企业想要成功布局大数据的七大关键步骤

1. 企业想要成功布局大数据的七大关键步骤

企业想要成功布局大数据的七大关键步骤
在这个大数据已经成为市场一个美味的“大蛋糕”的今日，大多数企业都很想要分得一块。大多数企业正做好了布局大数据的准备，那么，该怎么做才能成功去布局?
　　最近，电子科技大学教授，云基地大数据实验室合伙人周涛在接受采访时提出，对于普通企业要通过修炼成为大数据企业，关键要做好7个步骤：
　　1.要实现数据化。企业要为此做好计划，到底需要保存什么样的数据，以人为中心的数据还是以产品为中心，还是更关注企业运营，需要做好这样的计划，然后再将企业生产经营中的数据保存下来，即便是现在看来没什么用的数据，未来也可能产生巨大的价值。比如说像售楼处、体验店客户的来访数据，就有必要完整的记录下来。包括怎么过来的，一个人来还是几个人，有老人和小孩吗，穿什么样的衣服等等，还有客户的情绪，看了什么，问了什么问题，最后买了什么东西，都是非常重要的数据。
　　另外，企业内部人力资源的各个方面也都可以记录下来，这些可以进行挖掘和分析的数据。他举例说，长虹公司在自己的生产线设置了很多传感器，监测温度、湿度、震动、噪音、颗粒等等因素，希望了解到生产过程中哪些因素会对员工产生明显影响。他们此前都认为温度和颗粒可能对于员工操作和产品质量影响最大，但是事实上最终数据分析的结果，温度是没有什么影响的，恒温的控制对于生产效率和合格率的贡献并不像想象中那么大，反而是噪音对于员工情绪以及生产的影响非常重要。要成为大数据企业，第一步企必须要实现数据化。
　　2.企业要自己培养一些大数据理念，或者是小数据挖掘的团队。做大数据，企业的规模不一样，要求也不一样。如果企业规模足够大，比如说是电信运营商或者电力、银行这样的行业，可能会形成一个大数据的团队。如果不是，比如说就是简单的服务企业，那么形成理念就可以了。现在我们认为比较好的数据科学家，也不是说就是特别擅长或适应网络，这样的人不重要了，重要的是要有武器，什么样的问题来了知道怎么解决。
　　关键我们认识是要培养四种理念：
　　(1)除了结构化数据以外还有文本、音频、图像、遥感、网络、行为轨迹、时间数据，这些数据怎么处理，它存在的大挑战是什么。
　　(2)一定要懂预测，因为绝大部分的大数据应用回到预测中，预测里面很多方法都是基准学习的，而基准学习目前最火的方向是集群学习。
　　(3)要走分布式存储计算，这绝对不是说我知道给Hadoop 、Mapreduce、Hbase就够了，关键问题是首先要知道怎么样去搭一个混合式的，你的数据来了，我到底是应该牺牲我的一致性还是牺牲操作性，大概的成本多少，哪些数据挖掘的重要算法我要把他Hadoop、Mapreduce实现，哪些算法要通过SPTA，可变逻辑治理是在硬件里面，从而替代CPU、GPU。
　　(4)需要整个数据向外的发展，知道哪些数据可能在外部产生什么样的重要价值，或者外部的数据能够在你的企业产生什么样的重要价值。企业应该培养出这四个能力，建立起企业数据挖掘的人才团队。
