大數據是人類自身產生的一種新的「自然」資源，與支撐傳統經濟發展的自然資源，如土地、石油、煤、水等不同，這種人造「自然」資源越用越多，越用越便宜，越用越有價值，以知識、創新、ICT、IT、DT為主要特徵的新經濟的發展更多是依靠這種新資源。可以說，21世紀的競爭是數據的競爭，誰擁有了大數據，誰就占領了制高點，誰就擁有洞見的能力，誰就能引領未來。
如今，越來越多的企業意識到了大數據的價值，並依靠大數據分析實現價值落地，在生產、市場、內部管理等方面實現智慧化運營。那麼目前，大數據分析領域有著怎樣的窘迫？在未來的五年，全球大數據分析在技術、行業上有著怎樣的趨勢？
就目前而言大數據分析主要有五個基本方面：
1、可視化分析（Anakytic Visulizations）
大數據分析的使用者有大數據分析專家，同時還有普通用戶，但是他們二者對於大數據分析最基本的要求就是可視化分析，因為可視化分析能夠直觀的呈現大數據特點，同時能夠非常容易被讀者所接受，就如同看圖說話一樣簡單明了。
2、數據挖掘算法（Data Mining Algorithms）
大數據分析的理論核心就是數據挖掘算法，各種數據挖掘的算法基於不同的數據類型和格式才能更加科學的呈現出數據本身具備的特點，也正是因為這些被全世界統計學家所公認的各種統計方法（可以稱之為真理）才能深入數據內部，挖掘出公認的價值。另外一個方面也是因為有這些數據挖掘的算法才能更快速的處理大數據，如果一個算法得花上好幾年才能得出結論，那大數據的價值也就無從說起了。
3、預測新分析能力（Prendictive Analytic Capbilities）
大數據分析最終要的應用領域之一就是預測性分析，從大數據中挖掘出特點，通過科學的建立模型，之後便可以通過模型帶入新的數據，從而預測未來的數據。
4、語義引擎（Semantic Engines）
大數據分析廣泛應用於網絡數據挖掘，可從用戶的搜索關鍵詞、標籤關鍵詞、或其他輸入語義，分析，判斷用戶需求，從而實現更好的用戶體驗和廣告匹配。
5、數據質量和數據管理（Data Quality and Master Data Management）
大數據分析離不開數據質量和數據管理，高質量的數據和有效的數據管理，無論是在學術研究還是在商業應用領域，都能夠保證分析結果的真實和有價值。 大數據分析的基礎就是以上五個方面，當然更加深入大數據分析的話，還有很多很多更加有特點的、更加深入的、更加專業的大數據分析方法。
大數據分析領域存在四大瓶頸
1、數據準備瓶頸：OLAP
從上個世紀90年代，甚至包括80年代末，OLAP就已經被很好地使用了。但是企業的數據和運營的過程，是一個持續動態變化的過程，它需要在第一時間交給業務部門做數據分析，而OLAP做不到這一點。一旦有一個數據分析的變化，就需要交給IT部門去重新構建OLAP。所以如果這個瓶頸不打掉，企業的數據化運營的鏈條是不通暢的，並且業務流程會很緩慢，同時企業的運營效率和競爭能力也會大打折扣。
2、找到答案瓶頸：靜態報告
如果我們採用郵件的形式溝通，假設今天發出去，第二天才有回覆，那這一天就浪費了。靜態報告就跟郵件一樣，我們需要的是一個及時交互的過程，對數據進行分析、發掘它的價值。假如看到報告後，我們就發現了一個問題，然後可能就會去問第二個問題。比如華南的幾個業務增長發生了變化，上個季度可能是100%的增長，到這個季度增長降成了10%，這個時候我們就會去問為什麼，但是靜態報告是不能告訴我們答案的。這個問題只能再交給IT部門重新計算一遍，再給出一張靜態報告。如果不打掉這個窘迫，會給企業數據化運營帶來很大的挑戰。
3、分析流程瓶頸：IT部門
一個企業裡面有非常多的部門，假如有製造、市場、設計、人事、財務等部門。當這些部門有數據分析的需求時，他們都會遞交給IT部門，然後IT部門的加班非常嚴重，他們疲於應付，但是這樣做出的結果還非常不好，大家對IT部門的詬病都很深。比如做中秋節的策劃，這個促銷策劃需要一些數據分析的報告來支撐。但是IT部門很可能在中秋節之前，還沒有把報告交給市場部門，這會給企業的營銷帶來極大的不便。
4、廠商瓶頸：缺乏高質量的本土廠商
目前，在國內缺乏高質量的本土廠商。以前大家在聊大數據分析這件事情時，很可能會說SAP、IBM等等，卻沒有一家真的做得很棒的本土廠商出現。也有一些本土大數據分析廠商，往往以非常低的價格和比較差的服務去做一些低端的市場。
在目前的中國，其實已經有非常多的好的企業，在各自的行業崛起。比如，以前我們買一個電視機，可能要買東芝，現在我們還可以買海爾。以前買空調需要買三菱，現在我們要買美的或者格力。各個行業都發生了巨大的改變，有非常多的本土廠商在崛起，但是大數據分析這個領域，報告大廳分析認為沒有。
大數據分析的發展趨勢
1、探索性分析成為BI選型的唯一選擇
