传统企业大数据应用的现状可以说是“理想很丰满、现实很骨感”，关于大数据应用的传说满天飞，但真正能够落地的却少之又少。那企业怎样来对待这一热门的新技术呢？

1.大数据应用的问题与挑战

大数据并不是与生俱来就能够为企业服务的，它有其自身的适用场景，传统企业在进行大数据分析时会遇到以下诸多的挑战。

（1）数据囚笼现象

许多企业或组织机构在管理运作过程中已经积累了大量的历史数据，却无法及时获得有价值的信息，即所谓的“数据丰富，信息贫乏”的数据囚笼现象，导致企业难以在迅速变化的市场环境中保持竞争力。

（2）信息孤岛现象

企业内部的信息系统往往是在过去不同时期由不同的开发者开发的，这些系统通常是为了满足某些特定的业务需求而建设的，并且分布在不同的系统中，这些系统就像是一个个的独立的“信息孤岛”，各个部门很难进行有效的信息共享与交换，导致管理决策者很难得到科学、完整的全局数据。

（3）信息矛盾现象

由于企业内部各类数据分散在各个不同的计算机系统中，各个系统之间的管理口径不一致、信息共享能力差、信息准标志不统一，以及业务信息描述不一致等情况较为普遍，导致信息矛盾的现象较为严重，无法为各级业务管理部门和决策部门提供准确、全面、及时的信息支持。

2.大数据应用的基本策略

大数据应用取决于3个因素：思维、数据和技术。因此，企业需从这3个方面进行体制机制的创新实践，有步骤地开展大数据的应用。

（1）思维的变革与创新

大数据时代企业必须具有数据思维。大数据时代的重要特征就是社会数字化，一切社会现象的解释、监控、预测与规划都离不开对数据足迹的收集、整理和分析。因此企业需要具有数据思维，需要树立“数据资产”的理念，养成分析数据的习惯，倡导以数据为基础的文化，重视大数据应用，真正做到“用数据说话”，为高层管理和决策提供强有力依据，让决策更加有的放矢，以适应瞬息万变的市场要求。

另一方面也要注意，企业还要克服急功近利的思想。大数据概念提出后，虽然成功案例并不多，但却大大提升了人们的数据意识，使人们充分认识到了数据的价值，并对数据管理工作寄予了不切实际的期盼，迫切希望能够尽快获得完整、准确、及时的数据，支撑业务和管理需求。但大部分企业的全局性数据管理平台还没有建立，数据分析利用能力还很低，数据管理的组织职能分工尚不清晰，运行机制未完全理顺，流程与制度还存在很多空白，因此，对数据管理工作的复杂性、长期性、艰巨性也要有清醒的认识。

（2）数据层面的准备

企业需要提升互联网数据获取、管理和整合能力，不仅要完成企业内部数据的整合，更重要的是和大数据链条上其他外部数据的整合。在数据管理内容上，不但应包含企业内部的格式化数据和文本，还应包含各类内外部的图像音频视频、传感器数据等非结构化数据，同时还应探索与移动互联网、社交网络、物联网、电子商务企业开展深入合作，将渠道拓展到社交网络、移动终端和电子商务等媒介。企业需要不断地从广泛来源获取、量度、建模、处理和分析大容量多类型数据，及时在互联互通的流程、服务及系统间共享数据，并将分析结果应用于业务决策与支持。

企业应以“数据—信息—智能—价值”为发展路线，以大数据应用为强大技术支撑，借鉴行业先进数据模型，统一数据的理解和使用，规划并建立数据管理体系。企业还必须注重大数据安全策略和隐私保护，协调数据链中所有的参与者，共同推动产业数据标准安全。

（3）技术方面的创新应用(www.daowen.com)

从实现的逻辑上说，传统的BI是一个逆向的思维过程，发现问题之后进行逻辑分析，然后找到因果关系，再提出解决方案，BI解决的多是结果的问题和已经发生的事情。而大数据是一种正向的思维，给企业提供的是可以预测未来的走向，先是收集数据后进行量化分析，然后发现数据之间的关联关系，并以此提出一种优化的方案。从原来的“事后诸葛亮”到现在具有高瞻远瞩的能力，这是对于决策支持根本性的改变。

当然，对于企业来说，在利用好大数据技术的同时，也不能忽视传统的数据管理系统，要将两者有机融合在一起。因为，企业实际的数据种类繁多，业务目的各不相同，要想达到较好的建设预期，就要采用有针对性的技术，有计划有步骤地实施相关应用，最后实现企业级的、统一的数据管理。

大数据与传统数据管理系统集成应用的架构如图6-13所示。

图6-13 大数据与传统数据平台的集成应用

3.大数据应用的过程和步骤

何时引入大数据系统并无一定的规律，但一般来说，企业大数据平台的建设可分解为以下4个阶段。

（1）结构化数据处理

数据价值也是遵循20/80定律的，企业在经营管理中会产生大量的结构化数据，这些数据蕴藏了大量的企业数据资产，它们的数量并不多，但价值却非常大。因此，企业首先要做的是研究如何深入发掘这些数据的价值，这就是所谓的“攘外必先安内”，先要利用好自身的“小数据”，才能为将来挖掘大数据价值奠定基础。

（2）非结构化数据处理

传统的单一结构化数据的存储与分析已不能满足互联网环境下业务的创新和服务，将海量非结构化文件进行有效存储和管理，可以有效降低海量非结构化文件的存储管理成本，如进一步进行有效数据挖掘，将会给企业带来低成本解决方案，并能带来前所未有的盈利能力和业务创新动力。

大数据种类繁多，要选好切入点，一般来说，客户的数据是企业最有价值的数据，可以作为大数据分析利用的起点。从当前企业已有客户数据形态看，大部分仅表现出了客户基本文字信息和常规经济活动情况的结构化数据，而客户文档、签字、图片、音频和视频等非结构化信息量少且零碎存在。通过统一视图，为业务人员提供栩栩如生的人性化客户信息，可为企业业务的快速、准确开展提供极为重要的支撑作用。

（3）结构化与非结构化数据集成

在引入大数据系统之后，还要注意传统数据管理系统与大数据系统的集成与整合，使之成为一个有机整体，构建信息的完整视图，才能最大限度地发挥数据的价值。

（4）结构化与非结构化数据动态分析

完成了以上3步，一般只是完成了静态数据的分析和利用，而企业中还有许多实时数据需要挖掘，在做好基础工作后，要重点分析动态、实时数据，以提供更多维度、更大范围的数据，能更加清晰地观察到业务的变化，从而提供更符合客户需求的创新产品和服务。