜集如此少量的数据并直接支持处置和剖析，特别是以一种平安的方式来满足越来越多的隐私条例
企业如何挑选数据，提出重要成绩，并将后果可视化
如何增加延迟和等候工夫，以便将剖析归入企业的运营中
另一种对待这个成绩的方式是，企业并不完全了解正在发作的事情。它察看到其业务运营或客户需求的变化，但并未完全理解发作了什么。它能够会看到支出忽然添加或增加，客户称心度或竞争环境发作变化。实时应对这些变化的才能提供了明显的竞争优势。尤其是，相较之下，BI所次要提供的商业洞察无法片面自动化的发现洞察面前的那些变化。
意想不到的变化
当企业阅历不测的或忽然的变化时，他们通常会开端考虑为什么会错过以及是如何错过的。
例如，竞争对手能够忽然进入市场。老竞争对手能够会消逝或被视为局外人的公司收买。还能够开端与其他严密相关的市场发作兼并或抵触，以招致意想不到和被以为是不受欢送的变化。
海量数据能够提供线索
很多时分，这些企业拥有少量的数据，这些数据曾经积聚了很长工夫，但企业基本不晓得该如何处置它。这些数据能够包括运营数据，其中包括销售数据、消费数据、研讨数据和天气数据。它也能够有少量来自销售点设备或制造进程控制零碎的数据。它也能够包括对监管变化或其他经济变化的信息。
在理解了“大数据”的概念后，企业决策者被鼓舞零碎地评价这些数据，并寻觅形式和异常。这些有价值的信息可以为最近取得的数据提供适当的背景信息。因而，在网页加载时，就可以依据深层的历史数据以及流式和实时操作对客户体验停止优化。
最初，他们发现了该去理解的新成绩，以协助他们理解所发作的事情并推进洞察力。这意味着他们开端明白，他们需求更智能的、由机器学习所驱动的自动化呼应，来辨认背景和意义，从而改善企业本身的理论。他们的目的当然是添加支出，或降低本钱，或两者兼而有之。
企业将认识到需求新的工具和专业知识
一旦企业开端应用大数据，决策者很快就会看法到，它需求一套不同的工具和专门知识。首先，这个范畴看起来需求企业“八面玲珑”，才干经过整个进程取得价值。当然，这能够是消耗工夫的，并且能够最终不会取得在流程开端时所希冀的价值。
我们建议最好找一些更有能够发生新价值或容易学习的复杂东西。这种学习应该带来新的时机和/或改动对以后业务、产品或效劳的看法，而不是对曾经不言而喻的事情停止苦楚的研讨。
一旦踏上这段旅程，企业很快就会发现，亡羊补牢的珍贵见地并不那么具有价值。企业很快就会发现，一遍又一遍地做异样的事情而没有完成流程的自动化，意味着任何益处都能够会在流程自身形成的工夫和本钱添加的状况下被吞没。
通常，企业认识到它“晓得”组织中的某个中央行将发作变化，甚至应该如何处置这些变化。有些时分企业会认识到应用了这些知识并取得了一些重要的益处。其他时分，企业发现没有应用上这些知识，而是被事情“蒙蔽”了。
如今是时分了
大数据工具和流程曾经开展到足够让企业在学习如何应用它们时有平安感。他们很快就会理解到，这个范畴曾经迅速开收回新的工具、新的办法和新的思想方式。许多专家以为数据流（Data Logistics）是关键（可参考Ted Dunning和Ellen Friedman撰写的关于“机器学习流（Machine Learning Logistics）”的文章理解更多信息）。
既然大数据的概念曾经开展了一段工夫，那么企业决策者就不用再觉得需求自食其力，并且没有道路图、没有既定的路途、也没有指引。如今有许多供给商提供工具、现成的流程和专业效劳，可以很好天时用。记得从小处着手，积聚经历，并在进程中逐渐取得实践价值。
由SHMBA创投联盟主办的 2018-SHMBA“跨越A轮”创业大赛启动典礼 将于2018年3月22日举行，约请到卫哲、章苏阳、董占斌、方宇锋等20位投资嘉宾列席，并举行创投酒会。大赛将围绕“新消费、新金融、智能科技、医疗科技”四大板块展开，优胜项目将有丰厚奖励。