大数据与企业经营分析

文/韩雪莹，重庆工商大学

1 大数据的定义

1.1 大数据的概念

大数据由巨型数据集组成，这些数据集太大，所以无法在有限的时间内用常规的软件或工具进行选择、归纳和分析。大数据需要新的处理模式，然后这些大量的、多样性的信息资产才可以变得更具有决策力和洞察力。

1.2 大数据的特征

1.2.1 数量（Volume）

随着互联网、移动互联网的发展，每时每刻都在产生着大量的数据，当这些数据能够被利用起来后，其价值是无可限量的。

1.2.2 多样性（Variety）

随着智能设备以及社交等工具的快速发展，数据也变得更加混杂。精确的结构化数据在各种类型的数据中占比很小， 而大量的数据都是非结构化的。大数据的特征之一——多样性，就包含了结构化与非结构化数据，而非结构化数据包含图像、声音、视频等不易提取的信息。

1.2.3 速度（Velocity）

速度快是让大数据产生商业价值非常核心的一点。如果数据处理等上几年才有结果，那么数据就失去了价值。从这一点来看，云计算给大数据提供了很好的技术支持。计算速度变得足够快，大数据才有条件以低成本运用到更加丰富的业务场景中。

1.2.4 真实性（Veracity）

在我们关注相关性的时候，往往能够得到更加真实的信息，在传统的数据技术中，由于我们对数据的精确性要求过于苛刻，这使得如果没有高质量的数据清洗，产出结果的可用性就将大打折扣。而大数据技术从降低精确性要求的逆向思维出发，用另一种方式解决了这个问题，通过降低精确性要求，变相相提升了数据质量。

2 企业经营分析

2.1 传统企业经营分析

传统的企业经营分析包含了数据基础、指标体系、报表展示以及维护机制这四个方面。

2.1.1 数据基础

想要建立好的数据基础，需要企业对其大量的数据有清晰的规划和总结，对数据的含义、标准、来源渠道和搜集方式有清晰的业务逻辑思考。

2.1.2 指标体系

当我们开始经营分析时，会围绕企业当初设立的经营目标来确定一些衡量标准，通过这些标准来评价企业的经营成果是不是达到了当初的目标，从而使我们进一步提高经营管理的能力。

2.1.3 报表展示

报表就是将各种关键性指标，横向或纵向比较，然后进行列示。首先要明确信息使用者的需求，然后选择信息使用者需求的指标，最后将这些指标进行展示。

2.1.4 维护机制

不管是数据的维护，还是报表的展示以及档案管理，都需要有一套完整的机制。首先需要进行数据维护，然后需要进行常规报表和临时报表的编制及发布，最后还需要深入展开企业经营分析。

2.2 大数据对企业经营分析的影响

大数据的应用，让我们有可能打破思维能力的定性约束。基于大数据技术，经营分析的相关指标可以从因果关系突破到相关关系。通过大数据分析，一些没有明显因果关系的因素同样对经营活动产生了显著影响，这些因素被称之为“相关性因素”。我们将这些有因果关联的指标用于评价企业日常经营活动，同时，也有非因果关联的因素在影响这些指标。 我们发现原先所搭建的经营分析的数据世界发生了延展，各个层级的数据都有一些非因果关系，使得我们能够更加真实地架构经营分析框架，并有效指导经营结果的改善。

2.3 大数据对企业经营分析的作用

2.3.1 帮企业了解用户

大数据通过相关性分析，将客户、用户和产品进行有机串联，提供客户导向性的服务。

2.3.2 帮企业锁定资源

通过大数据技术，可以实现企业对所需资源的精准锁定，形成基于企业的资源分布可视图。

2.3.3 帮企业规划生产

通过用数据来规划生产架构和流程，提供相关性的、一对一的解决方案，为企业开展生产提供保障。

3 基于大数据的企业经营机遇与挑战

随着海量数据的出现以及数据结构的改变，大数据给企业经营分析带来机遇的同时也带来了挑战。

3.1 企业经营的机遇

3.1.1 改善用户体验

3）任务型教学方法有利于多种能力的培养和提高。教师在同一语言任务中几乎涉及英语学习的各种技能培养，而不是把听、说、读、写几种技能单独拆分开来。在任务完成过程中，学生既要会听，会读，还要会说，会写。另外，任务教学法除了能够提高学生的多种语言技能外，还可以培养学生的自学能力、动手搜寻各种资料的能力、综合各种信息的语言组织能力、对外的表达能力和合作能力等。

通过大数据，可以分析用户的行为。企业可以以分析的大数据为基础来改进产品设计，并通过用户的偏好来分析，及时、准确地进行产品推荐，这样就可以不断改善用户体验，增加用户对企业产品的粘性。

3.1.2 优化网络质量

在网络方面，大数据可以用来分析网络的流量变化及趋势，及时调节并整合资源配置，同步进行分析网络数据，不断提升信息质量和数据利用率。

3.1.3 助力市场决策

通过各类数据的综合分析，如业务、资源、财务等，从而更加快速、准确地确定公司经营分析管理以及市场竞争策略。

在业务创新层面，可以在确保用户隐私不被侵犯的前提下，对数据进行深度加工，对外提供信息服务，为企业创造新的价值。

3.2 企业经营分析的挑战

3.2.1 现有系统处理数据的能力较弱

由于现在大多企业会发展多种业务，而且市场需求的变化和网络规模的扩大，使得大数据的数据量在日益增长。大多数企业现有的系统在面对日益增长的大数据，其性能有待提高。

3.2.2 非结构化数据处理无法满足

新型大数据服务不同于传统企业经营分析的特点，需要对用户上网行为数据等非结构化、大容量信息进行多用户、多应用、实时有效的分析。 传统关系型提取数据的技术只能处理结构化数据，无法深度挖掘非结构化数据的价值。

3.2.3 不能满足低成本要求

大部分企业现有的存储数据的系统，适合保存几百TB以内的数据，面对大数据 PB级存储需求的成本过高。