大資料的價值實現之旅

大資料開啟了人類資料管理史的一段嶄新旅程。 人類想要測量、記錄和分析世界的渴望是驅動大資料技術不斷向前的動力。 但如同此前的電子商務、雲計算等創新構想一樣，大資料也不得不懷抱變革理想在現實中披荊斬棘。

我們該如何定義我們所身處的資訊技術時代？ 是雲計算、社交、移動，還是大資料？ 相信每位從業者和客戶都會有自己的認知與解讀。 「一千個人眼中就有一千個哈姆雷特」，很多時候是一個放之四海皆准的道理，更何況我們正在經歷一段創新趨勢疊加、創新領域融合的獨特時期。 而對於那些想要體會技術創新真正內涵的人士，有一個話題永遠不可回避，這就是技術創新到底會給其受眾帶來怎樣的真實價值？ 這種價值是否能夠在其被發掘後長期、持續地給予？

本文重點關注大資料技術這一重大技術創新趨勢在企業環境中價值實現的過程。 在全民熱議的氛圍中，或許我們可以暫時遠離那些對大資料的定義、技術特徵、未來走向的種種爭論，潛心聆聽喧囂中實地探索的腳步。 我們希望與您共同探討大資料所能夠開闢的資料價值轉換與兌現路徑，從而為企業高效、合理利用快速增長的業務資料帶來啟發。 也希望這些來自中國企業的真實應用案例能夠證明，大資料並不僅僅是一個催生佈道師的舞臺，它正在真切地影響著我們的工作與生活。

腳踏實地的大資料

人類的想像力有多豐富，大資料的未來世界就會有多廣博。 要讓海量資料資源變成寶貴的商業資產，企業的大資料技術實踐者們需要從現實中起步。

如今，「大資料」總會與「變革」作為聯動的詞彙出現。 牛津大學網路學院互聯網研究所治理與監管專業教授維克托?邁爾-舍恩伯格在其著作《大資料時代》一書中，將大資料定義為一次重大時代轉型的開啟者，稱其將會引發一場生活、工作與思維的大變革。

他認為，在大資料時代，人類處理資料的方法和思維模式將被徹底改變，它會呈現出一些前所未有的現象。 比方說，人們將會分析更多的資料，而不再依賴于隨機採樣；人們將不再沉迷于對資料分析精確度的追求，轉而關注對趨勢的把握；人們不會再習慣性地追問事情的因果，而是尋找事物之間的相關關係。

無論這些資料處理的未來趨勢最終是否能夠成真，我們都可以從日常的工作和生活中窺探到一些變化的端倪。 首先，企業的資料管理範疇正在不斷擴大，線上交易、Web日誌、點擊流、感應器資訊、社交媒體資料等都被納入企業的業務資料集。 另一方面，我們在生活中會遇到越來越多與資料分析相關的商業創意。 例如，各個電子商務、視頻網站中花樣繁多的推薦系統，還有超市中零食與手電筒筒這樣不明所以、卻能帶來實際銷售增長的擺放組合。

大資料對企業究竟意味著什麼？ 舍恩伯格在《大資料時代》一書中做出了這樣的描述：「在大資料時代，資料的價值從它最基本的用途轉變為未來的潛在用途。 這一轉變意義重大，它影響了企業評估其擁有的資料及訪問者的方式，促使甚至是迫使公司改變他們的商業模式，同時也改變了組織看待和使用資料的方式。 」

轉變並不會在一夜之間發生。 從多來源的資料獲取，到通過深度分析獲取洞察力，之間會是一段並不平坦的征程。 毫無疑問，Hadoop等技術的日趨成熟，讓企業使用者可以更方便地、在更大的範圍內收集業務的相關資料，但同時真正的挑戰也會接踵而至。 這就是如何高效地處理多來源的海量資料，並且為其找到適合的商業用途。

