大数据的挑战 ： 将数据转化为知识 ， 然后使其发挥作用

观点 大数据的挑战：将数据转化为知识，然后使其发挥作用 利用大数据促进业务成功 您可能怀疑您当前的数据量会变得更糟（您是对的）。数据泛滥只会增加的原因之一是因为您：如果您是C级高管，那么您不仅可以容忍大数据的扩散，但 要求它(图1)。 我们调查过的高管告诉我们 ，他们对更多数据有着无限 大数据的范围-及其成本 为什么更多的数据永远不够 从今天开始，公司可以做些什么，通过使用大数据来赢得市场 大数据的范围和成本 根据几乎任何人的定义，数据不仅仅是结构化数据库中的字母数字。它包括非结构化数据（例如音乐， 的渴望。 聪明的公司处理他们的数据，使其 视频，音频，设计文件等等）， 他们和他们的公司似乎上瘾了。有理由:高转管们化相为信信信息将息从根，本上并改最终转化为知识。 包含在公司，非 变他们的业务。1 可能-可能不会。高管们能否驾驭大数据浪潮走向更成功的企业，取决于他们如何使用数据。尽管大多数高管认为数据可以成为战略差异化因素，但只有少数人认为他们自己的公司数据现在可以达到这一目的。现在是时候认识到这是一个机会，或者有可能被不断增长的企业数据所瘫痪，这些数据只会随着时间的推移而增加成本。 他们——还有你——如何才能成为使他们的公司越来越成功的赢家 ，以及根据数据的使用发现并引领新市场的赢家？本文将探讨： 世界各地的企业和政府企业数据库。企业跟踪的一种更新且日益重要的 数据类型是在社交媒体中找到的 -这可能是客户洞察力的宝库。大型企业在互联网上-在社交网站，博客和在线社区中-收集经常迅速扩展的对他们的引用，以帮助塑造其营销工作的主要新领域。外部商店现在是企业数据源。 《经济学人》2在2010年2月估计，全球数据库已经包含1.2ZB的数据-即12亿TB，或12个后跟21个零。这个数字正在迅速上升。根据来源，未来五年的企业数据增长预测从六倍到十倍不等。几乎没有重要的是谁是对的。数据量激增， 1-全球调查：大数据的业务影响»Avanade，2010年11月2http://www.economist.com/node/15557421 部分原因是数据的消费化，或者组织中更多人创建和使用数据的便利性 。企业希望其员工以与员工使用社交网站相同的便利性和规律性使用数据 。这需要新的应用程序，甚至更多的无处不在的数据。 此外，今天的消费者不仅仅是消费数据。他们还在智能手机、数码相机 、台式机、笔记本电脑和平板电脑上创建数据，以便上传和与他人共享 。 图1 数据的价格 虽然存储设备的成本从未降低-但您可以选择 TB的存储价值约为70美元-业务的实际成本从未如此高。当包含创建 ，管理和使用数据的成本时，TB数据的实际成本要高出几数量级。 对于许多公司来说，这些成本正在大幅上升。根据一项估计，-仅美国就面临着14万至19万人的短缺 分析师分析大数据，并根据他们的发现做出决策。”3 时间也会影响数据的成本。在公司生产的数据中，上市时间至关重要。有价值的数据和无用的数据之间的差异可以通过访问和使用数据所需的时间来衡量-以及您或您的竞争对手是否首先使用它。 另一个成本：公司建立庞大的基础设施来存储和管理数据，并使员工更容易访问。对于一家大型零售商或银行来说，这样一个基础设施项目的成本可能需要数百万美元，甚至可能需要数亿美元。 员工，而不仅仅是公司，为新数据或新数据的相对无法访问付出高昂的代价。Avaade在2010年进行的一项调查估计，知识型员工将60%的工作日花费在寻找和管理数据上。那段时间的机会成本是无法估量的— —如果他们不只是寻找他们需要的数据，他们还能服务多少客户，他们还能创造多少产品？与此同时，公司的直接成本也很大，每名员工高达数万美元。 仅有数据是不够的 在数据成本如此之高的情况下，为什么可用数量不足？为什么企业想要更多的数据？ 数据本身是无用的，尤其是对于改善决策。