大数据该如何“借用”？ 四大路径破题落地难

 在我们身处的时代，数据无处不在。但要想大数据落地，特别是中小企业，首先得有大数据思维，这是因为大数据的案例不能直接借鉴，自己摸索又怕不专业，而“数据借力”则能凭借其*的优势成为适合中小企业的一种方式。

数据是任何分析模型成功的基础。当启动分析项目时，有必要详细列出企业内所有可用于分析的数据。这里的原则就是数据越多越好！据IBM公司估算，人类每天产生约2.5万ZB的数据，这意味着世界上90%数据都是过去的两年中产生的。Gartner公司分析报告显示，在2015年财富500强的公司中百分之八十五的企业无法利用大数据来获取竞争优势。　

　　大数据分析的前提条件是要有大量的数据作为支撑，其次就是要有所谓的大数据思维。而真正的大数据思维并不是说什么决策都参考数据，也不是什么问题都要足够，更不是要花巨资打造大数据系统或平台，而是“借用”。那么，究竟该如何借用呢？可参考一下两种方式：　　

　　其一，花钱买大数据服务。例如搜索关键字投放，投放DSP广告等。这种需要参考行业内是否有较多的成功案例，如果有，就尝试，没有什么成功案例的，肯定有一些不容易迈过去的坎，可暂时选择放弃。　　

　　其二，用虚拟人脉换取，即自媒体的操作方式。除了zui早的互粉、互相介绍外，再一种模式则是自媒体的人脉互相交换，各取所需，可以2个方式，一是大号带小号方式，二是同等级号的资源互换。注意，交换的时候是不同行业领域，效果更好。　　

　　事实上，任何企业都有不足的地方，仅仅只是供需平衡问题，才会导致有的方强势，有的方弱势退让，就如BAT的大数据，如果大家都不用他们的大数据，市值马上爆降，反之其他中小企业也需要*的*数据，其核心无非是有需求的更迫切而已。　　

　　不仅如此，数据分析还应该从商业问题开始，而不是从具体的技术解决方案开始。但是这带有一丝“鸡生蛋，蛋生鸡”的意味。要解决商业问题、识别商业机会，需要对潜在的技术解决方案有了解。而要建立一个分析环境，企业需要就所采纳的硬件和软件技术进行选择。　　

　　硬件方面，需要专门的基础设施(如Hadoop和相关的软件栈)来清理、整合、存储和管理数据。为了减少支出，企业可能选择云存储，并将大数据作为一种服务。公司在同外部进行数据传输和交换时，应采取适当的谨慎措施，保证数据私密性。　　

　　软件方面，很多厂商提供了大数据分析的商业解决方案。目前市场还有很多的开源分析软件(R、weka、Rapidminer)，虽然这些开源软件解决方案变得非常流行，但是他们还不够成熟，还不足以很好的处理具有大体量、多样性等特性的大数据。　　

　　以社交媒体分析为例，只有首先了解分析技术后，公司才能开始思考如何利用它们研究在线品牌认知度，进行趋势监测。为了跨越分析技术和业务之间的鸿沟，持续性培训和学习是关键，它能使企业始终屹立在分析技术的潮头，保持竞争优势。　　

　　总的来说，如果仅仅是口头上的大数据思维，做营销只借概念，没借到数据，很可能就做亏本的买卖，做大数据应用和创业一样，先去掉不可靠谱的Idea尤为重要。尽管大数据分析成为越来越多公司的DNA 组成部分，但是政府、金融、医药，每个行业都有自己发展足迹，数据、业务和监管都具有特异性，需要针对不同的基因组成进行不同的设置，切忌盲目而为之。

文章链接：www.gkzhan.com/news/Detail/95066.html