一、大數據的概念和內涵

目前，信息通信技術迎來新一輪重大突破，產業發展模式和格局正在發生深刻變革。信息技術向泛在、融合、智能和綠色方向發展，網絡通信、計算、軟件、服務領域出現群體性突破，對信息產業產生破壞性、顛覆性、革命性創新效應，正在重塑全球信息產業發展新格局。以產品功能融合、網絡融合、制造與服務融合以及信息技術向其他產業滲透等為主要特征的融合發展，正在成為推動信息產業轉型升級的重要力量；基于“硬件+軟件+終端+內容+服務”的產業鏈垂直整合，正在推動信息產業組織方式深刻變革；云計算、移動互聯網、大數據等面向服務的商業模式創新，正在開辟新的產業增長點。根據賽迪顧問的測算，全球數據正以每年超過50%的速度爆發式增長。“大數據”一詞首次被提出是在2011年有關機構發布的研究報告——《大數據：創新、競爭和生產力的下一個新領域》之中，這份報告研究了數字數據和文檔的狀態，同時講解了處理這些數據能夠釋放出的潛在價值。我認為：大數據是指基于海量、多樣化的交易數據、交互數據與傳感數據，通過快速獲娶處理、分析等一系列手段以從中提取價值的技術、產品及服務。

根據上述對大數據的定義，我認為大數據具有四個關鍵特征，分別是：海量化（Volume）、多樣化（Variety）、快速化（Velocity）和價值化（Value）。

二、大數據的商業價值

隨著云計算、移動互聯網和物聯網等新一代信息技術的創新和應用普及，社會信息化、企業信息化日趨成熟，社會化網絡逐漸興起。傳感設備、移動終端正在越來越多地接入到網絡，各種統計數據、交易數據、交互數據和傳感數據正在源源不斷從各行各業迅速生成，全球數據的增長速度之快前所未有、數據的類型也變得越來越多。種類廣泛、數量龐大、產生和更新速度加劇的大數據聚蘊含著前所未有的社會價值和商業價值，發展潛力十分巨大。數據對決策者的意義主要表現在三個方面，一是早期預警，二是實時感知，三是實時反潰早期預警就是早期檢測數字設備、服務、用戶行業中的異常，可以在時間上快速響應危機。實時感知就是數據可以很細粒度的描繪現實情況，有助于制定行動計劃和政策。實時反饋就是數據具有實時監測能力，可及時了解政策和行動計劃的失效性，并做出必要的防護。

在零售領域，對大數據的分析可以使零售商實時掌握市場動態并迅速做出應對。沃爾瑪已經開始利用各個連鎖店不斷產生的海量銷售數據，并結合天氣數據、經濟學、人口統計學進行分析，從而在特定的連鎖店中選擇合適的上架產品，并判定商品減價的時機。在互聯網領域，對大數據的分析可以為商家制定更加精準有效的營銷策略提供決策支持。Facebook、Ebay等網站正在對海量的社交網絡數據與在線交易數據進行分析和挖掘，從而提供點對點的個性化廣告投放。在公共事業領域，結合各種數據的分析和挖掘可以提高公共管理的效率。歐洲多個城市通過分析實時采集的交通流量數據，指導駕車出行者選擇最佳路徑，從而改善城市交通狀況。聯合國也推出了名為“全球脈動”（Global Pulse）的新項目，希望利用“大數據”來促進全球經濟發展。

三、大數據對企業決策的變革性影響

決策主體從“精英式”向“大眾化”過度。無論是關注客戶長期價值的“核心競爭力理論”，還是以產品或客戶需求為基礎的“定位論”，決策的核心都是精英式的企業管理層，而非員工和社會公眾。這些決策的依據均是相對靜止的、確定的結構化數據。但是隨著社會化媒體和大數據的應用的深入，決策主體正從決策主體從“精英式”轉向“大眾化”。社會化媒體的出現加速了信息傳播的范圍和效力，社交網絡的普及增進了知識的共享和信息的交互，社會公眾及其意見領袖已經成為企業決策的中堅力量。他們通過意見的表達、信息的傳遞，迅速形成信息共同體和利益共同體，成為商業經營決策的依據，也成為其決策的外部壓力。同時，決策的依據正從結構化數據轉向非結構化、半結構化和結構化混合的大數據，而大數據技術和處理手段可以使看似雜亂無章、關聯性不強的變成服務決策的有效信息。