没有意识到这一点的公司试图通过获取更多数据来提高成功的几率。相反，他们应该意识到数据，就像铁矿石一样，仅仅是一种原材料。 市场领先的公司将其数据视为“现金等价物”资产，以便将其转化为信息，并最终转化为知识和洞察力。 数据本身是不够的，因为它缺乏上下文——就像如果你只知道一个对象的原子，你几乎不能告诉它一样。 3―大数据：创新、竞争和生产力的下一个前沿，麦肯锡全球研究所 ，2011年5月。 4Avanade，同前。 零售商可以利用其新见解将库存转移到新仓库，新款式，颜色或其他因素，以适应客户需求的变化。 将知识投入工作 借助旨在将数据转化为信息并最终转化为知识的基础架构，企业可以更好地在其运营的所有阶段（例如客户关系）进行响应和创新。 随着云计算的兴起，存在重大的新机会来获取数据即服务，将专有数据与购买的市场数据联合起来，并整合来自客户通信，社交网络，博客和其他渠道的数据。结果可以是公司客户的360度视图，包括他们的人口统计，经济和偏好。这种观点可以比以前更广泛和更深入，并且可以激发深刻和高度可操作的洞察力。 您拥有的数据与有关您的业务，销售和流程的其他数据有何关系？这些数据与以前时期的可比数据有何关系？与您的目标和目标？与行业平均水平？仅数据本身并不能以战略方式说明这些问题。 但是信息确实如此。信息是具有必要语法和结构的数据，以使其有意义，有用， 可操作。信息是经过验证的数据，通过添加上下文而充满了相关性。 充分利用信息是前进的一步或几步，但它并不能使您到达目的地。为此，您必须将信息转化为知识。 例如，将信息视为照片，将知识视为电影。这是信息随时间的持续流动-将累积的信息合成为其他，更深入，更有洞察力的东西。 知识的出现提供了围绕一条数据和企业可用的所有各种信息流的上下文 。知识显示了这些流如何相互关联以及与企业更广泛的使命相关联。它产生了对这些信息流的潜在响应。它不仅提供了对过去的更深入的了解 ，而且还提供了对未来的更深入的了解。 知识是追求数据的真正目的地。当企业将数据转化为知识时，它就拥有了追求和获得竞争优势的工具，甚至建立了全新的商业模式。 有了这些信息，公司就能深入了解客户需求，并预测客户行为。公司还可以向客户推荐其他产品或服务，这是提高客户关系和收入的好方法 。 零售商可以利用其新的见解将其库存从一个仓库转移到另一个仓库，以及隐喻地转移到新的样式，颜色或其他因素，因此它已准备好适应客户需求的变化。一些零售商和制造商现在直接与客户合作，开发产品功能和创新，根据客户需要的情况进行订购。 您拥有的知识越多，您可以通过这种方式优化业务的各个方面-如果您及时采取行动。正如时间会导致新数据在被访问之前变得陈旧一样，决策者需要及时了解才能使用它来获得竞争优势。首先识别知识并根据知识采取行动的公司是获胜的公司。 知识可以增强客户关系，深化市场和竞争分析，并提高每个客户的盈利能力。它可以支持业务规划和业务执行。进一步推动知识的公司不仅可以将其用作增强因素，还可以将其用作其商业模式。此类别中的知名公司包括亚马逊。com和Netflix他们对客户行为的分析和预测是他们商业模式的核心，并推动他们取得成功。 Avanade®数据成熟度模型™ Avanade为数据开发了一个五阶段成熟度模型。它解决了大数据问题，以及公司如何以日益战略性的方式管理数据，将数据转化为信息，最终转化为知识。(图2)。 图2 第一阶段：无可用数据 该模型的理论基础是公司很少或没有有用的数据，当然也没有用作 信息。在这个层面上，公司不能运行指标，也不能完全理解，更不用说预测客户需求了。它没有有用的、信息支持的见解，可以更好地运行业务。 但是别担心。如果你在读这个，你就不在这个 处于第一阶段的公司在竞争激烈的市场中不存在——至少不会持续很长时间。 第二阶段：大数据 这是太多公司发现自己的阶段。根据我们与客户的合作，我们估计60%的市场适合这里。这些公司被大数据淹没。