big data与数据分析：面向企业的指南

企业产生的数据比以往任何时候都多：销售、客户、运营、网站、传感器。但如果数据不能转化为决策，积累再多也没有用。增长的企业与停滞的企业之间的差别，越来越在于它们理解和利用自身数据的能力。big data与数据分析正是把这座信息之山转化为可行动知识的学科：什么有效、什么失灵、将会发生什么、又该怎么做。

在本指南中，我们将说明什么是big data、有哪些类型的分析、需要怎样的架构，以及如何迈出第一步，让数据从一项成本转变为一种竞争优势。

什么是big data

big data指的是那些规模太大、速度太快或种类太杂，以至于传统工具无法处理的数据集。它通常用三个V来描述：体量（volume，数量庞大）、速度（velocity，实时产生）和多样性（variety，来自众多来源的结构化与非结构化数据）。但大小其实是最次要的：重要的不是拥有大量数据，而是具备整合、处理并从中提取价值以作出更好决策的能力。

分析的类型

并非所有分析都回答同一个问题。理解四个层级有助于明白能实现什么：

• 描述性：发生了什么（报表和仪表板）。
• 诊断性：为什么发生（原因分析）。
• 预测性：将会发生什么（预判未来的模型）。
• 处方性：该怎么做（行动建议）。

从零散的数据到决策

大多数企业最大的问题不是缺数据，而是数据散落在互不相通的孤岛里：CRM在一边、会计在另一边、网站又各自独立。要利用它们，就得把它们整合到一个共同的地方、加以清洗并赋予一致的结构。只有这样，才能把它们交叉对照（比如把销售与营销和客服放在一起），发现那些单独看时始终隐而不显的模式。这种整合是任何严肃数据战略的第一步。

数据架构

把数据转化为价值需要一套架构：一条管线（pipeline）从各来源采集数据、加以转换，并存入一个中央仓库（一个data warehouse或一个data lake），数据分析与人工智能工具再从那里消费它们。一套好的架构能保证数据干净、最新且可靠地送达需要它的人手中。没有那块基石，仪表板上显示的就是没人相信的数字。

如何从数据起步

不必一口气把一切都搭起来，也不必是一家大公司。明智的做法是从一个具体且有价值的业务问题入手（比如，哪些客户会流失，或哪些产品真正赚钱），整合回答它所需的数据，并由此构建。从小处着手、证明价值、再扩展，远比一个耗时数年却从不被使用的庞大数据项目更有效。本系列的后续内容会深入探讨business intelligence、数据仓库与预测分析。

在AxiomTech，我们帮助企业把数据转化为决策：整合、数据架构、仪表板与预测模型。如果你觉得数据很多但答案很少，请把你的情况告诉我们。