　　3.企业一定要做好自己的外部数据储备。我们都说“书到用时方恨少”，很多的企业，比如说像服装销售这样的传统行业，我要进的货在淘宝、天猫上卖的怎么样?在淘宝、天猫哪一个店铺怎么样?它的竞争品牌是什么样售价，怎么样销售的?对于这样一些数据，如果到需要的时候才去找，往往都来不及了。同样的道理。比如银行给中小企业发放贷款的时候，希望了解到它的用水、用电、生产、交通数据，例如通过摄像头就能知道这个企业到底有多少车运行，这些数据可能对于中小企业发放贷款决策都很重要。但是当你要发贷款的时候，再去问已经没有机会了，或者说成本太高了。我们建议，企业应该学会通过公共渠道或者数据交换的方法，根据自己的业务需求来量身定做自己的外部数据和战略数据。
　　4.企业要建设自己的大数据管理与应用平台。对于很多企业，做大数据并不是意味着要自己去建设数据中心。随着云计算和云数据中心出现，使用外部数据中心的成本已经非常低了，数据存储的费用也是在成倍的下降。但是，企业要做大数据，必须要在IT基础设施方面具有比较好的数据处架构，要用大一些工具比如数据分布式存储、Hadoop等等。很关键的企业不仅要具备一个数据中心的硬件，还要考虑和企业业务方向结合，不仅就是包括了数据的采集、数据库架构，向上的分析模块，再往上的API数据出口，以及横向的一些业务模块和出口这些东西。要做成企业的大数据管理应用平台，我们强调一定要从企业的业务出发，量体裁衣，企业首先必须要搞清楚自己的业务形态是什么。
　　5.大企业一定要有数据侦测的能力，需要有创新思维的人随时思考这些问题，比如企业占有的数据到底在外部能够产生什么样大的作用。就像我们经常拿雅昌艺术中心的例子，它存了很多艺术品的数据，所以最后它可以发布艺术指数。同样国家电网也发布两个指数，一个叫重工业用电指数，一个叫轻工业用电指数。淘宝网有它的CPI指数，还有很多企业的一些数据，实际上都可以发挥想象不到的价值。
　　6.一个大数据企业包括未来现代化企业，一定要有开放共享的态度。一方面需要企业把自己的很多问题社会化，另一方面企业要尽量去通过一些平等办法，通过数据交换的方式互相共享形成数据化。
　　7.企业还要做好数据方面的战略投资。我认为有三种比较先进的模式。
　　一种模式叫做产业链布局，比如说海尔、长虹可以投物联网，对物联网企业创新进行投入。比如说中信集团可以关注医疗，在这个方面寻找相关的数据应用。
　　第二个方面就是技术，你要知道哪些是硬技术创新，特别是在基础术设施层面的，比如加速存储，云计算的一些技术，比如数据挖掘，垂直应用分析，这个方面集中了很多创新也可以形成很大的规模。
　　第三种模式是数据集方面的投资，我们知道阿里巴巴投资高德是为了数据，它投资新浪微博不仅是要投钱还要花钱买数据，所有这一切本质还是想把数据流动起来做更大的事情。这种投资就是集成数据，强调数据流动性。这些投资里面有几点是需要注意的，一是要去关注企业的数据价值，其次要关注早期的投资，去长期指引而不是短期追逐回报率，最后还要多关注传统行业。
　　周涛教授提出，大数据的本质不在于数据量有多少，也不在于是否是异构的数据，而是在于数据是关联的，整体的数据可以流动起来。他认为，跨领域关联，通过一加一产生远大于二的价值才是大数据的精髓。
　　当然，数据本身并不产生价值，只有通过大数据的分析去解决难题才是价值，而大数据对于企业营销的作用是可大可小的，不过在这个把大数据作为概念的时代，企业还是要做好布局大数据的准备，向大数据企业修炼。