与第一阶段的公司不同，第二阶段的公司拥有来自内部和外部来源的稳定数据流。但是他们几乎没有任何工具可以将数据转化为信息。如果他们有信息流，他们就缺乏分析工具。 这些流的相关性，所以他们不能说哪些信息对他们很重要。 如果没有适当的工具来创建和管理信息，第二阶段公司可能会拥有信息 ，但相对无法访问。员工花更多的时间寻找信息，而不是在他们找到他们想要的东西时分析信息。在许多情况下，即使不是大多数情况下，员工也会放弃，被大量的数据淹没。他们在很少或根本没有信息的基础上做出决定。他们的公司永远没有机会将他们的信息转化为战略性和竞争性资产。 对于寻求创建初始数据基础设施的新成立公司，第一步是确定与它们相关的内部和外部数据源。然后，他们应该建立机制来捕获这些数据。然后，他们将能够构建至少能够进行基本分析的数据结构。 从现在开始，他们也可以进入第三阶段。 第三阶段：正确的数据 我们估计大约25%的公司处于第三阶段。这些公司使用高质量的数据 ，并将上下文和相关性应用到他们的数据模型中。作为创建这些数据模型的一部分，他们建立了公司分类和元数据，有助于以有意义的方式对数据进行分类和解释，以及解释数据之间的关系和相互依存关系。 作为高级管理职能，数据收集和分析必须集中管理。它必须是由首席执行官确定或认可的自上而下的优先事项。 实现第三阶段的关键部分是在组织内部实施与技术转变平行的文化转变。信息的消费者必须承担起也是信息创造者的责任。这意味着他们必须在预期时提供对他们的预期数据 分类法和公司指定的元数据。这是一个潜在的巨大障碍。 能够与员工进行文化转变的组织将有助于确保数据是在 及时的方式，它是容易获得的，并准备好分析趋势和其他历史信息。 第四阶段：预测 根据我们的经验，处于第四阶段的公司约占市场的10％，可以做的不仅仅是进行历史或追溯分析-他们还可以进行预测分析。通过了解明天及以后可能发生的事情，处于此阶段的公司可以预测客户行为和市场需求。预测性分析还使公司能够为客户提供更精细的调整，从而更成功的向上销售和交叉销售机会。 大型制药公司可以使用预测分析来提高生产效率和质量保证。汽车公司可以使用预测分析来提高客户服务质量。甚至棒球特许经营权也可以使用该技术。特许经营的资产不是制造设施或产品库存-大多数情况下，资产是其参与者。当球队老板考虑向一名22岁的球员支付数百万美元时，他或她希望所有可用的工具来帮助确定这是否是明智的投资。预测分析可以观察玩家的可能行为-无论是场上还是场下-都可以成为所有者工具包中受欢迎的补充。 要进入第五阶段，需要开发预测模型，这些模型的运作方式与公司迄今为止从事的历史分析截然不同。但是，历史分析技术-例如数据挖掘 -对于它们可以为必须完成的更具前瞻性的分析提供信息的方式仍然很重要。 此外，预测分析绝不能是事后的想法，也不能是在某个里程碑或一段时间过去之后才进行的过程。相反，必须将预测分析集成到核心业务流程中，以便可以比其他方式更早地识别风险和机会并采取行动。 第五阶段：战略 根据埃维诺的经验，大约5%的市场在第五阶段运作，在第五阶段 ，公司的整个商业模式都是围绕其分析模型建立的。 这个阶段的企业的经营战略完全是知识驱动的，一个企业的竞争能力是基于其分析和知识管理的质量。 金融对冲基金是公司的例子，其商业模式完全基于其分析能力的质量 。成功的基金-对于他们的客户和他们自己-大概是那些拥有更好的数据模型-以及更好地使用这些模型的基金。 前面提到的Amazon.com将分析和知识管理深入到其商业模式和业务流程中。该公司通常在您之前就知道您可能想要什么样的服装款式和书籍 。它知道天气预报的变化将如何影响您的购买方式，因此它将库存转移到预测您的订单。 要在这种知识管理水平上采取行动，公司必须将分析作为其核心能力 。数据收集和分析必须作为高级管理职能进行集中管理。它必须是由首席执行官确定或认可的自上而下的优先事项。 但是数据收集和分析不能只是高管的关注点。数