決策方式從“業務驅動”向“數據驅動”轉型。在大數據時代，數據滲透各個行業，漸漸成為企業戰略資產，以及企業創新的核心驅動力。擁有數據的規模、活性，以及收集、分析、利用數據的能力，將決定企業的核心競爭力。掌控數據就可以支配市場，意味著巨大的投資回報。過去很多企業對自身經營發展的分析只停留在簡單業務信息層面，缺乏對客戶需求、業務流程、品牌營銷、市場競爭等方面的深入分析。如果管理者只依靠業務現狀與主觀經驗對市場的估測進行判斷，將導致戰略與決策定位不準，存在很大風險。在大數據時代，企業通過收集和分析大量內部和外部的數據，獲取有價值的信息。通過挖掘這些信息，企業可以預測市場需求，進行智能化決策分析。有研究顯示，在美國公司，數據智能化每提高10%，產品和服務質量提高14.6%。

決策過程從“被動式”向“預判式”演變。在互聯經濟時代，原材料、生產設備、顧客和市場等因素越來越變得沒有固定的定義，傳統決策過程的“被動式反饋”難以適應這一變化，如何充分大數據技術構建業務發展需求的內外部數據采集、篩癬存儲、分析和決策的系統，支撐預判，服務決策，成為移動互聯時代企業塑造核心競爭能力的關鍵。當前科技正走向跨領域融合，產業界限正在模糊，充斥其間的則是大量的非結構化數據，賽迪顧問預測，未來5年中企業數據將增長8倍，其中非結構化數據將占到85%以上。于此同時，現代化企業管理越來越流程和規范化，嚴格的執行各種規章流程成為競爭乏力的直接原因，也造成了決策層的經驗判斷和預測越發無從奏效。在社會化媒體中發掘消費者的真正需求，在大數據中挖掘員工和社會公眾的創造性，日益成為企業決策的基本前提，也是推動企業決策過程從“被動式”向“預判式”演變新的決策模式。

四、大數據產業鏈解析

大數據產業：是指一切與大數據的產生與集聚、組織與管理、分析與發現、應用與服務相關的所有活動的集合。主要包括三個方面：（1）用以搭建大數據平臺、實現大數據組織與管理、分析與發現的相關IT基礎設施與軟件的銷售和租賃活動。（2）大數據平臺的運維與管理服務，系統集成、數據安全、云存儲等解決方案與相關咨詢服務。（3）與大數據應用相關的數據出售與租賃服務、分析與預測服務、決策支持服務、數據共享平臺、數據分析平臺等。大數據產業鏈按照數據價值實現流程包括數據生產與集聚層、數據組織與管理層、數據分析與發現層、數據應用與服務層。

數據生產與集聚層。大數據主要來源于伴隨著社會信息化、企業信息化、平安城市、智慧城市、社交網絡、電子商務等不斷發展，以及云計算、物聯網、移動互聯網等新一代信息技術廣泛應用而不斷產生的交易數據、交互數據與傳感數據。數據的產生與集聚層包括社會管理信息系統、企業ERP系統、在線交易系統、視頻監控設備、傳感設備、GPS設備、移動智能終端、光傳輸、移動通訊、網絡傳輸等數據生成、采集、傳輸的系統與設備。涉及到政府機構，互聯網、金融、電信、交通、能源、零售、制造等行業龍頭，他們占據大數據產業鏈的上游，對數據的掌控能夠帶來對市場的支配和巨大的經濟回報。

數據組織與管理層。數據組織與管理層是指能支撐大數據的組織與管理的所有活動集合。數據組織與管理層是對大數據進行處理分析并發現價值的必備基矗主要包含：（1）分布式文件系統、數據庫、數據倉庫、數據轉換工具等軟件銷售與租賃，（2）支撐數據組織與管理的服務器、存儲設備、網絡設備、數據中心附屬設備等IT基礎設施硬件銷售與租賃，（3）支撐數據組織與管理的平臺規劃咨詢、系統集成、數據中心運營管理、云存儲等服務。

