比利比恩（Billy Beane）是美国奥克兰运动家棒球队的总经理。2002年，在竞争激烈的美国职业棒球联盟，奥克兰运动家队无论在人员和物质配备以及资金实力上都只是 “下三流”之列。然而，凭借耶鲁大学数据分析高材生——胖子彼得的帮助，比恩经过分析数据和晦涩难解的棒球统计学，找到了一批表面上看去都身怀缺点、性格怪癖，但骨子里却都拥有在棒球运动的某方面具备超强能力、被价值低估的棒球手，最终以突破传统的数据经营模式，取得骄人的比赛成绩，甚至达到了比肩实力雄厚的纽约扬基队的程度！

    这一真实案例被迈克尔刘易斯（Michael Lewis）记录在了《点球成金》（Moneyball）一书中。前不久，大明星布拉德皮特出演了该书的电影版，掀起了一阵数据挖掘热，就连默默无名的数据分析师的工作也成为了影迷们好奇的焦点。美国哥伦比亚大学统计学家兼政治科学家安德鲁格尔曼说：“文化已经发生了改变。现在人们的想法是，数字和统计学是有趣的，是一种很酷的东西。”

    所谓数据挖掘（Data Mining），是一种透过数理模式来分析企业内储存的大量资料，以找出不同的客户或市场划分，分析出消费者喜好和行为的方法。根据科技研究公司IDC的估测，全球数据的规模如今每两年就会增长一倍。随之而来的剧变体现为4个V的变化。第一，数据体量（Volume）巨大，从TB级别跃升到PB级别；第二，数据类型（Variety）繁多，网络日志、视频、图片、地理位置信息等等都成为新的庞大数据源泉。第三，价值（Value）密度低，以视频为例，连续不间断监控过程中，有用的数据可能仅仅有一两秒。第四，处理速度（Velocity）快，“1秒定律”和传统的数据挖掘技术有着本质的不同。

    显然，“大数据”的崛起为商业洞开了一扇新的大门。

    毋庸置疑，数据至上的思考方式早已为方方面面带来很高的回报。譬如：沃尔玛等超级零售商早已开始对销售额、定价以及经济学、人口统计学和天气数据进行分析，藉此在特定的连锁店中选择合适的上架产品，并基于这些分析来判定商品减价的时机；UPS等货运公司也正在对卡车交货时间和交通模式等相关数据进行分析，以此对其运输路线进行微调。而一些社交型交友网站也经常会仔细查看其网站上列出的个人特征、回应和交流信息，用来改进其算法，为想要约会的男女提供更好的配对……而如今的“海量数据”，更在规模和范围上带来转折：物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的传感器，无一不是数据来源或者承载的方式。它们因“数据”集结在一起，进而变成企业未来价值升级所需关注的新竞争领域。

    美国麻省理工学院斯隆管理学院的经济学教授埃里克布吕诺尔夫松曾把“大数据”的潜在影响力比喻成“显微镜式的一场数据测量革 命”。在商业、经济及其他领域中，决策行为将日益基于数据和分析而作出，而并非基于经验和直觉。研究报告称，数据指导下的管理活动正在企业界中蔓延开来，而且这种管理活动正开始获得回报。“那些采用‘数据驱动型决策’模式的公司能将其生产力提高5%~6%，这种生产力的提高是很难用其他因素来解释的。”

[page]    据悉，仅仅在美国，就面临14万～19万具有数据分析和管理能力的专业人员，以及150万具有理解和决策能力（基于对海量数据的研究）的管理人员和分析人员的人才短缺。麦肯锡全球研究院的分析表明，为了充分利用海量数据的潜力，企业和政策制定者必须克服以下的挑战：

    1.使海量数据更容易获得和更具时效性。在制造业，对来自研发、设计和制造单元的数据 资料进行整合，以推动并行工程，可以缩短产品上市时间。

    2.利用数据和实验揭示可变性和提高绩效。随着企业以数字形式创建和存储的交易资料越来越多，它们可以收集更准确、更详尽的绩效信息，包括从产品库存到员工病假天数的各种信息。

    3.对消费人群进行细分，量身定制 服务。海量数据使企业能够创建分类更精细的细分市场，并量身定制恰当的服务，更好地满足消费者需求。

    4.利用自动化算法替代和支持人工决策。先进的分析算法可以大大提高决策效率和质量，减小风险，并发掘出隐藏的、有价值的洞见。

    5.创造新的业务模式、产品和服务。为了提高下一代产品的开发水平，以及创建具有创新性的售后服务，制造商正在充分利用从产品使用中获得的数据。而实时定位数据的出现，已经创造了从导航定位到个人跟踪的一系列基于位置的全新移动服务。

    针对上述话题，本期封面将关注以下几个关键的问题：数据时代，企业新的利润从哪里来？大数据时代新的商业思维模式为何？如何利用“大数据”为社会化营销助力？传统企业（诸如企业招聘）如何借数据技术实现资源的优化配置……而所有这些问题的归宿都是同一个命题：大数据时代，究竟谁能赢，如何赢？

    数据已经坐到了驾驶员的位置上，它就在那里，有用且宝贵，甚至还很性感而时尚。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。