在過去的一個月裡，我們實地探訪了三家正在實際部署大資料應用的企業。 它們分別是京東（JD.com）、人人遊戲和PPTV聚力。 這三家互聯網企業正在用業界前沿的資料管理思維，展開大資料技術的早期實踐。 同時，在它們身上也折射出全球互聯網企業利用大資料的實際趨勢。 全球範圍內與之業務相類似的線上零售巨頭亞馬遜（Amazon.com）、社交遊戲先鋒Zynga、全球最大的線上影片租賃服務商Netflix，同樣處在大資料商業應用的最前沿。

另外，我們還特別加入了一個寓技術于體育競技的輕鬆案例。 網球賽場上細緻入微的資料統計和分析背後，正是大資料技術的鼎力支援。

遠觀不如近臨。 大資料的價值實現之旅已經啟程，改變就在我們的身邊發生！

【導讀】

京東：PB級資料價值發現

擁有一億使用者、營業規模達數百億元的大型網路零售企業京東（JD.com），在大資料應用領域實現了分散式架構與傳統BI工具的有機融合。

人人遊戲：360°客戶視圖很重要

作為國內最大的網頁遊戲和智慧手機遊戲的研發、運營和發行商之一，人人遊戲的大資料價值發現從結構化資料集起步，逐步向非結構化資料集延伸。

PPTV聚力：看得見的大資料

在全球擁有超3億活躍使用者群體的網路電視技術平臺供應商PPTV聚力，正在使用Hadoop、HBase、Hive、Storm等大資料技術打造個人化視頻推薦體驗，優化視頻播放體驗，實現線上廣告的精准投放。

大資料助威網球賽

從舉世矚目的四大滿貫，到已經躋身超級賽事行列的中國網球公開賽，新一代資料分析技術為球迷、球員和教練營造出「隨身而行」、「洞察入微」的高科技賽事體驗。

大資料時代企業怎麼贏？

如果你的企業希望投身大資料時代，現階段最大的挑戰是為海量業務資料找到商業用途。

京東：PB級資料價值發現

擁有一億使用者、營業規模達數百億元的大型網路零售企業京東（JD.com），在大資料應用領域實現了分散式架構與傳統BI工具的有機融合。

成立于2004年的京東商城（以下簡稱為京東）在2012年的交易金額突破600億元，相當於每秒就會產生2000元的交易額。 在網路零售市場深耕近十年之後，京東也正式邁入了PB級資料管理的新時代。 對企業而言，PB級（1PB=1024TB）的資料管理算得上是衡量其資料規模和管理能力的一個重要尺規。 目前，全球PB級資料管理俱樂部已經擁有Facebook、淘寶等重要成員，能夠躋身其中對京東而言是榮譽，也意味著挑戰。

京東副總裁  李曦

「針對業務資料快速增長的情況，我們在2012年正式啟動了大資料平臺的搭建。 這個自主開發的平臺基於分散式的技術，支援異構資料集市，同時也很好地利用了傳統BI的展現層技術。 」京東副總裁李曦說。 目前，李曦正帶領著300人的技術團隊不斷地改進和完善京東從資料的獲取、平臺搭建、分析到應用的電商全流程業務資料管理工作。 在2012年加入京東之前，李曦在美國矽谷工作多年，相繼服務于Siebel、甲骨文、谷歌等公司。

全流程大資料管理

在資料獲取方面，京東對各個購物頻道的交易資料、出入貨資料、逆向物流、使用者流覽日誌等資料進行了全面的收集，同時也會從互聯網上抓取一些商品價格等業務相關資訊。 這些資料會被匯總和存儲在京東自主研發的大資料平臺之上。 這個平臺支援不同的資料集市，例如分散式的資料集市，或者是甲骨文、MySQL、微軟SQL Server等關聯式資料集市。 平臺底層的資料存儲和離線批量資料運算由Hadoop實現，流式計算方面則採用的是開源即時資料處理框架Storm。

在承載匯總、存儲和查詢任務的大資料平臺之上是大資料分析層，這一層級主要涉及到一些建模的工作。 例如針對使用者、商品、商家、促銷、反作弊、風險控制、精准行銷、運營優化的資料建模等。 而這些資料模型最終的分析結果會在應用層得以展現。 目前，京東已經能夠向內部和外部使用者提供BI（商業智慧）服務。