2. 大多数企业不懂大数据

大多数企业不懂大数据
大数据是用来描述数据规模巨大、数据类型复杂的数据集，它本身蕴含着丰富的价值。尽管它已成为媒体和专家热议的话题，但在企业中的热度还相对较低，因为大多数的企业还不知道如何利用它。
一般来说，一旦某个概念被宣传得天花乱坠，人们也开始更关注其背后的意义。Gartner副总裁兼著名分析师Debra Logan表示，大多数企业正开始试图搞清楚大数据是什么。但她认为，95%-97%的组织或者外部研究机构对大数据还只是处于探索阶段，关于大数据实施等相关问题和大数据价值的研究才刚刚起步。
1.大数据实施情况
与Logan意见相冲突的是，微软调查显示，75%的大中型企业将在未来的12个月内实施大数据相关的项目或计划。对此，Logan对该调查的动机和数据都持怀疑态度。
她表示，大数据分析公司的盈利来源于企业越来越多的数据，企业的数据越是非结构化、杂乱无章，大数据的作用才能发挥的更淋漓尽致。
一些组织在大数据领域已经取得一定进展，尤其是零售行业，通过RFID、供应链、会员卡上的海量数据，挖掘出更多有价值的信息，帮助商场更好的运营和盈利。此外，网络和广播行等媒体业也是大数据的先锋用户，例如BBC，就利用大数据分析平台实现用户访问数据分析与优化。
他特别提到，由于银行产生的数据更有组织更结构化，因此银行反而不是大数据先锋领域。不过银行业在大数据领域也积极跟进，例如通过对资金流、结算、信贷、支付等过程产生的数据进行分析，增强客户粘度和挖掘大数据的价值。他们也想了解hadoop，了解这样的技术架构以及如何进行数据分析，但还处于早期阶段。
2.大数据的基础设施投资误区
Gartner数据显示，2013年年底，有关大数据的项目支出将达到340亿美元，其中大部分与大数据的基础设施投资有关。
Logan表示，除了零售和媒体行业，不应让大数据基础设施投资成为企业商业计划的核心部分。她也希望企业的投资计划更多的倾向技术人才，例如聘请数据科学家或者数据分析团队，而不仅仅关注IT基础设施的投入。
很多企业都在努力让大数据的投资带来更多的商业利益，但在很多的情况下，太多的信息不受控，也并不一定能带来与之匹配的效益。因为大多数用户有一个很奇怪的心态–不舍得丢任何东西，企业在删除数据时也举棋不定。但有些数据并不能产生价值，反而会带来投资浪费。企业如何站在专业的角度，对数据进行有效取舍？
大数据存储和处理的成本实在是太高，因此通过第三方获取大数据服务显得更有意义。通过租用第三方的基础设施，企业可分析海量数据，并基于此优化自身业务流程，这种模式的服务，企业何乐不为？
3.大数据的人才挑战
大数据眼下面临的最大挑战就是缺乏具备独特的技术能力或专业知识的人才储备。
大数据的绝大部分数据都是原始数据，它们不能直接读取和分析，需要一些要具备特定的技能的分析师进行基于预言建模或未来趋势分析。
只有借助精通于统计和数学原理的骨干专家，建立高级分析模型，才能发现趋势和隐藏的模式，使大数据真正发挥作用，而一般的开发者以及传统的数据分析师，并不具备开发预言分析应用程序模型的技能，因此需要花费一定的时间和精力使技术团队成员适应大数据的需求。
Logan戏称，目前真正懂得大数据的人目前也许在欧洲核研究中心，以及一些天体物理学应用研究的专门机构，因为这些科研机构产生的数据更海量，这里的科学家们也具备更专业的统计、建模、分析能力。
Logan表示，目前有不少企业正在试图通过咨询公司获得更多专业帮助，但苦于缺乏专业的分析人员，只能自己慢慢摸索。而普通分析师与专业大数据科学家之间的技能储备差距，对市场而言是挑战也更是机遇。
以上是小编为大家分享的关于大多数企业不懂大数据的相关内容，更多信息可以关注环球青藤分享更多干货