這是Gartner2012年、2013年、2014年、2015年連續4年的數據分析的研究報告，提到的唯一的一個共性，探索性分析已經成為BI選型的唯一選擇。在以前可能大家會說，數據分析我們就會用Cognos、BIEE或者BO，但是在今年Gartner的報告裡面，Cognos和BO已經驅逐到第四象限，而BIEE已經被驅逐出去了。所以這樣一個探索性分析的潮流，已經完全改變了數據分析的現狀和未來。
為什麼？就是因為上文分析到的那些瓶頸，其中業務人員自己動手基於數據做分析，從發現問題找到答案再採取行動，整個過程都已經變成了一個全球性的潮流。在這個方面，企業需要好阿紅地審視一下自身，到底應該怎麼樣構建下一代數據分析平台，去支撐未來5到10年的大數據分析的需求。
2、良好的企業管控下的探索式分析成為主流
早先業務人員使用數據分析，往往要使用一個離線的桌面程序，大家經常用的桌面程序是什麼呢？Excel，還有包括後面出現的excel的高級升級版。這些離線的探索性分析的產品，在上個世紀90年代後期一直到2000年初，都獲取了非常大的市場。
但是後來從Gartner的研究報告我們可以看到，很多企業尤其是大中型企業已經發現，如果採用離線的分析工具來對數據進行分析，數據的使用是缺乏良好的安全管控的，有可能非常重要的銷售數據、生產數據，被分發到企業每個人員的終端筆記本上去了，這對企業的數據管控來說是非常可怕的。
目前構建數據分析，尤其對外提供數據分析的時候，有一個說法叫「數據不出口，數據服務要出口」，是什麼意思呢？數據的原料是不能夠離開這個企業的，但是數據的服務是可以從這個企業遞交給第三方的。那麼去中心化的探索性分析被放棄了，很重要的一點就是我們需要在良好的企業管控之下，去進行有序的、高質量的、高安全性的數據化運營工作。
3、雲計算成為必然趨勢
我們可以發現一個大趨勢，最近這5年雲計算已經變成了一個現實了。像國外的AWS、IBM，他們已經成為雲計算非常大的玩家，在國內也看到有騰訊雲、阿里雲等眾多的玩家。雲計算改變了企業的IT服務，但是從TEWI和Gartner市場的統計報告我們可以看到，幾乎所有大數據分析的廠商，他們收入的90%還是來自於線上的數據。為什麼？這是一個很現實的問題，就是企業裡面的數據，絕大多數的企業的數據，是不允許離開這個企業的。
所以報告大廳認為，企業的數據化運營工作，會變成一個以私有雲和公有雲混合到一起的服務工作。它肯定不會是以前單純的私有雲的服務，也不會是大家想像的可能在未來5年，全部變成了公有雲的服務，它會變成一個混合架構。
4、分析應用市場將湧現巨大的創業機會
目前大數據分析的相關技術還在持續的演進當中，包括雲計算、深度分析、自然語言等技術正在不斷地成熟，並且會被引進到大數據分析這個領域裡面，幫助企業更好地進行數據的價值發掘工作。
另外，商業智能與分析是一個充分競爭的全球化市場，它對創業者的要求是非常高的。比如說，永洪最開始創立的時候，就需要跟Cognos、BO一起去競爭，因為這個市場是沒有任何壁壘的，它不需要牌照，在全球是一體化的競爭工作。所以當創業者要去做這個領域的時候，一定要確保自己在這個領域具備足夠強的競爭力。另外我，雖然在平台和支撐上面創業的機會不是很多，但是在應用市場這個機會非常的多。所以這給做垂直化應用的企業，帶來了很多的機會。
下一個趨勢，分析市場將來會標準化，如果有人基於某個平台構建好一個分析應用之後，他可以快速地遞交給全球各地的用戶，這是基於標準化的前提所能夠達到的一個結果。那麼在標準化基礎上，會誕生幾家很巨大的平台廠商。
5、大數據分析未來有望像PC和汽車一樣成為企業標配
BI與大數據分析領域，它還是處於比較早期的階段，像20年代的汽車行業。20年代汽車還是一個非常小眾的市場，沒有進入每個家庭。它也有點像80年代的PC行業，當時整個上網機會還不是特別的多，如果要上機，我們需要單獨到一個IT中心去進行上機的申請和最後上機的實際操作。眾所周知，從80年代以後到90年代到2000年，PC變成企業和家庭裡面每個人的標配，到後來手機變成每個企業和家庭的標配。那麼大數據分析將來也會變成企業里的每個業務人員的標配。
這在將來一定會變成現實的，這是在現在和將來大家一起持續努力的一個方向。
總結：
用數據說話，已經成為現代社會的基本理念。中國古代的管仲說過：「不明於計數而欲舉大事，猶無舟楫而欲經於水險也。」只有正真的將大數據分析產業發展起來，企業的大數據資源才能夠被真正的，完全的應用起來。
更多大數據行業研究分析，詳見中國報告大廳《大數據行業報告匯總》。這裡匯聚海量專業資料，深度剖析各行業發展態勢與趨勢，為您的決策提供堅實依據。
更多詳細的行業數據盡在【資料庫】，涵蓋了宏觀數據、產量數據、進出口數據、價格數據及上市公司財務數據等各類型數據內容。
京公網安備 11010502031895號