其中，內部BI系統向從業務員到高級管理者的不同層級資料消費者提供各種門類的業務報表和歷史報表。 而對於在京東售賣貨品的商家，京東資料羅盤則可以向他們展現店鋪流量、訂單數量、即時客流等關鍵業務指標，以及節日促銷指數、價格彈性、使用者喜好等分析功能。

談到傳統BI技術在大資料時代所扮演的角色，李曦表示，傳統BI手段在大資料應用環境中仍然有其價值，尤其是在呈現能力方面。 他說：「京東早期的資料分析建立在傳統BI之上，它所採用的中央集中式模式會在主機應用層面造成瓶頸，但傳統BI資料集中的理念並沒有過時，特別是其功能強大的呈現工具同樣適用于互聯網行業。 」目前，京東在大資料處理的展現層仍在使用甲骨文BIEE等傳統BI工具。

「作為一家電商企業，京東的零售業務資料基本上是結構化的，而使用者訪問行為資料又是非結構化的，因此京東全流程資料匯總實際上是把結構化、半結構化和非結構化資料融合起來的過程。 」李曦說。 他表示，這樣的資料組成結構實際影響了京東的大資料技術選擇。 在資料倉儲層面，京東選擇了可擴充性強的分散式架構，而在應用層將相對發達的BI工具加以有效利用，實現了傳統與創新的融合。

大資料價值就在身邊

京東對大資料的利用不僅體現在內部管理和服務商家方面，如果你是一位顧客，只要訪問JD.com就能感受到大資料技術為您營造出的購物體驗。 在這裡，商品的搜索、推薦都是基於京東大資料平臺的即時匯總和結果推送。 比方說搜索的排序就可以基於使用者的點擊習慣、使用者好評度等指標進行個人化定制。 站內廣告和聯盟廣告的推送也可以根據相關的指標進行定向發佈。

李曦表示，經過近三年的探索，大資料技術的價值正在京東業務運營的不同領域得到逐步的體現。 基於大資料的匯總與分析，京東正在不斷完善包含電子郵件、短信、廣告等在內的精准行銷體系。 站在業務運營優化角度，大資料技術能夠切實提升工作效率，為京東帶來直接的成本節約，並營造出更優的客戶體驗。

人人遊戲：360°客戶視圖很重要

作為國內最大的網頁遊戲和智慧手機遊戲的研發、運營和發行商之一，人人遊戲的大資料價值發現從結構化資料集起步，逐步向非結構化資料集延伸。

在驕陽似火的七月，人人遊戲的「詞雲」應用火熱上線了。 所謂「詞雲」，就是先對人人遊戲玩家的線上聊天記錄進行分詞，匯總之後對玩家行為進行分析和展現。 目前，「詞雲」已經在人人遊戲的四款重點遊戲中安家落戶，隨後有關玩家情緒的分析功能（通過關鍵詞對應玩家的情緒指數）也將上線。 人人遊戲運營平臺總監、資料中心負責人王坤錶示，「詞雲」應用的上線是人人遊戲對大資料的利用從結構化資料集向非結構化資料集延展的重要一步。

人人遊戲運營平臺總監、資料中心負責人  王坤

成立于2006年的人人遊戲正在努力轉型為一家跨PC、平板電腦和手機終端的多平臺遊戲研發、運營和發行商。 從2007年推出第一款網頁遊戲《貓遊記》至今，人人遊戲一步步向著這一目標靠近。 在此過程中，人人遊戲堅持在「跨屏」技術創新領域的研發投入，同時也積極利用大資料技術優化整體業務運營。

目前，王坤所領導的30余人的技術團隊正致力於從包括遊戲日誌、玩家行為資料、日常經營資料等在內的大資料集中尋找更好的資料利用和展現途經，同時他們還是大資料應用在企業內部行銷推廣的主力軍。 「我們要做每個員工的大資料分析，而不僅僅是資料中心的大資料分析。 要做好遊戲行業的大資料分析，構建360°的使用者視圖非常重要。 」她說。