數據分析與發現層。數據分析與發現層是指能支撐大數據的處理分析并挖掘數據價值的所有活動集合。數據分析與發現層是大數據從量變到質變，完成價值飛躍的關鍵環節。主要包含：（1）數據統計、內容/知識管理、數據挖掘、商務智能、人工智能、語義分析、數據可視化等軟件銷售與租賃。（2）支撐數據分析與發現的嵌入式芯片、服務器、高性能計算設備等IT基礎設施硬件銷售與租賃。（3）支撐數據分析與發現的計算平臺集成、數據中心運營管理、彈性運算能力租賃等服務。

數據應用與服務層。數據應用與服務層是指通過數據出售與租賃、分析與預測服務、決策支持服務、數據共享平臺、數據分析平臺等商業模式為最終用戶提供原始數據、數據價值、數據能力的產業集合，還包括支撐數據分析與共享平臺的IT基礎設施等硬件銷售與租賃、系統集成、運營管理服務。

個人與行業用戶是大數據產業鏈的最后環節，是產業鏈的目的地，行業用戶通過商業智能、數據挖掘與可視化、預測性分析、行業應用、內容分析等大數據應用，決策現有業務的發展方向與目標。同時，企業結合新的技術與需求，規劃未來的數據體系，重構IT架構，在新的數據體系下，則會形成新的大數據源。個人則通過數據服務商提供的服務開啟智慧生活。因此，大數據的行業應用會促使大數據產業鏈形成一個循環過程，包括對大數據的組織與管理、分析與發現、應用服務，產業鏈的最終用戶也可以是產業鏈的上游大數據資源擁有者。隨著每次數據產生到數據價值實現的循環過程，數據規模不斷擴大、數據復雜度不斷加深、數據創造的價值不斷加大，同時，也加速大數據技術創新與產業升級。

五、如何應對大數據時代的到來

大數據帶來戰略機遇的同時，也帶來了不可忽視的一系列挑戰。數據分析與管理人才緊缺。人才是大數據帶來的挑戰之一。研究表明，單單在美國，對擁有深厚的海量數據分析（包括機器學習和高級統計分析）技能人才的需求，可能超出目前預測供應量的50-60%。到2018年，需要新增多達14-19萬名專家。此外，還需要150萬名熟悉如何應用海量數據的管理者和分析員。企業必須加大招聘和人才挽留力度，同時大力投入關鍵數據人員的教育和培訓。用戶隱私與便利性的沖突。“大數據”對個人信息獲取渠道的拓寬的需求引發了另一個重要問題：隱私和便利性之間的沖突。例如，研究表明，消費者受惠于海量數據：更低的價格、更符合消費者需要的商品，以及從改善健康狀況到提高社會互動順暢度等生活質量的提高。但同時，隨著個人購買偏好、健康和財務情況的海量數據被收集，人們對隱私的擔憂也在增大。數據安全的風險更加凸顯。數據安全在大數據時代也同樣面臨挑戰。大數據發展的趨勢往往與加大信息開放度、設計新的信息收集設備以及為海量數據的龐大存續和分析需求提供支持的云計算等如影隨形。帶來的副作用是IT基礎架構將變得越來越一體化和外向型，對數據安全和知識產權構成更大風險。

大數據產業：是指一切與大數據的產生與集聚、組織與管理、分析與發現、應用與服務相關的所有活動的集合。主要包括三個方面：（1）用以搭建大數據平臺、實現大數據組織與管理、分析與發現的相關IT基礎設施與軟件的銷售和租賃活動。（2）大數據平臺的運維與管理服務，系統集成、數據安全、云存儲等解決方案與相關咨詢服務。（3）與大數據應用相關的數據出售與租賃服務、分析與預測服務、決策支持服務、數據共享平臺、數據分析平臺等。大數據產業鏈按照數據價值實現流程包括數據生產與集聚層、數據組織與管理層、數據分析與發現層、數據應用與服務層。