3. 大数据时代来袭企业宜加紧布局

大数据时代来袭企业宜加紧布局
“大数据”，这一新兴概念，正在被赋予极其丰富的内涵，并被寄予特别巨大的希望……大数据时代，我们该如何寻找对策，迎接挑战？得大数据者得天下，是一些推崇大数据时代的变革者坚信不疑的判断。很多专家认为，在大数据时代，谁能有效地垄断数据，谁就有可能成为世界霸主。
   大数据及其分析，将会在未来10年改变几乎每一个行业的业务功能。根据麦肯锡预测，如果具备相关的IT设施、数据库投资和分析能力等条件，大数据将在未来10年，使美国医疗市场获得每年3000亿美元的新价值。
    人类正在迈入大数据时代
    关于“大数据（BigD ata）”，麦肯锡全球研究所在报告《大数据：创新、竞争和生产力的下一个前沿》中定义：大数据，是指大小超出了传统数据库软件工具的抓取、存储、管理和分析能力的数据群。也有专家认为，大数据的“大”是指大型数据集，即数据量一般在10T B规模左右；多个用户把多个数据集放在一起，形成PB级的数据量；同时，这些数据又来自多种数据源，并以实时、迭代的方式来实现，即“大数据=海量数据+复杂类型的数据”。
    我们正处在一个数据爆发增长的时代。移动互联网、移动终端和数据感应器的出现，使数据以超出人们想象的速度在快速增长。据国际数据资讯公司（G lobalPulse）估测，数据数量一直在快速增加，每年增长50%，这个速度不仅是指数据流的增长，而且还包括全新的数据种类的增多。
    有研究统计，从人类文明开始到2003年，人类共创造了5T B（兆亿字节）的信息。而现在，这样的数据量却仅需两天就能够被创造出来，且速度仍在加快。由此可见，我们的确已经迈入了大数据时代。
    世界各国加紧大数据布局
    世界上许多国家都已经认识到了大数据所蕴含的重要战略意义，纷纷开始在国家层面进行战略部署，以迎接大数据技术革命，正在带来的新机遇和新挑战。
    “大数据资源”成为重要战略资源
    互联网时代，“资源”的含义正在发生极大的变化，它已不再仅仅只是指煤、石油、矿产等一些看得见、摸得着的实体“大数据”，也正在演变成不可或缺的战略资源。互联网、物联网每天都在产生大量的数据，这些庞大的数据资源，为人们依据数据了解世界、了解市场、了解人们的生活提供了可能。大数据已经被视为一种资产、一种财富、一种可以被衡量和计算的价值。得大数据者得天下，是一些推崇大数据时代的变革者所坚信不疑的判断。
    “大数据安全”上升为国家安全
    传统意义上的国家安全，是指军队对国家领土安全的保护，是国家之间军事实力的较量。但在互联网高度发达的大数据时代，网络变成了几乎是透明的虚拟世界，也因此使国家安全的环境和内涵发生了极大的变化，对大数据的安全保存、防丢失和防破坏等问题，成为我们必须要面对的安全难题。大数据安全，已经上升成为国家安全的重要组成部分。
    在大数据时代，数据安全的威胁随时都有可能发生。各种国家信息基础设施和重要机构所承载着的庞大数据信息，如由信息网络系统所控制的石油和天然气管道、水、电力、交通、银行、金融、商业和军事等，都有可能成为被攻击的目标。
    此外，大数据也为网络恐怖分子提供了新的资源支持，有可能使恐怖分子通过网络侵入到人们工作生活的方方面面，并通过威胁、攻击、破坏，瘫痪民用或军事基础设施等手段，达到其制造心理恐慌和财产损失，威胁国家安全和社会安全的目的。
    “大数据决策”成为一种新决策方式
    依据大数据进行决策，从数据中获取价值，让数据主导决策，是一种前所未有的决策方式，并正在推动着人类信息管理准则的重新定位。随着大数据分析和预测性分析对管理决策影响力的逐渐加大，依靠直觉做决定的状况将会被彻底改变。
    2009年爆发的甲型H 1N 1流感病毒，谷歌公司就是通过观察人们在网上搜索的大量记录，在流感爆发的几周前，就判断出流感是从哪里传播出来的，从而使公共卫生机构的官员获得了极有价值的数据信息，并做出有针对性的行动决策，而这比疾控中心的判断，提前了一两周。美国的Farecast系统，它的一个功能就是飞机票价预测，它通过从旅游网站获得的大量数据，分析41天之内的12000个价格样本，分析所有特定航线机票的销售价格，并预测出当前机票价格在未来一段时间内的涨降走势，从而帮助虚拟乘客选择最佳的购票时机，并降低可观的购票成本。
    “大数据应用”促进信息技术与各行业深度融合
    有专家指出，大数据及其分析，将会在未来10年改变几乎每一个行业的业务功能。从科学研究到医疗保险，从银行业到互联网，各个不同的领域都在遭遇爆发式增长的数据量。在美国的17个行业中，已经有15个行业大公司拥有大量的数据，其平均拥有的数据量已经远远超过了美国国会图书馆所拥有的数据量。
    在医疗与健康行业，根据麦肯锡预测，如果具备相关的IT设施、数据库投资和分析能力等条件，大数据将在未来10年，使美国医疗市场获得每年3000亿美元的新价值，并削减2/3的全国医疗开支。
    在制造业领域，制造企业为管理产品生命周期将采用IT系统，包括电脑辅助设计、工程、制造、产品开发管理工具和数字制造，制造商可以建立一个产品生命周期管理平台PLM （Product Lifecycle M an-agem ent），从而将多种系统的数据集整合在一起，共同创造出新的产品。
    此外，在交通、能源、材料、商业和服务等行业领域，甚至在新闻传媒领域，也都在以大数据为发展契机，加速这些行业与信息技术的深度融合。
    “大数据开发”推动新技术和新应用不断涌现
   大数据的应用需求，是大数据新技术开发的源泉。在不久的将来，也许很多原来单纯依靠人类自身判断力的领域应用，最终都将被计算机系统的数据分析和数据挖掘功能，所普遍改变甚至取代。一小片合适的信息，也许会促使创新迈进一大步；一组数据，也可能会得到数据收集人难以想象的应用，甚至可能在另一个看起来毫不相关的领域得到应用。借助这些创新型的大数据应用，数据的能量将会层层被放大。