從0°到360°

2009年，人人遊戲對於業務資料的利用還停留在匯總遊戲日誌資料，僅用於簡單分析的階段。 而在2013年，人人遊戲已經基本上完成了基於IBM Cognos的BI系統整體建設。 同時，其基於Greenplum社區版的分散式資料倉儲也已初具規模。 對人人遊戲而言，這些都是獲得360°使用者視圖的必要工作。 而360°使用者視圖為其業務運營和決策所帶來的價值則是實實在在的。

「BI系統主要是管理結構化的大資料，我們搭建了報表、行動和洞察三位一體的閉環系統，而不僅僅是一個報表系統。 」王坤說。 新的BI系統將人人遊戲的業務模型更加清晰地呈現出來，對遊戲業務覆蓋使用者獲取、客戶存留、客戶付費的核心流程進行了優化，能夠更準確地為業務決策提供參考。 在報表設計方面，王坤所帶領的技術團隊堅持遵循MECE（mutually-exclusive and collectively exhaustive，即相互排斥而又集體窮盡）的分析原則，確保每張報表都有清楚的存在意義。 同時，BI系統上線後，企業在開發和運維方面的投入也有所降低。

「從結構化大資料到非結構化大資料，資料分析範圍和深度的擴展，讓我們能夠更準確地把握玩家的行為和需求。 」王坤說。 以「詞雲」應用為例，「炸金礦」是人人遊戲旗下「亂世天下」這款遊戲中玩家參與度很高的一個玩法，玩家需要邀請一定數量的友人幫忙炸礦來贏取金幣。 但在公休日期間，這款遊戲的參與度通常都會下降。 「通過‘詞雲’分析後發現，公休日期間‘求炸’成為玩家的聊天熱詞。 我們也因此得知，並不是玩家不愛玩這個遊戲，而是玩家在公休日邀請不到足夠數量的友人幫忙炸礦。 基於這樣的分析，我們可以在公休日期間對遊戲規則進行調整。 」王坤說。

大資料的行業價值

「每個行業都會有自己的大資料故事。 在遊戲行業，大資料分析可能不會直接帶來電商網站那樣真金白銀的收入，但其價值同樣會體現在精准行銷、客戶體驗優化等多個層面。 」王坤說。 她指出，全面的大資料分析能夠有效提升玩家的留存率和轉化指標，並且為遊戲產品的研發提供指引。 而個人化的精准行銷同樣與大資料分析緊密相關，像是針對不同性別、不同年齡、不同地域人群的廣告精准投放，背後都要依靠基於360°使用者視圖的玩家特徵分析。

王坤坦言，對人人遊戲乃至整個遊戲行業來說，大資料的管理與分析仍然是一件「體力活」。 「大資料團隊所面臨的最大挑戰是資料的整合，把多來源的結構化、半結構化和非結構化資料整合在一起，很多企業還沒有做到。 另外，在企業內部和外部找到大資料的消費者，向他們行銷大資料技術，同樣是一件艱苦的工作。 」她說。

PPTV聚力：看得見的大資料

在全球擁有超3億活躍使用者群體的網路電視技術平臺供應商PPTV聚力，正在使用Hadoop、HBase、Hive、Storm等大資料技術打造個人化視頻推薦體驗，優化視頻播放體驗，實現線上廣告的精准投放。

2012年，根據有關統計顯示，線上視頻已經超越社區交友和搜索服務躍升為互聯網第一大應用。 PPTV聚力目前全平臺月度活躍使用者達3.4億，每天的活躍使用者超5000萬。 這一線上視頻平臺目前每天會產生數10TB包含使用者行為資料、訪問體驗資料等在內的業務資料，針對線上視頻業務運營的實際需要，這些大資料每天會被採集、匯總到一個分散式的技術平臺上，再被應用到不同的業務領域之中。