數據生產與集聚層。大數據主要來源于伴隨著社會信息化、企業信息化、平安城市、智慧城市、社交網絡、電子商務等不斷發展，以及云計算、物聯網、移動互聯網等新一代信息技術廣泛應用而不斷產生的交易數據、交互數據與傳感數據。數據的產生與集聚層包括社會管理信息系統、企業ERP系統、在線交易系統、視頻監控設備、傳感設備、GPS設備、移動智能終端、光傳輸、移動通訊、網絡傳輸等數據生成、采集、傳輸的系統與設備。涉及到政府機構，互聯網、金融、電信、交通、能源、零售、制造等行業龍頭，他們占據大數據產業鏈的上游，對數據的掌控能夠帶來對市場的支配和巨大的經濟回報。

數據組織與管理層。數據組織與管理層是指能支撐大數據的組織與管理的所有活動集合。數據組織與管理層是對大數據進行處理分析并發現價值的必備基矗主要包含：（1）分布式文件系統、數據庫、數據倉庫、數據轉換工具等軟件銷售與租賃，（2）支撐數據組織與管理的服務器、存儲設備、網絡設備、數據中心附屬設備等IT基礎設施硬件銷售與租賃，（3）支撐數據組織與管理的平臺規劃咨詢、系統集成、數據中心運營管理、云存儲等服務。

數據分析與發現層。數據分析與發現層是指能支撐大數據的處理分析并挖掘數據價值的所有活動集合。數據分析與發現層是大數據從量變到質變，完成價值飛躍的關鍵環節。主要包含：（1）數據統計、內容/知識管理、數據挖掘、商務智能、人工智能、語義分析、數據可視化等軟件銷售與租賃。（2）支撐數據分析與發現的嵌入式芯片、服務器、高性能計算設備等IT基礎設施硬件銷售與租賃。（3）支撐數據分析與發現的計算平臺集成、數據中心運營管理、彈性運算能力租賃等服務。

數據應用與服務層。數據應用與服務層是指通過數據出售與租賃、分析與預測服務、決策支持服務、數據共享平臺、數據分析平臺等商業模式為最終用戶提供原始數據、數據價值、數據能力的產業集合，還包括支撐數據分析與共享平臺的IT基礎設施等硬件銷售與租賃、系統集成、運營管理服務。

個人與行業用戶是大數據產業鏈的最后環節，是產業鏈的目的地，行業用戶通過商業智能、數據挖掘與可視化、預測性分析、行業應用、內容分析等大數據應用，決策現有業務的發展方向與目標。同時，企業結合新的技術與需求，規劃未來的數據體系，重構IT架構，在新的數據體系下，則會形成新的大數據源。個人則通過數據服務商提供的服務開啟智慧生活。因此，大數據的行業應用會促使大數據產業鏈形成一個循環過程，包括對大數據的組織與管理、分析與發現、應用服務，產業鏈的最終用戶也可以是產業鏈的上游大數據資源擁有者。隨著每次數據產生到數據價值實現的循環過程，數據規模不斷擴大、數據復雜度不斷加深、數據創造的價值不斷加大，同時，也加速大數據技術創新與產業升級。

五、如何應對大數據時代的到來

大數據帶來戰略機遇的同時，也帶來了不可忽視的一系列挑戰。數據分析與管理人才緊缺。人才是大數據帶來的挑戰之一。研究表明，單單在美國，對擁有深厚的海量數據分析（包括機器學習和高級統計分析）技能人才的需求，可能超出目前預測供應量的50-60%。到2018年，需要新增多達14-19萬名專家。此外，還需要150萬名熟悉如何應用海量數據的管理者和分析員。企業必須加大招聘和人才挽留力度，同時大力投入關鍵數據人員的教育和培訓。用戶隱私與便利性的沖突。“大數據”對個人信息獲取渠道的拓寬的需求引發了另一個重要問題：隱私和便利性之間的沖突。例如，研究表明，消費者受惠于海量數據：更低的價格、更符合消費者需要的商品，以及從改善健康狀況到提高社會互動順暢度等生活質量的提高。但同時，隨著個人購買偏好、健康和財務情況的海量數據被收集，人們對隱私的擔憂也在增大。數據安全的風險更加凸顯。數據安全在大數據時代也同樣面臨挑戰。大數據發展的趨勢往往與加大信息開放度、設計新的信息收集設備以及為海量數據的龐大存續和分析需求提供支持的云計算等如影隨形。帶來的副作用是IT基礎架構將變得越來越一體化和外向型，對數據安全和知識產權構成更大風險。