4. 大数据行业情况，企业为什么需要大数据

深圳远标为你解答;

这是大数据的时代，也是大数据人才缺乏的时代，权威市场调研机构Gartner的最新报告显示，大数据带动全球IT支出340亿美元。对大数据的要求在逐渐由差异化发展为信息管理实践和技术的“最低门坎”。每个行业都必定用到大数据技术，而那些非“数据驱动型”的企业将面临被产业和市场淘汰的命运；相应地，每个行业都需要大数据人才，没有大数据技术支撑的企业，可能很容易被时代淘汰。

目前大数据行业的情况是：大数据需求旺盛与人才短缺并存。全球领先的咨询公司麦肯锡发布的调查报告指出，对大数据人才的需求正在世界范围内升温。仅在美国，在“深度分析人才”方面将面临14万至19万的人才缺口；在“能够分析数据帮助公司做出商业决策”方面的人才需求超过150万。由于人才缺口大，各企业对大数据人才无论是招聘的还是再培训的都需要，因此大数据人才的薪酬可能是同岗位的中最高的，掌握了大数据技术，工资可能将提升40%左右。

在中国，大数据也正迅速成为行业和市场的热点。专注与亚太及中国市场的市场调查机构泛亚咨询发布的调研数据显示，目前出现在各类招聘平台上与数据分析相关的招聘需求比去年同期相比，增长率高达67%；大数据相关高级职位的薪酬与其他同类技术职位相比平均高出43%以上。无论是世界范围内还是在中国，大数据浪潮正在深刻改变着各行各业，而各行各业对大数据人才的需求，以及技术从业者希望跻身大数据高级人才的需求也变得越来越强烈。很多企业想要走在时代的前头，做大数据行业的领军企业，但是大数据人才高度缺乏，招人困难。这时候企业内训或许是个办法。

5. 大数据时代，传统企业如何发力大数据

传统企业应该如何行动才能享受大数据带来的红利呢?
第一，一切生产经营流程都需要流程化
这是企业能够通过深入数据分析，实现自身优化的基础，要有计划的将企业生产经营中的数据保存下来，即便是目前看起来没有用的数据，未来也可能产生巨大的价值，成为大数据企业的第一步，企业必须实现数据化。
第二，大家大数据平台
对于很多企业，做大数据并不意味着要自己去搭建数据中心，但是，企业要做大数据，必须要在IT基础设施方面具有比较好的数据处理架构。值得注意的是，企业不仅仅要具备一个数据中心的硬件，还要考虑和企业业务方向结合。做企业的大数据管理应用平台，一定要从企业的业务出发，不能盲目跟风。
第三，培养数据挖掘和分析团队
大数据的分析与传统数据分析有很大的区别，传统企业现有的数据分析主要基于数据报表等一些结构化的数据，很难分析出企业的经营全景。大数据的进入就需要分析人员具有更高的素质，既要有扎实的业务基础又要有很强的数据挖掘能力。利用大数据平台和大数据分析将零散的市场数据化，客户数据化接着将迅速的形成决策数据，这样才能使企业及时把握市场环境的变化，从而做出快速的应对。
第四，建立开放性的数据共享制度
未来的大数据企业，一定要有共享的精神。一个企业的数据往往是有限的，往往需要有人共享来丰富自己的数据形态。这就需要企业不仅要有开放的心态，也需要企业具备数据交换和共享的能力。
第五，战略性的数据资源储备
数据就像石油，而且是放在聚宝盆中取之不尽用之不竭的石油，如果它被存储下来。具有战略眼光的企业，能够判断数据在未来的价值，愿意花成本存储一些潜藏巨大价值的数据。阿里巴巴投资高德，投资新浪这就说明了数据的重要性，胡水生认为所有这一切的本质还是想让数据流动起来做更大的事情。