PPTV聚力技術部總經理 金昀

目前，PPTV聚力已經建成的數百台伺服器規模的Hadoop集群是其大資料技術平臺的核心。 在其上運行著Hive開源資料倉儲，基於Storm的分散式即時資料處理框架也已經開始部署。 「我們每天會從PPTV聚力數億個用戶端和分散在各地幾百個機房的伺服器端採集日誌資料，匯總到大資料平臺開展資料分析。 」PPTV聚力技術部總經理金昀說。

金昀所領導的技術部中目前有一個20余人的團隊專門負責開放式大資料平臺的開發和運維，而PPTV聚力全公司的數百名技術人員、產品人員、運營人員、 資料分析師都可以從不同的業務角度利用這個開放平臺做業務資料分析以及各種資料密集性的計算任務。 畢業于清華大學的金昀曾經參與永新視博（數位電視領域創業企業）的創立，留美後在美國微軟公司服務7年，回國後曾服務于阿裡雲，2011年加入PPTV聚力。

大資料優化觀看體驗

對PPTV聚力來說，大資料的來源主要包括使用者行為資料、工程技術資料，以及後端的業務運營資料。 使用者行為資料主要來自從用戶端和伺服器端採集的日誌資料，例如哪個訪問者看了哪個視頻、拖動次數等；工程技術資料指的是不同地域使用者觀看視頻的啟動時間、卡頓次數、卡頓等待時長等；後端業務運營資料則包含廣告投放的相關資料資訊等。

「這些資料組成了PPTV聚力豐富的大資料來源，而大資料的分析結果可以直接應用於商業運營的調優。 比如，我們購買了一部影視劇後，可以精確、即時地瞭解它在不同地區、不同時間段被觀看的次數，以此優化我們後端的運營策略。 另外，通過從不同的用戶端所獲取的訪問連接資料，我們可以根據不同地區、不同時段的網路連接狀況，用最低的成本向使用者交付流暢的觀看體驗。 」金昀說。

像美國同行Netflix一樣，PPTV聚力也在深入研究個人化的視頻推薦演算法。 PPTV聚力視頻頁面中的「猜你喜歡」欄目就是後臺大資料分析的成果。 「視頻網站的使用者通常不會提供詳細準確的註冊資訊，而且使用者登錄率低，我們無法由此直接獲取使用者特徵。 因此，我們完全要從使用者的歷史訪問行為進行分析和判斷，對其習慣、喜好進行分類和標記，最終實現個人化的視頻推薦。 」他說。 除了頁面內的相關視頻推薦，PPTV聚力還計畫基於大資料技術開發全介面的使用者訪問個人化定制系統。 金昀強調，視頻與電商、社交等網路服務不同，其客戶行為的分析與預測具有獨特的複雜性。 「使用者觀看行為的頭部效應明顯、長尾效應不足，視頻總數對比使用者數較低，品類多樣性低，而消費成本高，這些都對視頻自動推薦的效果產生了很大的挑戰。 "金昀說。 同時他認為移動端視頻和OTT的高速發展將會是個人化視頻推薦的一個重大發展機遇，只有吃透大資料的企業才能真正跟上移動視頻發展的浪潮。

滿足廣告主的「奇怪」需求

「一段廣告，要求讓某一地域的動作片使用者至少觀看三次，但又不能超過5次，否則就不付錢。 還有的廣告有三個版本，使用者在觀看的時候不能重複，要遞進推送。 這樣嚴苛的要求在傳統的電視廣告平臺上是不可能實現的。 」金昀說。 不過，對於廣告主而言，這些無疑是一種精准行銷的合理設計，大資料分析為PPTV聚力所帶來的另一方面的商業價值也體現于此。

由於無法直接獲取準確使用者的特徵資訊，PPTV聚力的技術團隊通過對使用者歷史訪問行為的分析自動為其添加特徵標籤，並對具體廣告的承接能力進行預測，以滿足不同廣告主的個人化需求。 金昀表示，基於大資料技術平臺，PPTV聚力已經在廣告的定向投放、頻次控制等方面建立了相對成熟的策略和流程，並且注重在廣告精准投放的同時，確保使用者的觀看體驗。

