了解大数据是企业决策者成功投资第一步

　　在大数据（big data）时代，企业决策者需拥有大数据的基础知识。此为了解大数据是成功投资抑或浪费金钱的第一步。

　　据报导，大数据并无公认的普遍定义。有些人认为大数据是指大量数据，但对大的范围仍很模糊。也有人透过数量（volume）、变化（variety）和速度（velocity）这3V来解释大数据。而本文将透过信息和技术两方面来定义大数据。

　　从信息面来说，可将大数据与事件日志做比较。例如，网络商店访客的行动，包括在购物车中加入商品、加以删除、兑换优惠券、留下产品评论，点击广告等。这些行动都是已发生且不能改变的事件。

　　大数据虽然可能不完整。但要显示总体情况或确定某趋势并不需要100%的准确性。电子商务零售商若想了解其客户的行为，就算不知道访客找到其喜欢的商品前登陆的网页也无所谓。能了解大部分访客的登陆网页，就能让零售商清楚掌握全貌。

　　从技术方面来说，大数据的量不断增加。有监于此，大数据解决方案须有特殊的数据储存和处理方法，包括：

　　一、分布式数据储存，将数据储存在多台标准计算机上，而非一台超强而昂贵的计算机。

　　二、高度可扩充性，若数据量增加，可轻易增加额外计算机来储存和处理数据。

　　三、并行数据处理，将多个处理器之间的任务分开，以提升处理速度。

　　大数据很多样化，可作为传统报告的一部分，也可为自动化系统，如推荐引擎。企业总是设法想更了解客户，大数据能分析全通路客户行为、情绪、反馈等，为实现此目标开辟新的可能性。而其结果为能在传统商业情报（BI）中使用的客户细分（customer segmentation）。目前在进营销售和营销分析时，客户细分已成为重要参数。

　　推荐引擎即为大数据作为独立系统的范例。推荐引擎能在电商网站上提示客户产品，或向用户通知他们可能认识的其它社交媒体用户。这种系统毋须人工参与，因为系统会分析关于每个用户的大量数据，并辨识行为模式。

　　制造商广泛使用传感器来改善资产维护。他们通常会在不同机器部件上安装多个传感器，且会扫描设备状态，为分析系统提供实时观察数据。随著时间推移，系统会学习可能代表未来机器故障的模式，并通知维护小组。

　　企业也可转向外部大数据源。例如，雀巢（Nestle）高度依靠社交媒体实时监控其8，000个品牌的客户情绪。该团队不间断地分析所有提及雀巢品牌的评论和贴文。而且不仅观察，拜实时可视化工具之赐，该团队很容易就能发现何时需要介入。

　　大数据专案的指示性成本介于20万~60万美元，但实际价格高度取决于业务任务，因此也取决于专案范围。近期发表的2017年大数据执行调查（Big Data Executive Survey）显示，80.7%的受访者认为其大数据专案投资成功，而21%的受访者认为大数据具颠覆性或变革性影响。

　　尽管如此，企业决策者应记住，在向大数据咨询团队解释其短期和长期需求，并对其现有系统进行审计之后，就能了解所需投资和预期收益。