6. 为什么大数据将是企业的一个新的发力点

为什么大数据将是企业的一个新的发力点
鉴于现如今市场及惠普公司本身所发生的一系列大的变化，大数据或将成为该公司继续朝着其远大的以发展软件为重点业务目标的一大关键。当环保组织保护国际 (Conservation International，简称 CI)需要衡量当前世界上有多少的热带雨林被砍伐了的时候，该组织机构选择了惠普公司。CI想要利用卫星图像来比较同一区域当前及其三十年前的热带雨林占有量。惠普的工程师们使用该公司的DistributedR程序构建了一款工具，能够自动扫描图像，并对其进行分类，按照像素逐一对比，以确定哪些区域仍被热带雨林所覆盖;而哪些则没有了。类似于像CI这样的组织，就是一个典型的企业或组织机构与知名技术供应商合作的案例。该组织机构仅在去年就共计筹集了超过1.4亿美元的捐款。对于惠普公司来说，其正是他们的客户所需要的公司的类型。当惠普公司在2014年10月决定拆分成两家上市公司时，该公司很快就开始着手进行其历史上最大规模的重组。在此之后，新创建的惠普企业公司(Hewlett-Packard Enterprise)新的业务重点不仅仅只是一家硬件公司，而更是一家软件公司。而惠普软件业务的很大一部分将主要集中于大数据分析领域。惠普希望能够借此帮助更多类似于CI这样的客户更好地利用大数据。企业巨变拆分后的惠普公司(HP Inc.)则将主要从事个人计算机和打印机业务，而对于惠普企业公司，其硬件部门主要销售服务器、存储和网络设备。惠普企业公司有两大主要的组成部分：服务业务(咨询和实施)和软件业务。在其软件事业部，大数据、安全和IT管理将是核心支柱，惠普公司执行副总裁兼软件部门总经理Robert Youngjohns指出。并表示，软件大约占该公司营业收入的8%，但利润比例更高。Youngjohns说，惠普CEO梅格·惠特曼曾信誓旦旦的表示，大数据将有助于惠普扭转在全球市场的格局。惠普的大数据产品还在保护伞下，包括该公司的Hadoop发行版(其与合作伙伴Hortonworks所提供)，以及Vertica(一款SQL分析平台)，IDOL(用于分析非结构化数据)和惠普分布式R(用于大规模预测分析)。“大多数企业需要的是能够基于他们已有的数据，运用分析来推动更好的业务决策，并帮助管理不断流入的新数据。”Youngjohns说。他认为，惠普的大数据平台，包括结构化和非结构化的数据库，从而帮助这些企业用户解决了这些需求。这些产品可作为软件下载或 作为“按需”版本由惠普或合作伙伴托管。但尚未在其他类似于亚马逊网络服务这样的云平台上提供服务。转移到软件业务是很难的商业分析研究机构IDC副总裁Dan Vesset说：在以往，惠普主要是以一家硬件企业所著称的，所以该公司想要在软件市场争取到一席之地显然会有一场“艰苦卓绝的战斗”要打。在2011年，惠普斥资117亿美元收购了Autonomy公司;后却损失了88亿美元。此后不久，惠普公司高薪聘请了微软的老将Youngjohns，以帮助重塑该公司的软件战略。Vesset说，惠普正在紧紧尾随数据软件市场的中坚分子们，诸如IBM，甲骨文和SAP，每家竞争对手都有强大的数据库引擎和大型的安装基地。“惠普显然还有很长的路要走，但他们已经走在了正确的方向上。”Vesset说，该公司的优势在于他们能够基于其现有的硬件销售，推动其软件销售能力。云业务或许，较之其传统的竞争对手，对惠普而言更大的威胁是基于云的分析服务供应商，如亚马逊网络服务，微软Azure和谷歌计算引擎。对于那些已经有很多数据存储在云平台上的初创企业来说，在云中进行数据分析和处理是一种自然的选择。诸如AWS和谷歌这样的云平台也有强大的机器，可以根据需要处理数据。惠普Helion云服务一直在努力扩大市场份额;根据调研公司Gartner最新的IaaS魔力象限报告显示，其对于AWS、谷歌和微软的Azure而言，甚至还根本算不上是一个竞争对手。但是，云计算并不适用于所有人，而惠普似乎是把目标瞄准了那些仍然想要控制自己的基础设施，而不是将数据放到云中的客户。CB Bohn是网上零售商Etsy公司的一名高级数据库工程师，该电商使用AWS来执行其部分的搜索相关功能，而采用Hadoop来处理其部分的工作负载。但该公司的主要数据分析工具是由Etsy的工作人员来负责管理的，并托管在一处托管设施中。Bohn说，其所供职的Etsy公司采购商品硬件，并使用托管设施来处理那些对于数据和分析有着持续不断需求的工作负载。这是“企业自有为基础与托管租用相结合”的模式：云平台对于一次性的工作项目和意外高容量的工作负载固然很好。但是，日常数据和处理可能需要更有效地由企业内部专门设备调整完成。显然，惠普将依靠诸如Etsy公司和CI这样的客户来帮助他们避开其当前所面临着的显著的业务不利因素，毕竟，其已经踏上了重组之旅。
以上是小编为大家分享的关于为什么大数据将是企业的一个新的发力点的相关内容，更多信息可以关注环球青藤分享更多干货