大資料助威網球賽事

從舉世矚目的四大滿貫，到已經躋身超級賽事行列的中國網球公開賽，大資料分析技術為球迷、球員和教練營造出「隨身而行」、「洞察入微」的高科技賽事體驗。

金秋送爽的九月，北京的網球迷們將會在家門口迎來一項年度盛大網球賽事——中國網球公開賽。 這項已躋身超級賽事行列的賽事一直站在科技與體育結合的前沿。 2006年，中網公開賽成為在美國以外首次使用鷹眼系統的巡迴賽。 而在2013年，關注此項賽事的網球迷們將可以通過網站和移動終端，享受到先進的賽事資料分析服務。

競賽資料即時分析

一談到網球這項運動，體育迷們總是會被其細緻入微的各項技術統計所折服。 運動員在場上的每一次揮拍、每一次擊打都可以轉化為數位，用於統計和分析。 伴隨著資料種類和來源的擴充，網球賽事資料分析的顆細微性也在不斷細化。 事實上，基於大資料技術的賽事資料即時獲取和分析服務已經在四大滿貫賽事中被廣泛採用。

2008年，溫布林頓網球公開賽（以下簡稱為溫網）引入了IBM SlamTracker平臺。 這是一個可以進行即時比分統計和分析的視覺化平臺。 它可以對每一場比賽的相關統計資訊（包括比分、回合數、制勝分、發球速度、發球成功率、擊球類型、擊球數量）等多中繼資料內容進行採集、分析和分發。 球迷、球員和教練均可以通過賽事官方網站，或者手機用戶端瞭解比賽資料（如附圖所示）。

附圖 溫布林頓網球公開賽IBM SlamTracker資料分析介面

2012年，SlamTracker還推出了一項名為「Keys to the Match」的預測功能。 通過對近八年來大滿貫賽事近萬場比賽、近4100萬個資料點進行了採集和分析，SlamTracker可以確定球員的制勝模式和風格。 在每場比賽開始前，「Keys to the Match」都會分析雙方球員的歷史交鋒資料，為球員制定出比賽致勝的關鍵指標。 比賽開始後，雙方球員的指標會被即時量化，並且與之前制定的關鍵指標進行對照，即時更新球員進展。

如今，SlamTracker早已成為四大滿貫賽事的一項常規資料服務。 借助SlamTracker，您不再是一個普通的網球迷，而是一個擁有全面資料洞察視角的超級粉絲。 即便未能親臨賽場觀戰，您依然可以收穫獨特而專業的觀賽體驗。 而對球員和教練而言，SlamTracker資料分析服務能夠為其賽前針對性部署提供資料參考，也便於賽後分析勝負的原因。

社交輿情感知熱度

在移動互聯的時代，四大滿貫賽事已經不再僅僅是運動的盛宴，同時也演變為全球性的社交節日。 2012年的溫網在社交媒體上火爆異常。 比賽期間，從溫網官方網站到Twitter網站的流量較上年增加了2.05倍，而在男子決賽期間，每秒有超過100條與溫網有關的微博。 而在2013年澳網比賽期間，僅包含#ausope標籤的微博就超過了100萬條。 這些社交輿情資料均由IBM Content Analytics系統監測所得。

在2013年的溫網中，賽事組委會利用IBM Content Analytics等工具建立了一個全面的社交輿情視圖，來瞭解人們在Twitter和Facebook上都在談論哪些和溫網有關的話題。 借助分析和自然語言處理技術，系統每秒可分析超過40條微博，並形成社交對話統一視圖。 這樣一來，主辦方就可以即時瞭解全球溫網話題討論熱點，也可以對特定球員的社交影響力做出評估。

某種程度上說，資料分析正在改變網球賽事的組織和互動方式，並催生出新的商業價值。 借助社交輿情的監測與分析手段，賽事的主辦者可以從球迷的情感表達中洞悉其情緒走向，並將其用於賽事組織的改進。 同時，通過社交媒體資料對公眾輿論的評估，可以説明賽事贊助商更加全面、準確地瞭解消費者的喜好、市場趨勢和品牌認知，從而展開精准行銷，使客戶獲得個人化的消費體驗。

