IBM以“全”布局大数据推进行业实践

2013-11-30李璐

通信世界 2013年8期

关键词：结构化受访者领域

本刊记者 | 李璐

IBM以“全”布局大数据推进行业实践

本刊记者 | 李璐

对于能力涵盖咨询、服务、软件、硬件各方面的IBM而言，将不同领域的实力整合并提供端到端完整的解决方案给企业，正是其以“全战略”赢取市场支撑的体现。

IBM全球副总裁兼大中华区软件集团总经理胡世忠

大数据作为ICT重要趋势，已经成为炙手可热的产业领域，同时企业也开始制定大数据战略，现实世界的成功案例也日益增多。近期，IBM在华展示了其在大数据时代的能力。

重塑大数据价值体系

IBM公司表示，将以“智慧的分析洞察”为核心推进在华的大数据战略，整合“大数据平台”和“大数据分析”两大实力，构建完整的大数据价值体系。

一方面通过收购，一方面通过研发创新，IBM已为大数据价值体系做足技术储备。在上个月，IBM宣布收购提供自动服务业务分析软件的Star Analytics的软件资产；在2012年完成了5笔涉及大数据及分析领域的收购；自2000年到现在，IBM在大数据及分析领域收购了超过35家公司。另一边，据IBM方面透露IBM每年在大数据及分析领域研发方面投入30～40亿美元；在中国，从2012年开始的连续3年内，IBM计划投资超过3亿人民币，用于在进行大数据及分析的研发与推广。

事实上，对于能力涵盖咨询、服务、软件、硬件各方面的IBM而言，将来自各领域的实力整合并提供端到端完整的解决方案给企业，正是其关键优势，同时也是企业所需要的。而这也正是目前IBM在大数据领域希望以“全战略”赢取市场的支撑。IBM预测，到2015年IBM在大数据分析方面的收入将有望达到160亿美金。

IBM全球副总裁兼大中华区软件集团总经理胡世忠表示：“IBM正在利用领先方法论和全面大数据技术帮助企业重新思考已有的IT模式。同时，IBM相关产品和服务覆盖了大数据相关领域的各个阶段、各个领域。”

五类方案实践大数据

大数据被用于承载诸多类型的概念，包括海量数据、实时数据、社交媒体分析、下一代数据管理能力等，但在国内知名大数据学者、电子科技大学计算机互联网中心主任周涛博士看来，对于企业，大数据不应仅仅局限于技术领域，而应成为一项业务上需要优先考虑的任务，“因为它能够带来全球整合经济时代商业模式的巨大变革”。

目前业界已经从对大数据重要性的认识阶段，发展到实践大数据的必要性的战略实施阶段。对于厂商，如何帮助企业IT部门及业务部门了解大数据应用环境，并赢取大数据为企业带来的商业价值？IBM认为可以从五大类业务需求帮助企业进行大数据落地实践。

一是对于客户服务、保险、汽车、维修、医药等行业，其需要储备大量知识库，而繁杂的解答手册和知识系统会造成重复查询，导致系统延迟和成本上升。对此可以利用大数据探索实现信息库的充实。

二是电信、零售、旅游、金融服务和汽车等行业将“快速抓取客户信息从而了解客户需求”列为首要任务，所以可以利用增强360度全方位客户视图实现客户交互改进。

三是针对制造、能源、公共事业、电信、旅行和运输等行业，其需要时刻关注突发事件、通过监控提升运营效率并预测潜在风险，可以利用运营分析实现运营优化。

四是当企业需要通过全新大数据技术增强现有数据仓库基础架构的价值，实现结构化、非结构化和流式数据传输、低时延、和查询的需求，又确保有效利用预测分析和商业智能实现性能和扩展时，可以利用数据仓库扩充实现IT效率和规模效益提升。

五是对于政府、保险等行业企业亟待利用大数据技术补充和加强传统的安全解决方案，分析新数据，可以利用安全性和智能扩展以实现犯罪防范。

与此同时，IBM还最新发布大数据白皮书《分析：大数据在现实世界中的应用》，对期望在大数据时代掘金的企业提供一定的指导意义。

IBM大数据白皮书指导行业实践

近期，IBM商业价值研究院和牛津大学赛德商学院共同撰写发表针对“大数据”的调研白皮书《分析：大数据在现实世界中的应用》。

实践“大数据”的五大驱动因素

该报告调查显示，各类组织目前开展的大部分大数据项目都旨在改善客户体验。49%的组织将“以客户为中心”列为实践大数据的首要任务，18%的受访者把优化运营列为首要目标。其它应用则主要集中在风险和财务管理（15%）、实现新业务模式（14%）以及员工协作（4%）。

内部数据：大数据的主要来源

超过一半的受访者把内部数据视为“大数据”的主要来源。这表明企业正在采取一种注重实效的方式开展“大数据”工作，也显示出其内部系统中仍有巨大的价值尚未得到开发。

外部数据：尚未得到充分利用

在所有推行“大数据”项目的组织中，目前正在对社交媒体等外部数据源进行数据收集和分析的组织还不到一半。其中一个原因是很多组织难以应对和驾驭某些数据类型所固有的不确定性，例如天气、经济、或者社交网络所反映的人的情绪和真实想法。另外一个原因是技能缺口，对大部分组织来说，掌握先进的新型数据分析能力仍然是从大数据中获得价值的重大挑战，比如传感器数据、地理空间数据、图像和视频等非结构化数据和流数据。