7. “大数据”误区:有的公司不需要大数据

“大数据”误区:有的公司不需要大数据

“大数据”无处不在。从社交媒体初创公司到纽约的中央公园，每个公司似乎都在部署大数据分析。
著名数据分析公司Gartner的数据似乎也在证明这一点：最近的一份报告显示，大数据将带动2012年全球280亿美元的IT支出，到2016年这个数字将超过2300亿美元。2300亿美元几乎是葡萄牙全年的国内生产总值。
但是，你需要花大价钱来部署大数据技术解决方案。大多数公司都没有这么多IT预算，也请不起数据科学家或者数据分析团队。
如果那些提供大数据服务的公司想为各种规模的企业提供服务，那么有几个问题必须认识到并加以解决。
大数据太贵了!
您可能听说过那些使用大数据的辉煌案例：Facebook每天要存储大约100TB的用户数据;NASA每天要处理约24TB的数据。这些数字确实令人印象深刻。
那么处理这些数据所需的成本是多少呢?按照亚马逊Redshift的定价，NASA需要为45天数据存储服务支付超过100万美元。
根据最近的一项调查，大多数企业的CIO称他们的预算支付不起大数据部署的成本。数据存储和处理的成本实在太高，我们需要寻求其他的解决方案，让规模较小的公司不被“大数据”拒之门外。
大数据的关键不是“大”
目前全球最大的科技公司都需要和PB级规模的数据打交道。然而，SAP的研究表明，95%的企业通常只需要使用0.5TB到40TB的数据。
Facebook和NASA的例子是个例外，而不是常态。事实是，处理数据并不是大公司的专利。如果你研究一下美国公司的规模，你会发现有超过50000家公司只有20至500名员工，其中大部分都有解决数据问题的需求。所以大数据市场最大的需求并不是来自那些《财富》50强的大企业，而是来自《财富》500000强。为什么我们只关注那些少数的例外，而忽视了那些大多数有数据处理需求，但既不是《财富》50强也没有PB级规模数据的公司?
有时候我在想，如果我们改变了大数据的定义会发生什么?通常人们用3V(velocity，volume，variety)来描述大数据，我们不妨换一个说法：“大数据是一种主观状态，它描述的是一个公司的基础架构无法满足其数据处理需求时的情形。”
这个定义可能没有那么光鲜，但它肯定会更接近今天的现实。

8. 大数据和企业发展有什么关系？

互联网+”代表一种新的经济形态，即充分发挥互联网在生产要素配置中的优化和集成作用，将互联网的创新成果深度融合于经济社会各领域之中，提升实体经济的创新力和生产力，形成更广泛的以互联网为基础设施和实现工具的经济发展新形态。“大数据分析能够帮助健康企业很好的了解客户真正关心的东西,并据此展开精准营销和增值服务。
互联网+”行动计划将重点促进以云计算、物联网、大数据为代表的新一代信息技术与现代制造业、生产性服务业等的融合创新，发展壮大新兴业态，打造新的产业增长点，为大众创业、万众创新提供环境，为产业智能化提供支撑，增强新的经济发展动力，促进国民经济提质增效升级。
促进关系
每个问题都有解决的方法！
很高兴帮助你，
有什么不懂得你可以继续问我，
满意的话望采纳