大資料時代企業怎麼贏？

如果你的企業希望投身大資料時代，現階段最大的挑戰是為海量業務資料找到商業用途。

在Gartner著名的技術成熟度曲線中，備受追捧的大資料技術或許還未攀上期望膨脹的頂峰。 而在可以想見的未來，泡沫的幻滅或許會引發一連串的質疑。 但對於企業而言，最重要的是不在潮起潮落中迷失自己最初的需求和渴望。 無論對技術的追捧與質疑如何激烈，企業的領導者都需要明確業務對資料的真正需求，並且清晰地向IT部門進行表達，從而為多來源的海量業務資料找到真正的商業用途。

業務與IT合力價值發現

過去數年間，私人投資者和風險投資機構都將鉅資投入到PB級別結構化與非結構化資料的採集、存儲、治理和分析等新興技術領域。 新湧現出的工具讓企業從Web日誌、點擊流、社交媒體、視頻和音訊文檔、機器感應器和微博中提取資料變得前所未有的容易。 在技術日臻完善的情況下，現階段企業利用大資料的最大難點在於，讓營業單位與IT部門相互合作，定義到底哪些非結構化和半結構化資料是對企業真正有價值的資料，以及如何對其有效地加以利用。

因此，真正的挑戰並不在於技術，而在於大資料商業價值的發現。 這一艱巨的任務需要IT和營業單位合力完成。 現階段，很多企業尚未開始對非結構化資料進行採集和整合，主要原因就是企業的業務管理者不能確認大資料是否能夠為企業帶來實際的商業價值，而並非是出於對創新技術的不信任。

互聯網行業具備天生的大資料應用需求，並且擁有強壯的技術基因，這使得大資料技術的早期實踐者多誕生於此。 而在金融、電信、製造、醫療等傳統行業，大資料技術也正在被重點關注，相關的需求梳理已經展開，並且有部分企業進入了初級實踐階段。

以金融行業為例，金融行業解決方案供應商北京先進數通資訊技術有限公司研發部總經理完獻忠就表示，國內銀行目前的大資料應用尚處在初級階段，主要集中在歷史資料管理、查詢和使用方面，面向業務的分析應用專案則處於探索和驗證階段。 他指出，隨著網上銀行和手機銀行的普及，並且向互聯網銀行的過渡，銀行業傳統上缺乏客戶行為資料的情況正在發生根本的轉變，銀行業具備了通過互聯網資料和機器資料開展有效客戶行銷的條件。

大資料打開大視野

從資料世界邁向大資料世界，技術的繼承與創新將會並存。 當Hadoop、MapReduce成為技術創新的明星，有人或許會問：「大資料會終結BI嗎？ 」的確，新一代的分散式資料處理技術為使用者帶來了新的洞察力，但它們目前仍不能完全解決傳統BI（商業智慧）所能夠解決的問題。 我們看到，傳統的BI工具仍被京東這樣的大型互聯網企業所使用，其成熟的展現層技術仍然能在滿足企業大資料分析需求時發揮作用。

PPTV聚力技術部總經理金昀認為，大資料分析可以理解為BI在資料量大規模爆發後的演進成果。 很多人認為，傳統的技術無法解決大資料時代的問題。 但無論是「小資料」時代還是「大資料」時代，企業所面臨的資料管理問題都是相同的，即發掘資料之間的內在聯繫，催生新的商業價值。

「未來或許會有大資料時代的BI。 BI的技術思維仍會存在，雖然資料的採集、存儲和分析方法全都改變了。 與傳統BI相比，大資料時代的BI資料整合的範圍會更廣，像使用者行為資料、銷售資料、地理位置資訊、團購資訊、天氣資訊等，都可以被集成到一起，通過新的分析與展現方法產生新的價值。 它會帶來更廣、更深邃的洞察力。 」金昀說。

企業使用者資料視野的拓展同樣有賴於IT與業務之間緊密協作。 從想像力的激蕩，到構想在現實環境的落地，註定是一段IT與業務攜手而行的旅程。